マイクロSaaSの技術スタックは、1年でこう変わった

いまでは考えられませんが、1年前はWeb版のChatGPTやClaudeにソースコードをコピペし、返ってきた結果をVSCodeに戻してgitで管理していました。指示も結果のとりまとめも人間の手作業です。AIも今ほどの性能ではなく、こちらの意図を十分に汲めないまま思い込んだ仕様で作り込んでいきます。単体ではそれらしく動くのに、既存のものと結合すると噛み合わない。その手戻りを繰り返す日々でした。

Dataverseは内部の列名を自動生成します。人が画面で触るぶんには困りませんが、生成AIにコードを書かせようとすると名前が分からず、予測もできません。ここが決定打でした。

Azureも触ってみると、マイクロSaaSには細かすぎました。設定の粒度も運用の前提も、複数人のエンジニアチームで開発・運用することを想定して作られています。良し悪しではなく、想定している規模がそもそも違っていました。

StripeはCheckoutも顧客ポータルもWebhookも一通り揃っていて、Supabaseとの連携実績も豊富です。実績のある定番に乗るのが正解でした。

ただ基盤が固まっても、開発そのものはまだ綱渡りでした。ClaudeやCodexをCLIで使い続けていたものの、セッションをまたぐと文脈が途切れます。その継続性の弱さに足を取られ、認証をはじめ、あちこちで詰まる日々が続きました。

メモリには「この書き方をすると、ここで壊れる」「この前提は間違っていた」といった学びを書き残します。次のセッションのAIが同じ罠を踏まなくなり、毎回ゼロから説明し直す消耗も大きく減りました。運用の詳しい作法は長時間AI開発の現実にあります。

この跳ね上がりは、人を増やしたからでも、スキルとメモリだけで起きたものでもありません。効いたのはAIワークフロー全体の成熟でした。MCPで実環境を触らせ、仕様を計画へ落として自走させ、テストで検証し、別系統のAIを突き合わせる二重のレビューを回し、CIと品質ゲートで全体を担保する。それぞれ独立した記事になる話です。

SupabaseやVercelが良かったのも事実ですが、決定打は個別のライブラリ選定ではなく、進め方とその道具立てがまるごと成熟したことでした。同じ人間が同じ時間で桁違いの量を出せるようになった理由は、そこにあります。

• 長時間AI開発の現実：コンテキストの壁と、メモリ運用
• MCPとは：AIに「手」を持たせるということ
• Claude と Codex の二刀流レビュー：別系統AIで盲点を炙り出す
• 生成AIに書かせたコードのセキュリティ対策

こうして1年、作り替えながら出荷し続けているマイクロSaaSが PentaTrail / CTEM です。