Upgrade to Pro — share decks privately, control downloads, hide ads and more …

設計レビューとAIハーネスで向き合う AIが生み出した新しいボトルネックの対処法 / Desi...

Nstock
July 22, 2026

設計レビューとAIハーネスで向き合う AIが生み出した新しいボトルネックの対処法 / Design Reviews and AI Harnesses Against New Bottlenecks Created by AI

Nstock

July 22, 2026

Transcript

58 slides
  1. 本日お伝えしたいこと 人間と AI の責務を分け、仕組み(ハーネス)で支える 生成 AI で コードを書くコスト は劇的に下がった。だがチームの生産性は伸びない。ボトルネックは消えたのでは なく、形を変えて現れた

    その変化に対応するには、まず 人間と AI の責務を分ける。設計の合意・判断・責任の所在は人間が握り、コード 生成や検証の実行は AI に渡す 渡した範囲を 仕組み(ハーネス)で支える。仕組みが先にあれば、人間は判断そのものに集中でき、品質は保てる 2
  2. 発表者 田中 清:前半担当 Nstock 株式会社 CTO 2024年8月入社 柿木 太志:後半担当 Nstock

    株式会社 セカンダリー事業部 エンジニア 2024年8月入社 4
  3. フローは速くなったが、ストックは静かに劣化する フロー(開発プロセス) 設計 実装 レビュー デプロイ ✓ 速くなった AI が担当する範囲

    ストック(積み上がる資産) デプロイのたびに積み上がる ユーザーが使い、次の開発の⼟台になる プロダクト資産 ✗ 静かに劣化する フロー=開発プロセス:設計から実装・デプロイまでの「作って届ける」流れ。AI が速くしたのはここだけ ストック=積み上がる資産:コードベース・ドメインモデル・情報設計・運用設計。Outcome を決める 8
  4. ボトルネックは「書く速さ」から「資産を守る判断」へ 従来 要件定義 仕様策定 実装 テスト ボトルネック=エンジニアの⼿ 移動 AI 時代

    要件定義 仕様策定 実装 テスト ボトルネック=上流の合意と判断 「エンジニアを増やす」では解消しない問題が増えている 11
  5. 方針② AI と人間で、責務を分ける ⼈間が握る 不可逆な意思決定・ドメイン前提 企画 設計判断 AI実装・定型チェック が完結する 先に

    引く 実装 ユーザーに届く 定型チェック (リリース) ユーザー 境界を先引き:「人間が握る範囲」と「AI がやる範囲」の境界を、先に引いておく ※「AI ですぐ直せる」が効くのは、ユーザーに届く前まで。リリース後の負債は、作り手側の理屈では片付かない 15
  6. ハーネスの主な構成要素 Claude Code を中心に以下の要素でハーネスを構成している 構成要素 数 役割 Skills 71 コミット・PR・レビューなど手続きの定型実行

    Hooks 8 破壊的操作や機密混入を止めるガードレール Subagents 15 セキュリティ・ドメインなど領域別の専門家にタスクを委譲 MCP 連携 7 Linear・Figma・Datadog など外部システムへの接続 Docs 188 ナレッジ・ルール 108 + DBスキーマ自動生成 80 Memory - 状態を保存し、セッション開始時に自動注入 Feedback Loop - テスト・リンター・型・CI で自動評価し再試行 22
  7. AI ハーネスのイメージ図 ⼈ 依頼 結果/質問 AIエージェント (Claude Code) 呼ぶ Skills

    (71) Subagents (15) MCP 連携 (7) 参照 ⾃動で発⽕ Docs (188) Memory Hooks (8) Feedback Loop 結果を返す ⾃動評価 テスト / リンター / 型 / CI Skills/Hooks/Subagents からも Feedback を呼ぶ 23
  8. 実装イメージ PdM・デザイナー・エンジニア 意図を⼊⼒ 意図(要件・設計・受け⼊れ条件) AI ハーネス|この中で AI エージェントが⾃⾛ Docs /

    Memory / MCP ⽂脈を供給 (Linear などからも取得) ガードレール AI 実装 事故を遮断 専⾨エージェント + ⾃動テスト 評価 ⾃⼰修正ループ 成果物 エンジニア 最終承認・マージ 25
  9. コンテキストをIssueに集約し、リポジトリに反映する 合意に至るには文脈や背景の理解が重要 情報が1か所に集まることで、人も AI も文脈を拾いやすい 要件定義〜設計(PRD, Design Doc)を、1つの Linear Issue

    に記載する 大きなIssueの場合にはSub-Issuesに分割 重要な知識は実装と同時にコード側の Docs へ反映し、最終的にはリポジトリに集約 あとからも追いやすいように 38
  10. 事例: Slack の会話も、Linear の Issue に集約される Slack と Linear を連携し、スレッドから直接

    Issue を起票できる 会話の文脈が、元スレッドへのリンク付きで Issue に残る 39
  11. AIが自動評価する仕組み: 推論の過程に決定論的なチェックを埋め込む Hooks・Skills・CI が、それぞれのタイミングで自動で検査する(内容は一例) タイミング チェック内容の例 コマンド実行 deny リストで危険操作をブロック( rm

    -rf ・本番 DB・ .env 読取) ファイル編集 不可視文字の混入 / 機密情報・PII のハードコード 特定の変更 Controller・DTO → 監査ログ漏れ / 金額計算 → 型安全性 コミット テスト・フォーマット・機密情報を再チェック CI 機密スキャン・lint・テストを再実行 45
  12. 自動評価によって、AI が自律実行できる チケット 計画 計画承認 実装 PR 作成 ⼈間が判断 AI

    が実⾏ PR 監視 マージ ⾃⼰修正ループ:テスト・リンター・CI の結果を受けて、⾃分で直す ※ ⾦額計算・認証・DB スキーマなど影響が⼤きい変更は、途中でも⼈間が確認する 46
  13. まとめ: ② 人間と AI の責務を分ける 01 人が判断する部分を事前に決め、他は AI が自動評価する 02

    推論の過程に決定論的なチェックを埋め込む 03 自動評価を土台に、実装も QA も AI が自律実行する 48
  14. AI が理解しやすいよう、Docs を観点で構造化している 観点 Docs 職種 目的・背景 ドメイン Docs PdM

    UI・UX デザインシステム Docs Designer 責務境界・データモデル 設計 Docs Engineer 品質リスク・検証可能性 テスト観点 Docs QA → 結果的に、職種ごとの観点の構造になっている 50
  15. 構造化された Docs が、AI の並行作業の土台になる 1つの巨⼤なドキュメントの場合 巨⼤なドキュメント すべての知識が1か所に 観点で構造化した場合 ドメイン デザイン

    Docs Docs 設計 Docs テスト Docs Subagent Subagent Subagent Subagent Subagent Subagent Subagent コンテキストが混ざり、精度と効率が落ちる ⾃分の専⾨ Docs だけを読む → 並⾏で動ける 52
  16. AI 自身も学びを抽出して、Docs・Skills・Agents に還元する 定期実⾏で反映 (Skill) PR ごとに抽出 PR レビュー (Skill)

    学び Docs 学び・知識を反映 Skills チェックリストを改善 Agents レビュー観点を改善 次の開発・レビューの基準になる AI が参照する知識と実行する手順を、常に実装と一致した状態で保てる 53
  17. まとめ 前半: ボトルネックが「書く速さ」から「判断」へ移った。しかも、移り続ける 後半: 合意を前に倒す / 責務を分ける / 観点を分けて保つ、の3つで開発プロセスを設計した 重要なポイント

    01 AIエージェントに任せる仕組み(ハーネス)と開発プロセスの両方を整える 02 人間が対応する範囲を事前に決め、人間はそこに集中する 03 仕組みは作って終わりにせず、改善し続ける 57

More Decks by Nstock

Other Decks in Technology