はじめに
昨今、ChatGPTをはじめ、ClaudeやGeminiなど多種多様なLLM（大規模言語モデル）が登場し、コード生成やデバッグ作業などにおいて、エンジニアの生産性は劇的に向上しました。
しかし、強力な選択肢が増え続けた一方で、
- 「長文の読み込みはどれが良い？」
- 「コーディング特化ならどれ？」
といった新たな疑問も生じており、 「結局、日々の業務でどのツールをどう使い分けるのが正解なのか？」 という贅沢かつ切実な悩みを抱えている方も多いのではないでしょうか。
私も試行錯誤を繰り返してきましたが、 現在はそれぞれのAIの「得意分野」を活かし、それらを組み合わせた「開発パイプライン（連携ワークフロー）」を構築することで、スムーズに業務を回せるようになりました。
今回は、私が日々の業務で実践している「Slackbot」「Gemini」「Claude」の3段活用術についてご紹介します。
なお、本記事でいう「Slackbot」は、Slackが公式に提供しているAIアシスタント機能です。
私のスタメンAIツールとそれぞれの役割
まずは、私が常用している3つのツールと、それぞれの位置づけです。
「Slackbot」
役割
振り返り ➔ ToDo管理
強み
普段のコミュニケーション導線上で、手軽に壁打ちできる
使い方の例
- 「Slack上の今週の進捗ログから、次週優先すべきタスクを3つ洗い出して」
- 「今日やるべきタスクを整理して、優先度順に並べて」
「Gemini」
役割
リサーチ ➔ プロンプト作成
強み
最新情報の検索に強く、長文のコンテキスト処理が優秀
使い方の例
- 「このエラーメッセージの原因と解決策を調べて」
- 「〇〇を実現するのに適したライブラリを比較して」
「Claude」
役割
実装（コード作成・成果物出力）
強み
コードの品質、ロジックの正確性、自然な表現が圧倒的
使い方の例
- 「ユーザー認証機能を実装するコードを書いて」
- 「このコードをリファクタリングして、保守性を上げて」
AIを組み合わせる 〜生産性を爆上げする「AI連携パイプライン」〜
AIを「組み合わせる」ことの威力
3つのAIはそれぞれ異なる強みを持っています。
ただし、真の生産性向上は、これらを単体で使い分けるのではなく、1つの成果物を生み出すために「線で結んで連携させる」ときに起きます。
3つのツールの連携イメージは以下のとおりです。
成果物（特にコードや設計書）のクオリティを最大化するためには、一発でClaudeに指示を出すのではなく、前段で情報を磨き上げるプロセスを挟みます。
連携ワークフローの3ステップ
Step 1: 情報の「集約」と「整理」（Gemini & Slackbot）
まずはGeminiを使って技術的な仕様や最新のベストプラクティスを調査します。 また、Slackbotとの壁打ちで出てきた「業務上の要件やToDo」も必要に応じて材料として集めます。
Step 2: Geminiに「Claude用のプロンプト」を作らせる（メタプロンプト）
情報が集まったら、Geminiに対して以下のように指示を出します。
「これまでに集まった[調査結果]と[要件]を元に、Claudeが最高品質のコードを出力できるように、前提条件や制約事項をまとめた『プロンプト』を作成してください」
情報をそのままClaudeに投げるのではなく、「Claudeへの指示書（プロンプト）」を別のAI（Gemini）に作らせる（メタプロンプト手法）のが肝です。 これにより、人間がプロンプトを試行錯誤する時間を大幅に削減できます。
Step 3: Claudeで「一撃で成果物を出力」
Geminiが出力したプロンプトをそのままコピーし、Claudeにペーストして実行します。 コード生成が強みであるClaudeは、構造化された質の高いプロンプトを受け取ることで、ハルシネーション（嘘）や手戻りを大幅に減らした高品質なコードや設計書を出力してくれます。
この使い分けで得られたメリット
人間の認知負荷の劇的な軽減
「プロンプトをどう書けばClaudeが良いコードを出すか」を人間が悩む必要がなくなりました。
指示書の作成すらAIに任せることで、人間は「要件の定義」と「最終的な成果物のレビュー」に集中できます。
手戻りの最小化
Geminiが事前に最新のドキュメントや仕様を咀嚼し、プロンプトに落とし込んでくれているため、Claudeが古い情報や誤った仕様でコードを書くリスクを大幅に減らせます。
日常業務への溶け込み
案件ごとの振り返りはSlackbotで行うことで、自分では言語化できていなかった部分の言語化をサポートしてくれます。
まとめ
現代のAI活用は、「どのAIが一番優れているか」という二元論ではなく、「それぞれのAIの強みを線で結び、自分の業務パイプラインをどう構築するか」のフェーズに移っています。
自分の中では、
- 導線が最も近い身近な相棒の Slackbot
- 最新情報とコンテキスト整理の Gemini
- 圧倒的な出力クオリティの Claude
のように、それぞれのAIを位置づけています。
終わりに
業務だけでなく、日々のタスクやリサーチ、実装に追われるすべてのエンジニアの参考になれば幸いです。
ぜひ、みなさんも自分だけの「AIパイプライン」を作ってみませんか？
ここまで読んでいただきありがとうございました！
