はじめに
ごきげんよう🙋♀️あっきー(@kuronekopunk)です。
ツクリンクでは、生産性向上と、より迅速かつ高品質なプロダクトをユーザーの皆様にお届けすることを目指し、様々なAIツールの導入・検証を進めています。
今回はその活動レポート第5弾として、新たなツールの導入と最新モデルの活用状況についてお届けします。
活動報告
1. Clineの活用開始
これまでDevin、GitHub Copilot、CursorといったAI開発支援ツールを中心に活用してきましたが、新たにClineの利用を開始しました。
まずは1チームで導入し、Clineの利用検証を進めています。
2. Claude 4の有効化
AI開発支援の精度向上を目指し、GitHub CopilotおよびBedrockでClaude 4系を有効化しました。
Claude Sonnet 4は、Claude 3.5 Sonnetと比較してコーディング能力や推論能力が向上しており、開発支援における一層の成果が期待されます。
※Off topic
補足ですが、今回のリリースでClaudeのモデル命名規則が変更され、「Claude 3.7 Sonnet」は「Claude Sonnet 4」となりました。
Cursorでは、従来のモデル名との整合性や比較のしやすさを考慮し、公式名ではなく claude-4-sonnet と表記されているようです。
活用Tips
モデル選び
タスクに応じて適切なモデルを選ぶことが、AI活用の効果を最大化する重要なポイントです。
まずはCursor公式のモデル選定ガイドを参考にしていただくのが良いでしょう。
個人的な経験から、次のような使い分けが効果的だと感じています。
定型的なドキュメント作成やコード生成など、比較的明確なタスクにおいては、Gemini 2.5 Pro、GPT-4.1、Claude 3.5 Sonnetなどが適していると感じます。
一方、曖昧な要求からの仕様推測や、複雑な文脈理解が求められるなど、柔軟な解釈が必要なタスクにおいては、以前は Claude 3.7 Sonnet を利用していましたが、Claude Sonnet 4 の登場により、今後はそちらに期待しています。
モデル選びは一つのモデルに固執せず、同じタスクを異なるモデルで試すことで、各モデルの特性や得意分野を把握できます。
生成AIの利点は、迅速な試行錯誤が可能である点です。同じセッションでAIに修正を繰り返させるよりも、新しいセッションでやり直す方が良い結果を得られることもあります。
また、依頼するタスクの性質を見極めることも重要です。
正確性重視か創造性重視か、速度優先か品質優先か、定型作業か探索的作業かといったタスクの性質を見極め、それに応じてプロンプトやモデルを選定することを意識すると良いでしょう。
プロンプトに関しては「Claude 4 プロンプトエンジニアリングのベストプラクティス」も公開されているので一読するのがおすすめです。
さいごに
AI活用をさらに推進するため、LLMの基礎知識やプロンプトエンジニアリングについても社内勉強会やブログで共有していく予定です。
今後も実践的な検証を重ね、チーム全体の生産性向上に繋がる知見を蓄積・共有していきます。生成AI活用について社外の方とも情報交換を行っておりますので、ご興味をお持ちいただけましたら、XのDMなどでお気軽にご連絡ください。
Discussion