エンジニア副業の「制作」工程は、AIコーディング支援（Claude Code・Cursor・GitHub Copilot・ChatGPT等）を活用することで、体感で明確に工数を短縮できます。この記事では、要件確定〜納品前レビューの4工程で、副業ワークフローに組み込むための具体的な手順を解説します。単なる「便利ツール紹介」ではなく、副業として時給を上げるための使い方に絞ります。
本記事の位置づけ
本記事に登場する工数削減率・工程別の所要時間・AIツール月額投資の回収可否は、いずれも当サイトの独自の見立てであり、公的な業界標準や統計に基づくものではありません。案件のスキル・規模・使用ツールにより幅があるため、目安としてお読みください。
編集長コメント： AI×開発の記事は「AIが書いてくれる」的な期待値煽りが多いですが、実際に副業で効くのは「時間の削減」より「品質の底上げ」です。テストコード生成・エラー処理漏れ検知・ドキュメント整備で品質を上げる方が、時給の向上に効きます。副業案件評価メディアの視点で整理します。
この記事で判断できること
- 制作4工程それぞれで、どのAIツールをどう使い分けるかが分かる
- 実際の副業案件で使えるプロンプトのテンプレを持てる
- AIに任せて事故る判断ポイント（納品後の運用・セキュリティ）が分かる
対象：Claude Code・Cursor・Copilot・ChatGPTのいずれかを日常的に使っている会社員エンジニア。副業デビュー〜3年目までを想定します。
制作4工程とAIの使い分け
| 工程 | AIの適性 | 主な使用ツール | 使わない場面 |
|---|---|---|---|
| 1. 要件確定 | ★★★ | Claude / ChatGPT | 発注者との文言確定 |
| 2. 実装 | ★★★★★ | Claude Code / Cursor / Copilot | セキュリティ実装の最終判断 |
| 3. テスト | ★★★★ | Claude Code / Cursor | E2Eの合格判定 |
| 4. レビュー・納品前確認 | ★★★★ | Claude / Cursor | 発注者への回答文 |
基本原則： 出力を人間が最終確認するプロセスにはAIを積極的に使う。契約・セキュリティ・納品後の運用に関わる判断はAIに委ねない。
工程1：要件確定（AIの補助領域）
AIに任せていいこと
- 発注者からの要件文の論点整理
- 要件から実装タスクへの分解（WBS作成）
- 想定される追加要望の洗い出し
プロンプト例（要件から論点抽出）
以下は副業案件で受注した要件文です。実装に着手する前に、
確認すべき論点と潜在的な追加要望を整理してください。
【要件文】
（発注者から受け取った要件文をここに貼り付け）
【出力形式】
1. 要件を実装タスクに分解（10〜15項目）
2. 各タスクの想定工数（1時間単位）
3. 発注者への確認が必要な論点（5つまで）
4. 想定される「追加要望」パターン（3つまで）
5. 各タスクで想定される技術的リスク（3つまで）
【備考】
- 個人情報や発注者情報は含まれていない状態です
- 発注者の秘密保持契約はカバー範囲外ですAIに任せてはいけないこと
- 発注者への確認質問の文言確定：AIが生成した質問文は敬語過多・回りくどいことが多い。自分の言い回しに直す
- 要件の「決定」：曖昧な要件をAIに埋めてもらうと、発注者と齟齬が出る。曖昧な部分は発注者に確認する
詰まりやすいポイント
- 要件文が短い場合、AIは「想定される要件」を勝手に補完する。この補完は発注者の意図と異なる可能性が高いので、必ず発注者に確認する
- 「〜っぽく」等の抽象的な指示をAIに投げると、AIも抽象的に答える。自分で分解してから聞く方が精度が上がる
工程2：実装（AIの得意領域）
使用ツールの使い分け
| ツール | 得意な用途 | 副業での適性 |
|---|---|---|
| Claude Code | 大規模リファクタリング、テスト生成、複数ファイル横断編集 | ★★★★★ |
| Cursor | エディタ内での対話的な実装、既存コードの読解 | ★★★★★ |
| GitHub Copilot | 関数単位の補完、テストコード補完 | ★★★★ |
| ChatGPT / Claude (Web) | 独立した関数の設計相談、ライブラリ選定 | ★★★ |
副業案件でのAIコーディング活用パターン
パターンA：既存コードへの機能追加（React機能追加・WordPress改修）
- Cursor で既存コードを読み込ませる → 追加機能の実装方針を提案してもらう
- Claude Code で複数ファイル横断の変更を一括生成
- Copilot で関数内の細かい補完
- 最後に人間がコードレビューして納品
工数削減：体感で明確に短縮できる（削減幅は案件の規模・既存コードの状態により幅がある）
パターンB：新規実装（静的LP・小規模ツール）
- ChatGPT / Claude (Web) で全体設計を相談
- Claude Code でスケルトンを生成
- Cursor で個別実装
- テストコード生成もAIに任せる
- 最後に人間がレビュー
工数削減：体感で大きく短縮できる（新規実装は既存コード読解の負荷がない分、パターンAより削減幅が大きくなりやすい）
パターンC：バグ修正（WordPress改修・保守案件）
- Cursor でエラー文と該当コードをAIに投げる
- 修正案を3つ生成してもらい、副作用を確認してから採用
- 修正後、影響範囲のテストコード生成
工数削減：一定程度短縮できる（バグの再現・原因特定は人間の判断が中心のため、パターンA・Bよりは削減幅が小さくなりやすい）
プロンプト例（実装補助）
以下の関数を実装してください。副業案件の納品物なので、
以下の要件を満たしてください：
【機能要件】
- 入力：（型定義）
- 出力：（型定義）
- 処理：（何をする関数か3〜5行で）
【非機能要件】
- 使用言語：（例：TypeScript 5.x）
- エラー処理：想定される4つのエラー（ネットワーク・入力不正・タイムアウト・想定外）に対して個別ハンドリング
- ログ出力：console.info / console.error を使用
- コメント：JSDocで関数の説明・引数・戻り値を記載
【納品品質】
- 副業案件の納品物として、発注者側で運用できる品質
- テストコードも別途生成希望（Jest想定）AIに任せてはいけないこと
- セキュリティ実装の最終判断：認証・認可・暗号化・SQLインジェクション対策等はAI提案を鵜呑みにせず、公式ドキュメント・OWASP等で確認
- 既存本番コードの改変判断：AI提案の変更が既存の他機能に影響しないかの判断は人間が行う（テストで確認）
- 依存ライブラリの選定：AI提案のライブラリが保守されているか、ライセンスが適切かは人間が確認
工程3：テスト（AIの得意領域）
AIに任せていいこと
- 単体テストコードの生成
- テストケース網羅の壁打ち
- テストデータの生成
プロンプト例（テストコード生成）
以下の関数の単体テストコードを生成してください。
【対象関数】
（関数コードをここに貼り付け）
【テストフレームワーク】
Jest / vitest / pytest（該当を選択）
【カバレッジ要件】
- 正常系：3ケース（境界値含む）
- 異常系：4ケース（入力不正・タイムアウト・ネットワークエラー・想定外）
- エッジケース：3ケース（空入力・大量データ・特殊文字）
【備考】
- モック対象：外部APIのみ（他は実際に呼び出す）
- テストデータは関数内でリテラルで定義してよいAIに任せてはいけないこと
- E2Eテストの合格判定：AIは「テストが通った」と言うが、実際に発注者の環境で動くかは人間が確認
- 本番相当データでのテスト：本番データや個人情報を含むデータをAIに入力しない
- セキュリティテスト：ペネトレーションテスト・脆弱性診断はAIで代替できない
テスト工程でのAIワークフロー
- 1. 実装完了後、AIにテストコードを生成させる
- 2. 生成されたテストを実行し、通ることを確認
- 3. カバレッジレポートを生成し、抜け漏れをAIに追加させる
- 4. 人間が最終レビュー：業務ロジックの網羅を確認
AIありのテスト工程は、AIなしと比べて体感で明確に短縮できます（削減幅は関数の複雑さ・カバレッジ要件により幅があるため、当サイトでは具体的な分数は示しません）。
工程4：レビュー・納品前確認（AIの得意領域）
AIに任せていいこと
- コードレビュー（副作用・可読性・命名の指摘）
- README・ドキュメントの生成
- 引き継ぎ資料のドラフト生成
プロンプト例（納品前セルフレビュー）
以下のコード一式を副業案件として納品する予定です。
発注者に納品する前のセルフレビューを依頼します。
【対象コード】
（対象ファイルをここに貼り付け・分割可）
【レビュー観点】
1. バグの可能性（3つまで）
2. 副作用の可能性（3つまで）
3. 命名の分かりにくさ（3つまで）
4. コメント不足（3つまで）
5. ドキュメント（README）に含めるべき項目（10項目）
6. 発注者側で運用する際の詰まりポイント（3つまで）
【納品先の想定】
- 発注者は◯◯（例：非エンジニア。実行環境の構築は発注者側で対応）
- 対応OS：Windows / macOS 両対応AIに任せてはいけないこと
- 納品可否の最終判断：AIが「品質は十分」と言っても、契約書の納品基準を満たすかは人間が確認
- 発注者への納品連絡文：AI生成の連絡文は他人行儀になりがち。自分の言い回しに直す
- 本番デプロイ：本番環境への反映判断・タイミング決定は人間が行う（受けて後悔した副業案件の条件の兆候4参照）
納品前チェックリスト（AI補助あり）
- [ ] コードレビューをAIで実施→指摘を反映
- [ ] READMEをAIで生成→自分でレビュー・修正
- [ ] テストが全通することを確認
- [ ] 開発時のデバッグコード・ログを削除
- [ ] 依存パッケージのバージョンを固定
- [ ] 引き継ぎドキュメントを整備
- [ ] 発注者環境での動作確認手順を記載
AIコーディング活用の全体ルール（副業向け）
ルール1：発注者コードをAIに投げていいかは契約で確認
- 発注者との契約でAI利用が禁止されている場合は使わない
- 秘密保持契約でコードが「秘密情報」に含まれる場合は、AIプロバイダの学習ポリシーを確認
- 大企業案件では発注者からAI利用可否の明示を求める
ルール2：本番データ・個人情報はAIに入力しない
- テストデータは架空データを生成して使う
- 本番DBのダンプ等はAIに入力しない
- ログファイルも個人情報を含む場合は匿名化してから
ルール3：AI生成コードもレビュー責任は自分にある
- 納品後の障害は「AIが書いた」で免責されない
- 契約上、納品物の責任は副業者にある
- 詳しくは受けて後悔した副業案件の条件の兆候5参照
ルール4：AIツールの料金は経費として計上
- Claude・ChatGPT・Cursor・Copilot等の月額は副業経費
- 領収書を保存し、確定申告で計上（副業の確定申告入門は準備中）
案件探し・納品保守工程でのAI活用
- 案件探し工程：AIを使った副業案件の探し方
- 納品・保守工程：AIで副業案件の納品・保守を効率化する（準備中）
関連コンテンツ
- 判定基準：6軸評価の意味と★の付け方
- スタートガイド：エンジニア副業の探し方 / 最初の30日ロードマップ
- スキル別ガイド：Python / WordPress / JavaScript/React
- 失敗談：受けて後悔した副業案件の条件 / 単価を下げる副業案件の6失敗
- ランキング：AI時代に残る副業案件 Top5
よくある質問
Q. AI生成コードを副業案件で使うのは規約違反ですか？
A. クラウドソーシング・エージェント各社の規約でAI利用を明示禁止している例は少ないですが、発注者との契約で禁止されている場合があります。契約書にAI利用条項がない場合は、発注者に確認してから使うのが安全です。
Q. 無料のChatGPT（GPT-3.5）でも副業に使えますか？
A. 提案文生成・要件整理程度なら使えますが、実装補助・コードレビューは有料版（Claude Pro・ChatGPT Plus・Cursor Pro等）の方が精度が高く、時給向上に効く傾向があります。副業として案件数が一定以上ある場合、有料版の月額投資が工数削減で相殺されるケースが多いですが、具体的な回収可否は稼働時間・単価により変わるため、初月は自分の案件で試算することを推奨します。
Q. Copilotだけあれば十分ですか、それとも複数のAIツールが必要ですか？
A. 副業デビュー時はCopilot単体でも始められますが、実務ではCursorやClaude Codeの方が「複数ファイル横断の編集」「大規模リファクタリング」で強みがあります。案件の性質に応じて使い分けるのが実用的です。
更新履歴
- 初回公開日：（GSC接続後・司令塔判断待ち）
- 最終更新日：2026-08-25（草案作成）
- 評価変更：初版
※本記事のコンテンツ作成におけるAIの使い方については、AI利用方針をご覧ください。
