notes.kodachan.dev
← 一覧に戻る

Untitled

source: "https://zenn.dev/dinii/articles/28c8fcd041837d" tags:

  • "clippings"

整理日: 2026-03-16

51

26tech

ダッシュボードのトップページ

はじめに

「全エンジニアが Claude Code を 100% 活用する」

これは、ダイニーの今期の目標のひとつです。

正直、最初に思ったのは「何をもって 100% なんだ？」です。
手がかりを探るために、まずチーム全員にアンケートを取りました。

結果はバラバラで、「 かなり活用できている 」という人もいれば、「 スキルやサブエージェントはほとんど使えていない 」という人もいます。
中でも多かったのが、「他の人がどう活用しているのか分からない」という声でした。

実際、有志がスキルやサブエージェントを作っても、その存在自体を知らないメンバーがいます。知っていても中身が分からないから使えない。結局、作った本人しか使わないまま埋もれていく。そんな状態です。

これでは「活用度」以前の問題。
そもそも何が使えるのか、誰がどう使っているのかが見えなければ、活用度を定義できません。

そこで作ったのが、エンジニア全員の Claude Code 活用状況を可視化するダッシュボードです。

構造図

flowchart TD
    A["かなり活用できている"]
    A --> B["複数人がほぼ同じ内容のスキルをそれぞれ定義して使っており"]
    B --> C["見えないものは改善できない"]
    C --> D["このコマンドを打ってください"]
    D --> E["公開範囲を絞れる プライベートリポジトリにすることで社内.."]
    E --> F["Discussion"]
    style F fill:#c05746,color:#fff,stroke:none

作ったもの

  1. Claude Codeプラグイン: 利用データを収集してBigQueryに送信するフック
  2. BigQueryテーブル: データの蓄積先
  3. ダッシュボード: 蓄積したデータを可視化するWebアプリ

この構成を、Claude Codeを使って1日ちょっとで作りました。
ダッシュボードでは、主にこんなことが見えるようになっています。

  • ユーザー別ランキング: 誰がどのくらいスキル・サブエージェントを使っているか
  • ツール分析: スキル、サブエージェント、MCP、スラッシュコマンドの4カテゴリの横断的な利用状況
  • トークンコスト分析: モデル別のトークン使用量とコストの可視化
  • ワークスペース別分析: リポジトリ・サブディレクトリ単位でのドリルダウン
  • AIインサイト: Geminiが利用データを分析して、トレンドや特徴的な使い方を自動で指摘

ダッシュボードで見えてきたこと

ダッシュボードを運用して、特に効果や洞察を得られた点を紹介します。

「量」だけでなく「質」の差が見えた

ユーザー別ランキングでは、利用量に大きな差がありました。
さらに、会話量が多いだけの人もいれば、会話量に対してスキルやサブエージェントの利用比率が高い人もいました。

「たくさん使っている」 と 「うまく使っている」 は別物だと分かります。

ユーザーランキング画面

スキルの属人化が浮き彫りに

レビュー系、コミット系のスキルは属人化が目立ちました。
特にコミット系は、 複数人がほぼ同じ内容のスキルをそれぞれ定義して使っており 、統合の余地が見えました。

スキル別利用状況画面

トップユーザーの使い方が丸わかりになる

ユーザー別ページで、誰がどのスキル、サブエージェント、MCPを使っているかを一覧で見ることがきます。
ランキング上位のページを見るだけで、 その人の活用パターンが把握できます 。

ユーザー個別ページ

技術的な工夫

なぜトランスクリプト解析なのか

OpenTelemetryも検討しましたが、取得できるのは「Claude Codeを使った」レベルまでで、 どのスキル や どのサブエージェント を使ったかまでは追うことができません。

今回は「誰がどの機能をどう使っているか」を可視化したかったため、Claude Codeが出力する トランスクリプトを直接解析 する方針にしました。

トランスクリプトの構造

Claude Codeはセッション中のやり取りをJSONLで記録します。
スキル利用時の例がこちらです。

{
  "sessionId": "a1b2c3d4-e5f6-7890-abcd-ef1234567890",
  "cwd": "/Users/username/Desktop/your-project",
  "message": {
    "model": "claude-opus-4-5-20251101",
    "role": "assistant",
    "content": [
      {
        "type": "tool_use",
        "name": "Skill",
        "input": { "skill": "frontend-design" }
      }
    ]
  },
  "timestamp": "2026-02-04T11:22:07.768Z"
}

このログから input.skill を抽出し、スキル利用を特定します。

サブエージェント、MCP、スラッシュコマンドも同様に識別できるため、必要なイベントを抽出してBigQueryに送信しています。

ユーザースコープへの配置

プラグインは、インストール時にユーザースコープに配置してもらうようお願いしました。

弊社はモノレポ構成のため、起動ディレクトリがトップレベルの人もいれば、 packages/product-a/ の人もいます。
プロジェクトレベル配置だと後者で動作しないため、ユーザースコープにしてどのディレクトリでも計測できるようにしました。

monorepo/
├── packages/
│   ├── product-a/
│   ├── product-b/
│   └── product-c/

GitHubを使ったプラグイン配布

プラグインの配布には GitHub経由のPlugin公開 を採用しました。

  • 公開範囲を絞れる プライベートリポジトリにすることで社内メンバーのみに配布できる
  • アップデートが簡単 リポジトリに変更内容をPushするだけで、簡単に更新できる
  • 導入が簡単 /plugin marketplace add でGitHubリポジトリを指定するだけ

導入後の効果

プラグイン配布が導入のハードルを下げた

最終的に、チーム全員（100%）がプラグインをインストールしてくれました。
導入手順は、Claude Code上で以下のコマンドを実行するだけです。

/plugin marketplace add [リポジトリURL.git]
/plugin install [プラグイン]

設定ファイルの編集やスクリプト実行が不要 で、案内も「このコマンドを打ってください」で済みました。

打ち手の効果がデータで見える

ダッシュボードにより、AI活用施策が効いたかどうかを数値で確認できるようになりました。
（公開後にサブエージェント利用数が 1週間で約1.5倍 に伸びました）
他のメンバーの利用が可視化され、「自分も使ってみよう」という行動につながったと考えています。

サブエージェント利用推移

トップ層の使い方がエビデンスになる

ランキング上位のユーザーが活用法を共有するとき、ダッシュボードの数字が裏付けになります。
「効率が上がる」と言うだけより、 実際の利用データが見える方が説得力が高く 、活用の広がりにつながりました。

週5〜6回のペースで改善が続く

ダッシュボードは、見たい指標を思いついたタイミングで継続的に改善しています。
最初のデータベース設計さえ固めれば、フロントエンドの実装はAIに任せられるため、変更を素早く反映できます。

GitHubリリース履歴

まとめ

アンケート、システム構築、全員への導入までを短期間で進めることができました。

振り返るとポイントは3つです。

  • 見えないものは改善できない
    誰がどう使っているかが見えるだけで、「あの人もコミットスキルを作っていた」と気づきが生まれ、教え合いが自然に始まった
  • 数字があると人は動く
    口頭の推奨よりも、トップ層の利用データが見えることで納得感が一気に上がった
  • 思いついたらその日に作る
    プラグイン＋BigQuery＋ダッシュボードなら1日で形にでき、改善のサイクルを回せた

AIツールは導入して終わりではなく、 計測・可視化し、チーム全体で改善し続ける ところまで踏み込むことが重要だと感じています。

こうした取り組みを積み重ね、AIネイティブな組織を本気で実現していきます。

51

26

この記事に贈られたバッジ

Thank you

Discussion

コミュニティガイドライン に則った投稿をしましょう。

51

26