このワークフローが解こうとしている問題
1人でWebとモバイルを長期運用していく開発体制には、構造的な厄介さがある。やることが多すぎる、判断する相手がいない、休めない、認知資源の上限が個人のキャパに張り付く、という4点だ。AIはこの構造を緩和できるが、緩和の仕方を間違えると逆に消耗が増える。「強いAIに全部聞く」という運用は、強さの裏で判断疲れと月額地獄を呼び込む。
このワークフローの設計思想はシンプルで、フェーズごとに主役のAIを決め、補助は固定し、判断は人間に残す、という3点に尽きる。AIを切り替えるたびに文脈を再構築するコストは想像以上に重く、これを最小化することが1人開発における品質と速度を両立させる最大の鍵になる。
もう一つ重要なのは、ツールを足すより、少ない数のツールに深く慣れる方が長期的に効くという点だ。最新ツールが出るたびに試して比較する時間は、本来のプロダクト開発から確実に時間を奪う。「これは何のために使うか」が明確で、長期間継続して使えるツールだけに絞り込むことが、結果的に開発速度を上げる。
MVP期 — 「形にする」が全てのフェーズ
MVP期において重要なのはコードの美しさでも設計の完璧さでもなく、動くものが世に出るスピードだ。この段階で「正しい設計」に時間を使いすぎるのは、ほぼ常にアンチパターンになる。なぜならMVPは仮説検証の道具であって、仮説そのものがズレている可能性が常にあるからだ。
このフェーズはChatGPTとClaude Codeの2本柱で進める。順序が重要で、まずChatGPTで仕様・画面一覧・DB設計案・API設計案・ユーザーストーリーを作る。ChatGPTはこの種の「散漫な思考を構造化する」作業が得意で、UX的にも壁打ちのテンポが良い。Claudeでも同じことはできるが、ChatGPTの方が手数が軽く、企画段階の反復回転に向いている。前回の比較分析で正直に書いた通り、この領域は私（Claude）よりChatGPTの方が現状一歩優位だ。
ChatGPTで仕様の骨格を作ったら、ターミナルで create-next-app や flutter create、rails new などの標準的なスキャフォールドコマンドで土台を作る。ここはAIに任せるよりも、フレームワーク公式のジェネレーターを使う方が確実で速い。自分が長期メンテする前提のコードベースの起点は、自分でコントロールできる状態から始めた方がいい。
土台ができたらClaude Codeに渡してマルチファイル実装に入る。Claude Codeはターミナル内でファイル操作・実行・修正のループを長時間回し続けられる設計で、「とりあえず動くコードベース」を立ち上げる作業に向いている。Next.jsやFlutter、React Native、Railsといった主要フレームワークの肉付けをエージェント的に進められる。
UIプロトタイプを先に視覚化したい場面が出てきたら、Claudeに artifact でReactコンポーネントを出させるだけで足りる。専用のUI生成サービスに別途課金しなくても、会話の中でログイン画面やダッシュボードの叩き台が出てきて、それを自分のコードベースに直接持ち込める。プロトタイプ専用ツールに頼らないことで、月額も増えず、コードの一貫性も保てる。
開発中期 — 「壊さず育てる」フェーズ
MVPがある程度形になり、ユーザーが触り始め、フィードバックが返ってくるようになると、フェーズの性質が大きく変わる。新規実装よりも既存コードの拡張・改善が増え、求められるのは派手な生成力ではなく既存コードを壊さない慎重さになる。
このフェーズの主役はClaude Codeで、副主役がCursorだ。リファクタリング、型整理、DBマイグレーション、認証・権限の実装、テスト追加、CI修正、といった作業は、コードベース全体の整合性を保ちながら進める必要がある。Claude Codeは複数ファイル横断の変更で「余計なことをしない」精度が高く、長時間タスクでも文脈を保持し続ける設計になっている。「指示通りに、それ以外には触らない」という制約が効くタスクで価値が出る。
Cursorは日常の小さい変更を担当する。タブ補完とインラインの編集提案を、書きながら受け取れるUXは、IDEとしての完成度が高い。CursorとClaude Codeは役割が被っているように見えるが実は違う。Cursorは「自分が書いていて、AIが補完する」体験、Claude Codeは「AIが書いていて、自分が監督する」体験だ。後者の方がエージェント的な長時間タスクに向き、前者の方が細かい修正の往復に向く。両方を使い分けることで、認知負荷を切り替えながら作業できる。
ChatGPTはこの段階ではセカンドオピニオンとして残す。Claudeが書いたコードのレビューをChatGPTに投げる、設計判断で迷ったら別の視点を求める、という使い方。同じAIに聞き続けると視野が固定されるので、別系統のAIに当てることで盲点に気づきやすくなる。
Geminiは中期以降に存在感が出てくる。コードベースが200Kトークンを超え始めると、Claudeの標準コンテキスト窓では一度に全体を把握できなくなる。このとき1M〜2M窓を持つGeminiにコードベース丸ごと流して全体構造を把握させ、その理解をプロンプトとしてClaudeに渡す、という二段運用が効く。さらにApps ScriptやGoogle Workspace連携の作業は、Geminiが標準で得意領域なので、Gmail連携やGoogle Sheets自動化が絡む場合は迷わずGeminiを使う。
運用期 — 「派手な実装より地味な維持」のフェーズ
プロダクトが本番稼働し始めると、開発の質がまた変わる。新機能追加よりも、バグ修正、障害対応、ログ分析、問い合わせ対応、リリースノート作成、仕様変更の影響調査、コスト監視、といった地味で継続的な作業が中心になる。
このフェーズではAIへの依存度がむしろ下がる。コードベースを最も理解しているのは自分自身であり、AIは作業効率化ツールとしての位置づけに戻る。CursorとClaudeの組み合わせで日常の小さい変更をこなし、大きめの機能追加が発生したときだけClaude Codeを起動する、という使い分けが定常運用になる。
Geminiは運用期で再び価値を出す。本番ログの分析、ユーザーフィードバックの大量データ処理、定期レポートの生成、Apps Script経由の自動化、といったタスクで、巨大コンテキストとGoogle連携が効いてくる。
ChatGPTは障害対応やユーザー向け文面作成で再び主役級になる。インシデント時の状況整理、リリースノートの執筆、問い合わせへの返信文ドラフト、外部告知文の作成、といったコミュニケーション系のタスクはChatGPTの得意領域だ。技術文書ではなく「読み手に伝わる文章」を作るときには、ChatGPTの文章感覚が役に立つ。
コスト構成と長期持続性
基本セットは月60ドルで、Claude Pro（20ドル）+ Cursor Pro（20ドル）+ ChatGPT Plus（20ドル）+ Gemini無料、という構成になる。これがスイートスポットとされる理由は、ここから上に積み増しても限界効用が急激に落ちるからだ。
ポイントは、この3つだけでMVP立ち上げから運用期まで全フェーズを回せるという設計だ。フェーズが変わるたびに新しいサービスを契約したり解約したりする必要がない。契約自体の管理コスト、UIに慣れ直すコスト、課金タイミングを忘れる事故、といった運用ノイズが最小化される。
Claude Maxへの昇格は、Claude Codeでセッション制限に頻繁にぶつかるようになってから検討すればいい。月100ドルや200ドルを払う前に、ProでExtra usage（追加課金）をスポット投入する運用で十分回るケースが多い。「使用量が常態的に上限を超えるようになったら、固定費に切り替える」という判断順序が、コスト効率としては正しい。
Gemini AdvancedやChatGPT Pro（月200ドル）への昇格、Devin系の月数百ドル契約は、1人開発の費用対効果としては正当化しにくい。同じ予算をClaude Maxに突っ込んだ方が、現状はROIが高いというのが2026年時点の評価だ。
長期持続性で最も効いてくるのは、月額を盛りすぎないことだ。気づくと積み上がるAI課金は、3ヶ月後・半年後に解約タイミングを失って残り続け、年間で見ると相当な額になる。「自分のAI予算は月いくらまで」と明示的に決めて、それを超えそうな月は構成を見直す、という規律を最初から持っておく方がいい。
このワークフローが回避している失敗パターン
いくつかの典型的なアンチパターンを、この設計は意識的に避けている。
最新モデル乗り換え疲れの回避：ベンチマーク上位は半年単位で入れ替わるが、乗り換えコスト（プロンプトの再調整、ワークフロー再構築、認知の切り替え）の方が性能差を上回るケースが多い。役割分担を固定し、モデルが入れ替わっても役割は変えない設計にしている。
ツール過多の回避：v0、Bolt、Replit Agent、Devin系といった「特定フェーズ専用」のサービスを契約しないことで、毎月の管理対象を3つに絞っている。「使えるかもしれないから契約しておく」を排除し、本当に毎日使うものだけを残す。専用UI生成サービスが必要に感じたら、まずClaude artifactで代替できないかを試す、という順序にすることで、サービスの増殖を抑えられる。
AI疲れの回避：複数AIに同じ質問を投げて比較する時間は、開発を確実に遅らせる。「この種のタスクはこのAI」というパターンを身体化することで、判断コストをゼロに近づける。比較するのは設計判断のときだけで、日常作業では切り替えない。
コードリーディング能力の維持：AIが書いたコードを読まずにマージし続けると、半年後に自分でメンテできないコードベースが残る。Cursorによる「自分が書いてAIが補完する」体験を中期以降に主軸にしているのは、コードを書く感覚と読む感覚を失わないためでもある。
意思決定責任の保持：AIは選択肢を出すのは得意だが、責任は持てない。設計判断・優先順位付け・リリース可否は最終的に人間が決める。ChatGPTとClaudeに同じ問題を聞いて両方の答えに従おうとすると、必ず矛盾して動けなくなる。最終決定は1人開発者の特権であり責任だ。