Everything As Code Tech LT Everything as Codeで描く、次世代の開発戦略 わいわい 2025年10月6日 下半期 

AI開発(コーディング)のレベル エメットなどによるコード補完 AIによるインラインのコード補完 AI Agentによる自律的な複数ファイルの編集 AI Agentによる長時間の自動運転 (エージェント型AI) 未来の話 

AI開発(コーディング)のレベル エメットなどによるコード補完 AIによるインラインのコード補完 AI Agentによる自律的な複数ファイルの編集 AI Agentによる長時間の自動運転 (エージェント型AI) 

AI開発(コーディング)のレベル エメットなどによるコード補完 AIによるインラインのコード補完 AI Agentによる自律的な複数ファイルの編集 AI Agentによる長時間の自動運転 (エージェント型AI) 今ここ 

AI開発(コーディング)のレベル エメットなどによるコード補完 AIによるインラインのコード補完 AI Agentによる自律的な複数ファイルの編集 AI Agentによる長時間の自動運転 (エージェント型AI) ここにシフトしたい 

・実装に必要な情報が足りていなさすぎる なぜAI駆動にシフトできないのか AIの性能的にはもっといけそう ・AI中心の作りになっていない ・コード量が多すぎる ・AIへの理解が足りない 

・どうすればAIがコードを正しく書くことができるか？ なぜAI駆動にシフトできないのか ・どうすればAIがドメイン知識を理解できるか？ ・どうすればチーム特有のルールを理解できるか？ ・どうすればインフラ構造を理解できるか？ AIを中心に考える 

大規模開発におけるAI駆動開発 Eeverything As Code 

Evrything As Codeとは すべてをコード化する バージョン管理、テスト、デプロイメントの原則を統一的に適用することで、 ネットワークインフラ、ドキュメント、構成など、開発ライフサイクルの あらゆる側面における保守性と拡張性を向上させるソフトウェア開発手法です。 引用元：https://docs.aws.amazon.com/ja_jp/wellarchitected/latest/devops-guidance/everything-as-code.html 目的 人間しか知らないことをなくす 

ソースコード 設計書(md or テキスト) インフラ情報(IaC CDK) 理想 全ての情報を同じ場所に 理想のファイル構成 全てを１つのディレクトリに もしくはGitHub等で閲覧可能に 現状 ソースコード (Github) インフラ (AWSコンソール) 設計書 (スプレッドシート) 全ての情報がバラバラの場所に 

ソースコード 設計書(md or テキスト) インフラ情報(IaC CDK) 理想のファイル構成 全てを１つのディレクトリに もしくはGitHub等で閲覧可能に 理想 現状 ソースコード (Github) インフラ (AWSコンソール) 設計書 (スプレッドシート) 全ての情報がバラバラの場所に 全ての情報を同じ場所に 

ソースコード 設計書(md or テキスト) インフラ情報(IaC CDK) 理想のファイル構成 全てを１つのディレクトリに もしくはGitHub等で閲覧可能に 理想 現状 ソースコード (Github) インフラ (AWSコンソール) 設計書 (スプレッドシート) 全ての情報がバラバラの場所に 全ての情報を同じ場所に 

・基本設計書や詳細設計書 設計書の種類 ・機能設計書や画面設計書や帳票設計書 ・テーブル定義(marmeid形式のER図) ・会議の議事録 要件定義から全て ・Chatworkのログ(APIで毎日自動転記する) 

方法その１：Gitbookでのドキュメント管理 Gitbookとは？ Markdown形式のファイルからドキュメントを作成するツールで、簡単にマークダウンから言語 の公式ドキュメントのサイトのようなUIが作成することができる。 OSSでプラグイン等も作成可能で、学習コストはあるがカスタマイズも可能 

方法その１：Gitbookでのドキュメント管理 設計書をGitに移行しマークダウン形式で記述する スプレッドシートをマークダウンで書き直すことになるのでかなりコスト高。 ただし、うまくいけば設計書すらエージェントモードで記述することが可能になるかも。 要件定義のMTGが終わった瞬間に基本設計から詳細設計まで生成AIが作ってくれるかも 

スプレッドシート 基本設計書 詳細設計書 テスト設計書 機能設計書 帳票設計書 エンティティ設計書 検索ツール 要約ツール MCPクライアント 方法その２：MCPツールの作成 Microsoft Docs MCPのようなドキュメントから直接正確な情報を検索・取得できる MCP(APIのイメージ)を作成する 設計書を取得要約するMCPクライアントを作成する 

ベクトルDB Googleワークスペース 方法その３：マークダウンに変換しRAG ベクトル化した設計書をベクトルDBで保存し,VSCodeやCursorからRAGで設計書の内容を取得する。 GASでスプレッドシートからマークダウンに変換 Embedding 

設計書(md or HTML) ソースコード 現実的にすぐ試せそうな方法... 対象機能の設計書のみマークダウンかPDFでエクスポートしローカル保存 スプレッドシートでGppgleワークスペース上に置くのではなく他形式でエクスポートしたファイルをソースコードと 同階層に置くことでEverything As Codeを実現する ここをVSCodeで開き エージェントモードを利用する 

ソースコード 設計書(md or テキスト) インフラ情報(IaC CDK) 理想のファイル構成 全てを１つのディレクトリに もしくはGitHub等で閲覧可能に 理想 現状 ソースコード (Github) インフラ (AWSコンソール) 設計書 (スプレッドシート) 全ての情報がバラバラの場所に 全ての情報を同じ場所に 

最後に エンジニア自身がAI駆動開発のスキルを 習得する必要がある 

TODOアプリを作成して 使い手によって精度が大きく変わる 期待する振る舞いを言語化できるかどうか TODOアプリを以下の条件で作成して ## 要件 -カードスタイルで2カラムのデザインに -タスクを検索できるようにして ## 技術要件 - Next.js+Laravel -Postgresを使用すること -DBはLaravelからのみアクセスする Good Bad 

言語理解 AIの理解 AI駆動開発のスキルとは？ 

AI駆動開発のスキルとは？【言語理解】 実務開発においては人間レベルの等身大しか出力はできない ※出力に対して人間が評価がきなければ品質の担保ができない AIの出力の最大値が変わる 製品レベルの大規模開発に限る 

AI駆動開発のスキルとは？【AIの理解】 解放戦力60% 解放戦力30% 

AIは楽しい！ 一緒に解放戦力をあげていきましょう！