2026/11/18
AI活用
Claude Codeで顧客情報のログ出力を修正する——調査から回帰テストまでの進め方

対象読者:上級者向け
この記事の要点
Claude Codeを使い、業務アプリのログへ顧客情報が出る問題を修正する上級者向けの実務例です。従来の調査工程との対応、読み取り調査のお願い文、正常系・例外系の回帰テスト、人による差分レビューを示し、準備や修正を含めて負担を評価する方法を紹介します。
目次

顧客情報が残るログを、調査に使える状態のまま直す
受注管理アプリの保守担当者が、問い合わせ対応のためにエラーログを調べたところ、顧客のメールアドレスと電話番号が記録されていました。問題の出力を削除するだけなら修正は小さく見えます。しかし、そのログには、処理の失敗箇所やリクエストを追跡するための情報も含まれています。個人情報を出さないことと、障害調査に必要な手掛かりを残すことを、同時に満たす必要があります。
ここでは、この架空の業務アプリを対象に、Claude Codeでログの調査、修正案の作成、回帰テストの追加を補助する進め方を提案します。Claude Codeの公式資料では、コードの探索、バグ修正、既存の規約に合わせたテスト作成などの利用方法が案内されています。これらを一つの保守課題に組み合わせる活用例です。(出典: Anthropic「Common workflows - Claude Code Docs」)
AIを使わない場合も、開発者は既存の検索機能やテスト基盤を利用できます。リポジトリ内でロガーの呼び出しを検索し、ログ設定と照合し、再現テストを作り、修正後の差分をレビューする工程です。難しいのは検索操作そのものより、見つけたコード同士の関係を追い続ける部分でしょう。
今回の成果物は、対象の出力経路を説明する調査メモ、必要最小限の修正差分、正常系と例外系を含む回帰テスト、実行結果の記録です。実在する顧客情報や本番ログは入力せず、架空データで進めます。実際の漏出が疑われる場合の報告や既存ログの取り扱いは、所属組織の対応手順で別途判断してください。この記事の手順は、漏出の原因となるコードを修正する作業に範囲を絞っています。

手間の中心は、出力コードと実際のログを結び付ける工程
対象アプリでは、受注APIが入力を受け取り、業務処理を呼び出し、共通のエラーハンドラーで失敗を記録する構成を想定します。開発者はエディター、バージョン管理、既存のテストランナーを使える前提です。入力オブジェクトを直接ログへ渡す箇所だけでなく、例外に付加された情報が共通処理で出力される経路も調べます。
資料探しに相当するのは、ロガーの設定、出力形式、既存の秘匿処理、テスト方法の確認です。分類に相当するのは、通常の処理ログ、入力検証の失敗、外部連携の失敗など、異なる経路を整理する工程でしょう。転記の負担もあります。関数名、呼び出し元、出力される項目、対応するテストを調査メモへまとめる必要があるためです。
例えば、通常の処理ではメールアドレスを除外していても、例外時に入力全体を文字列へ変換していれば、別の出口から値が残る可能性があります。これは架空の設計例であり、対象アプリに同じ経路があるとは限りません。検索で見つけた箇所を出発点に、実際の呼び出し関係と設定で確かめます。
確認や手戻りが発生しやすいのは、修正の単位を早く決めすぎる場面です。一つの出力コードだけを直すと別経路が残り、共通ロガーを広く変えると関係のないログまで欠落するかもしれません。調査段階では、各経路の根拠となるファイルと関数、出力項目、未確認事項を対応付けてください。Claude Codeにはこの対応関係の整理を補助してもらい、開発者が検索範囲と見落としを点検します。AIの説明が滑らかでも、経路の存在を確認できなければ調査済みにはできません。

AIに任せる整理と、人が決めるログの品質条件
比較の条件を先にそろえます。AIを使う場合も使わない場合も、同じ開始コミット、同じ架空データ、同じ受け入れ条件を用います。成果物も共通にし、AIを使う側だけテストやレビューを省略しないことが前提です。期待する変化は、探索した内容の整理やテストの下書きをまとめて進め、開発者が関係を読み直す負担を減らすことです。
| 工程 | AIを使わない場合 | Claude Codeを使う場合 | 人が担う確認 |
| --- | --- | --- | --- |
| 経路の調査 | 検索結果と設定を読み合わせます | 関連コードと経路の整理を依頼します | 根拠と探索範囲を確認します |
| 修正方針 | 変更箇所と影響範囲を設計します | 複数案と影響の説明を依頼します | 保持項目と修正位置を決めます |
| テスト作成 | 既存の書き方に沿って実装します | 対象の振る舞いを指定して作成を依頼します | 検証対象と期待値を審査します |
| 完了判断 | 実行結果と差分を確認します | 結果と差分の整理を依頼します | 証拠を確認して承認します |
品質条件の例として、メールアドレスと電話番号の原文をログに含めないこと、既存のリクエストID、処理名、エラーコードは保持することを設定します。保持する項目自体に個人情報が含まれないかも確認が必要です。顧客IDを残せばよいと自動的に判断せず、組織の基準に照らして扱いを決めてください。
値を一部残すマスキングが適切か、項目の削除が必要かも人の判断です。この例では、メールアドレスと電話番号をログ上で固定文字列に置き換える方針を提案します。アプリの業務処理には元の値を渡し、ログへ渡す情報だけを加工する設計を検討します。ただし、共通処理で実現できるかは既存実装次第です。Claude Codeには根拠付きで候補を挙げてもらい、変更範囲の狭さだけでなく、経路を漏れなく覆えるかで採否を決めます。

読み取り調査から修正までを四段階で進める
準備には、Gitの差分確認、対象言語の例外処理、使用中のロガー、既存テストの実行方法を理解する知識が必要です。依存関係を導入済みの開発環境と、Claude Codeを利用できる環境を用意してください。作業用のブランチや独立したチェックアウトで既存の変更と混ざらない状態にし、本番の認証情報や実データを作業対象から外します。以下は既存のClaude Codeセッションへ入力する提案例で、未検証の実装手順です。
操作は四段階に分けます。①既存テストを実行して開始時点を記録します。②読み取りだけで出力経路を調べます。③調査結果をレビューして修正位置とテスト方針を決めます。④合意した範囲の実装と検証を依頼します。公式資料では、編集前に計画を確認するためのPlan modeが説明され、セッション中はShift+Tabで状態表示がPlan modeになるまで切り替えられると案内されています。(出典: Anthropic「Common workflows - Claude Code Docs」)
コピーして使う調査用のお願い文です。「受注API」は実際の対象に置き換えます。
受注APIのログに顧客情報が残る問題を調査してください。
今回はファイルを変更せず、関連コードと設定を読んでください。
通常処理と例外処理の両方について、入力からログ出力までの経路を整理してください。
各経路に、根拠となるファイル、関数、出力項目、既存テストを添えてください。
分からない経路は未確認と明記してください。
メールアドレスと電話番号の原文をログに残さず、
既存のリクエストID、処理名、エラーコードを維持する修正案を提案してください。
実行可能な検証コマンドは、リポジトリ内の定義を根拠に示してください。
本番環境、外部サービス、認証情報にはアクセスしないでください。
架空の入力には、メールアドレス「log-test@example.invalid」、電話番号「PHONE_TEST_001」、リクエストID「req-log-001」を使う案があります。電話番号の形式検証がある場合は、プロジェクトで承認した架空のテスト用値へ置き換えます。調査結果の形式例は「通常経路は入力の構造化フィールド、例外経路は例外の付加情報を確認します」というものです。これは期待する説明の例であり、実際の調査結果ではありません。

回帰テストで「消える情報」と「残る情報」を確かめる
実装前に、テストが何を観測するかを決めます。秘匿用の関数だけを単体テストしても、出力コードがその関数を通らなければ漏出は残ります。既存のテスト基盤で可能な範囲で、実際にログへ渡るレコード、または設定済みの整形処理を通った出力を捕捉してください。どこまで検証できたかを記録し、捕捉位置より後ろの処理は別途確認します。
正常系では、対象APIへ架空データを渡し、出力に元のメールアドレスと電話番号がないことを検証します。同じテストで、リクエストIDと処理名が期待どおり残ることも確認してください。例外系では、既存の方法で入力検証エラーや連携先の失敗を再現し、例外の付加情報から原文が漏れないか調べます。対象コードが扱う場合は、ネストした入力、配列、値の欠落もテスト候補になります。
方針を確認した後に使う実装依頼の例です。対象経路と保持項目はレビュー結果に合わせます。
確認した対象経路について、ログ出力時の秘匿処理と回帰テストを実装してください。
既存のロガーとテストの規約に合わせ、依存関係は追加しないでください。
最初に、原文の漏出を検出できるテストを作成して実行してください。
修正前の失敗理由を確認し、最小限の修正後に同じテストを再実行してください。
原文が含まれないことと、合意した診断情報が残ることを検証してください。
業務処理へ渡す入力が書き換わらないことも確認してください。
実行したコマンド、結果、未実行の確認事項を分けて報告してください。
コミット、プッシュ、デプロイは行わないでください。
人のレビューでは、修正前のテストが漏出を理由に失敗したかを見ます。環境エラーによる失敗では証拠になりません。修正後にログ自体が出なくなっただけで成功していないか、入力オブジェクトを破壊的に変更していないか、ログレベルや例外の扱いを不用意に変えていないかも確認します。最後に関連テストと既存の品質チェックを実行し、差分、実行結果、未確認事項を開発者が確認して承認します。

準備とレビューも含めて、保守作業の負担を評価する
この活用で減らせる可能性があるのは、検索結果から経路表を作る作業、既存テストの規約を読みながら下書きを作る作業、修正内容と検証結果を報告へまとめる作業です。既存コードが読みやすく、テスト方法と保持項目が明確なら、Claude Codeへ渡す条件も整理しやすいでしょう。ログの形式が統一されていない場合や、例外処理が複雑な場合は、調査結果の検証や修正依頼に手間がかかると考えられます。
評価では、AIの処理が終わるまでの時間だけを測りません。対象コードの準備、架空データの作成、お願い文の作成、回答の確認、誤りの修正、テスト、差分レビューまでを記録します。工程ごとに時間と手戻りの理由を残すと、下書きが早くても確認負担が増えていないか判断できます。ここでは操作や計測を実施していないため、削減時間や改善率は示しません。
比較する場合は、同じ開始コミットと架空データを用い、漏出防止、診断情報の保持、業務動作の維持という品質条件を両方へ適用します。同じ担当者が続けて実施すると、先に調べた知識が後の作業を助けるため、その影響も記録してください。単純な所要時間の差だけで、AIによる効果と決めることはできません。
最初の対象には、一つのAPIと、その正常系・例外系に範囲を限定する案が適しています。開発者が出力禁止項目と保持項目を短く書き出し、Claude Codeへ読み取り調査だけを依頼してみてください。返ってきた経路の説明を自分の検索結果と照合すれば、この工程を任せる価値があるかを小さく確かめられます。その結果を見て、テスト作成と実装まで広げるかを判断します。完了の基準は回答の説得力ではなく、原文が残らず、必要な診断情報が残ることを確認できる差分とテストです。
参考情報
- Common workflows - Claude Code Docs
資料の取得日時は2026年11月18日07時00分15秒UTCです。これは資料の公開日や機能の提供開始日を示すものではありません。
