生成AIを開発に使うというと、「AIがコードを書いてくれる」と思われる方もいらっしゃるかもしれません。確かに実装は速くなります。
しかし、AI駆動開発で変わるのはコードを書く工程だけではありません。弊社でも社内のプロダクト開発でAI駆動開発を実践する中で、設計やレビュー、テストといった前後の工程にも変化が及ぶことを実感しています。本記事では、AI駆動開発とは何か、そして開発プロセスの何が変わるのかを整理します。
AI駆動開発とは
AI駆動開発とは、AIにコードを書かせるだけでなく、設計・実装・レビュー・テストといった開発プロセスそのものをAIに実行させる開発のあり方です。
生成AIと開発の関わり方はこの数年で段階的に変わってきました。
| 年 | 段階 | 開発でのAIの使い方 | きっかけとなった出来事 |
|---|---|---|---|
| 2022年〜 | チャットでの質問 | コードを貼って質問し、生成されたコード片を人が貼り戻す使い方が中心 | ChatGPTの公開(2022年) |
| 2024年〜 | エージェント化 | ファイルの編集、テストの実行、エラーの修正までをAI自身が行う | 開発作業を自分で進めるAIの登場(例: Cognition社のDevinの発表、2024年) |
| 2025年〜 | Vibe Coding | 「こういうものを作って」と丸ごと任せる | アンドレイ・カルパシー氏が「vibe coding」という言葉を使った投稿(2025年) |
| 2025年〜現在 | Spec-Driven / Agentic Development | 仕様・設計・ルールを先に固めてAIに渡し、プロセスを実行させる | 仕様から始める開発を支えるツールの公開(例: AWSのKiro、GitHubのSpec Kit、いずれも2025年) |
Vibe Codingは広がりましたが、任せるだけでは品質が成立しないことも明らかでした。
主語が「AIにコードを書かせる」から「AIに開発プロセスを実行させる」へ移ったのが、AI駆動開発です。AIが担う範囲が工程全体に広がる以上、人の側の開発プロセスも従来のままでは成り立ちません。
なぜ開発プロセスまで変わるのか
AI駆動開発では、これまで意識せずに頼っていた2つのことが変わります。期間と実施者です。どちらも開発のルールとして決めていたものではなく、当たり前すぎて前提として意識されることが少なかったものです。
これまでは実装に実際に時間がかかりました。そのため、設計から実装にかけての長い期間の中で、仕様を少しずつ詰めることができました。そして、その作業は人が自分の手で行っていました。
この2つは結びついています。人が時間をかけて手を動かす過程で「あれ、これはおかしい」と気づくことができ、途中で修正する時間もありました。気づくための仕組みを特別に用意していたわけではなく、作業そのものが気づきの仕組みとして働いていた面がありました。
AI駆動開発では、手を動かす作業の多くをAIが担うようになり実装は一気に進みます。手を動かす機会が減るので気づくきっかけも減り、気づきを得る期間も短くなるため、気づけることが少なくなります。従来のプロセスが間違っていたわけではありません。暗黙のうちに頼っていたものが変わったため、その役割をプロセスとして明示的に作り直す必要があるのです。
工程ごとに何が変わるのか
AI駆動開発で変わるのは、「誰が作業するか」と「人の時間をどこに使うか」です。実装がAIに移ると、人の仕事はその前後の工程に集まります。
要件定義・設計:ドキュメントやイメージではなく動くモックで細部を詰める
今まで、要件定義を行い設計に落とし込む段階で気づきがあれば、細部を詰めていくことができました。この後のコーディングでは、AIを用いることで一気に進みます。実装前にどこまでを決めておくかが品質に関わる部分となります。
ドキュメントそのものはAIで生成します。加えて固定イメージだけではなく動くモックを作ることでステークホルダーと細部の合意を得るようにします。動くものをみて初めて引き出せる要求(=頭の中にある暗黙知)があり、この要求をいかに事前に出しておくかが大事です。
今までもモックを作成することは普通に行っていました。固定イメージを作成するか、それなりに時間をかけて動くモックを作っていました。AIを用いることで動くモックを簡単に、工数をかけずに生成できイメージ合わせを容易にできるため、工数を短縮した上でより深い暗黙知を引き出せるようになっています。
設計・実装してから動いたものを見て細部を詰めるというやり方でも可能ですが、弊社で画面に関わる部分をこの順序に変えたところ、実装後の手戻り件数が取組み前の約1割まで減りました。
レビュー:人が全部を読むのではなく、AIのレビュー結果を人が判断する
今までは実装に時間がかかるため、プルリクエストも1日に数件ほどで、人が1件ずつ読んでレビューすることができました。AIで実装が速くなると、上がってくる量が一気に増えます。レビューのやり方を変えなければ、ここが開発全体のボトルネックになります。
コードをAIで書くのと同じように、レビューもまずAIに実施させるようにします。規約違反や典型的な不具合など、機械的に確認できる部分はAIに任せ、人はAIが判断できなかった内容や、設計の妥当性・リスクの判断に集中します。AIのレビューにも見落としや誤検出があるため、複数のAIを組み合わせて補い合うのが有効です。

レビュアーを増やして対応するという考え方もありますが、レビューできる人をすぐに集めるのは現実的ではありません。弊社ではこの分業に変えたところ溜まっていたプルリクエストが滞らなくなりました。
| レビュー対応方法 | 処理件数 | 滞留件数 |
|---|---|---|
| 人でプルリクエスト内容をレビュー | 2~3件/日 | 60件(1ヶ月) |
| AIでのレビュー結果を承認 | 20件/日 | 0件 |
テスト:AIの「OK」ではなく、証跡を見て人が判断する
今までは人が自分でテストを実施していたため、操作した本人が結果の根拠を知っていました。記録を書きながら「おかしいな」と気づくこともありました。テストの実施をAIに任せると結果はすぐに返ってきますが、何をもってOKとしたのかは分かりません。
テストケースの作成や実行をAIに任せるのを前提とし、スクリーンショットやログを証跡として必ず残させるようにします。人は証跡を見て合否を判断します。見た目や使い勝手のように、人でなければ判断できない観点は、AIに任せる範囲とあらかじめ分けておくことが大事です。
全件を人が確認し直すことでも品質は担保できますが、それではテストの時間は今までと変わりません。弊社では現在一部のプロジェクトで効率化の検証を行っています。
見積り:実装工数を削るのではなく、全工程でどこに負荷が移るかを見る
今までは実装工数を中心に見積りを立て、レビューやテストはその量に応じて見込むことができました。AIを使うと実装は速くなりますが、その分だけ工数を削ると実態と合わなくなります。実装が速くなるほど、レビューやテストに回る量が増えるためです。
実装工数が短くなることは前提として、レビューやテストにどれだけ負荷が移るかを含めて、プロジェクト全体で見積るようにします。AIは要求以上の範囲まで実装することがあり、確認や保守の工数が増えるため、その分をどこまで受け入れるかを事前に決めておくことが大事です。
小さな改修であれば、実装が速くなった分がそのまま期間の短縮になりますが、規模が大きくなるほどこの差が出てきます。弊社でも、小さな機能のみ開発する場合は早くなった一方で、大規模な開発では全体のリードタイムが思ったほど短くなりませんでした。
人の役割は「作業」から「判断」へ
4つの工程に共通するのは、作業はAIに移り、人には判断が残るという構図です。弊社では次のように線引きしています。
| AIに任せる(作業・軽微な判断) | 人が判断する(責任が伴うこと) |
|---|---|
| 機械的に確認できること | 何を作るかを決める |
| 繰り返し発生すること | リスクを許容するかどうか |
| 網羅的に洗い出すこと | リリースできる品質かどうか |
| 下書きでよいもの | 将来にわたって保守できるか |
重要なのは、この線引きをプロセスとして設計することです。担当者ごとに線引きが違えば、成果物の質は個人の力量次第に戻ってしまいます。また、AIでできることは今後も増えていくため線引きは一度決めて終わりではなく、見直し続ける前提で作る必要があります。
まとめ
AI駆動開発とは、コードを書く手段が変わることではありません。AIが開発プロセスを実行するようになることで、人の役割が作業から判断へと移る、開発プロセスそのものの変化です。
AIを動かすだけでは、開発期間は短くなりません。AIに任せる箇所と人が判断する箇所を決め、それをプロセスとして組み込んで初めて、本来目指していた速さに近づいていきます。
この記事を書いた人

山﨑 泰伯
組込ソフトの開発とパッケージのオーナーを経てAI駆動開発へ
開発歴25年 組込ソフト・組込ソフト向けパッケージ 17年/Webアプリ 8年