AI駆動開発の成功と失敗 クラスメソッドの実践事例集

Transcript

1. AI駆動開発の成功と失敗 クラスメソッドの実践事例集 クラスメソッド株式会社 横⽥聡
2. 0.1 会社概要 独⽴系⾮上場企業として、クラウド‧データ‧AIで企業のビジネス成⻑を⽀援 企業情報 設⽴：2004年7⽉7⽇ 所在地：東京都港区⻄新橋 1-1-1 ⽇⽐⾕フォートタワー26 階 代表取締役：横⽥ 聡 従業員数：約850名（2025年7 ⽉、グループ全体） 資本⾦：1億円 企業形態：独⽴系⾮上場企 業、無借⾦経営 業績（第21期‧2025年6⽉期） 売上⾼：951億円（前年⽐ +23%） 営業利益：79億円（前年⽐ +22%） 経常利益：79億円（前年⽐ +11%） 当期純利益：52億円（前年⽐ +9%） ⾃⼰資本⽐率：61.8% 顧客数：5,000社以上 拠点‧事業内容 国内9拠点：東京、札幌、仙 台、上越、名古屋、⼤阪、広 島、福岡、沖縄 海外6拠点：ベルリン、バン クーバー、バンコク、ソウ ル、ダナン、クアラルンプー ル 主要事業：クラウド （AWS）、データ分析、⽣成 AI、アプリ開発、IT⼈材育成 Classmethod, Inc. All Rights Reserved. 1
3. 0.2 企業理念‧ビジョンと強み オープンな発想と⾼い技術⼒で、すべての⼈々の創造活動に貢献 企業理念‧ビジョン 企業理念：オープンな発想と⾼い技術⼒によって すべての⼈々の創造活動に貢献し続ける 技術で未来を共創：顧客と共に挑戦し、クラウド ‧AI‧データで新たな価値を創造 技術者集団として進化：最新技術を探求し、失敗 を恐れず実践 ナレッジの共有：DevelopersIOで知⾒を公開 し、技術コミュニティに還元 強み 社員70%がエンジニア‧技術者集団：週末も新 技術を試す探求⼼。CEOが先頭に⽴ち、全社で AI‧新技術に挑戦 内製⽂化とフルスタック実践⼒：企画‧開発‧運 ⽤を⾃社で完結。⾃ら実践した技術を顧客に展開 国内外15拠点でグローバル展開：海外6拠点（ベ ルリン、バンクーバー、バンコク、ソウル、ダナ ン、クアラルンプール）で多国籍プロジェクトを 推進 AWS Global Top Partner：最上位パートナーと して5,000社以上の変⾰を実現 DevelopersIO‧Zenn運営：2,000件以上のAI記 事を公開。技術コミュニティに知⾒を還元 Classmethod, Inc. All Rights Reserved. 2
4. 0.3 主要サービス領域 クラウドからAIまで、ワンストップで技術⽀援 ①クラウドサービス（AWS特化） AWS移⾏‧統合：クラウドインフラ設計‧構築 セキュリティ設計：コンプライアンス対応 コスト最適化：運⽤費削減⽀援 トレーニング：社内エンジニア育成 ②デジタル変⾰（DX） モバイル‧ネイティブアプリ開発 IoTアプリケーション開発 DevOps⽀援：CI/CD構築 UI/UX‧サービスデザイン ③データ＆アナリティクス データ基盤構築：データレイク‧DWH構築 データ活⽤コンサル：データ戦略⽴案 機械学習実装：推薦システム、顧客分析 データ初期診断：データ品質評価 ④⽣成AI‧AI駆動開発 ⽣成AI導⼊⽀援：業務プロセス最適化 AI駆動開発サービス：開発⼯数削減 AI環境構築：AIインフラ整備 ビジネスプロセス最適化：AI活⽤で効率化 Classmethod, Inc. All Rights Reserved. 3
5. 0.4 主要顧客実績 業界横断で5,000社以上の企業にクラウド‧AI‧データ活⽤を⽀援 製造業‧公共‧医療分野 製造業：第⼀興商の⽣産管理システムクラウド 化、キッツの品質検査AI構築など、予知保全 ‧IoTデータ活⽤‧⽣産ライン可視化によるス マートファクトリー化を⽀援。 公共‧⾃治体：名古屋市上下⽔道局のインフラ データ管理クラウド化、上越市の⾏政システム移 ⾏など、⾃治体クラウド‧オープンデータ基盤 ‧AI-OCRによる⾏政DXを推進。 医療：くすりの窓⼝の⽣成AI活⽤⽀援、電⼦カル テ分析‧医療画像AIなど医療業界のデータ活⽤を 推進。 ⾦融‧⼩売‧ゲーム‧サービス分野 ⾦融：三菱UFJ銀⾏のAI‧データ基盤構築、与信 審査AI‧不正検知‧チャットボットなど⾦融業界 のAI活⽤を推進。 ゲーム：クラウドインフラ構築とゲームバランス AI、プレイヤー分析、⽣成AIコンテンツ制作を⽀ 援。 ⼩売：スターバックスのデジタル変⾰、KOKUYO の⽣成AI活⽤など需要予測‧在庫最適化‧顧客分 析を⽀援。 サービス業：飲⾷‧宿泊‧エンタメのDX⽀援と して予約管理‧顧客管理‧業務効率化AIを提供。 Classmethod, Inc. All Rights Reserved. 4
6. 0.5 ⽣成AI⽀援の実績と事例 AI Experience Center開設、100社以上の導⼊実績、5年間で1,000社⽀援へ Classmethod AI Experience Center 2025年10⽉にAI推進の専⾨組織を設⽴。5年間で 30億円を投資し、新たに1,000社のAI導⼊⽀援を ⽬標に掲げる。既に100社以上の⽣成AI基盤設計 ‧構築を⽀援。2025年7⽉にはAnthropic社と戦 略提携を締結。 主要サービス AI-StarterはAmazon Nova、Claude、GPT、 Geminiに対応したマルチAIプラットフォーム。 らくらくRAG導⼊パックで社内ナレッジ検索AIを 提供。最短1ヶ⽉、平均3ヶ⽉での導⼊を実現。 コクヨ株式会社の事例 全従業員向け⽣成AI環境KOKUYO AI Chatを構 築。社員から3,000件のAIアイデアを収集し、 GPT-Labで16個の業務アプリを開発。全社でAI活 ⽤⽂化を醸成。 その他の導⼊事例 オプテージは社内問い合わせチャットボット、く すりの窓⼝はChatGPT4 Slackアプリを1ヶ⽉で導 ⼊。三井住友トラストクラブで⽣成AI活⽤ワーク ショップを実施。名古屋市上下⽔道局、第⼀興 商、キッツ、上越市など公共‧製造業でも導⼊。 Classmethod, Inc. All Rights Reserved. 5
7. 0.6 クラスメソッド社内でのAI活⽤実践 社員の90%がAIを⽇常利⽤、全社でAI駆動開発を実践 全社AI環境の整備 AI-Starter全社導⼊：Claude、GPT、Gemini、 Nova等を全社員が利⽤可能 社員の90%がAIを⽇常利⽤：⽇常業務‧開発で実 践 社内ヘルプデスク設置：質問‧相談に即座対応 AIDD Boost Team結成 2025年6⽉結成：部⾨横断で約20名参加。AI駆動 開発を実践推進 Claude Code/Devin/Cursor活⽤：最新AIコー ディングツールを実践活⽤。Zennプロジェクト で70-80%をAI実装 30件以上の問い合わせ：サービス開始後の反響 社内教育‧⽂化醸成 AIツール実践研修：Claude Code、Cursor、 Cline等のワークショップを定期開催 セキュリティ研修：安全なAI活⽤ CEOが先頭に⽴つ：新AIツールを試しSlackで共 有 部⾨間⽀援‧知⾒共有 エンジニアが⾮技術部⾨を⽀援：バックオフィス ‧営業のAI活⽤をサポート DevelopersIO：2,000件以上のAI記事を公開 AI Talks（CATs）：コミュニティで知⾒を共有 Classmethod, Inc. All Rights Reserved. 6
8. 1.1 本セッションについて AI駆動開発の実態を包み隠さず共有 クラスメソッド社内で実際に経験された 100名以上 のエンジニアの事例 成功事例 10カテゴリ：ドキュメント作成、プロトタイピング、未経験技術習得、コード理解、テス ト、セキュリティ、実装効率化、AI協働、コミュニケーション、⾒積もり 失敗事例 7カテゴリ：理解不⾜、AI特有の問題、要件齟齬、品質低下、環境制約、AI出⼒品質、その他 課題 理想論ではなく、リアルな現場体験を包み隠さず共有します Classmethod, Inc. All Rights Reserved. 7
9. 1.2 はじめに 前提知識：ソフトウェアエンジニアリングとは ソフトウェアエンジニア：ソフトウェアのライフサイクル全体（企画、設計、開発、運⽤、保守な ど）に責任を持つ専⾨家 ソフトウェアエンジニアリング：⾼品質なソフトウェアを効率的かつ期限内に開発‧維持‧管理する ための⼯学分野 品質と効率性の追求：品質が⾼く、低コストで、期限内に完成するソフトウェアを開発‧保守 知識体系：要求、設計、構築、保守、構成管理、管理、管理プロセス、ツール、技法、品質の10の主 要な知識領域 現代的な役割：DX推進において、企画から製品‧サービスを具体化し、デジタル技術を活⽤した事業 創出を担う Classmethod, Inc. All Rights Reserved. 8
10. 02 成功事例 Classmethod, Inc. All Rights Reserved. 9
11. 2.1 成功事例カテゴリ⼀覧 10カテゴリの実践事例 1. ドキュメント‧設計書作成：詳細設計書の⾃動⽣成、AWS→GCPマニュアル移植 2. プロトタイピング‧PoC開発：数⽇→数時間のスピードアップ、未経験サービスでの⾼速化 3. 未経験技術の習得：Terraform未経験から1.2万⾏を1時間で実装、ゼロからのキャッチアップ 4. コード理解‧引き継ぎ：分散リポジトリの分析、100万トークンで15,000⾏を⼀度に把握 5. テスト‧デバッグ：テストカバレッジ85%以上を達成、AIとの対話でデバッグ 6. セキュリティ‧品質管理：/security-reviewコマンド、脆弱性ポリシーの設計 7. 実装効率化：使い捨てコード開発、43個のLambda関数で70%削減 8. AI協働スタイル‧ツール活⽤：commit hashベースの指⽰、CLAUDE.mdで知識永続化 9. コミュニケーション‧要件整理：伝達能⼒の向上、業界知識の活⽤ 10. ⾒積もり‧要件定義：AIを活⽤した⾼精度＆⾼速⾒積もり Classmethod, Inc. All Rights Reserved. 10
12. 2.2 ドキュメント‧設計書作成 AIによる詳細設計書⽣成とマニュアル移植 事例1：既存コードから詳細設計書を⾃動⽣成（⼯数70%削減） 製薬企業向けコンテナセキュリティ基盤構築プロジェクト 既存の実装コード（Terraform, GitHub Actions）をAIに読み込ませ、実装に忠実な詳細設計書を⾃動 ⽣成 フローチャート、技術仕様、監視設計まで包括的に⽣成。従来3-4時間 → 90分 事例2：AWS→GCPマニュアルの構造解析と移植（90分で完了） ⾦融機関向けGoogle Cloud管理マニュアル策定プロジェクト PDFマニュアルをマークダウン変換し、AIに構造を解析させてGCP向け⽬次案を⽣成 AWS特有の内容削除、GCP固有の内容追加を⾃動提案。全章⽬次案作成が従来半⽇以上 → 90分 Classmethod, Inc. All Rights Reserved. 11
13. 2.3 プロトタイピング‧PoC開発 プロトタイプ開発を数⽇から数時間へ劇的に短縮 事例1：案件提案‧PoC開発（数⽇→数時間） 従来なら数⽇かかっていたプロトタイプを数時間で作成 完成物ベースでお客様と議論を進められ、認識齟齬が早期に解消 具体的な動くものを⾒せることで意思決定が格段に速くなる 事例2：未経験サービスでのPoC⾼速化（Google Cloud等） レコメンド‧AIエージェント開発プロジェクト 普段触らないサービスを組み合わせたPoCを⾼速に作成 動くところまで⾒せられるので、お客様との議論がスムーズに進み、フィードバックを早期に得られ た Classmethod, Inc. All Rights Reserved. 12
14. 2.4 未経験技術の習得 AIの⽀援で未経験技術を⾼速にキャッチアップ 事例1：Terraform未経験からAWSインフラ構築（1.2万⾏を1時間で実装） Claude Codeにパラメータシートを読み込ませて実装、デプロイエラーもAIが修正 複数環境（開発、ステージング、本番）向けのIaC作成を⾼速化 Terraformのベストプラクティスに沿った実装を実現 事例2：Google Cloud＋Terraformをチーム全体でゼロからキャッチアップ AIエディタのコード⽣成とGemini Deep Researchを活⽤ トラブルシューティングをAIに任せることで迅速な問題解決 未経験の技術スタックでもプロジェクトを進められた Classmethod, Inc. All Rights Reserved. 13
15. 2.5 コード理解‧引き継ぎ ⼤規模コードベースの迅速な理解と引き継ぎ 事例1：分散リポジトリをまとめて分析してオンボーディング⾼速化 複数のリポジトリとドキュメントを⼀つの上位ディレクトリにまとめてClaude Codeに分析‧説明さ せた AIによる関係性の分析により、リポジトリ⾃体を汚さずにメモリーとして残せる 事例2：引き継ぎと追加開発の同時進⾏（15,000⾏を⼀度に把握） LINEミニアプリ案件で前ベンダーからの引き継ぎと追加開発が同時進⾏ AIの100万トークンの巨⼤コンテキストにより15,000⾏のコードベース全体を⼀度に把握 お客様のUATで実装不備が発覚した際、指摘を受けた当⽇中に修正完了し、再テストで全項⽬Pass Classmethod, Inc. All Rights Reserved. 14
16. 2.6 テスト‧デバッグ テストコード⽣成とAI対話デバッグ 事例1：テストコードは100%AI任せにして時間を80%削減 全プロジェクトでテストカバレッジ85%以上を達成（テストコード135,000⾏） テストコード作成はパターン化されており、AIの最も得意な領域 境界値、異常系、正常系の網羅的なテストケース⽣成。pytest-xdist並列テスト環境構築まで⾃動化 事例2：AIとの対話でデバッグ Slack通知mrkdwn形式問題：AIがMarkdownとmrkdwnの違いを指摘 Trusted Advisorメタデータインデックス問題：ログ追加→エラー分析→metadata[4]→[12]の特定 対話的に問題を絞り込めるため、複雑なバグを短時間で特定‧解決 Classmethod, Inc. All Rights Reserved. 15
17. 2.7 セキュリティ‧品質管理 ⾃動セキュリティチェックと脆弱性ポリシー設計 事例1：/security-reviewコマンドによるセキュリティチェック AIを使ったシステム開発の研修や伴⾛⽀援プロジェクト Claude Codeの/security-reviewコマンドによる網羅的なセキュリティチェック AIが⽣成したコードのサニタイズ漏れを検出。APIキーのハードコーディングなど⾃動チェックで防⽌ 事例2：Sysdig脆弱性ポリシーの設計‧実装 製薬企業向けコンテナセキュリティ基盤構築プロジェクト CVSS、CISA KEV、EPSSスコアを組み合わせた標準‧厳格ポリシーをAIと協働設計 Terraform Providerのschema解析をAIが実施。試⾏錯誤なしで⼀発実装完了、terraform apply成功 Classmethod, Inc. All Rights Reserved. 16
18. 2.8 実装効率化 使い捨てコードと共通化パターン 事例1：ワンショット‧使い捨てコードに全⼒投⼊ 障害対応スクリプト（467⾏）、データ移⾏ツール、検証⽤PoCなどに活⽤ ⻑期メンテナンス不要なので、60点コードでも実⽤上問題ない。OpenSearch障害対応スクリプトを 即座に開発 事例2：類似処理のパターン化‧共通化（43個のLambda関数で70%削減） AWSセキュリティ設定など重複処理の共通化（基底クラス）をAIが提案 「この繰り返し処理、共通化できない？」とAIに相談 AIが基底クラス設計を提案し、⼈間が承認、AIが実装という流れ。⼤幅なコード削減と保守性の向上 を実現 Classmethod, Inc. All Rights Reserved. 17
19. 2.9 AI協働スタイル‧ツール活⽤ commit hashベースの指⽰とCLAUDE.md活⽤ 事例1：commit hashベースでの指⽰ OSSプロジェクト開発で「commit hash xxxxxxxxxx を参照して、同じ⽅針で path/to/file.ts を変更し てください」というプロンプト AIはcommit hashからdiffを取得できる。注⽬して欲しい箇所のbefore/afterを簡単かつ正確にAIに伝 えることができる 事例2：CLAUDE.mdで知識を永続化 総計41,334⾏のプロジェクト知識をCLAUDE.mdに蓄積 会話履歴は約1ヶ⽉で⾃動削除されるが、CLAUDE.mdは永続的に残る Git管理によりチーム共有可能、AI協働のベストプラクティスが組織資産に Classmethod, Inc. All Rights Reserved. 18
20. 2.10 コミュニケーション‧要件整理 伝達能⼒の向上と業界知識活⽤ 事例1：要件を伝える能⼒の向上 適当に指⽰すると品質が悪いので、要点をちゃんと伝える能⼒が逆に対⼈より⾝についてきた 仕事上でもチームメンバーにそういったことを注意するようになってきた AIとのやり取りを通じた伝達能⼒の向上が、対⼈コミュニケーションへ波及 事例2：業界知識‧⽤語解説による理解深化 AIは⾃分よりも専⾨知識があったり、意外とドメイン知識を持っていることがある ⽣成AIにお客様の業界の知識や⽤語を解説させることで、⾃分の理解が深まる その内容をもとに、⽣成AIへのプロンプトを考えさせたり、メタデータとして抽出するべき項⽬を考 えせたりできた Classmethod, Inc. All Rights Reserved. 19
21. 2.11 ⾒積もり‧要件定義 AIを活⽤した管理画⾯の⾒積もり プロジェクト：⼩売業界 v0+Claude Codeを活⽤し1機能を実案件レベルで⾼速にサンプル開発 それを基準に他の機能の複雑度から⾃動で⼯数を算出するロジックを構築 実際のサンプル開発による基準作成 複雑度ベースの⼯数算出 ⾼精度＆⾼速な⾒積もり提案が可能に Classmethod, Inc. All Rights Reserved. 20
22. 03 失敗事例 Classmethod, Inc. All Rights Reserved. 21
23. 3.1 失敗事例カテゴリ⼀覧 7カテゴリの失敗と学び 1. 理解不⾜‧設計不⾜による失敗：理解負債の蓄積、コードベースの破綻 2. AI特有の問題による失敗：ライブラリ移⾏トラブル、AIの勝⼿な⾏動と指⽰の無視 3. 要件‧仕様齟齬による失敗：計画書の漏れ、必須/任意の認識齟齬 4. コード品質低下による失敗：規模に沿わない重すぎる機能、冗⻑なコード量産 5. 環境‧制約理解不⾜による失敗：環境差異の考慮不⾜、特殊環境への理解不⾜ 6. AI出⼒の品質と規約遵守の課題：実⾏不可能なコード、規約違反、変更範囲の肥⼤化 7. その他の失敗‧課題：オーケストレーション処理の難しさ、AIへの過信 Classmethod, Inc. All Rights Reserved. 22
24. 3.2 理解不⾜‧設計不⾜による失敗 理解負債の蓄積 事例1：理解負債の蓄積 ⼈間が実装を理解していない場合、コードベースが⼤きくなるほど修正に時間がかかる ⽣成されたコードの「なぜそう実装されているか」が不明瞭。PoCでは有効だがプロダクションレベ ルでは⽣成コードの理解の⽢さがリードタイム遅延につながる 事例2：コードベースの破綻 OSSプロジェクト開発である時点で限界を迎えた 機能追加が安定しない、バグの内容を伝えても直せない、何時間作業させてもFailしたテストを通せな い 設計について指⽰をしていなかった、コードを⾒ないと設計の指⽰を出すのは困難 ⼈間が設計に対して責任を持たなかったことが失敗要因 AIが⾃⼰判断でリファクタリングすることがユーザーにとって快適なのかはわからない Classmethod, Inc. All Rights Reserved. 23
25. 3.3 AI特有の問題による失敗 paths-filterライブラリの移⾏トラブル 事例1：paths-filterライブラリの移⾏トラブル 製薬企業向けコンテナセキュリティ基盤構築プロジェクト git diffベースの⾃作実装がPR環境で動作せず、paths-filterライブラリへの移⾏を決断 しかしbaseパラメータ理解不⾜で再度エラー。AIが公式ドキュメントの詳細を⾒落とした 学び：ライブラリ移⾏時は公式ドキュメントを必ず⼈間が確認すべき 事例2：AIの勝⼿な⾏動と指⽰の無視 確認なくコミットやデプロイ（npm run deploy）を実⾏する 「1ファイルずつ精査して」を無視してgrepで検索し「確認しました」と報告 テスト失敗時、カバレッジ⽬標の引き下げ（90%→50%）やテストスキップ（it.skip）を提案 学び：ルール（CLAUDE.md）に「明⽰的指⽰がある場合のみ」と記載 「grepは使うな」と具体的に制限し、品質の妥協を禁⽌する Classmethod, Inc. All Rights Reserved. 24
26. 3.4 要件‧仕様齟齬による失敗 計画書に漏れがあり処理をスキップした プロジェクト：顧客チャットbotへ議事録⽣成の追加実装 計画書に漏れがあり、2つの処理をスキップして実装（処理時間が短く判明） 計画書の不完全性とレビュー不⾜が失敗要因 学び：計画書の内容を丁寧にレビューすることが重要 実装を任せるだけでなく、コードを理解することで成⻑につながる プロジェクト：LINEミニアプリ案件 誕⽣⽇を必須項⽬として実装したが、実際は任意項⽬だった（既存システムでも任意） 既存システム仕様がAIに渡されず、「既存を踏襲」という暗黙ルールを把握できなかった AIは⼀般的なベストプラクティスとして⽣年⽉⽇を重要項⽬として扱う傾向がある 学び：既存システムのAPI仕様書を明⽰的にAIのコンテキストに含める ビジネスルールや制約は、ドキュメント未記載でもAIへの指⽰として明確に⽂書化が必要 Classmethod, Inc. All Rights Reserved. 25
27. 3.5 コード品質低下による失敗 規模‧要件に沿わない重すぎる機能 事例1：規模‧要件に沿わない重すぎる機能 内部ツール開発で、ロクに⽣成結果⾒ずに全部AIまかせしてたら、⾃分と数⼈が使うだけのツールな のにheavyなフレームワーク、OAuth2認証、いらない機能を⼊れようとしてきた 学び：定期的なリファクタリング、unit test必須（TDD）、⽣成コードは⾃分で⾒る 最近はclaude codeの成果物をcodexにレビューさせてる 事例2：冗⻑なコード量産 データ基盤構築のテンプレート作成プロジェクト AIが⽣成したコードが動作してしまうため、レビューや検証のモチベーションが低下 設計意図に沿っていない実装や冗⻑なコードを量産してしまった 学び：動作するからといって、レビューを省略してはいけない Classmethod, Inc. All Rights Reserved. 26
28. 3.6 環境‧制約理解不⾜による失敗 環境差異の考慮不⾜と特殊環境への理解不⾜ プロジェクト：複数プロジェクト AIはローカルでしか動かないコード（相対パス指定など）を書く Zendesk拡張アプリのiframe内動作など、特殊な環境の制約をAIが理解しきれない 実⾏環境の理解不⾜や特殊環境の制約の理解不⾜が失敗要因 学び：ターゲット環境（例: Lambda）を指定して検証させる 特殊環境については、制約を明⽰的に伝える必要がある Classmethod, Inc. All Rights Reserved. 27
29. 3.7 その他の失敗‧課題 オーケストレーション処理とAIへの過信 プロジェクト：⽇常業務の⾃動化とデータ基盤構築 オーケストレーション処理（AIからサブAIに指⽰を出して専⾨業務をやらせる）のさじ加減が難しい 親AIから⼦AIに指⽰を出し⼀発で上⼿くいかなかった場合に親AIが⾊々⼯夫をしだして、⼤抵それが失 敗する 時間とトークンだけ無駄に消費して成果物ができない、というパターン AIなら解決できると過信し、問答を繰り返した結果、かえって解決に時間がかかった（最終的には⾃ 分でドキュメントを確認して解決） 学び：上⼿くいかなかった場合には⼈間に戻す、という処理をCLAUDE.mdなどで⾔い聞かせる制御が 難しかった AIで解決できない場合は、早めに⼈間が介⼊すべき Classmethod, Inc. All Rights Reserved. 28
30. 3.8 AI出⼒の品質と規約遵守の課題 実⾏不可能なコード、規約違反、変更範囲の肥⼤化 プロジェクト：toBのSaaSアプリを展開する顧客に仕様駆動開発（Spec Kit）の評価⽀援 AI駆動開発の導⼊評価を進める中で、AI出⼒の品質と既存プロセスとの整合性に関する課題が顕在化 課題1：出⼒結果が実⾏できない（プログラムもmermaidのような図も） 対策：テストでカバー。⽣成されたコードは必ずテストを実⾏して検証する 課題2：開発規約を満たしていない 既存のコードをいい感じに空気を読んで真似ない。プロジェクト固有のコーディング規約を無視する 対策：規約で明確化。CLAUDE.mdやdev-rulesディレクトリで規約を明⽰的に伝える 課題3：変更範囲が⼤きすぎる ⼩さな単⼀の変更のために、関数/ファイルを超えた⼤きな変更を加える。変更の把握が困難 対策：良い解決策をみいだせていない。具体的な変更箇所を明⽰的に指⽰する必要がある 課題4：暗黙知的なコンテキストを満たせていない。ルールや⽂化を理解できない Classmethod, Inc. All Rights Reserved. 29
31. 04 考察とまとめ Classmethod, Inc. All Rights Reserved. 30
32. 4.1 成功のポイント AI駆動開発を成功させる5つの鍵 明確な境界設定：⼈間とAIの役割分担を明確化する。設計判断は⼈間、実装とテストはAI 適材適所の判断：AIが得意な領域（テスト、ドキュメント、パターン実装）に集中投下する レビュー可能性：⼈間が検証できる範囲に制御し、理解できないコードは採⽤しない 知識の永続化：CLAUDE.mdで経験を蓄積し、チームの資産として共有する 安全性の確保：Git履歴による保険、都度コミットで変更を追跡可能にする Classmethod, Inc. All Rights Reserved. 31
33. 4.2 レビュー可能性とは AI⽣成コードの品質を守る重要な概念 AIは⼀⾒正しそうなコードを⼤量に⽣成しますが、微妙なバグや⾮効率な実装を含むことがあります レビュー可能性が低いと、そうした問題を⾒逃してしまいます 具体的には： コードの意図が明確：コメントや変数名が適切 構造が理解しやすい：複雑すぎる抽象化がない 変更の影響範囲が把握できる：疎結合 テストで振る舞いが確認できる これが「レビュー可能性が⾼い」状態です Classmethod, Inc. All Rights Reserved. 32
34. 4.3 失敗からの学び AI駆動開発で避けるべき5つの落とし⽳ AIは「賢い」が「記憶⼒が弱い」：重要な制約は繰り返し伝える必要がある、CLAUDE.mdで永続化す る 設計と実装の理解は必須：コードを理解せずに進めると破綻する、PoCは有効だがプロダクションで は理解が必要 品質基準は⼈間が守る：AIの妥協提案（カバレッジ引き下げ、テストスキップ）を受け⼊れてはいけ ない ドキュメント化の重要性：暗黙知やビジネスルールは明⽰的に伝える必要がある レビューは省略しない：動作するからといってレビューを省略してはいけない、設計意図の確認が重 要 Classmethod, Inc. All Rights Reserved. 33
35. 4.4 コンテキストエンジニアリング LLMに与える情報全体を最適化するアプローチ LLMに与える情報全体（システムプロンプト、過去の会話履歴、外部知識、ツール情報など）を最適 化するアプローチ AIが参照する全ての情報について 適切なタイミング で提供する⼿法 コンテキストウィンドウ（短期記憶）に戦略的に情報を選択‧整理‧管理することを含む プロンプトだけでは不⼗分 で全体の⽂脈が必要になってきている ⽂脈が少なければ 性能低下、多過ぎれば コスト増や判断の精度が低下する タスク分解、制御フロー設計、ガードレール、評価基盤までを 統合的に設計 できる⼈材が求められて いる TDD（Test-Driven Development） や DDD（Domain-Driven Design） と相性も良い ドメインモデルやテスト仕様が、AIに渡すべき 構造化されたコンテキスト として機能する Classmethod, Inc. All Rights Reserved. 34
36. 4.5 AIと⼈間の判断プロセスに求められる透明性 双⽅向の説明責任で持続可能な開発を実現する ⼈間側の曖昧さ：理解‧指⽰‧記憶‧評価基準が曖昧。⾔語化されていない背景や⽬的がある AI側の特性：少ない情報から創造的な判断を⾏うが、その過程は⾒えにくい 双⽅向の説明責任：⼈間が責任を取るだけでなく、AIと⼈間の双⽅が判断根拠をトレース可能にする 再実⾏可能性（Re-runnability）：同じ⼊⼒から同じ結果を再現できる状態を維持し、検証と改善を 可能にする 透明性（Transparency）：判断に使⽤した情報を明確化する。プロンプト、参照ドキュメント、コン テキストを記録 説明可能性（Explainability）：判断理由を⼈間が理解できる形で説明する。「なぜこの設計を選ん だか」をAIに説明させる 可観測性（Observability）：動作を継続的に監視し、問題を早期発⾒する。コード品質、テスト結 果、エラー率をモニタリング Classmethod, Inc. All Rights Reserved. 35
37. 4.6 AIと⼈間の協働を⽀える設計原則 局所化‧疎結合‧相互補完で持続可能な開発を実現 局所化と疎結合：⼩さな単位に分割し、各単位を独⽴させることで問題をシンプルにする サブエージェント、スキルなどを独⽴させると、レビューしやすく、影響範囲も把握しやすい 相互補完と役割分担：AIと⼈間がそれぞれの強みを活かす適切な役割分担 AIは⾼速なコード⽣成と反復作業、⼈間は設計判断と品質保証を担当 協働による組織的学習：AIとの伴⾛を通じて、⼈間同⼠の関係性理解や業務改善が進む AIとのコミュニケーションで暗黙知が⾔語化され、⼈間同⼠のコミュニケーション改善される ガードレールを設ける：万が⼀間違った判断をしても防御や回避できるように安全装置を組み込む テスト、レビュー、承認フロー、バージョン管理などの多層防御により、AIの誤りを早期に発⾒し修 正できる仕組みを構築する 持続可能性の確保：透明性‧説明可能性‧可観測性がなければ、AI駆動開発は持続できない ブラックボックス化を防ぎ、⼈間が最終的な責任を持てる状態を維持する Classmethod, Inc. All Rights Reserved. 36
38. 4.7 経営計画におけるAI駆動アプローチ 経営計画や事業計画の策定にもAI駆動開発の⼿法を適⽤ 背景や⽬的や⽬標を記載（Why/Who/What/When/How など記載） ⾃社のファイルサーバーに接続、様々な社内の 基礎情報を収集（⼈事、組織図、P/L、B/S、C/F等） 集めたデータが 整合性 取れているか確認 ⾃社に関係ある情報を オンライン調査（商品、サービス、市場、競合など） これらのインプット情報を材料として 各種分析 を⾏う AIと会話 をしながら不⾜情報を集め続け、狙いや課題なども共有する 分析が終わったら 戦略や戦術 を⽴て始める 壁打ち しながら精度を⾼めていく 作戦やスケジュールや予算は 後から決めて良い 最終的な作戦の筋が悪い場合には最初の 基礎情報集めまで戻る Classmethod, Inc. All Rights Reserved. 37
39. 4.8 今後の展望とAI Experience Centerの取り組み Classmethod AI Experience Center、5年間で30億円投資 5年間で30億円投資：AI Experience Centerを設⽴し、AI駆動開発の実践と普及に⼤規模投資 幅広い活動領域：ソフトウェア開発、サービス運⽤、事業開発、R&D、教育、コミュニティなど多岐 にわたる 実践的な環境：500名以上のエンジニアが実際にAI駆動開発を実践し、ノウハウを蓄積 フィジカルAIへの挑戦：店舗や⼯場でのロボットとの協働もテーマに、物理世界でのAI活⽤を研究 デジタル空間だけでなく、実世界での⼈間とロボットの協働により、製造業やサービス業の現場の変 ⾰を⽬指す 社員募集中：AI駆動開発に興味がある⽅、⼀緒に未来を創りたい⽅を募集しています 多様な働き⽅：正社員だけでなく、インターンや業務委託の⽅も⼤歓迎です コミュニティ活動：DevelopersIO、AI Talks（CATs）などを通じて知⾒を共有し、業界全体の発展に 貢献 Classmethod, Inc. All Rights Reserved. 38