複数LLMを使い分けるAI開発ワークフロー入門
はじめに
AIアシスタントは1つだけではなく、複数のLLMを用途に応じて使い分けることで、開発がさらに効率化されます。
Claude Code と ChatGPT の組み合わせ、役割分担に続いて、本記事では複数LLMの活用方法を、初心者向けに解説します。
複数LLMを使うメリット
1. 得意分野を活かす
ChatGPT: 説明、比較検討
Claude Code: ファイル編集、実装
Copilot: インラインコード補完
（他のLLM）: 専門分野
2. 第二の意見
Claude Code で実装
↓
ChatGPT でレビュー
↓
別のLLM で別視点からのチェック
↓
人間が最終判断
3. 気づきの多様性
異なるLLMは異なる視点を提供します。セキュリティ問題、パフォーマンス問題、保守性の問題など、見落としが減ります。
複数LLMの使い分け基本
役割1：Planner（計画者）
「要件を整理して、実装手順を作ってください」
→ ChatGPT や Claude などが得意
役割2：Implementer（実装者）
「このタスクを実装してください」
→ Claude Code が得意
役割3：Reviewer（レビュアー）
「このコードのセキュリティを確認してください」
→ ChatGPT や別のLLMが有効
役割4：Explainer（説明者）
「このアーキテクチャを簡潔に説明してください」
→ ChatGPT が得意
使いすぎの注意点
1. コンテキスト散乱
複数のLLMに同じコードを見せていると、矛盾する指摘を受けることがあります。
❌ 同じコードを3つのLLMに送って、全部の指摘を採用する
✅ 指摘を集約してから、人間が判断する
2. 時間損失
❌ 複数のLLMに意見を求めて、時間が2倍かかる
✅ 本当に必要な確認だけ、複数LLMにさせる
3. 秘密情報のリスク
❌ .env や API キーを複数のLLMに共有
✅ コードだけで、秘密情報は除外
4. 責任のあいまい化
❌ 複数のLLMの指摘をまぜて、「AIのせい」にする
✅ 最終判断は人間が負う
おすすめの実務ワークフロー
ステップ1-2：計画（ChatGPT）
1. ChatGPT に要件を整理させる
2. ChatGPT に実装方針の選択肢を提示させる
ステップ3-4：計画検証（人間）
3. 人間が複数のオプションを比較検討
4. 最適なオプションを選択
ステップ5-6：実装（Claude Code）
5. Claude Code で実装（小さいステップで）
6. git diff を確認
ステップ7-8：レビュー（複数LLM）
7. ChatGPT でセキュリティをレビュー
8. 別のLLM で性能をレビュー（必要に応じて）
ステップ9-10：最終判断（人間）
9. 全てのレビュー意見を集約
10. 人間が最終判断を下して commit
小規模開発での使い方
1人開発の場合
計画：ChatGPT（30分）
↓
実装：Claude Code（1時間）
↓
レビュー：ChatGPT（15分）
↓
最終判断：自分（10分）
トータル：2時間（LLMなしなら4時間）
2-3人チーム
PM（計画）：ChatGPT
Dev（実装）：Claude Code
QA（テスト）：人間
Reviewer：ChatGPT
最終判断：PM
使い分けの実例：APIエンドポイント追加
要件が不明確
ChatGPT: 「ユーザー情報取得エンドポイントに必要な項目は？」
→ 要件リスト作成
設計検討
ChatGPT: 「REST vs GraphQL、どちらが適切？」
→ 両者のメリット・デメリット比較
実装計画
Claude Code: 「このRESTエンドポイント実装の計画を出してください」
→ ステップ分解されたプラン
コード実装
Claude Code: 「ステップ1を実装してください」
→ コード生成、git diff 出力
セキュリティレビュー
ChatGPT: 「このエンドポイントのセキュリティを確認してください」
→ 認可チェック、入力検証など指摘
最終確認
人間: 全てのレビュー確認後、commit
まとめ
複数LLMの活用が有効になる理由：
- 得意分野を活かす: 各LLMの強みを最大化
- 確認漏れ防止: 異なる視点からのチェック
- 責任の明確化: 役割が定まると判断が明快
- 時間短縮: 計画と実装が並行化
- 品質向上: 複数の目で検証
基本ガイドから始まり、危険性、Git運用、ファイル境界、タスク分解、レビュー手順、Claude Code x ChatGPT 連携、役割分担を経て、本記事の複数LLM戦略で、個人開発から小規模チーム開発まで対応できる、実務的で安全なAI支援開発が完成します。