Linear + AI

1. IssueとCycleの管理
   IssueはLinearの基本となる作業単位です。カスタムワークフロー、親子タスク、Cycle単位での計画に対応しています。
   Cycleはアジャイル開発のSprintに近く、一定期間のタスクをまとめて進捗やバーンダウンを追跡できます。
2. ProjectとRoadmap
   複数のIssueをひとつのProjectにまとめ、目標、タイムライン、マイルストーンなどを設定できます。
   Roadmapでは、複数プロジェクトの進行状況をより大きな視点で確認できます。
3. AIによるTriage Intelligence
   Slackやメールなどから新しいIssueが入ってきたとき、AIが分類、ラベル付け、優先度の判断、担当者の割り当てをサポートします。
   手作業で整理する時間を減らせる機能です。
4. Linear Agent
   Linearに組み込まれたAIアシスタントです。
   @LinearでIssueを作成したり、プロジェクトの進捗を要約したり、リスクを分析したりできます。繰り返し行う操作はSkillsとして保存し、あとから呼び出すこともできます。
5. Coding Sessions
   IssueをそのままLinear Agentに渡して、実装作業を進めてもらうことができます。
   Agentが関連するコードベースを読み、タスクを分析してコードを生成し、作業後はPull Requestを作成。開発者はそこからレビューや修正を続けられます。

実際のシナリオでLinear Agentを試してみました。
「モバイルアプリの起動速度を改善する」というIssueを作成し、そのまま@Linearにアサインします。

使い始めやすさ： かなり低いです。

Linearの画面はかなりシンプルで、Cmd+Kから多くの操作を完結できます。ショートカットに慣れると、マウスをほとんど使わずに進められます。

AIに仕事を渡す方法もわかりやすく、Slackで同僚を@メンションする感覚に近いです。

実際の動き：

BusinessプランでCoding Sessionsを有効にしたあと、内容を書いたIssueをLinearにアサインしました。

すると、タスクはすぐに公式でいう「Thinking」状態に入り、GitHubリポジトリに接続されました。

今回のIssueは、「起動時に車両ステータスを読み込むのが遅い」という内容です。

数十秒後、Linearは**Diff（コード差分）**を返し、HomeScreen.tsxを修正。もともとレンダリングをブロックしていた処理を、非同期で動くように変更していました。

修正内容そのものは複雑ではありません。

ただ重要なのは、Issueの説明から関連ファイルを自分で見つけ、コードを変更し、そのままレビュー可能なPRまで作れることです。

これまでなら、プロジェクト管理ツールとコードリポジトリを行き来していた一連の作業が、かなりひとつの流れにまとまっています。

実際に気になった点もあります。

まず、現在のCoding SessionsはGitHubへの依存が強いです。

GitLabや自社運用のGitを使っているチームでは、まだこの機能をフルに使えません。

次に、生成されたコードはやはり人が確認する必要があります。

一度、スタイルの問題は直ったものの、代わりに新しいレイアウト崩れが入ったことがありました。

ただ、PR上でそのままコメントして再修正を依頼できるので、感覚としては「全部任せられるAI」というより、ジュニアエンジニアと一緒に仕事をしている感じに近いです。

もうひとつ気になるのが、AI Creditsの消費方法です。

Beta中はそこまでコストを意識しませんが、本格課金が始まったら、チームとして実際の使用量を見ていく必要があります。

良いところ

1. とにかく操作が速い。
   UIの反応、ショートカット、タスクフローがスムーズで、プロジェクト管理ツールそのものに取られる時間を減らせます。
2. AIが既存のワークフローに深く入っている。
   自動トリアージ、タスク処理、コーディングまで、今ある作業フローの中で完結します。別でAIチャットを開く必要がありません。
3. キーボード操作がよくできている。
   日常的によく使う操作の多くをショートカットで進められるので、開発者との相性はかなりいいです。

気になるところ

1. カスタマイズ性はJiraほど高くない。
   大量のカスタムフィールド、複雑なワークフロー、多段階承認を使うチームでは、Linearだと物足りない可能性があります。
2. 分析機能やエコシステムはまだ限定的。
   レポート機能は比較的シンプルで、高度なデータ分析には向かない場合があります。大企業向けの一部インテグレーションも上位プランが必要です。
3. AIが書いたコードをそのまま任せるのはまだ難しい。
   Coding Sessionsは要件を誤解することもありますし、ひとつの問題を直して別の問題を増やすこともあります。コードレビューは引き続き必要です。

向いている人

中小規模のソフトウェア・SaaSチーム

プロジェクト管理の負担を減らしつつ、複雑なプロセスで開発スピードを落としたくないチームに向いています。

Macとキーボードショートカットをよく使う開発者

Linearの操作設計は、このタイプのユーザーとかなり相性がいいです。

AIを使った開発ワークフローを試したいチーム

特に、タスクの振り分け、ステータス更新、一部のコーディング作業をAgentに任せてみたいチームに向いています。

あまり向いていない人

承認・コンプライアンスフローが非常に複雑な大企業

特に金融や医療など、権限管理や手順に厳しい要件がある組織では、Linearだけでは足りない可能性があります。

非技術部門が中心のチーム

Linearは明らかにソフトウェア開発を中心に設計されています。管理部門やマーケティング部門では、強みを十分に活かせないことがあります。

GitHub以外でコードを管理しているチーム

現時点では、Coding SessionsなどのAIコーディング機能はGitHubへの依存がかなり強いです。

Linearは、もはや単なる「軽くて速いJira代替」ではありません。

今いちばん注目したいのは、AIがプロダクト開発の具体的な流れに入り始めていることです。

新しいタスクが来たら、まずAIが振り分ける。
プロジェクトの更新が必要なら、内容を整理する。
Issueの要件が固まれば、そのままコードを書く段階まで進めることもできます。

もちろん、まだ「全部AIに任せればいい」という段階ではありません。

生成されたコードにはレビューが必要ですし、一部の機能はまだBetaです。企業向けのエコシステムも、Jiraほど成熟しているとは言えません。

それでも、チームが何より重視しているのがスピードで、タスク整理、ステータス更新、繰り返しのコーディング作業を減らしたいのであれば、Linearの方向性はかなり明確です。

人がツールを管理する時間を減らして、ツールそのものに仕事を進めてもらう。

この記事の実使用部分はLinear Businessプラン、および2026年8月時点で公開されているBeta機能をもとにしています。