Anthropicの公式事例で見た「コードレビュー80%減」という数字を、自分の週次チェック作業にそのまま当てはめてみたら、確認時間が50分から10分になった。
元ネタは、開発会社の「レビュー時間」の話だった
コードレビューが80%減り、定型処理が24時間から1時間になった、という開発現場の事例。
Anthropicが公開している顧客事例に、クラスメソッド社の話がある。エンジニアがAIエージェント「Claude Code」を導入した結果として、以下のような数字が出ていた。
- コードレビューにかかる時間が80%減った
- Googleスプレッドシートの自動処理（GAS）にかかる時間が、24時間から1時間に短縮した（96%減）
- 月あたりのコード提出件数が、108件から165件に増えた
正直、最初に読んだときは「エンジニアの話でしょ」と思って流しかけた。でも「コードレビュー」を分解すると、非エンジニアの自分にも当てはまる作業だと気づいた。コードレビューとは、エンジニアが書いたプログラムを、別の人（または今回はAI）が「間違いがないか」「ルール通りか」を提出前にチェックする作業のこと。要するに「人に渡す前の、最終チェック」であって、プログラムに限った話ではない。
「コードレビュー」を自分の仕事に翻訳すると「提出前の書類チェック」だった
自分にとってのコードレビューは、資料を送る前の目視チェックだった。
自分の仕事に「コード」はない。でも「人に渡す前に、間違いがないか最終確認する作業」なら毎週やっている。取引先に送る週次レポートを、送信前に自分でチェックリスト形式で見直す作業がそれにあたる。
チェック項目は10個ほどある。数字の転記ミスはないか、前回との整合性は取れているか、誤字脱字はないか、宛名や日付は合っているか、といった内容だ。これまでは1項目ずつ目で追いながら確認していて、資料1本あたり50分かかっていた。
チェックリストがあっても、人間が1項目ずつ目視でやると時間がかかる上に、後半になるほど集中力が落ちて見落としが増える。これはコードレビューでも、書類チェックでも同じ構造の問題だった。
実際にやったこと：AIに「一次レビュー」を任せる
AIに一次チェックをやらせ、自分は「AIが拾った箇所」だけを見る二次チェックに回った。結果、50分が10分になった。
クラスメソッド社の事例で使われていたのも「AIが先に全体を機械的にチェックし、人間は疑わしい箇所の最終判断だけする」という役割分担だった。これをそのまま書類チェックに移植した。
使ったプロンプトは、チェック項目をそのまま箇条書きにして渡すだけのシンプルなものだ。
以下の週次レポート（本文を貼り付け）を、次の10項目でチェックしてください。
問題があった項目だけ、該当箇所を引用して指摘してください。問題がなければ「OK」とだけ書いてください。
1. 前回レポートと数字が矛盾していないか
2. 日付・宛名・件名に誤りがないか
3. 誤字脱字
4. 数字の桁・単位の記載ミス
5. （以下、自分のチェックリストの残り項目を貼る）
結果、10項目のうち7〜8項目は毎回「OK」で、人間が目を通す必要があるのは実質2〜3項目に絞られた。全項目を平等に見ていた50分の目視チェックが、AIの一次チェック（数十秒）＋人間の絞り込み確認（10分）に置き換わった。時間にして80%減で、クラスメソッド社の事例の数字とほぼ一致した。
悪い例：「このレポート、チェックしておいて」とだけ頼む
良い例：チェック項目を番号付きで明示し、「問題箇所だけ引用して指摘」と出力形式まで指定する
注意点：最終承認をAIに渡すわけではない
AIは「怪しい箇所を絞り込む係」であって、「OKを出す係」ではない。
ここは誤解しやすいところだった。AIが「OK」と言った項目を無条件で信用すると、AIが見落とした間違いがそのまま外に出る。コードレビューでも最終的にマージ（本番反映）を承認するのは人間であるのと同じで、書類チェックでも「送信ボタンを押す」判断は自分でやる。AIがやっているのは、目視確認の対象を10項目から2〜3項目に絞り込む「一次選別」までだ。
今日からできること
毎週・毎月、送信前や提出前に使っているチェックリストを1つ思い出してほしい。そのチェックリストをそのまま番号付きでAIに渡し、「問題がある項目だけ、該当箇所を引用して指摘して」と指定するだけでいい。全項目を自分の目で追う作業から、AIが絞り込んだ数項目だけを確認する作業に変わるはずだ。
あわせて読みたい
