Tatsu

# プロジェクト概要 数百万人規模のユーザーを抱えるファンコミュニティSNSの開発・運用プロジェクト。 2026年5月からエンジニアリングマネージャー（EM）兼バックエンドエンジニアとして参画。 PdM約15名、エンジニア約60名、デザイナー約5名が在籍する開発組織において、3チーム・計16名のエンジニアを担当するプレイングマネージャーとして従事している。 開発スケジュールの管理、メンバーとの1on1、仕様調整、技術的な課題解決を担当しながら、Ruby on Railsによる機能開発やAPI設計、AWS環境の運用改善などにも携わっている。 また、データ分析の効率化やAIを活用した開発体制の構築にも注力しており、Claudeによるデータ分析の自動化や、Claude Agent SDKを用いた自律型開発エージェントの設計・開発を推進している。 # 担当フェーズ - 要件定義 - 基本設計 - 詳細設計 - 工数見積もり - 実装 - 単体テスト - 結合テスト - 本番リリース - 運用・保守 - プロジェクトマネジメント - エンジニアリングマネジメント - AIエージェントの設計・開発 # 使用技術 - 言語：Ruby、JavaScript、TypeScript、Python - フレームワーク・ライブラリ：Ruby on Rails、React - DB・データ分析：PostgreSQL、BigQuery、PostHog - インフラ：AWS - 監視：Sentry - AI関連：Claude Code、Claude Agent SDK、Claude - 開発・レビュー：Git、GitHub、GitHub Actions、CodeRabbit # 役割・チーム体制 - 役割：エンジニアリングマネージャー兼バックエンドエンジニア - 担当チーム：3チーム・エンジニア計16名 - 開発組織全体：PdM約15名、エンジニア約60名、デザイナー約5名 - 開発手法：アジャイル開発（1週間スプリント） - 主な担当領域：開発進捗管理、スケジュール管理、メンバー育成、設計・実装、インフラ運用改善、データ分析、AIエージェント開発 # 業務内容 - 3チーム・計16名のエンジニアの開発進捗・スケジュール管理 - PdMとの仕様策定、優先順位の調整 - メンバーとの1on1、育成、技術的な課題解決 - Ruby on Railsを用いたバックエンド開発・API設計 - React・TypeScriptを用いたフロントエンド開発 - 緊急度の高いIssueへの実装対応、不具合調査 - AWS環境の運用・保守、監視・アラート整備 - Sentryを用いたエラー調査、パフォーマンス改善 - BigQuery・PostgreSQLを用いたユーザー行動分析 - Claudeを活用したデータ分析・レポート作成の自動化 - Python・Claude Agent SDKによる自律型開発エージェントの設計・開発 - GitHub Issueを起点とした設計・実装・レビュー対応の自動化 - AIエージェントの権限制御・ガードレール整備 - AIによる開発自動化の評価指標設計・効果検証 # 技術的な取り組み・工夫 ## プレイングマネージャーとしての開発組織マネジメント 3チーム・計16名のエンジニアを担当するEMとして、開発スケジュールの管理や進捗確認、PdMとの仕様調整、メンバーの育成などを担当している。 開発はバックエンドとフロントエンドでチームが分かれており、1週間スプリントで進行している。 各チームの開発状況や課題を把握し、必要に応じて優先順位の調整や技術的な課題解決を行うことで、開発を円滑に進めることを意識している。 また、メンバーとの1on1を定期的に実施し、業務上の課題や技術的な相談への対応、メンバー育成にも取り組んでいる。 マネジメント業務だけでなく、緊急度の高いIssueについては自ら設計・実装を行い、技術面でもチームを支援している。 ## Ruby on Railsを中心とした機能開発・運用改善 バックエンドエンジニアとして、Ruby on Railsを用いた機能開発やAPI設計、不具合修正などを担当している。 数百万人規模のユーザーを抱えるサービスであるため、既存機能への影響やパフォーマンス、データ整合性などを考慮しながら開発を進めている。 また、React・TypeScriptを用いたフロントエンド開発にも関わり、バックエンド・フロントエンド双方の観点から機能改善に取り組んでいる。 運用面では、Sentry等を用いた不具合調査やパフォーマンス改善、AWS環境の調査、監視・アラート整備なども担当している。 ## データ分析を活用したUX改善・事業施策の推進 プロダクトの流通金額や売上向上を目的として、PdMと連携しながらユーザー行動の分析やUX改善に取り組んでいる。 BigQuery・PostHog・PostgreSQLなどに蓄積されたデータを活用し、ユーザーの行動や離脱ポイント、施策の効果などを分析している。 分析結果をもとに、ユーザーの利用動線や機能の改善についてPdMと検討し、施策の優先順位付けや実装を支援している。 また、バックエンドのクエリ最適化やフロントエンドの動線改善にも取り組み、機能面・パフォーマンス面の双方からUX向上を図っている。 ## Claudeを活用したデータ分析の効率化 PdMがデータをもとに施策を検討する際、データソースやクエリに関する知識が必要となり、分析作業に時間がかかることが課題となっていた。 そこで、BigQueryやPostgreSQLのデータをClaudeから活用できるようにするためのスキルを開発した。 データ分析に必要な処理をスキルとして整理し、ユーザー行動の可視化や分析レポートの取得を効率化する仕組みを構築した。 これにより、PdMが必要なデータを取得・分析しやすい環境を整え、データに基づいた施策検討や意思決定を支援している。 ## Claude Agent SDKを用いた自律型開発エージェントの構築 AIによる開発生産性の向上を目的として、Python・Claude Agent SDKを用いた自律型開発エージェントの設計・開発に取り組んでいる。 従来のAIコーディングツールは、人間が都度指示を出しながら開発を進める使い方が中心となるため、開発プロセス全体を自動化することを目指した。 具体的には、GitHub Issueに記載された要件を起点として、設計、実装、PR作成、コードレビュー対応までをAIエージェントが自律的に実行する仕組みを開発している。 開発フローは以下のように構成している。 1. 要件を記載したGitHub Issueに設計用ラベルを付与 2. AIエージェントがIssueの内容を読み取り、必要な調査・設計を実施 3. 設計内容をIssueに出力し、人間が内容を確認 4. 設計承認後、実装用ラベルを付与 5. AIエージェントが設計内容に基づいて実装 6. 実装完了後、PRを作成 7. CodeRabbitによるレビュー指摘を取得 8. 指摘内容に応じてAIエージェントが修正 9. レビュー対応完了後、ラベルを付与した担当者へレビューを依頼 設計承認や最終レビューなど、人間による判断が必要な工程は残しつつ、それ以外の工程を可能な限り自律化することを目指している。 また、開発環境では複数リポジトリを横断した調査・実装が必要となる場合があるため、リモート環境でも同様の開発フローを実現できる構成を意識している。 ## AIエージェントの安全性を考慮した権限設計・ガードレール AIエージェントによる自律実行では、誤った操作や意図しないファイル変更などのリスクがあるため、安全性を考慮した設計を重視している。 特に、AIエージェントに必要以上の権限を与えないよう、GitHubやAnthropic APIの認証情報をエージェントに直接保持させない構成を採用している。 GitHubへのPush、PR作成、Issue・PRへのコメントなどの書き込み操作については、エージェントの外側にあるプログラムから実行することで、AIが直接操作できる範囲を制限している。 また、エージェントによる変更を許可しないファイルや領域については、変更を防止するためのスクリプトを用意し、意図しない変更が発生しないようにしている。 AIにすべての操作を任せるのではなく、AIが判断・生成する処理と、外部プログラムが実行・制御する処理を分離することで、安全性と自律性の両立を図っている。 ## AIエージェントの評価指標・効果検証 AIエージェントの評価では、単純なコード生成量やPR作成数だけでは、実際の開発生産性を正しく評価できないと考えている。 そのため、AIによる自律開発がどの程度実際の開発業務に貢献しているかを確認するため、以下の指標を設けている。 - Issue単位の自律完走率 - 作成されたPRのマージ率 - マージまでに必要となった人間の介入回数 - マージ1件あたりのAI利用コスト これらの指標を用いて、単にAIが実装できたかだけでなく、人間の作業負担をどの程度削減できたか、実際に利用可能なコードをどの程度生成できているか、費用対効果が見合っているかを評価している。 現在は、開発プロセスへの導入を見据え、エージェントの実装・改善と効果検証を進めている。 # 成果・実績 ## 担当チームの売上向上への貢献 PdMと連携したユーザー行動分析、UX改善、機能開発などの施策推進に携わり、参画後約半年間で担当チームの売上が約30%向上した。 EMとして開発スケジュールや進捗管理を担当するとともに、実装や技術的な課題解決を通じ、チーム全体での事業成果の創出に貢献した。 ## データ分析の効率化 BigQuery・PostgreSQLのデータをClaudeから活用できる分析スキルを開発。 ユーザー行動の可視化や分析レポート作成を効率化し、PdMがデータに基づいた施策検討を行いやすい環境づくりに貢献した。 ## AIによる開発プロセスの自動化 Python・Claude Agent SDKを用いて、GitHub Issueを起点とした設計・実装・PR作成・CodeRabbitレビュー対応までを自律化するAIエージェントを開発。 人間による設計承認・最終レビューを残しつつ、開発工程の自動化を進めている。 また、認証情報の分離や書き込み操作の制御、編集禁止領域の保護など、安全性を考慮した実行基盤を整備した。 ## AIエージェントの評価基盤整備 Issue完走率、PRマージ率、人間の介入回数、マージ1件あたりのコストなどの評価指標を設定。 開発プロセスの自動化による人的負担の削減や費用対効果を定量的に検証できるよう、評価方法を整備した。