# AI駆動開発とは

生成AIに要件整理、設計、実装、テストなどの開発作業の一部を委任する進め方の呼称です。コードの生成速度だけでなく、確認・修正・保守を含む時間と費用で効果を評価します。

## AI駆動開発とは

AI駆動開発は生成AIに開発作業の一部を委任する進め方の呼称です。要件整理、設計、実装、テストなどが対象になります。コードの補完に限定せず、要件から実装やテストまでの作業を連結する使い方もあります[^aidlc]。

![人は要件整理、設計、実装、テストのうち一部の作業を生成AIに委任する。この例では実装とテストを委任している](https://media.marketing.kdotdev-tunnel.org/glossary-ai-driven-development-073aae4ddb5ffb9bf63d40c094be9c86f3e0dd39fb606e69b51520c595e786b3.png)

たとえば社内申請画面への入力チェックの追加では、業務ルールから実装案とテストを生成し、人が期待する結果と比較します。目的は機能改善に必要な記述・調査時間を短縮することです。

生成コードを精査せず採用するバイブコーディングも、AIを利用した開発の一形態です[^willison]。そのため「AI駆動開発で進める」という説明だけでは、人が生成コードを確認するかどうかは分かりません。どの作業をAIに委任し、誰がどう確認するかを確認します。

## コード生成以外の作業にもAIを利用する理由

システムの変更にはコードの記述以外に、既存の処理の調査、業務ルールの整理、テスト、文書の更新が必要です。コードの生成だけではこれらの作業を代替できません。

例えば入力チェックの案を文章で回答させ、人が実装する使い方と、コーディングエージェントに対象ファイルの修正とテストの実行まで委任する使い方があります[^github]。後者では修正内容と実行した操作の両方を人が確認します。

![案の回答ではAIが案を回答して人が実装する。作業の委任ではAIが修正とテストを実行し、人が修正内容と操作を確認する](https://media.marketing.kdotdev-tunnel.org/glossary-ai-driven-development-a5526dc815726e9be88e4f9929fba39f475a9fbe2f79777a08604b30d95bc8f1.png)

ただし、AIの生成したコードは、要求と異なる処理や脆弱性を含むことがあります[^github]。AIによるコードレビューにも、問題の未検出や誤検出があります[^github]。作成と確認を両方AIに委任しても、業務上の正解を保証する仕組みにはなりません。

## どの開発からAI駆動開発を試行するか

変更範囲が限定され、期待する結果との一致を人が判定できる開発から試行します。目的と完了条件を明確にした作業をAIに委任し、生成結果を人が検証する方法を採用します[^github]。

社内申請画面の入力チェックを例にすると、必須項目の未入力や金額の上限超過について、期待するエラーを事前に指定できます。AIの実装とテストが成功しても、業務ルールどおりの結果かは別に確認します。AIによる業務ルールの解釈の誤りが、実装とテストの両方に反映されるおそれがあるためです。

| 対象の状態 | 適用の判断 | 理由 |
|---|---|---|
| 業務ルールと期待する結果が明確な入力チェックの追加 | 初回の試行候補 | 正常例とエラー例で変更結果を検証可能 |
| 複数部署で業務ルールの認識が不一致 | AIでの実装は保留し、要件の整理を優先 | 実装速度を向上させても正解を判定できない |
| 複雑な権限や会計処理の全面変更 | 初回の試行対象から除外 | 変更の影響範囲と誤りの検証に専門判断が必要 |

![期待する結果を人が判定できなければ、AIでの実装は保留して要件を整理し、判定し直す。判定できる変更のうち、権限や会計処理の全面変更など広範な変更は初回はAIを利用せず人が開発し、範囲が限定された変更はAIに委任して試行する](https://media.marketing.kdotdev-tunnel.org/glossary-ai-driven-development-0a6e4562dc8ea0b32d522f3ae57cf58e86631e470d63b8142be86fd246483aa3.png)

正解を評価する技術者が不在の組織では、生成したコードを継続利用する開発より、評価体制の整備を優先するほうが安全です。業務部門は期待する結果を定義できますが、権限の不備や既存機能への影響まで動作画面だけで確認するのは困難です。

## 本番システムの開発にもAIを利用できるか

本番用のコードの作成にも利用できます。ただし、AIに改修案を作成させることと、本番のデータやシステムを直接操作させることは分離します。AIの誤りによる影響は実行環境と許可する操作によって異なります[^github]。

検証環境でコードを変更する段階では、架空のデータで処理を確認できます。本番への反映や本番データの更新には、人による変更点と更新対象のデータの確認・承認を必要とします。AIへのプロンプトには禁止事項を記述し、実行権限も制限します[^github]。

![AIの改修案と検証環境での確認までをAIの作業範囲にし、人の承認後に本番へ反映し、データを更新する](https://media.marketing.kdotdev-tunnel.org/glossary-ai-driven-development-a8261959312be2c09dae6c4fe32f5dbd33e1b4923074dccb06e598b69c8b1b90.png)

未承認のAIサービスへの入力は、社外秘の業務ルールや、氏名・連絡先などの顧客情報の外部送信になるおそれがあります。コードや業務資料を入力する前に、送信先、入力情報の保存期間や学習への利用条件を確認し、組織が承認した範囲で使用します。

## 開発費の削減効果をどう評価するか

コードの生成量ではなく、変更の開始から利用可能になるまでの時間と、不具合の修正を含む費用で評価します。AI導入の効果はツール単体ではなく、既存の組織や開発工程全体の状況から検討する必要があります[^dora]。

- 作成作業の短縮：実装案、テスト案、文書の初稿の生成による記述・調査時間の削減
- 確認と改修の負担：出力の正確性と生成コードの権利の確認、不適切な実装の修正、既存機能への影響確認[^github]
- 運用と人材の費用：AI利用料、開発環境の管理、生成コードを理解して保守する技術者の確保

![実装案、テスト案、文書の初稿の作成時間の短縮と、正確性と権利の確認、修正、AI利用料、環境の管理、保守の技術者の費用を含めて、完了までの時間と費用で評価する](https://media.marketing.kdotdev-tunnel.org/glossary-ai-driven-development-fde5bd86dc89c8d35cfcdfbe16449d4ab5e6aa3d6f7986d342b05ae15e0c6a65.png)

たとえば実装の短縮分よりレビュー待ちや不具合の修正が増加すれば、完了までの時間は短縮しません。性質が近い変更について、AI利用前後の完了までの時間と、修正の作業時間を比較します。短期の試作で得た完了までの時間の削減率は、そのまま本番開発全体の見積もりに使用する値ではありません。

導入後も業務ルールの変更や障害に対応する人材は必要です。AIが生成したコードを説明できる状態を維持し、変更の理由とテストを保守に利用できる形で管理します[^willison]。

## よくある誤解

### AI駆動開発はAI機能を搭載したシステムの開発である

AI駆動開発でのAIの役割は開発作業の支援や実行です。完成するシステムがAI機能を搭載する必要はありません。例えばAI機能のない申請画面の改修にも利用できます。一方、AI機能を搭載したシステムでも、開発作業にAIを利用するとは限りません。

[^aidlc]: [AI-DLC - one core, many harnesses](https://github.com/awslabs/aidlc-workflows)（AWS Labs）。要件・実装・テスト・運用を連結する具体的な開発手法。
[^github]: [Application card: GitHub Copilot Agents](https://docs.github.com/en/copilot/responsible-use/agents)（GitHub）。用途、制約、安全対策、利用時の推奨を参照。
[^willison]: [Not all AI-assisted programming is vibe coding (but vibe coding rocks)](https://simonwillison.net/2025/Mar/19/vibe-coding/)（Simon Willison、2025年3月19日）。
[^dora]: [State of AI-assisted Software Development 2025](https://dora.dev/research/2025/dora-report/)（DORA、2025年）。
