AIドリブン開発の実践知 ― AI-DLC Unicorn Gym実施から見えた可能性と課題

━━━━━━━━━━━━━━━━━━━━━━━━━━━━
　　MIXI MEETUP！AI DAY 2026 - SESSION ARCHIVE
━━━━━━━━━━━━━━━━━━━━━━━━━━━━

AIドリブン開発の実践知 ― AI-DLC Unicorn Gym実施から見えた可能性と課題

AI-DLC（AI-Driven Development Lifecycle）は、AIが計画・設計を主導し、人間が意思決定を担う新しい開発スタイルです。本セッションでは、家族アルバム みてねの開発組織がAI-DLCを体験するUnicorn Gymで得た「AIと協働する開発の勘所」と「現場で感じたリアルな課題」を共有します。開発現場でのAI活用に悩む方の次の一歩になれば幸いです。

みてね事業本部/みてねプラットフォーム部
清水 勲

────────────────────────────
□セッション情報
https://mixi.connpass.com/event/380889/
□イベントハッシュタグ
#miximeetup2026
━━━━━━━━━━━━━━━━━━━━━━━━━━━━

◇◆◇ Information ◇◆◇
◎ エンジニアSNS/メディア
X
https://x.com/mixi_engineers
MIXI Developers Blog (medium)
https://mixi-developers.mixi.co.jp/
Slide (SpeakerDeck)
https://speakerdeck.com/mixi_engineers/

◎デザイン職メディア
MIXI DESIGN note
https://note.com/mixi_design/
MIXI DESIGN Cocoda
https://cocoda.design/teams/mixi-design
Slide (SpeakerDeck)
https://speakerdeck.com/mixi_design/

◎採用情報
https://mixigroup-recruit.mixi.co.jp/

HP
https://mixi.co.jp/
X
https://x.com/mixi_PR
connpass
https://mixi.connpass.com/

Transcript

1. AIドリブン開発の実践知 AI-DLC Unicorn Gym実施から見えた可能性と課題 清水 勲 みてね事業本部 みてねプラットフォーム部 ©MIXI
2. ©MIXI 自己紹介 清水 勲 (X: @isaoshimizu) みてね事業本部 みてねプラットフォーム部 部長 • 2011年 ミクシィ（現MIXI）入社 • SNS「mixi」のインフラ運用 モンスターストライクのSREなどを経て 2018年〜 家族アルバム みてねのSRE 2022年〜 SREグループ マネージャー 2025年〜 みてねプラットフォーム部 部長（SRE/CRE/セキュリティ領域） みてね経営の一員として、AIとセキュリティの推進、クラウドコストの最適化をしています
3. ©MIXI アジェンダ • 家族アルバム みてねの紹介 • AI-DLCとは • なぜAI-DLC? • みてねでのAI-DLC導入に向けた取り組み • AI-DLCを実践して見えた可能性と勘所 • 現場で感じたリアルな課題 • 今後の展望
4. ©MIXI 家族アルバム みてねの紹介
5. ©MIXI 家族アルバム みてね スマホで撮った子どもの写真や動画を家族と共有し、 コミュニケーションして楽しむ家族アルバムサービスです。
6. ©MIXI 家族アルバム みてねの利用者数推移 2015年にリリースから、7言語・175の国と地域で2,900万人 以上の方にご利用いただいています。
7. ©MIXI AI-DLCとは
8. ©MIXI AI-DLC AI-Driven Development Lifecycle
9. ©MIXI AI-DLC (AI-Driven Development Lifecycle) • AWSが提供するクラウドサービスの1つではなく、AWSが提唱する 開発手法の名称 • 2025/7/1に公開 ◦ AWS公式ブログ記事 “AI-Driven Development Life Cycle: Reimagining Software Engineering” ◦ AWSホワイトペーパー “AI-Driven Development Lifecycle (AI-DLC) Method Definition” ◦ 著者はAWS Principal Solution Architect、Raja SP氏
10. ©MIXI AI-DLC (AI-Driven Development Lifecycle) シンプルに表現すると... AIが開発全体を主導し、 人間はレビューや意思決定に集中する、 AI前提の新しい開発手法
11. ©MIXI 従来型のAIを活用した開発 従来は・・・ 人間が要件定義から設計、実装までを主導し、AIは「コードの自動 補完」など局所的なアシスタントとして使われる（AI-Assisted） これでは開発プロセス全体のスピードアップには限界がある
12. ©MIXI AI-DLCはAIが開発プロセスをコントロール AI-DLCでは・・・ AIが自ら作業計画を立て、設計案やコードを提案し、不明点があれ ば人間に質問を投げかける 人間は手を動かす作業から解放され、AIの提案に対する 「レビュー・意思決定・承認」という重要な判断に集中する。 これを開発プロセス全体に適用して、スピードアップを図る。
13. ©MIXI AI-DLCを例えると カーナビでは…（例えばGoogleマップをイメージしてみてください） 人間は「目的地を設定」し、AIが「ステップバイステップの道順を提示」する 目的地（Intent：意図）の設定は人間が行う 人間が「何を作りたいのか、どこに向かいたいのか」というビジネスの目的を設定 ルートの提案と案内はAIが行う カーナビが目的地までの最適なルートを自動で計算して道案内をしてくれるように、 AIがタスクを分解し、ステップバイステップの作業計画（道順）を作成して提案 監視と軌道修正（承認）は人間が行う 人間はカーナビが示すルートを確認・承認して進み、道中で何かあれば監視し、 必要に応じて軌道修正などを意思決定
14. ©MIXI AI-DLCの基本サイクル 1. AIがタスクの計画（プラン）を作成・提案する 2. 人間がその計画をレビューする 3. AIがフィードバックを受けて計画を修正し、実行する 4. 人間が最終的な成果物（結果）を確認・承認する これを繰り返す
15. ©MIXI AI-DLCのフェーズ 1. Inception（開始フェーズ） 2. Construction（構築フェーズ） 3. Operations（運用フェーズ）
16. ©MIXI 1. Inception 「何を作るか」「なぜ作るか」を定義する段階 • AIがビジネス目的をヒアリングして要件定義やユーザーストーリーを 作成し、開発の最小単位（ユニット）へ分割 • これをモブエラボレーション（Mob Elaboration）と呼ぶ ◦ Elaboration は”推敲”や”入念な準備”という意味 • 特定の職種に限定せず、開発に関わるすべての役割のメンバーが一堂 に会して参加 • 人間はAIの提案を検証し、承認する
17. ©MIXI 2. Construction 「どう作るか」を決定し、プログラムを構築する段階 • AIがユニットごとにドメイン設計、アーキテクチャ設計、 コード生成、テスト作成を自動でおこなう • 人間はリアルタイムに技術的な検証と承認をする
18. ©MIXI 3. Operations システムを本番環境へデプロイし、監視・保守をする段階 • AIがインフラのコード化（IaC）やデプロイの自動化、稼 働後のログ分析を通じた異常検知・改善提案をする • 人間が監督し最終判断を下す
19. ©MIXI AI-DLCのフェーズ Inception 開始 Construction 構築 Operation 運用 「何を作るか（WHAT）」 「なぜ作るか（WHY）」 を決定する 「どう作るか（HOW）」 を決定し、実装する デプロイと監視を行う
20. ©MIXI より深く知りたい場合は… 個人的おすすめ記事・スライド • AI 駆動開発ライフサイクル:ソフトウェアエンジニアリングの再構築 https://aws.amazon.com/jp/blogs/news/ai-driven-development-life-cycle/ • AWSが推進する AI駆動開発ライフサイクル入門 〜 AI駆動開発時代に 必要な人材とは 〜 https://speakerdeck.com/fatsushi/introduction-to-aidlc-and-skills • Building with AI-DLC using Amazon Q Developer https://aws.amazon.com/jp/blogs/devops/building-with-ai-dlc-using-amazon-q-developer/ 他にも様々な企業の事例が増えてきているので是非探してみてください
21. ©MIXI なぜ AI-DLC ?
22. ©MIXI AIを活用した開発の現状 • コーディングやドキュメント作成の補助ツールとしてAIを 使っていることがまだまだ多い • コードを書く時間は短縮されても、仕様の認識合わせ、ド キュメント作成、会議といった「人間同士の調整コスト」 がボトルネックとして残っている
23. ©MIXI AI-DLCへの期待 • 待ち時間の排除 AIがその場で提案やモック作成を行うため、人間側の承認 待ちや持ち帰り作業が減り、リアルタイムで意思決定がで きる • 職種の壁を越えたコラボレーション PdM・企画・デザイナー・エンジニアが同期的に作業を進 めることで、仕様の認識ズレが減少し、全員が同じ理解を 持つことができる
24. ©MIXI みてねでのAI-DLC導入 に向けた取り組み
25. ©MIXI みてねでのAI-DLC導入に向けた取り組み① AI-DLC実践型プログラムへの参加 • AWSのみなさまの多大なる協力をいただき、AI-DLCを組織的に体 験し、実際のプロダクト開発を通じてその効果を検証するための実 践型プログラム（Unicorn Gym）を実施 • 丸3日間、実際の業務課題に対してAI-DLCを適用 • みてねのほとんどの開発チームが参加し、エンジニアだけでなく、 PdM、デザイナー、UXリサーチャーなど幅広いロールのメンバー が参加 （期間中はClaude CodeやKiroを利用）
26. ©MIXI みてねでのAI-DLC導入に向けた取り組み② Unicorn Gymを踏まえて普段の業務への適用 • 複数のチームにおいて、実際の開発にAI-DLCを部分的に適用。 とはいえまだ試行錯誤の繰り返し。 • 主にInceptionフェーズで仕様やデザインの検討をおこなっている。 • フルリモートでの実践もトライ中。
27. ©MIXI AI-DLCを実践して見えた 可能性と勘所
28. ©MIXI AI-DLCを実践して見えた可能性と勘所① • 「How」から「What/Why」へ AIがコードを書く時代、人間は「何を作るか」「なぜ作る のか」というビジネスの意図 (Intent) の言語化に集中する ことになる。 • Inceptionの重要性 そもそも何を作るかという要求や要件をしっかり定義して チーム全員が集まって認識を合わせる。
29. ©MIXI AI-DLCを実践して見えた可能性と勘所② • 不確実性の高いテーマを扱う Inceptionフェーズは、既に決まっている要件をドキュメ ント化する作業ではなく、AIの提案や質問を壁打ち相手に して、チーム内の認識を揃え、不確実性を下げるプロセス として活用する。 AIのアウトプットを議論の起点にすることで、不確実な状 況下でも人間が素早く意思決定でき、要件を高速に具体化 できる。
30. ©MIXI AI-DLCを実践して見えた可能性と勘所③ • コンテキスト管理の重要性 プロジェクト固有の用語集や、適切なドキュメントの構成 がされていないとAIが適切に機能しないので、普段からAI が参照しやすいドキュメントを整備しておくこと。
31. ©MIXI 現場で感じたリアルな課題
32. ©MIXI 現場で感じたリアルな課題① AIの実装スピードが速いため、チームの誰も中身（ロジッ ク）を理解していない状態になりやすい。 「勝手にやってくれて動くから良い」というのは危険であ り、必ず誰かが理解して検証・レビューする必要がある。
33. ©MIXI 現場で感じたリアルな課題② ユーザーストーリー作成段階で、AIが細かいデザイン仕様 や技術仕様まで聞いてきてしまい、進行が止まることが あった。 フェーズに応じた適切なプロンプト設計が求められる。
34. ©MIXI 現場で感じたリアルな課題③ AIは得意・不得意がはっきりしている。 そのため、比較検討、実現性の判断、優先度付け、マネジ メント、そして最終的な品質への責任は、引き続き人間が 担う必要がある。 AIは細かい仕様を勘違いすることがあるため、人間の チェックは依然として不可欠。
35. ©MIXI 現場で感じたリアルな課題④ 人間同士で長く議論して進行が止まってしまう場面がある。 早い段階でAIに投げるなど、AIを効果的に巻き込むタイミン グの判断が必要。
36. ©MIXI 現場で感じたリアルな課題⑤ あまりに小規模な開発にはAI-DLCのプロセスはオーバー ヘッドが大きい。 AI-DLCが適した規模を見極めて適用していく必要がある。
37. ©MIXI 今後の展望
38. ©MIXI 今後の展望 • Unicorn Gymでの学びを土台に、みてねの働き方・組織体制に合わせてカ スタマイズした「みてね版AI-DLC」を定義していく。 • オンサイトでのモブワークに加え、リモートワーク環境でのモブワークや、 さらに上流の課題探索フェーズへの適用など、みてね固有の課題を解きなが らアップデートし続ける。 • あらゆる職種の全メンバーがAIを使いこなす「AIネイティブな組織」を目 指し、並列度を上げて、ユーザーに価値を届けるリードタイムを大幅に減ら していく（試行回数を増やす）。 • いままで以上に人間のレビューやチェックがボトルネックになっていく。AI によるレビューやチェックの可能性を探っていきたい。
39. ©MIXI ありがとうございました
40. ©MIXI