# 社内でAIやノーコードで作った試作を渡すと、開発は安く早くなるのか

社内で作成した試作は何を開発するかの認識の共有に有効ですが、そのコードを本番に流用できるかは別の判断です。認証と権限、データの保存先、件数の上限、例外の処理を調査し、修正の費用と新規の開発の費用を比較して決定します。

## サマリ

- 社内で生成AIやノーコード（プログラムを記述せずに画面の操作でアプリを作成するサービス）で作成した試作は、画面と業務の流れを実物で提示できるので、何を開発するかの認識の共有に有効である
- 試作のコードを本番に流用できるかは別の判断で、まず認証と権限、データの保存先、件数や実行時間の上限、例外の処理が本番で必要な水準にあるかを確認する
- これらが不足する試作では、画面と業務の流れは参考にできても、不足する部分の実装とテストは別に必要で、費用を削減できる範囲は試作の現状を調査するまで判明しない
- **試作を提供するときは、仕様として利用するのか、流用できるかの調査を依頼するのかを明示し、流用するかは修正の費用と新規の開発の費用を比較してから決定する**

## 試作で主に短縮できるのは何を開発するかを決定する期間

試作は、何を開発するかを決定するために作成する仮のシステムです。
ソフトウェア工学では、要求を確認した後に廃棄する使い捨ての試作と、改良を反復して本番のシステムに発展させる試作を区別します[^sommerville]。
社内で生成AIやノーコードで作成したものは、作成した時点でどちらの試作かを決定していないことがあります。

業務に適合した試作がある場合に主に短縮できるのは、画面の構成、入力の項目、業務の流れを決定する作業です。
文章の要望書では担当者ごとに解釈が相違する箇所も、動作する画面があれば同一のものを前提に決定できます。
一方で、本番で必要な認証、権限、データの保存、障害への備えは、試作の画面だけでは要件を満たすか判断できないので、試作とは別に要件を決定し、実装の状況を確認します。
認証は利用者の本人確認で、権限は利用者ごとに閲覧や操作を許可するデータの範囲です。

![試作を参考にできる画面と業務の流れと、本番の水準かを別に確認する認証、データ、上限、例外の処理を区分した図](https://media.marketing.kdotdev-tunnel.org/guide-in-house-prototype-handover-layers-2a40e95df768.png)
*図1　画面と業務の流れは試作を参考にでき、認証、データ、上限、例外の処理は本番の水準かを別に確認する*

## 試作のコードを本番に流用できるかを判断する4つの点

試作のコードを本番に流用できるかは、まず次の4つの点で確認します。
必要な水準は、データの重要性と、停止した場合の業務への影響で変化します。
本番の水準に到達していない点は、設定の変更、修正、再開発のどれで対応するかを区分して費用を算出します。

| 確認する点 | 試作で確認したい状態 | 本番に流用できる状態 |
|---|---|---|
| 認証と権限 | 非公開のデータがあるのにログインが無いか、業務で許可していないデータや操作まで利用できる | 利用者ごとに本人確認をしてから閲覧できるデータと操作を制限し、その制限をデータを処理するサーバーで検証している |
| データの保存先 | 作成者の私有のアカウントや、会社が管理できない場所にある | 会社が管理する場所にあり、接続の権限、バックアップ、復元の方法が決定している |
| 件数と実行時間の上限 | 本番で想定する件数と頻度で動作させていない | 本番で想定する件数と頻度で、利用するサービスの上限の範囲内であることを確認している |
| 例外の処理 | 通信の失敗や同時の更新で不正確なデータを保存するか、途中で停止して元の状態に復元できない | 失敗を記録し、再実行できる処理は再実行でき、途中で停止してもデータに不整合が生じない |

### 認証と権限

生成AIで作成したアプリでは、画面の上ではログインを要求していても、データベースの読み書きの制限を設定していないことがあります。
生成AIでアプリを作成するサービスのLovableを調査した研究者は、公開されていたアプリ1,645件のうち170件で、データの読み取りの制限が不十分だったと報告しています[^lovable]。
Veracodeが100を超える言語モデルに生成させたコードを調査した結果でも、45%のサンプルがセキュリティの試験に不合格でした[^veracode]。
試作の画面が正常に動作していても、他の利用者のデータを閲覧できないかは、通常の画面の操作だけでは確認できません。

### データの保存先

ノーコードや表計算のソフトで作成した試作では、データと処理が作成者の個人のアカウントに存在することがあります。
所有者を変更しないまま作成者のアカウントが異動や退職で削除されると、サービスによってはデータや処理に接続できなくなります。
本番に流用するなら、まずデータと処理を会社が管理するアカウントに移管します。

### 件数と実行時間の上限

ノーコードのサービスの多くは、プランごとに件数や実行時間の上限を設定しています。
例えばGoogle Apps Scriptは、1回の実行が6分までです[^gas]。
時刻や操作を条件に自動で起動した処理の合計は、個人のアカウントで1日90分、Google Workspaceのアカウントで1日6時間までです[^gas]。
AppSheetの内蔵のデータベースは、無料のプランで1つあたり1,000行までです[^appsheet]。
kintoneのAPI（外部のシステムからアプリを操作する窓口）は、スタンダードコースで1アプリあたり1日10,000回までです[^kintone]。
本番の件数や利用者の数で上限を超過する場合は、プランの変更、処理の削減、別の仕組みへの移行のいずれかが必要です。

### 例外の処理

業務の流れの確認が目的の試作は、作成者が想定した手順で操作した場合の動作を確認して作成します。
本番では、入力の誤り、通信の失敗、2人が同時に同一のデータを更新する場面が発生し、試作にはその場合の処理が無いことがあります。
データの更新や外部との連携のそれぞれに失敗した場合の処理が必要なので、例外の処理の作業量は画面の数では判断できません。
画面の完成と例外の処理の有無は別なので、例外の処理が不足する試作では、その実装とテストの作業が残存します。

## 試作を提供する前に決定する試作の利用の方法

試作を開発の担当者に提供するときは、試作を何として利用したいかを明示します。
明示しないまま提供すると、提供する担当者は開発の大部分が完成していると想定し、受領する担当者は試作を参考の資料として費用を算出して、費用と期間の前提が一致しないことがあります。

![コードを流用したい場合は現状を調査し、修正の費用と期間が新規の開発の費用と期間を下回るかで、流用して修正するか仕様として提供するかに分岐することを示した図](https://media.marketing.kdotdev-tunnel.org/guide-in-house-prototype-handover-decision-85d1efe035ff.png)
*図2　コードを流用したい場合は現状を調査し、修正の費用と期間が新規の開発の費用と期間を下回る場合だけ流用する*

### 試作を仕様として提供する

試作を、何を開発するかを示す資料として提供し、コードは新規に開発する方法です。
費用を削減できるのは主に要件を決定する工程と画面を設計する工程で、実装とテストの工程は別に費用を算出します。
試作で確認した業務の規則や受け入れの条件は、実装とテストの費用の算出にも利用できます。
試作に無い要件（権限の区分、件数、障害の時の対応）は、業務の責任者が決定して文書で提供します。

### コードを流用する

試作のコードを流用し、本番の水準まで修正する方法です。
最初に、上の4つの点とコードの構造の修正のしやすさで試作の現状を調査し、修正する部分と再開発する部分を区分してから全体の費用を算出します。
現状の調査は開発の担当者が担当し、外部に委託する場合は、業務の責任者と委託先で調査の範囲、成果物、費用を事前に合意します。
修正の費用が新規の開発の費用より低く、修正の期間も新規の開発の期間より短い場合は流用します。
それ以外は、仕様として提供する方法に変更します。

### 品質の責任の所在

外部に開発を委託する場合は、試作のどの部分の品質を誰の責任とするかも契約で決定します。
IPAのモデル契約は、発注者が提供した資料や指示が原因で納入物が契約に適合しない場合を、開発会社の責任の対象外としています[^ipa-model]。
ただし、資料や指示の不備を認識しながら発注者に指摘しなかった開発会社には、この規定は適用されません[^ipa-model]。
試作のコードを流用すると、そのコードに由来する誤動作の責任が争点になるので、発注者と開発会社は、流用する範囲、開発会社が調査して修正した範囲、修正した後の品質の基準を個別の契約に記載します。

### 権利と利用の条件

試作を作成したサービスの利用規約と、試作に含まれるコードやライブラリの条件も確認します。
OpenAIとAnthropicの規約は、出力に対する各社の権利を利用者に譲渡するとしています[^openai-terms][^anthropic-terms]。
ただし、その出力に著作権が成立するかは、人の創作的な寄与の程度で個別に判断されます[^bunka]。

ノーコードのサービスには、FlutterFlowのようにコードを出力できる製品と、サービスの上での稼働が前提の製品があります[^flutterflow]。
本番もそのサービスで運用するのか、別の仕組みに移行するのかを、製品の条件を確認して決定します。

## 試作を本番の水準に修正せずに継続して利用できる場合

次の場合は、試作を本番の水準に修正せずに継続して利用できることがあります。

- 利用者が社内の少人数に限定され、漏えいや不正確な更新の影響が軽微なデータ（公開済みの情報や、別の記録から復元できる集計など）だけを処理する
- 停止しても手作業で業務を継続でき、その間の作業量を把握している
- データが会社の管理するアカウントにあり、作成者が不在でも、別の担当者が処理を再開する手順がある

この場合も、利用者や件数が増加した時点で、上の4つの点を再確認します。

## 画面と生成AIについての誤解

### 画面が完成していれば開発の大半は完了している

試作の画面は、本番のシステムのうち利用者が閲覧する部分です。
画面の数だけでは、上の4つの点のような画面に表示されない部分の進捗は判断できません。

### 生成AIを利用すればシステムの再開発も安価かつ短期間で完了する

生成AIはコードを記述する作業を短縮することがありますが、何を開発するかを決定する作業と、開発したものが要件に適合するかを確認する作業は残存します。
METRは2025年前半に、経験のある開発者が自身の担当するリポジトリ（コードを管理する場所）でAIを利用した作業の時間を計測しました[^metr]。
本人は短縮を実感していた一方で、作業の時間は19%増加していました[^metr]。
この結果は当時のAIと条件のもので、現在の効果を示すものではありません。
それでも、短縮の実感だけでは費用と期間を算出できません。

[^sommerville]: Ian Sommerville「Software Engineering」第6版の第8章 Software Prototyping の講義資料（[Northeastern University で公開](https://www.khoury.northeastern.edu/home/lieber/com3205/f02/lectures/sommerville/ch08.ppt)）。evolutionary prototyping と throw-away prototyping の区別
[^lovable]: [Statement on CVE-2025-48757](https://mattpalmer.io/posts/2025/05/statement-on-CVE-2025-48757/)（Matt Palmer、2025年5月29日）。2025年3月21日のスキャンで、Lovable で作成された1,645件のプロジェクトのうち170件で Row Level Security の設定が不十分だった
[^veracode]: [2025 GenAI Code Security Report](https://www.veracode.com/blog/genai-code-security-report/)（Veracode、2025年7月30日）。100を超える言語モデルに、Java、Python、C#、JavaScript の80の課題のコードを生成させて試験した結果
[^gas]: [Quotas for Google Services](https://developers.google.com/apps-script/guides/services/quotas)（Google for Developers、2026年11月19日に確認）
[^appsheet]: [Restrictions, limits, and known issues](https://support.google.com/appsheet/answer/12653576?hl=en)（Google AppSheet ヘルプ、2026年11月19日に確認）。AppSheet database の上限
[^kintone]: [kintone REST APIの共通仕様](https://cybozu.dev/ja/kintone/docs/rest-api/overview/kintone-rest-api-overview/)（サイボウズ、2026年11月19日に確認）。「制限事項」の節
[^ipa-model]: [情報システム・モデル取引・契約書〈第二版〉](https://www.ipa.go.jp/digital/model/model20201222.html)（IPA、2020年12月22日）。ソフトウェア開発委託基本モデル契約書の第29条第6項と第39条第4項
[^openai-terms]: [Terms of Use](https://openai.com/policies/terms-of-use/)（OpenAI、2026年1月1日発効）。「Ownership of content」の節
[^anthropic-terms]: [Consumer Terms of Service](https://www.anthropic.com/legal/consumer-terms)（Anthropic、2025年10月8日発効）。「Inputs and Outputs」の節
[^bunka]: [AIと著作権に関する考え方について](https://www.bunka.go.jp/seisaku/chosakuken/aiandcopyright.html)（文化審議会著作権分科会法制度小委員会、2024年3月15日）。「生成物の著作物性」の節
[^metr]: [Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity](https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/)（METR、2025年7月10日）。経験のある開発者16人、246件の課題で、AIの利用の可否を無作為に割り当てた実験
[^flutterflow]: [Exporting Code](https://docs.flutterflow.io/flutterflow-cli/exporting/)（FlutterFlow ドキュメント、2026年11月19日に確認）
