Claude Code の「4つのD」とは？Anthropic公式講座で学ぶAI駆動開発の型

Claude Code を使い始めたものの、「思ったように動かない」「手戻りが多い」と感じていませんか？それはプロンプトの書き方の問題ではなく、AIへの仕事の任せ方そのものに"型"がないことが原因かもしれません。Anthropicが無料公開する公式講座には、その問題を根本から解決するフレームワーク「4つのD」が収録されています。本記事では、4つのDの概念・実践手順・学習ルートを体系的に解説します。

Anthropic公式の無料講座「Anthropic Academy」とは

2026年8月公開、全コース完全無料の学習プラットフォーム

Anthropic Academy（旧称: Claude Academy）は、2026年8月にAnthropicが公開した公式の学習プラットフォームです。Skilljarをベースに構築されており、無料アカウントを登録するだけで22〜26本のコースすべてに即日アクセスできます。有料オプションは一切なく、コース修了後に発行される修了証はLinkedInプロフィールへの掲載にも対応しています。

AIツールの公式ドキュメントは英語かつ断片的になりがちですが、Anthropic Academyは体系的なカリキュラムとして整理されており、「何から学べばいいかわからない」という入門者の悩みにも応えられる構成になっています。

押さえるべき2つのコース

数あるコースの中で、AI駆動開発を実践するうえで特に重要なのが次の2本です。

• 「AI Fluency: Framework & Fundamentals」：4つのDというフレームワークを体系的に学ぶ基礎講座。AIをどう活用するかという思想的な土台を築きます。
• 「Claude Code in Action」：中級レベル・約1時間・9レッスンで構成される実践コース。Git の基礎知識がある開発者を対象に、Claude Code を実務で使いこなすための具体的な手法を学びます。

「4つのD」はどちらで学べるのか

4つのDという概念は主に AI Fluency コースで体系的に教えられます。一方、Claude Code in Action はその概念を実装レベルで体現した実践的なコースです。「思想を学ぶのがAI Fluency、手を動かすのがClaude Code in Action」という役割分担で、両方を合わせて受講することで理解が大きく深まります。

重要なのは、4つのDは「プロンプトエンジニアリングの技法」ではないという点です。これはAI活用全体の責任設計フレームワークであり、ツールの使い方を超えた考え方です。

AIコーディングの成否を分ける「4つのD」フレームワーク

4つのDの全体像

4つのDは、AIに仕事を委譲する際の4段階の行動特性を整理したものです。

人材マネジメント手法をAIに転用した発想

この4つのDが優れているのは、「部下への仕事の任せ方」とまったく同じ構造を持っているからです。優秀なマネージャーは、仕事を委任する際に「何をどこまで任せるか（Delegation）」「期待値を明確に伝える（Description）」「結果を適切に評価する（Discernment）」「最終責任は自分が持つ（Diligence）」という原則を自然に実践しています。

この構造をAI活用に当てはめたことで、属人的なコツではなく再現可能な型として機能するわけです。誰でも学べ、チームで共有できる。それが4つのDが注目される理由です。

Delegation（委任）— 何をClaudeに任せ、何を任せないか

任せてよい仕事・任せてはいけない仕事の境界線

Claude Code が得意とする作業と、人間が判断すべき作業を明確に区別することが、Delegationの第一歩です。

Claude Code に任せてよい作業

• 定型的なリファクタリングとコードの整形
• テストコードの雛形生成
• ドキュメントや仕様の調査・要約
• ボイラープレートコードの生成
• 繰り返し発生する単純作業

人間が判断すべき作業

• アーキテクチャ選定と技術スタックの決定
• セキュリティ要件に関わるトレードオフ
• ビジネスロジックの本質的な設計
• 外部サービスとの責任境界の設計

実例：Claude Code の Plan mode で作業範囲を切る

Claude Code には Plan mode という機能があり、実装を開始する前に作業計画を生成させることができます。このフローを常用することが、Delegationを実践するうえで最も効果的な手法です。

# Plan modeの基本的な使い方

プロンプト例：
「以下の機能を実装する前に、変更するファイルと手順の計画だけを
 まず提示してください。コードは書かないでください。

 実装したい機能：ユーザー認証にリフレッシュトークンを追加する
 影響範囲：authモジュール内のみ
 制約：既存のAPIの外部インターフェースは変更しない」

Plan mode で出力された計画を人間が確認・承認してから実装に進むことで、スコープの逸脱を防げます。また、仮に方向性がずれた場合でも Rewind（巻き戻し）機能でチェックポイントに戻れるため、「安心して任せる」環境が整います。

Description（記述）— 期待値を言語化する技術

曖昧な指示がAIコーディングを壊す理由

「いい感じにリファクタしてください」という指示は、実は最も危険な依頼の形です。AIは流暢に応答しますが、「いい感じ」の解釈は依頼者とAIで大きくずれることがあります。その結果、動作はするが設計が破綻したコード、意図していないライブラリの追加、過剰な抽象化といった手戻りが発生します。

Descriptionとは、この問題を言語化の力で解決する取り組みです。

仕様・プロセス・振る舞いの三層構造で書く

期待値を伝える際は、次の三層を意識して記述するとズレが最小化されます。

• 仕様（What）：何を作るか、何を変えるか
• プロセス（How）：どういう手順・段階で進めてほしいか
• 振る舞い（Manner）：どんなトーン・粒度・スタイルで応答してほしいか

実例：CLAUDE.md にプロジェクトの前提を固定する

Claude Code では、プロジェクトルートに CLAUDE.md ファイルを配置することで、常時参照させる前提情報を固定できます。Description を毎回書く手間を省き、チーム全体で一貫した指示を維持するための最重要ファイルです。

# CLAUDE.md テンプレート例

## プロジェクト概要
このリポジトリはXXXサービスのバックエンドAPIです。
言語: TypeScript / Node.js 20
フレームワーク: Fastify v4
テストフレームワーク: Vitest

## 開発コマンド
- `npm run dev` — ローカル開発サーバー起動
- `npm run test` — ユニットテスト実行
- `npm run lint` — ESLintチェック

## コーディング規約
- 関数はすべて明示的な戻り値型を持つこと
- `any` 型の使用は原則禁止
- エラーハンドリングはResult型パターンで統一

## 禁止事項
- 外部ライブラリを勝手に追加しない
- 既存のAPIの外部インターフェースを変更しない
- 環境変数を直接コードに埋め込まない

## 応答の振る舞い
- 変更前に必ず影響ファイルのリストを提示すること
- 不明点があれば実装前に確認すること

この CLAUDE.md を権限モード設定と組み合わせることで、チームメンバー全員が同じ前提でClaude Codeを使える環境が整います。

Discernment（見極め）— 「流暢さ ≠ 正確さ」の罠

AIの出力が「それらしく見えてしまう」問題

Claude Code が生成するコードは非常に流暢で、一見すると完璧に見えます。しかし実際の開発現場では、次のような問題が紛れ込むことがあります。

• 動作するが設計が破綻しているコード：機能要件は満たすが、既存の設計思想と整合しない実装
• 存在しないAPIの使用：古い学習データに基づく、現在は廃止されたメソッドの呼び出し
• テストの自己完結：テストコードがテスト対象と同じ誤りを含んでいるケース

Discernment は、この「流暢さ ≠ 正確さ」の罠を批判的な目線で回避するスキルです。

見極めのチェックリスト

Claude Code の出力をレビューする際は、以下の観点を意識することをベストプラクティスとして推奨します。

• テストは通っているか、かつテスト自体の品質は十分か
• 既存の設計思想・アーキテクチャパターンから逸脱していないか
• 使用しているAPIやライブラリのバージョンは現行のものか
• エッジケースが適切に処理されているか
• セキュリティ上の懸念（インジェクション、過剰な権限など）はないか

実例：テスト結果でゲート制御する（Verify and Share）

Discernmentを仕組みとして組み込む最も効果的な方法は、自動テストをゲートとして機能させることです。

# .github/workflows/claude-gate.yml の例

name: Claude Code Review Gate

on:
  pull_request:
    branches: [main]

jobs:
  verify:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4
      - name: Setup Node.js
        uses: actions/setup-node@v4
        with:
          node-version: '20'
      - name: Install dependencies
        run: npm ci
      - name: Run tests
        run: npm run test -- --coverage
      - name: Run lint
        run: npm run lint
      # テスト・lintが通らなければマージをブロック

このワークフローにより、Claude Code が生成したコードがテストおよびlintを通過しない限りマージできない仕組みが整います。人間のレビューの前に機械的なゲートを挟むことで、Discernmentの精度が向上します。

Diligence（誠実さ）— 最終責任は人間が持つ

開発現場で守るべき3つの実務ポイント

Diligenceは、AIを活用しながらも最終責任を人間が引き受けるという姿勢を制度化することです。実務では、次の3点を具体的なルールとして定めておくことが重要です。

1. データ保護の設計 機密情報（APIキー、個人データ、社内ドキュメント）をClaudeのコンテキストに含めないようにするルールを設ける。.claudeignore ファイルで対象ファイルを除外する運用が有効です。

2. AI関与の開示 Claude Codeで生成・修正したコードについて、コミットメッセージやPRの説明文にAI関与を明示するチームルールを設ける。透明性の確保は、長期的な信頼維持に不可欠です。

3. 人間レビューの維持 「AIがチェックしたから大丈夫」という過信を排除し、特に本番環境に影響するコードは必ず人間のレビューを経るプロセスを守ることが重要です。

失敗事例：4つのDがすべて欠けたプロジェクト

Anthropic Academyの事例として紹介されているのが、ナレッジ検索AIを導入したプロジェクトの失敗例です。このプロジェクトでは、Delegationなしに丸ごとAIに任せ、Descriptionがないため出力の品質がバラバラで、Discernmentを怠って誤情報を含む回答を公開し、Diligenceがないため問題発生後も誰も責任を取れないという状態に陥りました。その結果、ユーザーからの信頼を失いサービスを停止することになりました。

4つのDは「あれば便利な心がけ」ではなく、失敗を防ぐための必須構造です。

4つのDを回すための実践ワークフロー

成功の鍵は Description → Discernment のループ

4つのDを実践するうえで、最も重要なのは 「記述 → 生成 → 検証 → 記述の改善」というサイクルを回し続けることです。

[Description] 期待値を言語化する
      ↓
[Delegation]  Claude Code に生成を委任する
      ↓
[Discernment] 出力を批判的に検証する
      ↓
[Description] 次回の指示を改善する（← ループ）
      ↓
[Diligence]   最終確認と責任の明示

最初から完璧なDescriptionは書けません。Discernmentによって問題を発見し、次のDescriptionに反映するというループを意識することで、チームのAI活用の質は継続的に向上します。

Claude Code in Action の4領域にマッピングする

コースで学ぶ4つの実践領域は、4つのDと次のように対応しています。

今日から始める3ステップ

理論を学んだ後、実際に手を動かすための最初の3ステップを提案します。

1. CLAUDE.md を1枚書く：既存プロジェクトに CLAUDE.md を追加し、コマンド・規約・禁止事項を記述する（30分で可能）
2. Plan mode を常用する：すべての実装依頼の前に計画を出させ、承認してから進む習慣をつける
3. レビュー観点を固定する：チームでDiscernmentのチェックリストを作成し、PRテンプレートに組み込む

よくある質問（FAQ）

本当に全部無料で学べますか？

はい、Anthropic Academyの全コースは完全無料です。修了証の発行・LinkedIn掲載も追加費用なしに対応しています。

初心者でも受講できますか？

Claude Code in Action は「Gitの基礎知識がある開発者向け」の中級コースとして設計されています。プログラミングや開発ツールの基礎知識があれば受講可能ですが、コーディング未経験の方には AI Fluency コースから始めることを推奨します。

4つのDはプロンプトエンジニアリングと何が違いますか？

プロンプトエンジニアリングは「どう書けばAIがより良く答えるか」という技術的なテクニックです。一方、4つのDは「AIにどう仕事を任せ、どう検証し、どう責任を持つか」というAI活用全体の設計思想です。プロンプトの書き方はDescriptionの一部にすぎず、4つのDははるかに広い概念をカバーしています。

英語が苦手でも受講できますか？

Anthropic Academyのコースは現時点で英語提供ですが、ブラウザの翻訳機能やDeepLなどを活用することで概念の理解は十分に可能です。日本語での解説記事も増えているため、英語のコースと組み合わせて学習する方法が効果的です。

他におすすめの講座はありますか？

DeepLearning.AIが提供する 「Claude Code: A Highly Agentic Coding Assistant」 も、Claude Codeの実践的な活用を学べる無料コースとして評価が高いです。Anthropic Academyとは異なる切り口で学べるため、両方を受講することで理解が深まります。

まとめ：4つのDは「AIと働くための型」

Claude Codeの活用が思うようにいかない場合、原因はツールではなく任せ方・書き方・疑い方・責任の取り方にある場合がほとんどです。4つのD（Delegation / Description / Discernment / Diligence）は、この問題を解決するための再現可能な型です。

技術的に正確な表現をすると、4つのDはAIとの協働におけるインターフェース設計の原則と言えます。APIの仕様を定義するのと同じように、AIへの委任の仕様を定義する。そう捉えると、なぜこの概念が開発者に広く受け入れられているかが理解できるでしょう。

まずは Anthropic Academy に無料登録し、1時間のコースを1本受講してみることをおすすめします。概念を理解したその日のうちに、CLAUDE.md の作成という最初の一歩が踏み出せるはずです。

参考リンク

• Anthropic Academy（公式）
• Claude Code in Action コース
• Anthropic公式のClaude Code講座で学んだ「4つのD」（Zenn）
• DeepLearning.AI: Claude Code コース