AI-DLC実践録_フルサイクル開発への挑戦

by Miyuki

Embed

Start on current slide

Slide 1

Slide 1 text

AI-DLC 実践録役割の境界を越えるフルサイクル開発への挑戦

Slide 2

Slide 2 text

自己紹介古賀みゆき株式会社デジタルガレージ DG Technology本部フルスタックのWebアプリケーション開発 ● 2025年 DG参画（フリーランス→正社員） ● 現在のミッション： ○ プロダクト開発の推進（品質・速度・持続性） ○ 開発プロセス改善（スクラム運用・可視化・継続的改善） ● 価値観：心理的安全性を基盤に、アジャイルとAI で成果を最大化 ● 一児の母 ● 2

Slide 3

Slide 3 text

プロダクト紹介：アプリペイ 3

Slide 4

Slide 4 text

開発体制 4

Slide 5

Slide 5 text

Part 1 なぜフルサイクル開発なのか 5

Slide 6

Slide 6 text

やりたかったこと • ユーザーに素早く価値を届けたいでも、現実は… • 要件の判断で待ちが発生 • 伝言ゲームで実装後に認識の齟齬に気づき、手戻りが発生開発途中で待ちや認識の変換が発生し、価値提供まで時間がかかっていた 6

Slide 7

Slide 7 text

フルサイクル開発とは • 2018年にNetflix が Full Cycle Developer を提唱 • 開発者がソフトウェアライフサイクル全体に責任を持つ組織モデル “Operate What You Build”（自分が作ったものは自分で運用する）責任を外部化せず、開発チームの中に直接のフィードバックループを作る。すると運用の痛みを感じた開発者が、自ら設計やコードを改善するようになる 7

Slide 8

Slide 8 text

フルサイクル開発とは企画から運用まで一貫して担当する 8

Slide 9

Slide 9 text

当時の状況 • 若手が多いこともあり、設計はリーダー中心 • エンジニアは担当機能の実装に集中 • 要件は一度で決まらず、対話を通じて徐々に具体化される。その要件形成プロセスに、エンジニア全員が参加するイメージを持てていなかった • 結果として、全員がプロダクト全体ではなく担当範囲を見て開発していた 9

Slide 10

Slide 10 text

Part 2 AI-DLC との出会い 10

Slide 11

Slide 11 text

AI-DLC との出会い • AI-DLC Unicorn Gymに参加 • 3日間を通じてAI-DLCの流れを体験 • Day1：AI-DLCの紹介、ハンズオン、Inception開始 • Day2 ：Inception 、Construction開始 • Day3 ：Construction、デモ・成果報告 11

Slide 12

Slide 12 text

AI-DLC とは • AI-Driven Development Lifecycle（AI駆動開発ライフサイクル） • 2025年ごろにAWSの Raja SP 氏とそのチームが考案・提唱したソフトウェア開発手法 • AI開発ツールの普及を背景に、「AIを補助ツールではなく開発プロセスの中心に置く」という考え方として発表された • AIが実行し、人間が監督する 12

Slide 13

Slide 13 text

AI-DLC とは：タイムライン比較 13

Slide 14

Slide 14 text

AI-DLC とは：10 原則 14

Slide 15

Slide 15 text

AI-DLC とは：3つのフェーズ • 「何を作るか」「なぜ作るか」を定義するフェーズ • AIがビジネス要件や意図を整理し、要件・ユーザーストーリー・作業単位（Unit）へと具体化する • システムを設計・実装するフェーズ • AIがアーキテクチャ設計、コード生成、テスト作成を主導する • リリース後の運用・改善フェーズ • AIが監視やデプロイ支援、改善提案を行い、継続的にシステムを改善する 15

Slide 16

Slide 16 text

AI-DLC とは：基本的な流れ 1. AIがプランを作る 2. 人間がレビューする 3. AIがプランを修正する 4. AIがプランをもとに実行する 5. 人間が確認する 16

Slide 17

Slide 17 text

フルサイクル開発への道筋 • AI-DLCは要件定義から運用までを一貫して扱う開発アプローチ • AIが要件の整理や設計の可視化を主導する • Mob Elaboration （=関係者全員での対話を通じて要件や仕様をリアルタイムに詳細化・合意形成していく） • 「担当機能を作る人」から「プロダクトを作る人」へ役割を広げられると感じた 17

Slide 18

Slide 18 text

Part 3 AI-DLC 実践 18

Slide 19

Slide 19 text

awslabs/aidlc-workflows • AWS Labs が公開している AIDLCを実践するためのワークフロー集 • 単なるプロンプト集ではなく、AI エージェントが開発を進めるためのルール・手順・成果物の構成を定義している 19

Slide 20

Slide 20 text

土台作り：スキル全体像 20

Slide 21

Slide 21 text

土台作り： Plugin Marketplace • Plugin MarketplaceはClaude Code用の拡張機能ストアを自分で作れる仕組み • エンジニアはMarketplaceを登録するだけで、必要なプラグインを選んで使える • GitHub Private Repositoryで運用可能 • 社内限定配布ができる 21

Slide 22

Slide 22 text

土台作り：リポジトリ 22

Slide 23

Slide 23 text

土台作り：使用方法 23

Slide 24

Slide 24 text

現場での進め方 • • • • • storyスキルでユーザーストーリーを作成 mockスキルでモック作成全員でレビュー・承認 unitスキルでユニットを分割・Issue作成 context-mapスキルで並行可能な単位を探す • 小さいチームに分かれて、以下を回す • designスキルで基本設計を作成 • planスキルで実装計画を作成 • implスキルで実装・PR作成各チームをリーダーが支援

Slide 25

Slide 25 text

実践サンプル：requirements

Slide 26

Slide 26 text

実践サンプル：story

Slide 27

Slide 27 text

実践サンプル：mock

Slide 28

Slide 28 text

実践サンプル：unit

Slide 29

Slide 29 text

実践サンプル：unit（Sub-issue）

Slide 30

Slide 30 text

実践サンプル：context-map

Slide 31

Slide 31 text

実践サンプル：design

Slide 32

Slide 32 text

実践サンプル：plan

Slide 33

Slide 33 text

実践サンプル：impl

Slide 34

Slide 34 text

Part 4 どう変わったか 34

Slide 35

Slide 35 text

数字で見る変化項目 Before After ベロシティ 63 90 PR数 97 139 コミット数 490 901 オープンからマージまでの平均時間 30 55 変化 35

Slide 36

Slide 36 text

レビューリーダーに集中していたレビューが分散した 36

Slide 37

Slide 37 text

よかったこと • アウトプット量が増えた • レビュアーが分散した • モブワークにより知識の偏りが減った • チーム全体でAI活用を標準化できた • Inception フェーズから全員が関わることができた 37

Slide 38

Slide 38 text

反省：ユビキタス言語 • 設計中に言葉の揺れに気づいた • 途中で気づいたため、各種ドキュメントの修正が手間だった • ユビキタス言語を策定した後は、言葉の揺れがなくなった 38

Slide 39

Slide 39 text

反省：プロダクトへの知識 • AIに質問されて詰まる場面があった • プロダクトとビジネスへの理解や知識がないと、適切な回答ができないと感じた 39

Slide 40

Slide 40 text

気づき • 人数が多いと、どうしても発言をしない人が出てしまう • AIの出力を待つ時間がある • AI-DLCへの理解やモチベーションが人によって異なるので、AI-DLCマスターのような支援する人が必要 40

Slide 41

Slide 41 text

Part 5 未来予想図 41

Slide 42

Slide 42 text

ボトルネックの移動 42

Slide 43

Slide 43 text

役割の境界 • 役割の境界線はAIによって確実に薄くなる • AIの問いに答えるには専門的な知識は必須 • 役割はなくなるのではなく、協業していく 43

Slide 44

Slide 44 text

組織従来：ピラミッドこれから：小さな塔複数の小さなフルサイクルチーム 44

Slide 45

Slide 45 text

Part 6 学びと挑戦 45

Slide 46

Slide 46 text

3つの学び • AIは役割の境界を薄くする • ボトルネックは理解と当事者意識に移る • 鍵はAIだけでなく、組織設計にある 46

Slide 47

Slide 47 text

挑戦 • フルサイクル開発はまだまだ道半ば • AIをフル活用していく • ユーザーに素早く価値を届け、アプリペイを進化させる！ 47