はじめに

こんにちは。バックエンドエンジニアの齋藤です。

今回は、2025年度上期に自分が実際に業務で試してみて「AIをこう使ったらちょっと楽になった」というtipsを書いてみたいと思います。

やってよかったこと

GoogleMeetで会議メモを自動生成し、NotebookLMに読み込ませた

どなたかの記事で見て真似させてもらいました。所属しているチームでは、1週間に2回仕様検討やヒアリングの会があり、主にそこでの議事録をNotebookLMに蓄積しています。議事録はGoogleMeetで自動生成しています。1つの議題が複数回にわたることもあるので、前回どんなことを話したっけ？と復習したり、休暇で不在だった回の概要を確認するのに役立っています。

ただ、チームではGatherというバーチャルオフィスツールを採用しており、通常はミーティングはそちらで行っています。ツールを移動せずにツール内の部屋を移動するだけでミーティングに参加できるので便利なためです。しかしGatherでは文字起こし機能が今のところ無いので、文字起こししたい会議ではわざわざGoogleMeetに移動しているのが少し不便という課題があります。

追記：今改めて調べたところ、Gatherの機能一覧に「Gather AI 会議メモ」というものがありました。次回会議で使ってみたいと思います。
Tracの文面生成＆wiki formattingでの整形をDifyで実施した

社外の開発者の方とTracというチケット管理システムを使ってやりとりする場合があるのですが、このツールではwiki formattingという記法を利用しており、なかなか覚えられず地味に書くのに時間を要していました。社内のDifyで、ラフな文章から問い合わせ文面を生成し、wiki formattingでの整形までしてくれるツールを作りました。地味に楽になりました。
開発で使用するツール（シェルなど）をAIに作ってもらうようになった

元々シェルに苦手意識がありましたが、この半年でハードルがぐっと下がりました。

例えば「フォルダ内の画像100個を順番に解析APIに投げる」や「抽出したデータからランダムに◯件だけ取り出す」といった処理も、以前はどう実現しよう？とすぐに取りかかれずにいました。今では「まずスクリプトを書けばできそうだ」と考えられるようになり、ちょっとした作業をシェルで自動化する習慣がついてきました。

引数など必要な場合は、READMEも一緒に生成してもらって、後からでも使い方を思い出しやすいようにしています。
実装だけではなく、懸念点や検証すべき点などを聞くようになった

最初は実装をメインでAIにお願いしていましたが、実装前に、懸念点や検証すべき点のアイディア出しなどを一緒にやってもらうようになりました。例えば「やりたいことの概要」と「リクエスト数・処理データ量」などを渡し、これを Lambda で実装する場合のコストや懸念点、検証すべきポイントを出してもらう、といった使い方です。後から考慮漏れに気がつくことが減ったと感じます。
問い合わせの一次調査をDevinにしてもらった

Devinがリポジトリを調査できるようになっているので、問い合わせが来た時は、まずDevinに調査を依頼するようになりました。もちろん自分でも裏どりは必要になりますが、特に普段触らない機能などを調べるハードルがとても下がり、時間削減にもなっていると思います。
本を読む時に、雑にメモを取る→Cursorで整形してもらった

メモの整形に時間を取られない、かつ整形してもらったものをレビューすることで復習にもなるので、一石二鳥でよいと思いました。

社内の情報共有で聞いて真似させてもらって良かったこと

タスクの依頼フォーマットを作った

使いこなしている方が多いので、こう伝えている、というやり方を聞けたのがとてもよかったです。以下のようなフォーマットで依頼すると、漏れがなく伝わりやすいと教えてもらい、以来活用しています。また、制約に「不明な部分は想像で進めずに直ぐに確認してください」と必ず含めるようにしました。
```
  ## 前提
  ## 目的
  ## 前準備
  ## タスク
  ## 制約
```
特に不明な部分を確認してもらうように伝えるのは、効果が大きかったです。それまで、私の曖昧な指示をAIが補完して読み取ってしまい、思ったのと違う方向にいってしまうことが多くありました。

プロンプトについては、まだ改善の余地があると思うので、社内外問わず他の方のテクニックを取り入れたり、自分で試行錯誤を行い、効果的に依頼できるようになりたいです。
いきなりタスクを始めずにまず修正方針を合意してから着手してもらう

大きめのタスクを雑に依頼して、修正範囲が大きくなってしまい、結局やり直してスケジュールに遅れをきたしてしまったことがありました。修正方針と作業ステップに合意してから、１ステップずつレビューしながら実装してもらうことで、自分もきちんと理解しながら実装できるようになってきました。自分の理解を超えたペースでAIに実装してもらうことはできず、１ステップずつ理解しながら実装していくことが重要と学びました。改めて、AIを使いこなすためには自身のスキルアップが必須と実感したできごとでもありました。
プランをmdファイルに書きだしてもらう

上記で合意したタスクをファイルに書き出してもらってから実行すると、うまく行かなかった時に別のチャットを立ち上げてやり直すこともできるし、見直しもしやすいと教えてもらいました。試してみて、後から全体像や進捗も見やすく、とてもよかったです。
生成されている間に次のプロンプトを書く

生成してもらっている間、別の何かをするのも良いですが、次のプロンプトの準備をするのも良いと教えてもらいました。自分は頭の切り替えに時間がかかる方なので、別のタスクのことを考えるよりも、こちらの方がやりやすいと感じました。

社内の情報共有で聴いて真似したいこと

テスト観点生成時にまず仕様の認識をあわせる

テスト観点を作る時に、AIにコードを読んでもらい、まず仕様を書き出してもらう。不足点があれば追記してAIと仕様の認識を合わせる。それからテスト観点を出してもらう。という方法を聞きました。テストの作成にもAIを活用したいですが、実装を読ませるだけだと実装が誤っていたら意味のないテストになってしまうという課題があったので、真似したいと思いました。
コードレビュー時に、どこのコードから見るのがよさそうか聞いてみる

コードレビューの時にコードの理解に時間がかかりがちなので、真似して効率的にレビューしたいと思いました。

まとめ

こちらの記事でも紹介しているasken AI Nativie Dev Dayや、チーム内のAI勉強会など、社内で「情報共有をして組織全体でレベルアップしていこう」という雰囲気や場があったことで、他の人の使い方を真似させてもらいながら自分も少しずつ使い方を工夫できるようになりました。社内でAIをうまく活用されている方が多いので、真似しながらもっとうまく活用できるようになっていきたいです。

余談ですが、この記事も項目だけ書いてAIに肉付けしてもらおうと思ったら、今やっているよりももっとよさそうな活用方法が書かれていました。使ってみることが大事だとわかった半年でした。