AnthropicがClaude Codeの「Projects」を刷新｜AIが計画・分担・統合を一括で担う新機能——久留米・福岡の中小企業のためのAIプロジェクト管理ガイド
Anthropicは2026年9月17日（米国時間）、AIコーディングツール「Claude Code」のプロジェクト機能「Projects」を刷新し、ベータ版として公開しました（出典：Anthropic公式・Unite.AI・PC Watch等）。従来はファイルや会話履歴を保存しておくだけの入れ物だったProjectsが、目標を伝えるとAIが作業を分担・並行実行し、成果物をまとめて返す「コーディネーター」型の仕組みに生まれ変わっています。対象はまず一部のPro・Maxプラン利用者に限られますが、開発現場でのAI活用の一歩先を示す動きとして注目されています。
何が起きたか
「フォルダ」から「会話」へ——Projectsの発想転換
これまでのClaude Projectsは、あるプロジェクトに関連するファイルや会話履歴をまとめて保存しておくための入れ物という位置づけでした。今回の刷新では、利用者が「何を実現したいか」を伝えると、Claudeが依頼内容の範囲を見極め、必要な作業を複数の「スレッド」に振り分けて並行して進め、進捗を確認しながら最終的な成果物としてまとめ上げる仕組みに変わりました（出典：Anthropic公式・Unite.AI・MLQ）。背景には、AI各社が「1つの依頼から複数の作業を自動的に分担・並列実行させる」設計にしのぎを削っている状況があると見られます（推測）。単発の質問に答えるだけでなく、まとまったプロジェクト単位でAIに作業を任せる流れが、開発分野を皮切りに広がりつつあることを示す事例といえます。
各スレッドは独立したクラウドセッション、衝突は通常のマージ処理で解決
それぞれのスレッドは、Claude Codeのクラウドセッションとして独立したブランチとリポジトリのコピー上で作業を行います。複数のスレッドが同じ箇所を変更した場合は、通常のプルリクエストと同様にマージコンフリクト（変更の衝突）として扱われ、人が確認・解決する設計になっています（出典：Unite.AI・XenoSpectrum）。大きな作業をさらにサブエージェントやループ、ワークフローを使って細分化することもでき、規模の大きな依頼ほど並列処理の恩恵を受けやすいとされています（出典：MLQ・datastudios.org）。
共有メモリとファイル・成果物ライブラリで「何度も説明する手間」を削減
Projects内には、利用者が追加したファイルとClaudeが生成した成果物をまとめて保存する「ライブラリ」が新設され、過去の作業内容を探しやすくなりました。また、各スレッドが決定事項や要件、進捗状況をプロジェクト全体の共有メモリに書き込み、他のスレッドがそれを参照できるようになったため、依頼のたびに背景事情を説明し直す手間が減ると説明されています（出典：Anthropic公式・MLQ）。利用者はスマートフォンからでも進捗を確認・指示でき、パソコンを閉じた後も作業が継続するとされています（出典：datastudios.org）。
展開は一部のPro・Maxユーザーから、利用上限への影響にも注意
ベータ版は2026年9月17日、Claude Codeでクラウドセッションを利用しており、かつWeb版・デスクトップ版に既存のProjectsを持たない一部のPro・Maxプラン利用者から提供が始まりました。今後1週間ほどかけて対象のPro・Maxユーザーに広げ、その後Team・Enterpriseプランや他の利用者にも展開していく計画です（出典：Anthropic公式・MLQ）。1つのプロジェクトが複数のクラウドセッションを同時に走らせる仕組みであるため、Anthropicは利用上限に通常より早く到達する可能性があると注意を促しています（出典：MLQ・windowsforum）。現時点ではクラウド上での実行のみですが、手元のパソコン上のツールやコードと連携させたローカル実行にも今後対応する予定と説明されています（出典：Anthropic公式）。
日本への影響・ビジネスでの活用ヒント
- 「AIに丸投げ」ではなく「AIに任せた上で人が確認する」設計が主流に：成果物をまとめる前に必ず内容を確認できる設計や、変更の衝突を通常のマージ処理として人の目に見える形で残す設計は、AIエージェントを業務に組み込む際の安全網の作り方として参考になります（推測）。
- 「毎回説明し直す」負担を減らす共有メモリという発想：AIに何度も同じ背景情報を伝え直す手間を、プロジェクト単位の共有メモリで解消するという考え方は、コーディング以外の業務でAIを使う際にも応用できる発想です（推測）。
- 大きな依頼ほどAIの並列処理が効果を発揮する可能性：1つの大きな依頼を複数の作業に分けて同時に進めるという発想は、開発以外の業務でも、資料作成や調査など複数の下位タスクに分解できる仕事であれば応用しうると見られます（推測）。
久留米・福岡の中小企業様へ——「AIに作業を任せて、人が確認する」仕組みづくりのヒント
福岡市のIT関連企業・システム開発会社では、繁忙期に複数の開発案件や改修依頼が重なり、人手だけでは対応しきれない場面も出てきていると見られます（推測）。今回のような、大きな依頼を複数の作業に分けてAIに任せ、変更が重なった部分だけを人が確認するという進め方は、限られた人数のエンジニアで開発のスピードを保ちたい福岡の中小IT企業にとって参考になる考え方です（推測）。ヒカリのAI導入支援では、こうしたAIコーディングツールを実務に組み込む際の運用ルールづくりからご支援しています。
久留米の製造業・卸売業においても、「AIに何をどこまで任せ、どこから人が確認するか」を業務ごとに整理しておくという発想自体は、開発業務に限らず活用できます（推測）。例えば、複数の取引先向けに見積書や提案資料を同時に作成する際、下書きの作成をAIに任せ、金額や取引条件など重要な部分は必ず人が最終確認するという役割分担を社内ルールとして明文化しておけば、AI活用の幅を広げてもミスのリスクを抑えやすくなります（推測）。ヒカリのDX推進支援では、こうした業務の切り分け方の設計からご相談いただけます。
福岡・久留米の士業事務所・コンサルティング業など、複数の案件を同時に抱えることが多い業種にとっては、「何度も同じ背景を説明し直さずに済む」共有メモリという発想も参考になります（推測）。案件ごとの経緯や決定事項を整理してAIに蓄積させておく運用を工夫すれば、専用のツールがなくても、依頼のたびに一から説明し直す手間を減らせる可能性があります（推測）。ヒカリのAIスクールでは、こうした実務でのAI活用の工夫について学んでいただけます。