https://creators.bengo4.com/entry/2025/08/27/080000

初めまして、弁護士ドットコム事業部でバックエンドエンジニアを担当しています、渡辺です。

今回は、最近私がジョインした新規プロダクト開発チームでの AI 利用についてお話しします。

新規プロダクト開発チームについて

弁護士ドットコム事業部では弁護士ドットコムサイトを中心とした、複数のサービスを展開しています。すでに世に出ているプロダクトの開発はもちろん、新しいプロダクトの開発なども並行して進んでおります。

私は今年の 6 月頃から事業部の新規プロダクトチームにジョインし、バックエンドの開発を担当しています。既存プロダクトは PHP で実装されているケースが多いですが、新規プロダクトでは Go を利用したバックエンド開発となっており、事業部的にも新しい試みとなっております。

課題：コード品質について

新規プロダクトチームでは、私がジョインした時点で必要な機能は 6〜7 割ほど実装完了しており、残りの機能の開発とすでに実装完了した機能のブラッシュアップ、両方のタスクが存在する状態でした。

メンバーも優秀な方々が集まっており、非常にスピーディーな開発ができていた一方で、コード品質については一定量の課題が残っていました。ロジックの部分もテスト未実装の箇所がちらほらあり、今後の機能実装やリファクタリングに懸念が残っていました。また静的解析も go vet コマンドでの検査のみとなっており、より詳細な解析を施してコード品質向上を目指したいという気持ちが強くなっていました。

チームメンバー間で話し合い、このタイミングで上記のテコ入れをすることを決めました。

AI ツールの活用

弊社では cursor, Claude Code などをはじめとした、多くの AI ツールが利用できる状態となっております。コード品質の改善に力を入れつつ、機能開発のスピードも落としたくなかったチームとしては、 AI ツールを用いた開発効率化はぜひともものにしたいところでした。

理想は、機能開発とコード品質向上のタスクが並列で進むような形です。

しかし、ただ闇雲に AI に対してテストの実装やリファクタリングをお願いしても、なかなか思い通りのコードが生成されませんでした。作成されたテストが通らなかったり、 t.Skip() で無理やりテストを通そうとすることもありました。

また AI による作業の効率性を定量的に評価したいという思いもあったため、何らかの形で AI がこなすタスク量を可視化する必要がありました。

上記を踏まえたうえで、まずはコードの品質を可視化し、AI に適切な粒度のタスクを割り振るような工夫を施す必要が出てきました。タスクの粒度を調整することによって、コード生成の精度向上とタスク量の可視化を達成を図りました。

カバレッジレポートとリンターの導入

今回はそれぞれ以下のツールを利用しました。

jandelgado/gcov2lcov

カバレッジレポートの生成には jandelgado/gcov2lcov を利用しました。正確には jandelgado/gcov2lcov を用いて lcov ファイルを生成し、 genhtml コマンドを用いて html 形式のカバレッジレポートを出力します。

go tool cover コマンドを用いる方法でもカバレッジレポートを出力できましたが、各パッケージのカバレッジを表形式で可視化したいという思いもあり、今回のツールの採用に至りました。

カバレッジレポート例

golangci/golangci-lint

静的解析ツールとして golangci/golangci-lint を採用しました。 Go のリンターとして社内外で利用実績が多く、カスタマイズ性も高いためこちらを採用しました。

リンター設定例

yaml 形式で実行したいリンターを指定できます。利用可能なリンターは公式ドキュメントで確認できます。以下はチームに導入した際の設定例です。

linters:
  default: none
  enable:
    - errcheck
    - govet
    - ineffassign
    - staticcheck
    - unused
    - gosec
    - misspell
    - gocyclo
    - prealloc
    - unconvert
    - unparam
    - whitespace