AI開発の現場から学ぶ：ClaudeとCopilotを活用し、人間の判断軸が不可欠なインフラ構築の現実

本記事は、AWS上のマイクロサービス基盤を対象としたインフラ開発作業を通じて、AI（Claude）とCopilotを協働させた開発の現実的なあり方について詳細に報告している。作業内容は、ECS Blue/GreenデプロイのためのTerraform実装、GitHub Actions CIパイプラインの整備、Claude Codeスキルの設計、および既存アプリ（LP）の構成整合の4点に及ぶ。筆者はこの過程で、AIが提案する内容を「人間の判断軸」で何度も軌道修正した経験を共有している。

特に重要な判断軸として、①本番環境を見据えた運用原則の徹底（例：ECS Blue/Green採用の決定、ダウンタイム許容の拒否）、②技術的な落とし穴の発見（例：GitHub Actionsにおける`set -euo pipefail`の徹底、CIの偽グリーン防止）、③システム設計の原則化（例：個別最適化より「Uniformity（統一性）」を優先する原則の確立）が挙げられる。また、Claudeの提案が暴走した際（例：APIエンドポイントの削除に関する2段階の暴走）に、「他アプリと同じ構成を維持する」という原則で軌道修正した。さらに、Copilotによる複数の視点からのレビュー（例：jqの二重クォートの罠、Terraformの短絡評価の罠）が、人間とClaudeだけでは見落とす盲点を補完する役割を果たした。

筆者は、AI開発の品質は「人間の判断軸 × AIの実行速度 × 複数視点のレビュー」という三層構造で決まることを実体験として強く実感し、今後のAIには「過信せず、不確かな点を正直に言う」「アラインメントを先に取る」といった振る舞いを期待すると結論づけている。

---

背景

近年、生成AI（LLM）は開発プロセスに組み込まれ、コーディングや設計支援が急速に進んでいる。しかし、AIの提案は万能ではなく、特に本番環境のインフラ設計においては、運用上の制約や将来的な拡張性といった「人間的な判断軸」が不可欠となる。本記事は、その実務的な課題と解決策を提示している。

重要用語解説

• ECS Blue/Greenデプロイ: AWSのサービスで、ダウンタイムを最小限に抑えながらアプリケーションを本番環境に展開する手法。トラフィックを徐々に切り替えることで安全性が高い。
• Terraform: Infrastructure as Code (IaC) の代表的なツール。コードを用いてクラウドインフラの構築や変更を自動化し、再現性を高める。
• CIパイプライン: Continuous Integrationパイプラインの略。コードの変更が都度自動的にテスト・検証され、品質を担保する仕組み。開発の自動化の中核。
• Uniformity: システム設計における「統一性」を指す。個別の最適化よりも、全体的な一貫性や標準化を優先する原則であり、運用負荷軽減に繋がる。

今後の影響

本記事が示す「三層構造」は、今後のAIを活用した開発標準となる可能性が高い。開発者はAIを単なるコード生成ツールとしてではなく、あくまで「高速な実行エンジン」と捉え、設計判断や運用原則の策定に注力することが求められる。これにより、開発効率が飛躍的に向上し、品質保証のプロセスが高度化すると予想される。