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
- 251 本
- カテゴリ
- 3
- 最終更新
- 2026年11月17日
全 251 本中 218〜229 本目
- ツール導入
内製化支援とは|システム内製化のメリット・デメリット、失敗パターンと支援の選び方
システムの内製化を検討する事業会社の担当者向けに、内製化支援の定義、受託開発・SES との違い、IPA と経済産業省の調査で見る日本の現状、内製か外注かを領域ごとに決める判断軸、メリット・デメリット、よくある失敗 6 つ、支援の選び方と期間・費用の考え方、段階的な進め方を、AI 駆動開発のクリエイティブスタジオが整理しました。
#内製化支援#システム 内製化#内製化 メリット - 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、リファクタリング・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の観点で整理します。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 を有効に活用す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・外部への一任・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時の要点と、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 と構造化データ|著者 Person・運営 Organization の設計
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 - ビジネス
AI 活用事例 8 選|生成 AI で業務効率化した企業・官公庁・自治体の公開事例と始め方
生成 AI の活用事例を、パナソニック コネクト・デジタル庁・横須賀市・東京都・ソフトバンクの公式発表と、明治安田生命の導入を支援した ELYZA の発表から 8 件、出典つきで紹介し、公表された数字をそのまま示します。総務省・IPA・中小企業基盤整備機構の調査で日本企業の現在地を押さえ、事例に共通する傾向から、最初に試す一業務の選び方と効果の測り方を整理しました。AI 駆動開発のクリエイティブスタジオが、発注者の目線でまとめています。
#生成 AI 活用事例#AI 業務効率化#生成 AI 導入 - 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、自動検証と人間の確認を組み合わせてマージを判断する具体策を、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