なぜClaude Codeの時間見積もりはいつも外れるのか
Claude Codeに機能実装の時間を尋ねると、「3〜4週間」といった回答が返ってくることがよくあります。しかし実際には1日で終わるケースが大半です。これはClaudeに限らず、LLMベースのコーディングエージェント共通の課題です。
学習データの根本的な限界
Claudeはインターネット上の人間データで学習されています。ブログ記事やGitHubの統計には「人間が直接コードを書いた場合」の所要時間が記録されています。AIがコードを生成する以前のデータです。そのためClaudeは人間基準の見積もりをそのまま出力します。機能実装に4週間、バグ修正に2日といった具合です。
LLMが普及するにつれて今後はより正確なデータが蓄積されるでしょうが、現時点ではこのギャップを私たちが埋める必要があります。
正確な見積もりが重要な理由
チーム内のコミュニケーションにおいて、スケジュール見積もりは核心です。プロダクトマネージャーへの報告や、依存関係にある同僚への完了時期の共有が必要だからです。不正確な見積もりは協業全体を揺るがしかねません。
ちなみに、こうしたAIツールのコスト最適化にも興味があれば、Cloudflare Auto Routerのモデルルーティング戦略も併せてご覧ください。

解決策1:過去データを活用したスキル(Skill)の構築
最も効果的な方法は、コーディングエージェントが過去の作業所要時間データを蓄積できるようにすることです。
実装方法
- LinearのイシューやNotionのマークダウンファイルに、各タスクの開始時刻と完了時刻を記録します。
- LLMが機能を実装したりバグを修正するたびに、該当イシューに所要時間を更新します。
- 十分なデータが蓄積されたら、Claude Codeが見積もり時に参照できる専用のスキルを作成します。
例えば、以下のようなスキルファイルを作成できます:
# Estimation Skill
## 過去の作業ログ
- 機能A実装: 6時間 (2024-11-01 ~ 2024-11-01)
- バグB修正: 1.5時間 (2024-11-03 ~ 2024-11-03)
- 機能C実装: 8時間 (2024-11-05 ~ 2024-11-06)
## 見積もりルール
- 新しいタスク依頼時、上記ログから類似タスクを探して比較する。
- LLMが実行する速度を基準に補正する(人間比で約3〜5倍速い)。
- 不確実性が高い場合は範囲で提示する(例:2〜4時間)。
このスキルにより、LLMは新しいタスクを過去の類似タスクと比較し、はるかに現実的な見積もりを出せるようになります。
限界
完璧な見積もりは不可能です。作業中に予期せぬ障害物、同時進行中の他の作業とのリベース必要性など、変数が存在するからです。しかしこの方法だけでもコミュニケーションの品質は大きく向上します。

解決策2:タスク分解とLLM基準の見積もり
データが十分でない場合に使える代替案です。核心はタスクを細かく分割し、LLMが実行する基準で見積もるよう明示することです。
実行ステップ
- 全体タスクをサブタスクに分解します。例:リサーチ → パート1実装 → パート2実装 → テスト
- 各サブタスクについて「LLMが実行する場合」の所要時間を見積もるよう指示します。
- サブタスクの見積もりを合算して全体時間を算出します。
注意事項
- サブタスクは可能な限り具体的に分けるほど見積もり精度が上がります。
- 「人間基準」ではなく「LLM基準」で考えるよう、プロンプトに明示的に含める必要があります。
- LLMはリサーチのようなタスクで人間よりはるかに速いことを自覚しています。
同様に、AIモデルルーティングによるコスト削減事例はNetflixのJDKベクトルAPI最適化事例でも確認できます。

結論:LLMとのアラインメントが未来の核心スキル
Claude Codeの時間見積もり問題は単なるバグではなく、学習データの構造的限界に起因します。これを解決するには:
- 過去データ基盤のスキルを構築し、エージェントが参照できるようにする
- タスク分解を通じてLLM基準の見積もりを誘導する
今後、LLMと協業する能力は開発者の核心的なスキルとなるでしょう。正確な見積もりはその協業の第一歩です。
次のステップ学習方向
- Claude Codeのスキルシステムのドキュメントを読み、独自のカスタムスキルを作成してみてください。
- Linear APIと連携して作業時間を自動記録するパイプラインを構築するのも良いでしょう。
この記事はTowards Data Scienceの原文を基に再構成されました。