開発でのAI活用方法

Last updated at 2026-03-10Posted at 2026-03-08

最近のハッカソンやインターンでのAIの活用方法

初めに

最近ハッカソンやインターンなど短期間の開発で、AIを使う機会がかなり増えてきました。

特にここ1〜2年でAIの進化は目まぐるしく、
「自分はいらないのではないか」と思う瞬間があるのも事実です。

しかしその一方で、エンジニアとしてはとても面白い時代になってきているとも感じています。

これまでの開発では

技術を調べる
実装する
試行錯誤する

といった部分に多くの時間を使っていました。

ですがAIの登場によって

プロダクトを考える
アイデアを形にする
実装スピードを上げる

といった、ものづくりの本質的な部分に時間を使いやすくなってきています。

もちろんAIはまだ完璧ではありません。（数年後にはこの状況も変わるかもしれませんが）

だからこそ、AIをどう活用するかが重要だと感じています。

今回は、ハッカソンやインターンで自分が実際に行っている
AIの活用方法をまとめてみます。

ハッカソン・インターンでのAIの使い方

今回は既存プロダクトの開発ではなく

アイデア創出
開発初動
短期間のプロダクト開発

といったフェーズでのAI活用について紹介します。

ハッカソンのような
開発期間が短い状況を想像してもらえれば嬉しいです。

また、今回はネタ系ではなく
比較的真面目なプロダクト開発を想定しています。

最近作ったプロダクト

真面目プロダクト

ネタプロダクト

1. アイデア段階

ハッカソンではまずアイデア出しから始まります。

多くの場合、テーマが決まっているので
まずそのテーマについて AIと壁打ちを行います。

テーマが決まっていない場合は

身の回りの課題
違和感
不便だと思うこと

などから考えていきます。

マインドマップで発想を広げる

まずはテーマに関連することをできるだけ多く出し、
マインドマップで整理します。

自分はこのツールをよく使っています。

AIと会話しながら

関連トピック
発想の広がり
新しい視点

などをマインドマップに追加していきます。

アイデアの調査

ある程度アイデアが出てきたら

良さそうな案を抽出
既存サービスを調査

を行います。

このときは GeminiのDeep Researchなどを使い

似たプロダクトがあるか
どこで差別化できるか

をAIと一緒に考えます。

アイデア評価の観点

自分は主に次の観点で評価しています。

社会課題性

説明可能な課題があるか
誰が救われるのかが明確か

独自性

今までにない切り口か
差別化ポイントがあるか

共感性

ユーザーにとって理解しやすいか

ストーリー性

なぜ作るのか
作った後の未来が想像できるか

使いやすさ

触ってすぐ理解できるか

ユーザーは理解できないとすぐ離脱するため、ここはかなり重要だと思っています。

最終的に良い案ができたら

AIに整理してもらう
内容をブラッシュアップ

を繰り返し、mdファイルとして保存します。

2. 設計段階

設計では主に Claude Code を使っています。

Mermaidを使うと
図付きの設計書を生成できるので便利です。

設計の流れ

まずアイデアをまとめたmdファイルを元に

使用技術を決める
プロダクト概要を生成

その後、設計を進めていきます。

作成する設計書

基本設計

機能設計（機能一覧 / 業務フロー）
技術構成設計
UI / UX設計（画面遷移）

しっかり作る場合は

権限設計
運用設計

詳細設計

処理フロー（シーケンス図）
クラス図
データベース設計
API仕様書

Issue設計

設計ができたら、次に開発タスクをIssueとして整理します。

例えば

開発期間を決める
Issueを作る
依存関係を整理
優先順位を決める

これらも Claude Codeに生成してもらいます。

skills / agents

この作業を効率化するために、skillsやagentsを作っています。

リポジトリはこちらです（まだ改善中）

例：技術構成図を作成するskills

設計が完成したら

内容を確認
修正

Claudeに GitHub Issueを作成させます。
例

3. 開発段階

実際の実装では

Claude Code + GitHub MCPを使い、Issue単位で実装してもらいます。

開発フロー

基本的な流れは次の通りです。

Issue実装
テスト生成
コードレビュー
PRレビュー
修正

レビューでは

skills
GitHub Copilot
CodeRabbit

なども併用しています。

学習用skills

大きなタスクが終わると、このskillsを使って学習用ドキュメントを作成しています。

AI実装で学んだこと

AIに実装を任せていると
コードの一貫性が崩れるケースがあることを学びました。

例えば

書き方が統一されない
設計思想がバラバラになる

また、差分レビューだけでは全体の設計を見落とす可能性もあります。

そのため

設計原則
アーキテクチャ

をベースにしたレビューが必要になります。

この問題に対応するためのskillsも作りました。

参考した本

ドキュメント管理

AI開発では、ドキュメントを残すことも意識しています。

設計や実装の背景を残しておくことで、後から理解しやすくなります。

UI開発

UI作成では次のツールを使っています。

Web

v0（Next.js）

モバイル

Figma Make

UI実装の流れ

StitchでUI作成
Figmaにエクスポート
Cursorで実装

実装のポイント

CursorのRulesやAgents等に

フレームワークのベストプラクティス
UI実装ルール

を書いておくと、AIの出力品質がかなり上がります。

AI開発で感じたこと

AIを使うことで

開発速度は大きく上がる
アイデアの実現が早くなる

と感じています。

しかしその一方でコード品質をどう担保するか、という新しい課題も出てきました。