SaaS MVP を 3 週間で本番投入したスタートアップ案件

プロジェクト概要

シリーズ A 直後の HR テック領域スタートアップから、求人エージェント向け SaaS の MVP 開発を依頼されました。初期構想ヒアリングから本番デプロイまでの期間は 3 週間。通常見積もりではフロント・バック・インフラ合わせて 2.5 ヶ月相当の規模感です。

クライアント側の事業要件:

パイロット顧客 (求人エージェント 10 社) に 6 週間後の営業会議で見せる
そこで反応が得られなければ次のシリーズ B 調達に響くため、MVP の遅延は許容できない
一方で、機能を絞りすぎるとパイロット顧客の検証ニーズに耐えない

つまり「絞っても薄くなる、増やしても間に合わない」という典型的な MVP ジレンマです。FIXIT はこのジレンマを AI 駆動開発 で解消することを提案し、結果として 12 人日 (=3 週間の半分の稼働) で本番投入を実現しました。

求められた要件

最終的に MVP に含めた機能セット:

求人エージェント向けに マッチング進捗を一覧管理 できる Web アプリ
Google Workspace SSO・Slack 通知連携
マッチング AI スコアの可視化 (社内アルゴリズムから提供される JSON を受け取って描画)
iOS / Android のレスポンシブ動作
営業担当による全文検索 (候補者名・企業名・タグ)
監査ログ (誰がどの候補者ステージを変えたかが追える)

アプローチ

1 週目 — 要件確定と土台

Claude Code を使い、要件ヒアリングメモから

ユーザーストーリーの粒度揃え
画面遷移図の自動生成
データモデル草案

を 1 日で作成しました。クライアントとの 要件レビューを Mermaid 図と Claude が出した質問リスト で進めたため、通常 1 週間かかる仕様すり合わせが 2 日に圧縮できています。

週後半にはモノレポを切り、Next.js (App Router) のスケルトン、認証フロー、Prisma のスキーマ、Hono を介した RPC をすべて Claude Code に並走させて 4 日で完了させました。AI 駆動開発のキモは「最初の 1 週間で 足場をどれだけ AI に作らせるか」にあります。

2 週目 — ドメイン機能の実装

工数の大半を占める「マッチング進捗ボード」を Cursor + Claude Code のペア体制で実装。以下のような形でルールとテストを先に書き、その後コードを生成させています。

// tests/match-progress.spec.ts
import { describe, expect, test } from "vitest";
 
import { getCardHistory, moveCard, seedBoard } from "./_helpers";
 
describe("マッチング進捗ボード", () => {
  test("ステージを移動すると stage_changed イベントが履歴に追記される", async () => {
    // arrange
    const board = await seedBoard({
      stages: ["screening", "interview", "offer"],
    });
    const card = board.cards[0];
 
    // act
    await moveCard({ cardId: card.id, toStage: "interview" });
 
    // assert
    const history = await getCardHistory(card.id);
    expect(history).toHaveLength(1);
    expect(history[0]).toMatchObject({
      from: "screening",
      kind: "stage_changed",
      to: "interview",
    });
  });
});

テストを先に与えることで「実装は AI に任せ、人間はレビューに集中する」フローに乗せられました。詳細な TDD 手順は別記事 AI 駆動 TDD - テストを AI に先に書かせる開発フローで扱っています。

3 週目 — 仕上げと運用整備

最終週は以下を並列で進めました。

Slack 通知 / SSO の本番接続
E2E (Playwright) で 9 つのクリティカルパスを担保
Vercel + Supabase の本番環境を Terraform で IaC 化
ステージング → 本番のデプロイパイプラインを GitHub Actions に集約
Sentry / Better Stack を入れてオブザーバビリティを確保

Claude Code に IaC や CI スクリプトを書かせると、出力をそのままレビューに回せる品質で出てきます。ペアプロでの「お互いの目」が AI と人間のレビューに置き換わっていく感覚は、Stage 3 を越えた組織で特に効きます。

工数・品質の実数値

指標	通常見積もり	実績	差分
期間	2〜3 ヶ月	3 週間	-67%
工数 (人日)	40〜60	12	-75%
ビジネス検証までの日数	90 日	21 日	-77%
バグ重大度 (P1) 件数	リリース後 5〜8	リリース後 1	-85%
クライアント満足度 (10 段階)	一般プロジェクト 7.2 (社内基準)	9.3	+29%

クライアントは MVP リリース後 4 週間で 12 社のパイロット契約を獲得。MVP の意思決定速度が事業にそのまま反映されました。

「12 人日で SaaS MVP を本番化」という数字は、AI 駆動の プロダクト開発 が事業のスピードに直結する具体例として、その後の営業活動でも繰り返し参照されています。

SaaS MVP を 3 週間で本番投入したスタートアップ案件

プロジェクト概要

求められた要件

アプローチ

1 週目 — 要件確定と土台

2 週目 — ドメイン機能の実装

3 週目 — 仕上げと運用整備

工数・品質の実数値

学びと再利用可能なナレッジ

1. テスト先行 × AI 実装が品質維持と高速化を両立する核

2. 仕様書を AI と一緒に書くフローが最も歩留まりが良い

3. Linear のチケットを Claude Code が直接消化する運用

ありがちな落とし穴

落とし穴 1. 「AI で速くなる」を理由に予算を削る発注側の期待値

落とし穴 2. 期間圧縮しすぎて運用引き継ぎが薄くなる

落とし穴 3. AI ペアプログラミングへの慣れがチームでバラつく

よくある質問

Q. MVP の品質はリリース後どうなりましたか？

Q. なぜ AI 受託開発がこの規模に合うのですか？

Q. 同じ規模の SaaS MVP を頼むといくらですか？

関連リソース

ほかのケーススタディ

顧客対応オペレーションを AI エージェントで 80% 自動化

10 年もののレガシーシステムを通常見積もり半分でリプレイス

このようなプロジェクトをご検討ですか？

RECRUIT

CONTACT