AI駆動開発とは？メリットと注意点、要件定義での導入方法

AI駆動開発とは？

AI駆動開発（AIDD：AI-Driven Development）とは、生成AIを開発プロセスの一部だけでなく、企画・要件定義、設計、実装、テスト、運用など、開発ライフサイクル全体で活用する考え方です。AIが仕様やコード、テストケース、ドキュメントなどの生成・提案を担い、人はAIへの指示や出力内容のレビュー、最終的な意思決定を行います。

従来のシステム開発では、人が要求を整理し、仕様書やコードを作成していました。AI駆動開発では、こうした作業の一部をAIと分担し、検討や作成のサイクルを短縮します。ただし、AIに開発を全面的に任せる手法ではありません。業務要件や技術的な妥当性、品質については、人が責任を持って確認することが前提の仕組みです。

■AI駆動開発とAIアシスト開発、AIエージェントとの関係性

AIアシスト開発との違い

AIアシスト開発とは、コード補完やドキュメントの下書き、テストコードの生成など、開発プロセスの一部でAIが担当者を補助する活用方法です。既存の開発プロセスを大きく変えず、特定作業の効率化を目的として導入できる点が特徴です。

一方、AI駆動開発では、AIの活用範囲を個別作業に限定せず、要件定義から実装・運用まで広げられます。AIを前提として、開発プロセスや人の役割そのものを見直す点が大きな違いといえるでしょう。

AIエージェントとの違い

AIエージェントとは、与えられた目標に対して必要なタスクを分解し、ツールなどを利用しながら実行・検証を進める仕組みのことです。例えば、仕様をベースに複数作業を順番に処理し、結果を確認しながら次の処理へ進むといった活用が考えられます。

AI駆動開発が「AIを開発プロセスにどう組み込むのか」という開発全体の考え方である一方で、AIエージェントは、そのなかでタスクを実行するための仕組み・手段のひとつといえます。両者は対立する概念ではなく、AI駆動開発を実現する方法として、AIエージェントを活用する関係性です。

AI駆動開発のメリット

AI駆動開発では、作成・整理などの作業をAIに任せ、人が判断やレビューに集中することで、開発プロセス全体の効率化が期待できます。ここでは、AI駆動開発のメリットについて解説します。

開発スピードの向上

AI駆動開発のメリットとして、開発スピードの向上が挙げられます。AIは仕様書のドラフトやコード、テストケースなどを短時間で生成できるため、人がゼロから作成する作業を減らせるでしょう。

具体例として、要件を整理したあとにプロトタイプを生成し、確認結果を要件へ反映するといった「作る・確認する・修正する」のサイクルを短期間で回せるようになります。市場や顧客ニーズの変化が早い領域では、検討から実装までの時間を短縮できることが大きな利点となるはずです。

属人化の解消

属人化の解消は、AI駆動開発で得られる大きなメリットです。要件定義や設計などの工程は、担当者の経験や過去のノウハウに依存しやすく、成果物の品質にばらつきが生じることがあります。AIを共通のプロセスやテンプレートと組み合わせて活用すれば、情報整理やドキュメント作成の進め方をそろえるといったことが実現します。

ただし、AIを導入するだけで、属人化が自動的に解消されるわけではありません。入力する情報やレビュー基準、承認プロセスも標準化し、AIの出力を組織のナレッジとして蓄積・活用できる仕組みを整えることがポイントです。

品質の向上

AI駆動開発により、品質の向上も見込めるでしょう。AIをレビューやチェックに活用すれば、仕様の抜け漏れや矛盾、コード上の問題点など、人の目だけでは見落とす可能性がある箇所を補強可能です。また、一定のルールに沿ってドキュメントやコードを生成することで、形式や粒度をそろえやすくなるはずです。

一方で、AIの出力そのものが常に正しいとは限らないことも前提にすべきです。品質向上につなげるには、AIによるチェックと人によるレビューを組み合わせ、最終的な妥当性を確認する体制が求められます。

コスト削減 

コスト削減が、AI駆動開発によるメリットに挙げられるのはいうまでもありません。仕様書やコードのドラフト作成、テストケース作成などの定型的な作業をAIで効率化できれば、担当者が費やす工数を削減可能です。限られたリソースを、要件の検討や関係者との調整など、より判断が必要な業務へ配分できるかもしれません。

また、上流工程で認識のずれや要件の不足を早期に発見できれば、後工程での大規模な手戻りを抑える効果も期待できます。ただし、AIツールの導入・運用にも費用がかかるため、対象業務や利用規模を踏まえて費用対効果を検討する必要があるでしょう。

AI駆動開発の注意点

AI駆動開発には多くのメリットがある一方、AI特有のリスクもあります。ここでは、AI駆動開発の注意点について解説します。

ハルシネーション

生成AIは、事実と異なる内容や実際には存在しない仕様・技術情報を、もっともらしく出力することがあり、このような現象は「ハルシネーション」と呼ばれます。ハルシネーションによる誤った出力を仕様書やコードへそのまま反映すると、不具合や手戻りの原因になりかねません。

そのため、AIの出力を完成物として扱うのではなく、あくまでたたき台として利用することが重要です。要件・設計・コードなど工程ごとにレビューを設け、業務知識や技術知識を持つ担当者が内容を検証したうえで採用しましょう。

セキュリティの問題

AI駆動開発においてセキュリティに関しては危惧すべき事項であり、AIへ入力する情報の取り扱いには十分な注意が必要です。システム開発では、顧客情報や社外秘の業務情報などを扱う場合があるからです。

AI駆動開発の導入前に、利用するAIサービスのデータ取り扱い方針や契約条件、アクセス制御などを確認しましょう。入力可能な情報や禁止する情報を社内ルールとして明文化し、場合によっては利用環境を限定するなど、情報管理の仕組みを整える必要があります。

スキルの空洞化

スキルの空洞化は、AI駆動開発におけるデメリットといえるでしょう。AIがコードや設計書を生成する比率が高まると、エンジニアがみずから考えて設計・実装する機会が減り、基礎的な技術力や問題解決力が身につかなくなるおそれがあります。AIの出力に誤りがあった場合でも、担当者が判断できず、品質を担保できなくなるかもしれません。

スキルの空洞化を防ぐには、AIを使うスキルだけでなく、出力を評価・修正するための業務知識や技術力も引き続き必要です。若手人材の育成やレビューの機会を確保し、AIに任せる作業と人が経験すべき作業のバランスを検討しましょう。

AI駆動開発の導入方法

AI駆動開発は、すべての工程を一度にAI化するのではなく、対象業務を絞りながら段階的に導入する方法が現実的です。ここでは「企画・要件定義」「実装・テスト」「運用・振り返り」の3フェーズに分けて解説します。

■AI駆動開発の導入方法

フェーズ1：企画・要件定義

まずは、自然言語で整理した要望や既存の業務資料、ヒアリング内容などをもとに、AIを活用して業務フローや課題、機能要件、ユースケースなどを整理します。上流工程では情報量が多く、担当者の経験によって整理の仕方が変わりやすいため、AIをたたき台作成に活用することで検討を進めやすくなるでしょう。

AIが整理した内容は、発注者や現場担当者がレビューし、業務実態との齟齬や要求の抜け漏れがないか確認します。必要に応じてプロトタイプを作成し、完成イメージを早期に共有するのも効果的です。

フェーズ2：実装・テスト

要件定義や設計で決めた内容をもとに、AIをコード生成やテストケース作成、コードレビュー、バグ検出などへ活用します。定型的な実装やテスト準備を効率化することで、開発担当者は設計判断や複雑な処理の実装などに集中しやすくなります。

ただし、生成されたコードが要件を満たしているか、セキュリティや性能面に問題がないかは人が確認しなければなりません。AIが生成した結果を自動的に本番環境へ反映するのではなく、レビューやテストを通じて、品質を担保しましょう。

フェーズ3：運用・振り返り

リリース後は、運用や振り返りの際、運用時の問い合わせ項目整理やドキュメント更新、ログの分析などにAIを活用する方法があります。開発時に作成した要件や設計情報と運用情報をつなげることで、改修時の情報整理にも役立てられるはずです。

また、AIを利用した工程ごとに、削減できた工数や手戻りの件数、出力品質などを振り返りましょう。成果と課題を確認しながら、AIに任せる範囲やレビュー方法のほか、情報入力のルールを継続的に見直すことが、AI駆動開発を定着させるポイントです。

AI駆動開発に向いている企業

AI駆動開発は、属人化や人材不足を課題としている企業と相性が良いでしょう。具体的には、次のような企業です。

＜AI駆動開発に向いている企業＞

• 開発案件が多く、要件定義や設計を担当できる人材が不足している企業

• 特定の担当者に開発ノウハウが偏り、属人化の解消やナレッジの標準化を進めたい企業

• 新規サービス開発など、試行錯誤を繰り返しながらスピーディーに開発したい企業

要件定義や設計の進め方が担当者によって異なる企業では、AIと共通のプロセスを組み合わせることで、情報整理や成果物作成を標準化しやすくなるでしょう。また、プロトタイプを短期間で作成できれば、企画段階で検証を繰り返す開発にも活用できるはずです。

AI駆動開発に向いていない企業

AI駆動開発の導入に関して、慎重に検討すべき企業も存在します。具体的には、次のような企業です。

＜AI駆動開発に向いていない企業＞

• 機密性の高い情報を扱い、利用可能なAIサービスや情報入力に厳しい制約がある企業

• AIの出力を検証・修正できる業務知識・技術力を持つ人材を確保できていない企業

• 既存の開発プロセスや役割分担を変更することについて、社内の合意形成ができていない企業

AI駆動開発では、AIを導入するだけでなく、レビュー方法や責任範囲、情報管理など既存の開発ルールも見直す必要があります。こうした体制を整えないまま利用範囲を広げると、かえって確認工数が増えたり、品質・セキュリティ上の問題につながったりする可能性があるので注意しましょう。

AI駆動開発を始めるならAcsim導入を検討しよう

AI駆動開発は、生成AIを開発プロセスに組み込むことで、開発スピードの向上や属人化の抑制、品質向上などが期待できる考え方です。一方、ハルシネーションやセキュリティ、スキルの空洞化といった課題もあるため、AIの出力を人がレビューし、適切に判断できる体制が欠かせません。

CTC（伊藤忠テクノソリューションズ）では、AI要件定義プラットフォーム「Acsim」を提供しています。Acsimは、要件定義のフレームワークのように活用でき、業務フローの作成・分析や課題抽出から、プロトタイプ・ドキュメントの生成までを支援します。AI駆動開発の入口となる上流工程を標準化し、担当者の作業負担を軽減しながら一定の品質を担保できるのが特徴です。

まずは要件定義などの上流工程からAI活用を進め、開発プロセスの効率化・標準化につなげたいご担当者の方は、Acsimの導入をぜひご検討ください。