Claude CodeチームのAI検証戦略を公開
原題: How the Claude Code team thinks about verification
なぜ重要か
AIがコードの9割を書く体制における検証設計は、今後の企業向けAI開発プロセスの標準的な議論となりうる。
Anthropicのエンジニアリングブログで2026年11月16日、Claude CodeチームのAddy Osmaniが、AIエージェントによるコード検証の具体的手法を公開した。同チームではコードの約90%をClaudeが記述・レビューしており、エンドツーエンドテスト・プロパティテスト・差分テストの3種類を中心とした検証ループが品質と開発速度の両立を支えているという。
Anthropicが運営するClaude Codeチームは、現在のコードベースのおよそ90%をClaudeが記述・レビューするという大規模なAI活用体制をとっている。この規模になると、エージェントが自らの出力を「証拠」をもって検証できる仕組みが不可欠になる。
エンジニアのAddy Osmaniが公開した記事によれば、検証ループの有無は並列実行できるClaudeの数に直結する。検証がなければ人間が逐一チェックするため同時に動かせるのは1〜2エージェント程度にとどまるが、検証ループがあれば数十〜数百単位の並列実行が可能になる。内部テストでは、構造化ファイル生成タスクにおいて別のエージェントがルーブリックに基づき出力を採点する仕組みを導入したところ、タスク成功率が標準的なプロンプトループより最大10ポイント向上し、難易度の高い問題ほど改善幅が大きかったとしている。
記事が特に重視するのはエンドツーエンド(E2E)テストだ。「カートに商品を追加→決済→確認画面」のような実際のユーザーフローを再現するため、機能全体が動作するかどうかを明確に判定できる。ユニットテストが全て通っても機能が壊れるケースがある一方、E2Eテストは「誤魔化しが効きにくい」とOsmaniは述べる。失敗時にはスクリーンショットと何が壊れているかの説明が得られるため、原因特定が速い。
テストの品質管理についても言及があり、テストが不安定(flaky)だとエージェントは修正ではなく再実行を選ぶようになるため、安定性の確保が前提条件になる。また重いテストはコミット前に実行するのが望ましいとしている。検証結果はCLAUDE.mdのルールやフックとして反映でき、同じ問題の再発防止にも活用できるという。