位置づけ
この図書館の facts がそのまま当てはまる唯一の職種。 Claude Code / Codex / Gemini CLI は、この仕事のために作られている。
ただし規模を誤解しないほうがよい。全体像のとおり、日本企業の生成AI 活用で「コード生成などのプログラミング支援」は 5.9% にすぎず、「文章の作成・要約・校正」の 45.1% とは 7 倍以上の開きがある（帝国データバンク、10,312社）。
業界の話題の量と、実際に使われている量が一致していない。 この図書館の facts が 69 ページあるのは、対象ツールの仕様が細かいからであって、この使い方が主流だからではない。
実名で確認できた事例（すべて確度B）
事例カタログに記録済み（cases/ai-activation-catalog.md）。いずれも二次情報で、一次発信に辿り着けていない。
| 企業 | 内容 |
|---|---|
| 楽天グループ | Claude Code 活用で新機能の導入時間を80%短縮 |
| 日立製作所 | グループ約29万人の全ビジネスプロセスで Claude 等を活用する計画を発表 |
| GMOインターネットグループ | 2026年7月、Anthropic と戦略的パートナーシップ締結 |
楽天の「80%短縮」は数字として大きいが、対象がどの作業なのか、何と比べたのかが記載されていない。信じる根拠としては弱い。
現場で繰り返し報告されているパターン（確度C）
出典は特定できていない。傾向として複数箇所で見かける、という以上の意味は無い。
- 既存資料から設計書のドラフトを一括生成。1件ずつ手作業していたものが数倍速に
- CRUD・APIクライアント・バリデーションといったパターン化された実装をほぼ任せる
- 人間は生成物のレビューと、本質的な設計・仕様検討に回る
どの工程に効くか
全体地図で、この図書館が裏付けを持っている工程がそのまま該当する。
| 工程 | AI に任せられる度合い | 根拠 |
|---|---|---|
| 設計 | 一部 | Plan Mode、subagent |
| プログラミング | 主要な作業 | permission mode、sandbox、worktree、checkpoint |
| 統合・テスト | 一部 | hooks、headless |
| 保守 | 一部 | CLAUDE.md、checkpoint |
**プログラミング工程だけが「主要な作業を任せられる」**になっている。この図書館の全12工程で唯一の high で、それだけ裏付けが厚い。
具体的な使い方
詳細は各工程の巻に譲るが、要点だけ。
確認の頻度を作業の危険度で切り替える。 Shift+Tab で default → acceptEdits → plan を循環する（facts/claude-code/permission-modes.md）。すべてを承認していると量が増えたときに読まずに OK を押すようになるので、境界を先に引いて頻度を下げるほうが安全になる。
巻き戻せる状態を作る。 checkpointing はプロンプトごとにチェックポイントを作り、/rewind で戻せる（facts/claude-code/checkpointing.md）。ただし出典は**「セッション単位の復旧手段であり、バージョン管理の代替ではない」**と明記している。git の代わりにはならない。
並行作業は worktree で分ける。 git worktree ごとにセッションを分離し、編集の衝突を防ぐ（facts/claude-code/worktrees.md）。
テストは hooks で自動に流す。 PostToolUse や FileChanged にテストコマンドを結び付ける（facts/claude-code/hooks.md）。
この職種で警戒すべきこと
帝国データバンクの調査で、実際に起きた悪影響の第1位は**「能力や成果の格差が拡大した」で 18.8%。第4位に「若手が育たなくなった」2.2%** が入っている。
エンジニア業では、パターン化された実装を AI に任せると、若手がそこで学ぶ機会を失う構造になる。上の確度C パターンにある「人間は生成物のレビューに回る」は、レビューできる力を既に持っている人にしか成り立たない。
出力結果の誤りでトラブルが発生したのは 1.3% にとどまる。誤りそのものより、誤りに気付ける人が育たなくなることの方が数字上は大きい問題になっている。
この分野で分かっていないこと
- 実名事例がすべて二次情報。 一次発信（企業の技術ブログ等）に辿り着けていない
- 楽天の「80%短縮」の対象範囲と比較対象が不明
- 失敗事例が無い。 生成量が増えてレビューが破綻した、という報告は現場では聞くが記録が無い
- 日本国内の職種別の利用率が不明。5.9% は業務内容の割合であって、エンジニアの何%が使っているかではない