AIにコードを書かせるだけでは足りない AI駆動開発で問われる価値・業務・判断の設計力

AIを真の意味で企業の競争力につなげるため、AI駆動開発を支える仕様やハーネスの考え方などを解説したセッションを紹介する。

木村 慎治

6:00

昨今、生成AIやAIエージェントの活用が広がっているが、その一方で、AIにコードを書かせればそれだけで企業の競争力につながるわけではない。「インプレス AI Days 2026」のエキスパート講演では、グロース・アーキテクチャ&チームス(Graat)代表取締役社長の鈴木雄介氏が、AI駆動開発を支える仕様やハーネスの考え方、人材育成への影響、組織の意思決定プロセスまでを解説した。AI時代には、モデル選びだけでなく、自社の価値・業務・判断基準をどう設計し、AIと組織の仕組みに落とし込むかが問われる。

AI駆動開発では「コードを書く」より、仕様とハーネスの設計が重要になる

講演の冒頭、鈴木氏はAI駆動開発を考える前提として、まずAIエージェントの捉え方を整理した。

まずAIエージェントについて、自身が考えるシンプルな捉え方として「AIモデルとAIハーネスを組み合わせたもの」と説明した。AIモデルが入力に基づいて確率的に推論・生成するのに対し、AIハーネスは目的や組織、業務に合わせてAIを望ましい形で働かせるため、その周囲に設計・維持する仕組みや設定の総体である。

現在の有力な開発手法として紹介したのが、仕様駆動開発(Spec-Driven Development:SDD)である。人間がビジネス要求を理解し、AIと対話しながら要求を分析してSpec(仕様)に具体化する。AIはそのSpecを基準に計画を立てて実装・検証を進めるが、そのプロセスの途中では人間による評価と調整が欠かせない。

「人間がコーディングをしないとしても、設計というプロセスではAIと人間が一緒に進めていく。これが大きな考え方です」

良いSpecは要求が明示的かつ構造的で、人間とAIの双方が同じ意味で解釈できる必要がある。一方「今回、何を作るか」はSpecに置き、「毎回、どのようなやり方や制約で生成させるか」はハーネス側に持たせる。そこにはコーディング規約だけでなく、業務・システム知識、開発プロセス、アーキテクチャ、アクセス権やデータ境界などのガードレールも含まれる。

こうしたハーネスを設計・調整・改善するのが「ハーネスエンジニアリング」である。鈴木氏は、個人の工夫で終わらせず、チームや組織の資産として管理する重要性を強調した。さらにAI駆動開発では、共通基盤を整える「AI基盤エンジニア」と、AIを使ってプロダクトを開発する「AI駆動開発エンジニア」のような役割が生まれる可能性も示した。名称は今後変わり得るが、AIモデルを選ぶだけでなく、企業側が仕様とハーネスをどう設計するかが重要になる。

AI駆動開発とは:Specは「何を作るか」、ハーネスは「どう作らせるか」を定める

AI駆動開発とは:Specは「何を作るか」、ハーネスは「どう作らせるか」を定める

企業固有の知識や判断を蓄積する「ハーネス」は資本にも負債にもなる

AI駆動開発を組織として考えるうえで、鈴木氏がまず取り上げたのがハーネスの扱いである。前項ではチームや組織の資産として管理する重要性を示したが、さらに一歩進め、将来の生産や価値創出に利用できる「資本」になり得ると説明した。

鈴木氏は、Microsoftのサティア・ナデラ氏が定義した言葉だとして「トークン資本」を紹介した。これは単にAIモデルのトークンを大量に持つという意味ではない。企業固有の知識や判断、評価基準、仕事の進め方などを、AIが利用できる形で資産化したものを指し、AI駆動開発では広い意味でのハーネスがその一つの形になるという。

その源泉となるのが人的資本である。人が持つ知識や判断基準、創意工夫といった暗黙知を形式知化してハーネスに組み込み、AIに利用させる。そこで得た問題や気付きを再び形式知として反映する。鈴木氏は、この「学びのループ」によって人間自身も成長し、人的資本とトークン資本が複利的に増えていくと説明した。

一方、ハーネスは作ればよいわけではない。「『よし、ハーネスを整備しよう』となるんですが、ハーネスは負債にもなり得ますよね、という話です」

組織とハーネス:ハーネスも、統制や保守を欠けば企業の「負債」になり得る

組織とハーネス:ハーネスも、統制や保守を欠けば企業の「負債」になり得る

統制されない資産は陳腐化し、維持コストやリスクを増やす。ハーネスも適切にメンテナンスしなければ負債化しかねない。特にAIでは、プロンプトインジェクション、サプライチェーン攻撃、過度な権限委譲なども考慮する必要がある。その一方で、リスクを恐れて極端に抑制すれば、時代遅れになる危険もある。

そこで示したのが「ハーネスのプラットフォーム化」である。コーディングエージェント基盤が提供する部分、企業共通のハーネス、特定システムに依存する個別ハーネスと層を分けて共有・管理する。どこまで共通化するかはまだ曖昧だが、まずはセキュリティ、認証・認可、監視、承認などの統制を中心に整備が進んでいるという。

「資本としてうまく組織でコントロールしていくのは、個別のエンジニアがどうこうすることではなく、組織が考えることだと思っています」ハーネスを資本として育て、負債化させずに維持するには、技術だけでなく組織としての統制や共有の仕組みまで設計する必要がある。

AIが成果物を作るほど人が育つ「過程」が失われる

ハーネスを組織の資本として育てる一方で、AI活用は人材育成にも新たな問題をもたらす。鈴木氏がその一例として挙げたのが「ワークスロップ」である。これは、一見するともっともらしいものの、実際の仕事では役に立たないAI生成物を指す。成果物の良し悪しを判断できないまま利用すれば、結局は別の人が修正することになり、組織全体では生産性が下がる可能性がある。

組織と人材:AIが成果物を生むほど、人が試行錯誤から学ぶ機会は失われやすい

組織と人材:AIが成果物を生むほど、人が試行錯誤から学ぶ機会は失われやすい

AIを使いこなすには、生成された成果物を正しく評価する知識や理解が必要になる。しかし、従来、人は試行錯誤しながら成果を生み出す過程を通じて知識や判断力を身につけてきたのに対し、AIはその過程を飛び越えて成果物を提示できる。「成果物に習熟する機会をAIが奪っているというのが、今すごく言われ始めているところです」

鈴木氏は、この問題を学生や若手だけではなく、あらゆる人材に起こり得ると指摘する。AIがいきなり答えを出せば、その意味や、なぜその答えに至ったのかを理解しないまま先へ進む可能性がある。成果物を評価する力が必要なのに、その力を育てる過程をAIが省いてしまうというジレンマである。

解決策に「正解はない」としたうえで、鈴木氏は一つの仮説として、熟練者の「仕事の仕方」をハーネスに組み込み、ジュニア人材がAIエージェントを使って実践する方法を示した。実践から不足する知識に気付き、熟練者に尋ねることで、暗黙知を学ぶ機会を作る考え方である。

講演では、KDDIのau PAYサービス開発チームと取り組んだ、要件定義工程を支援するAIエージェントの事例も紹介された。「良い要件定義とは何か」をエージェントに持たせ、企画メンバーがAIとのやり取りを通じて要件を精査していく。Graatの公開事例でも、au PAYサービス開発チームにおける要件定義やバックログ作成を支援する取り組みとして紹介されている。「熟練者しか使えないハーネスを作ってしまうと、よくないんですね。組織の多くの人が使えるように設計することが、すごく大事です」熟練者の知識をAIへ取り込むだけでなく、多くの人が利用し、考え、学べる仕組みにすることまでが、人材育成では重要になる。

実装だけ速くしても企業は速くならない ――AI時代に必要な「組織的意思決定」の設計

AI駆動開発によって実装チームの生産性が上がっても、それだけで組織全体の価値創出サイクルが速くなるわけではない。鈴木氏は、企画や業務設計、品質保証、運用などの前後工程が従来のままであれば、実装を高速化しても「そのボトルネックが移動するだけ」だと指摘した。アジャイルやクラウド、マイクロサービスでも似た課題はあったが、AI駆動開発はそのギャップをさらに広げる。

そこで取り上げたのが「構造的無能化」である。企業は企画、開発、品質、管理などに分かれ、それぞれ合理的に仕事を進めている。しかし、各部門が個別最適を進めれば進めるほど、組織全体では全体最適が難しくなる。AIが業務の合理性を変えても、既存の組織構造やプロセスは簡単には変わらないためである。

では、どう対応するのか。鈴木氏が示したのは、単純に現場へ権限を委譲するのではなく、「チームが欲しいタイミングで、組織が意思決定できるようなプロセスを作る」という考え方である。「むしろ、チームが欲しいタイミングで組織が意思決定できるようなプロセスを作る。この逆転の発想が良いと思っています」

例えば半年後のリリースを目指すなら、そこから逆算して調整、設計、実装、テストをいつ行う必要があるのかを整理し、タイムボックスを設定する。部門を超えてプロセスを可視化し、必要な時期に意思決定できるようにする。鈴木氏はこれを「組織的意思決定プロセスを設計する」と表現した。

ここで重要なのは、他部門を単に「遅い」と見るのではなく、それぞれの合理性を理解することである。「それぞれの合理性をちゃんと理解した上で、全員にとって効率的な方法は何なのかを考える。それは話し合いの中でしか出てきません」ビジネス側にも品質部門にも、それぞれの事情がある。部門横断で理解し、現状から段階的にルールを変えていく必要がある。

講演の最後に鈴木氏は、他社の成功事例をそのまま自社へ持ち込めばよいわけではないと強調した。どんな価値を生み出したいのか、どの業務にAIを使うのか、または使わないのか、どんな判断基準を重視し、組織構造やプロセスをどう変えるのか。それぞれの企業が自ら考える必要がある。「我々は何を変えるべきか、我々は今どういう状態なのか、という議論をぜひ社内でしていただきたいと思っています」

さいごに:AI時代に問われるのは、自社の価値・業務・判断をどう設計するか

さいごに:AI時代に問われるのは、自社の価値・業務・判断をどう設計するか

重要なのはAIを導入することだけではない。自社が生み出したい価値を起点に、業務と判断基準を明確にし、それに合わせて組織のプロセスまで設計する。そこに「価値・業務・判断の設計力」がある。

人気記事トップ10

人気記事ランキングをもっと見る

企画広告も役立つ情報バッチリ! Sponsored