日本のシステム開発は、多くの企業がDXに迫られるなか、品質・コスト・納期への高い要求に対し深刻な人材不足に直面しています。その打開策として、生成AIを活用したAI駆動開発が広まっていますが、大規模プロジェクトの現場において組織単位で爆発的な成果を生み出すには、多くのハードルがあります。
今回は、フューチャーアーキテクトで数々の開発プロジェクトを牽引してきたシニアアーキテクト平川が、AI駆動開発を成功に導く核心を語ります。
平川 裕蔵：シニアアーキテクト。組織のAI駆動開発を牽引するリーダー。
それを打開するためには、品質保証の構造そのものを機械と人間を組み合わせた2つの観点で再設計することが不可欠でした。
1. 1回の「検証」ではなく、高速なPDCAサイクルとして組み込む
従来のように人間が最後に一度だけチェックするのでは、品質もスピードも限界があります。そこで開発工程を役割ごとに分け、AI同士で自律的にレビューと修正を繰り返すPDCAサイクルを構築しました。
まず「計画するAI（Plan）」が、要件を読み込んでテストコードや仕様といったゴールを設計します。次に「作るAI（Do）」が計画に基づいてコードを書き、成果物を「検証するAI（Check）」が最初の計画とズレがないかを別の目線でチェックします。もしズレやバグがあれば、人間を介さずにAI同士で自動的にフィードバックと修正（Action）のループを回し、そのたびにAIコンポーネントを改良し続けます。
こうした「検証の仕組み化」ができると、機械的な検証はAIに任せ、人間は最後のゲートキーパーとして、ビジネス価値に直結する本質的な意思決定（Check ＆ Action）に専念できるのです。
ここまでお話してきた「AI駆動開発」は机上の空論ではなく、私たちが実際の開発現場で何度も試行錯誤しながら生み出してきた「真に稼働する実務的なアセット」です。すでに私たちの開発現場では具体的な成果が出ており、当初ロードマップとして掲げていた「2027年中に設計・開発プロセスにおける生産性3倍」（※関連プレスリリース）という目標を前倒しで達成できる確かな手応えを得ています。
これまでのシステム開発において、時間や人件費の制約からテスト網羅性やレビュー品質に妥協せざるを得なかった経験をお持ちの方もいるのではないでしょうか。こうした従来の限界を、人とAIが互いに強みを活かしてチームワークを発揮して突破していく。そんな次の段階へ多くの開発現場が進んでいけるよう、私たちの変革への挑戦と伴走はこれからも続いていきます。
お客様からのお問い合わせはこちらへ
https://www.future.co.jp/apps/contact/fai/service_solution_entry.php
設計開発プラットフォームと構造化された設計情報を活用し開発生産性 3 倍へ（2026/6/30）
https://www.future.co.jp/press_room/PDF/PressRelease_FutureAIDD_260630.pdf
今回は、フューチャーアーキテクトで数々の開発プロジェクトを牽引してきたシニアアーキテクト平川が、AI駆動開発を成功に導く核心を語ります。
平川 裕蔵：シニアアーキテクト。組織のAI駆動開発を牽引するリーダー。
手元での生産性は上がっても組織の成果に繋がらない――AI駆動開発実現までの課題
ここ1～2年でシステム開発の現場にもAIツールの導入が進み、私個人の開発スピードは爆発的に向上しました。しかし、これは「点」の成果にすぎず、プロジェクト全体の生産性や品質が飛躍的に向上する段階には遠く及びません。チームとして成果を上げつつAIと安全に協働するためには、プロセス全体を設計しなおす「面」での考え方が必要です。私自身、AIを開発プロセスそのものに組み込むAI駆動開発の実現に向けて、いくつもの「壁」を乗り越えてきました。【壁①】品質管理と責任の所在の曖昧さ
まず直面したのが「品質管理」と「責任の所在」の曖昧さです。生成AIは優れた成果物を瞬時に作ってくれますが、常に正解を出し続ける万能なシステムではありません。時に「もっともらしい嘘（ハルシネーション）」を出力することもあるため、個人の裁量だけでAIを使っていると品質が安定しないばかりか、「バグが混入したときの責任」にグレーゾーンが生じます。私自身、個人で使っていた時は対象も小さく、壊れても自分だけが困る範囲だから成り立っていたことを痛感させられました。誰がやっても同じ品質の回答が得られる状態でなければ、チームとしての再現性がなくなり属人化を生むだけだったのです。そこで私たちはAIを便利な「道具」ではなく、明確な役割を持つ「チームメンバー」と位置づけることにしました。製品の仕様書と同じ発想で、個々のAI Agentごとに担当領域や入出力を定義し、Agentの仕様を明文化したのです。これにより、既存の開発プロセスにAI Agentをスムーズに組み込めるようになりました。それぞれの役割と境界線が明確になったことで責任の所在に迷うこともなくなり、問題が起きた時の改善サイクルも回しやすくなりました。
【壁②】AIの速さと物量に追いつかない人間のチェック
次に立ち塞がったのが人間のリソース不足です。設計プロセスが正しく構造化されると、人間の手作業とは桁違いのスピードと物量でプログラムコードが生成されます。しかし、人間はAIと同じスピードで成果物のチェックをすることができません。効率化のためにAIを導入したはずが、かえって人間がレビューに追われて疲弊するという本末転倒な事態に陥ります。AIの活用を一段階進めようとする中で、こうした壁にぶつかった経験のあるエンジニアや企業も多いのではないでしょうか。それを打開するためには、品質保証の構造そのものを機械と人間を組み合わせた2つの観点で再設計することが不可欠でした。
1. 1回の「検証」ではなく、高速なPDCAサイクルとして組み込む
従来のように人間が最後に一度だけチェックするのでは、品質もスピードも限界があります。そこで開発工程を役割ごとに分け、AI同士で自律的にレビューと修正を繰り返すPDCAサイクルを構築しました。
まず「計画するAI（Plan）」が、要件を読み込んでテストコードや仕様といったゴールを設計します。次に「作るAI（Do）」が計画に基づいてコードを書き、成果物を「検証するAI（Check）」が最初の計画とズレがないかを別の目線でチェックします。もしズレやバグがあれば、人間を介さずにAI同士で自動的にフィードバックと修正（Action）のループを回し、そのたびにAIコンポーネントを改良し続けます。
その結果、人間の手元に届く段階では、すでに幾度も推敲を重ねられた非常に品質の高い状態に仕上がっているのです。
こうした「検証の仕組み化」ができると、機械的な検証はAIに任せ、人間は最後のゲートキーパーとして、ビジネス価値に直結する本質的な意思決定（Check ＆ Action）に専念できるのです。
AIと人間によるPDCAサイクル
2. リスクの大きさに応じて段階的な承認ゲートを配置
また、すべての工程を一律の厳しさでチェックするのではなく、システム構築の特性や失敗時のリスクに応じて、人間が承認する強度を変えた3種類のゲートを配置しました。
確認の強弱にメリハリをつけたことで、人間はクリティカルな意思決定に集中することができ、AIならではの圧倒的な開発スピードと高い品質を両立できるようになります。
3種類の承認ゲート
AIとの協働を、これからの開発の「当たり前」の選択肢に
「AI駆動開発」を導入すれば簡単にシステム開発ができると思われがちですが、プロジェクトの規模に比例して、明確な仕組み化やルール、ガバナンスがなければ、AIは期待した成果をもたらしてくれません。だからこそ「構想は素晴らしいが、いざ現場で運用すると全く機能しない」―そんな壁に突き当たるプロジェクトも少なくないのです。ここまでお話してきた「AI駆動開発」は机上の空論ではなく、私たちが実際の開発現場で何度も試行錯誤しながら生み出してきた「真に稼働する実務的なアセット」です。すでに私たちの開発現場では具体的な成果が出ており、当初ロードマップとして掲げていた「2027年中に設計・開発プロセスにおける生産性3倍」（※関連プレスリリース）という目標を前倒しで達成できる確かな手応えを得ています。
これまでのシステム開発において、時間や人件費の制約からテスト網羅性やレビュー品質に妥協せざるを得なかった経験をお持ちの方もいるのではないでしょうか。こうした従来の限界を、人とAIが互いに強みを活かしてチームワークを発揮して突破していく。そんな次の段階へ多くの開発現場が進んでいけるよう、私たちの変革への挑戦と伴走はこれからも続いていきます。
お客様からのお問い合わせはこちらへ
https://www.future.co.jp/apps/contact/fai/service_solution_entry.php
関連記事
プレスリリース：フューチャー、「AI 駆動開発」を複数プロジェクトへ本格展開設計開発プラットフォームと構造化された設計情報を活用し開発生産性 3 倍へ（2026/6/30）
https://www.future.co.jp/press_room/PDF/PressRelease_FutureAIDD_260630.pdf
編集部おすすめ
