Insights
AI 駆動開発の現場から
Claude Code・Cursor・AI エージェントの実務導入ノウハウ、AI 駆動 TDD、開発組織の運用設計など、FIXIT が現場で得た知見を継続的にお届けします。
- 公開記事
- 179 本
- カテゴリ
- 3
- 最終更新
- 2026年7月28日
全 179 本中 146〜157 本目
- ツール導入
内製化支援とは?AI 駆動開発で開発チームを自走させる進め方
外注一辺倒から脱し、自社で開発を回したい意思決定者向けに、AI 駆動開発を前提にした内製化の5段階ロードマップを解説します。Claude Code・Cursor の組織定着とガバナンス設計、つまずく典型パターン、費用と期間の目安、デジタル後発業界での現場運用まで、AI 駆動開発のクリエイティブスタジオが伴走支援の知見として整理しました。
#開発 内製化#内製化 進め方#Claude Code 導入 - エンジニアリング
FAQPage 構造化データの書き方｜AI 検索に引用されるための JSON-LD 実装ガイド
AI 検索に引用されやすくする FAQPage / JSON-LD 構造化データの書き方を、最小実装サンプルから MDX frontmatter の faq を起点に JSON-LD を自動生成する設計、リッチリザルトでの検証手順まで実装一次情報で解説。概論ではなく動くコードで示し、AI 駆動開発のクリエイティブスタジオの実装力を可視化します。
#FAQPage JSON-LD#構造化データ 書き方#schema.org FAQPage - エンジニアリング
ゼロクリック時代の SEO 効果測定｜AI 検索の引用・表示回数をどう追うか
AI が回答してしまいクリックが減る「ゼロクリック」時代に、何を KPI に据え GSC / GA4 でどう計測するかを実データの見方とともに解説します。表示回数とクリックの乖離・引用カバレッジ・指名検索といった新指標の運用法を、AI 駆動開発のクリエイティブスタジオの視点で示します。
#ゼロクリック検索#SEO 効果測定 AI#AI Overviews 計測 - エンジニアリング
技術的負債の返済は『作り直し』だけじゃない｜AI 駆動の見極め方
「直すべきか作り直すべきか」を判断できない開発リーダー・CTO 向けに、技術的負債の可視化方法と、リファクタ・部分刷新・全面リプレイスの分岐基準を、AI でホットスポットを特定する手順とともに解説します。
#技術的負債 とは#技術的負債 解消#技術的負債 可視化 - ビジネス
AI エージェント開発に強い会社の選び方|発注前に確認する評価軸
AI エージェント開発を外注で進めたい発注検討層に向け、開発会社を見極める評価軸、費用感とプロジェクト規模、PoC から本番までの進め方、失敗しやすいパターンと回避策を実務目線で整理します。技術力だけでなく業務理解・運用設計・ガードレール設計まで見られる相手かを判断するためのチェック観点を、AI 駆動開発のクリエイティブスタジオがまとめました。発注前の比較検討に使える一本です。
#ai エージェント 開発 依頼#aiエージェント 構築 会社#業務エージェント 開発 - エンジニアリング
AI 駆動開発のアーキテクチャ設計 — AI が書きやすい構造
AI が安全かつ高速にコードを書ける構造とは何かを、AI 駆動開発のクリエイティブスタジオが解説します。モジュール境界・型・ディレクトリ設計・テスト容易性が AI 駆動開発の生産性を左右する理由と、大規模・レガシーで AI を効かせるための設計指針を共有します。
#AI が書きやすいコード設計#AI フレンドリー アーキテクチャ#モジュール設計 AI - ビジネス
DX 推進が失敗する 7 つの原因｜つまずきパターンと立て直し方
DX 推進が頓挫する企業に共通する 7 つの原因を、PoC 止まり・丸投げ・目的不在などのパターンに分けて解説します。それぞれの立て直し方と、AI 駆動開発で内製を取り戻す進め方を、AI 駆動開発のクリエイティブスタジオが現場視点で整理します。撤退判断の基準や体制の作り直し方も FAQ で補足しました。
#DX 失敗 事例#DX 推進 課題#DX 進まない 理由 - エンジニアリング
LLMO / GEO の進め方｜AI 検索最適化を社内に定着させる実装ロードマップ
概論で終わりがちな LLMO / GEO を、構造化データ・記事構造・計測を段階導入する実装ロードマップとして提示します。自社サイトでどう着手し継続するかを fixit の取り組みを実例に示し、技術実装を伴う AI 検索最適化の進め方を AI 駆動開発のクリエイティブスタジオの視点で解説します。
#GEO 生成エンジン最適化#LLMO とは 進め方#AI 検索最適化 - ツール導入
Claude Code を現場に定着させる進め方と発注の判断基準
Claude Code を配布しただけでは動かない現場に、どう定着させるか。デジタル後発業界での伴走のコツと、外部支援を選ぶときの判断基準を実運用ベースで整理します。全社導入の段階別ロードマップとガバナンス設計は別の完全ガイドに集約し、本記事は現場定着と発注判断に絞りました。
#Claude Code 定着#Claude Code チーム導入#AI コーディング 社内展開 - エンジニアリング
E-E-A-T を構造化データで補強する｜著者 Person・運営 Organization の sameAs 設計
AI 検索が情報源の信頼性を判断する E-E-A-T を、著者 Person・運営 Organization・sameAs で機械可読に補強する実装を解説。誰がどんな専門性で書いたかを構造化し、引用されやすい権威性を作る方法を、自社サイトの実装一次情報で示します。
#E-E-A-T 対策#著者 構造化データ Person#Organization schema sameAs - ツール導入
生成AIの業務活用アイデア15選｜部門別のユースケースと進め方
生成 AI を業務に活かすための部門別ユースケースを 15 個、営業・マーケから開発・サポート・製造まで具体的に紹介します。どこから着手すべきか、PoC をどう小さく始めて投資判断につなげるかまで、AI 駆動開発のクリエイティブスタジオが実務目線で整理。RAG や AI エージェントとの接続、よくある失敗の避け方も解説します。
#生成ai 使い方 企業#生成ai ユースケース#業務効率化 ai - ツール導入
AI 生成コードのレビュー設計 — 何を人間が見るべきか
AI が大量に書くコードを安全にマージするためのレビュー設計を解説します。人間が見る観点と AI に任せる観点を切り分け、PR サイズや CI ゲートを KPI 化し、レビューしなくても安全にマージできるプロセスへ近づける具体策を、AI 駆動開発のクリエイティブスタジオが共有します。
#AI 生成コード レビュー#Claude Code code-review#コードレビュー 観点 AI