AI前提で開発プロセスを再設計してみた
こんにちは。
先日富士通さんが既存システムの改修において要件定義からテストまでの完全自動化を発表されてましたね。
皆さんも
「AIをどう活用して開発効率を上げていくか」
試行錯誤をされているのではないでしょうか。
今回は私が8時間で試した
短期デリバリーを実現するためのPoCについてお話します。
PoCの目的
- 短納期かつ開発者の急増に耐えられる体制を作る
- UX品質を保ちながら納期を守る
- コード設計を統一する
- ベロシティを均質化する
前回の記事では6か月、十数人規模の開発で
品質と納期は守れそうなものの、設計がバラバラになった話を書きました。
そのプロジェクトのリリースが3月末に控える中、
次のプロジェクトがスタートしました。
次のプロジェクトの条件
- 開発期間：3か月
- エンジニア：8名
- 現行プロジェクトのリリース直後
- 問い合わせ・改修対応と並行
開発工数が計画通り確保できる保証はありません。
だからこそ
「設計の一貫性」と「スピード」を両立させる方法を検証する必要がありました。
PoCで検証したこと
設計と実装を完全に分業する
- 3人で詳細設計まで固める（総合テストシナリオ作成を含む）
- 5人は実装と自動テストに集中する
完全にSIer的なアプローチです。
私はこれまでこのやり方が好きではありませんでした。
実装を「誰でもできる」形にすることが、
エンジニアの成長機会を奪うように感じていたからです。
ジュニアエンジニアの一言
そんな中、非常に優秀なジュニアエンジニアの一言が印象的でした。
AIが書いたコードの意味を調べながら開発してます
成長機会は与えるものでなく、自分で取りに行くものなのかもしれません。
この言葉で、少し考えが変わりました。
開発プロセスのアレンジ①：参考機能を与える
詳細設計書に既存機能のファイルパスを明示します。
Railsは自由度が高いので、
各々の好みで実装すると、設計思想がバラバラになってしまいます。
「これをベースにする」と決めるだけで、設計および実装のブレが大きく減りました。
開発プロセスのアレンジ②：コードの骨格を設計書に含める
詳細設計書にモデルとサービスクラスのメソッド名とその責務を記載しました。
これによって次のことを実現しようとしています。
- 責務の迷子を防ぐ
- 命名規則の統一化
- マージ時の衝突を防ぐ
レビュー観点を「逸脱チェック」に集中させることができます。
開発プロセスのアレンジ③：実装プロンプトを入れる
エンジニアは全員何かしらのAIを使って開発しているのですが、
ベロシティが人によって全然違います。
今回はプロンプトを設計担当が書くことで、
ベロシティも均質化できるのではないかと考えています。
開発プロセスのアレンジ④：AIレビューでダブルチェック
- 重複処理の有無
- 設計書の指示に従っているか
並行開発でどうしても重複は発生します。
レビュー時にダブルチェックさせる方針を取ります。
PoCの結果
あらかじめ用意していた機能一覧をもとに、
- DB設計（ドラフト）
- ルーティング設計（ドラフト）
- 基本設計
- 詳細設計
- コード＋自動テスト実装
ここまで8時間で検証できました。
設計フェーズでは対話による修正が多く発生しましたが、
コードと自動テストの生成は非常にスムーズでした。
なお、設計フェーズでの対話内容はSKILLSに登録済みです。
次回以降は、さらに精度の高い出力が期待できます。
将来挑戦したいこと
次クオーターでは、開発プロセスそのものにまで踏み込む予定はありません。
でも、今回の実験を通して考えていることがあります。
アジャイルでもウォーターフォールでもない
AI前提の新しい開発プロセスがあるのではないか。
次回試したいことは
実装まで一気通貫で生成し、結合テストから「開発」を始めること。
今回は設計修正が想定以上に多く、そこまでは試せませんでした。
ご意見・ご感想があればぜひコメントをください！
同じような挑戦をしている方がいれば、ぜひお話を聞いてみたいです。
十数人規模のRails開発で、設計の一貫性を守れなかった失敗談
こんにちは。
ChatGPTが日本に浸透してから、開発工程や設計の「正解」が驚くほどのスピードで変化していくのを面白く眺めています。
今回は、現在もリリースに向けて奮闘しているプロジェクトについて、少しだけ振り返ってみようと思います。
後悔といいますか、次に活かすための小さな反省録です。
プロジェクト概要
- 開発期間：6か月
- メンバー：十数名（半分以上が新規参画のパートナーさん）
- 現在：テストフェーズへ移行中
長年お付き合いのあるクライアント様から、これまでにない規模の開発案件をご相談いただきました。
（後から聞いた話では、どうやら弊社がかなり前のめりにプッシュしていたようですが…）
普段は5名体制で開発しているところ、今回は規模が一気に2倍以上に。
達成できそうなこと
- 納期は守れそう
- UX品質も大きな問題はなさそう
ここまでは、なんとか辿り着けました。
失敗したこと
- コード設計の統一
- レビュー品質の低下
規模拡大に合わせてコーディング規約やレビュー規約を更新しました。
それでも、上がってくるPRはそれぞれの色がはっきり出たものばかり。
Railsは自由度が高い分、大規模開発では統制が難しいと改めて感じました。
統制と心理的安全性の間で
当初は設計レビューも丁寧に行っていました。
ですが、
「プロジェクトデリバリー的に大丈夫なのか」
「〇〇さん（私）が怖い」
と言われてしまいました。
そこで私は、統制よりも心理的安全性を優先する方向へ舵を切りました。
まずは走り切ることが大事だと考えたからです。
現状
納期は守れそうです。
また、触った感触もそこまで悪くありません。
でもそこに控えているのは、「色とりどり」のコードたち…
次に起こること
-
仕様変更の見積もりが想定より膨らむ
-
新しく入ったメンバーの仕様理解に時間がかかる
明日起きたら技術負債が解消されてないかなぁ😅
今考えていること
設計の一貫性を担保するにはどうすればよかったのか？
AIレビューを最初から入れてなかったのも反省点の一つです。
途中から導入しましたが、すでにmainブランチがカラフルな状態では、
「統一」という観点までは踏み込めませんでした。
次に向けて色々と考えていることはあるのですが、今日はこのあたりで。
ご意見・ご感想をコメントしていただけると大変励みになります！
獣医に連れていく前にやっておきたい、うさぎのストレス対策
こんにちは🐰
気になる漫画を見かけてしまって、久しぶりにうさぎの記事を書きます。
うさぎは繊細で、ちょっとした環境の変化でも体調を崩しやすい生き物です。
特に獣医さんに連れていく日は、
- キャリーバッグに閉じ込められる
- 慣れない移動
- 知らない場所で知らない動物がいっぱいいる
と、ストレス要素がてんこ盛り😥
できることなら、うさぎさんの負担は最小限にしてあげたいですよね。
今回は、うさぎと長く暮らす中で実践してきた
「通院時のストレスを減らす工夫」をご紹介します。
何も準備しないと、通院は大事件に…
初めての通院のとき、
キャリーに入れた瞬間から暴れる、固まる、呼吸が早くなる…
という経験をした方も多いのではないでしょうか。
捕まえられないからと大きなケージごと動物病院に連れてこられた飼い主さんを見かけたこともあります。
また、私自身も体調が悪いうさぎに余計な負担をかけて発作を起こさせてしまったことがあります。
うさぎにとって通院は「命の危機レベルの非日常」になることがあるのです。
ですが、日頃から少しずつ準備しておくだけで、反応はかなり変わります。
温度管理は最重要ポイント
🐰注意ポイント：暑さ・寒さ🐰
うさぎは温度変化にとても弱いです。
特に移動中は、思っている以上に体温調節が難しくなります。
夏の場合
- 保冷剤をタオルで包んでキャリーバッグの外側や底に
- 直射日光は絶対に避ける
冬の場合
- カイロを直接触れない場所に置く
- バッグの中が冷えすぎないように注意
「人が少し涼しいかな？」くらいが、うさぎにはちょうどいいことが多いです。
キャリーバッグは「普段使い」
🐰注意ポイント：キャリー＝恐怖🐰
通院の時だけキャリーバッグに入れると
うさぎは「これに入る＝嫌なことが起きる」と学習します。
おすすめなのは👇
- 普段から部屋にキャリーバッグを置いておく
- 中で遊んだり、くつろげるようにする
- お気に入りの牧草を入れておく
キャリーが「安心できる場所」になると、通院当日の抵抗がかなり減ります。
うさぎを診察できる獣医さんを探しておく
🐰注意ポイント：病院選び🐰
すべての動物病院が、うさぎの診察に慣れているわけではありません。
いざ体調を崩してから探すのは
飼い主さんもうさぎもかなりのストレスになります💦
事前にチェックしておきたいのは
- うさぎの診療に対応しているか
- 病院の口コミ（星の数だけでなくコメントの中身も確認しましょう）
- うさぎさんとの相性（飼い主さんとではありません😅）
「ここに連れて行けば大丈夫」という病院があるだけで、
飼い主さんの不安もぐっと減ります。
爪切りなどで通院に慣れさせておく
🐰注意ポイント：病院＝嫌な場所🐰
体調不良のときだけ通院すると、病院への警戒心がどんどん強くなります。
- 定期的な爪切り
- 軽い健康チェック
など、短時間で終わる用事で通院しておくと、
「毎回大変なことが起きる場所」になりにくいです。
結果的に、本当に具合が悪いときのストレス軽減につながります。
最後に
うさぎさんの通院ストレスを減らすためには、
- 温度管理をしっかりする
- キャリーバッグに日頃から慣れさせる
- うさぎを診られる獣医さんを探しておく
- 定期的な通院で病院に慣れさせる
といった「事前準備」がとても大切です。
うさぎは不調を隠す動物なので、
通院のハードルを下げておくことは、命を守ることにもつながります。
うさぎとハッピーライフを長く続けるために、
できるところから取り入れてみてくださいね🐰
中小企業の経営者に知ってほしい 生成AI活用のきほんのき 第９回
第9回 生成AI × RAG 活用事例
― 生成AI活用を無理なく続けていくための考え方 ―
はじめに
これまでのシリーズでは
- 生成AIとは何か
- なぜ中小企業にも生成AIが必要なのか
- どのように始めればいいのか
- RAGという仕組みで何が変わるのか
を順番にお伝えしてきました
最終回となる今回は
RAGを組み合わせた生成AIの活用例を紹介しつつ
生成AI活用を「無理なく続けていく」ために
どのような考え方が大切かを整理します
三菱UFJ銀行の「AI上司」導入
生成AIは、大企業を中心に実務に組み込まれ始めています
たとえば三菱UFJ銀行では
ChatGPT を基盤とした「AI上司」システムを導入し
定型的な社内問い合わせ対応などを効率化しています
三菱UFJ銀行がChatGPT活用「AI上司」導入で業務効率化を実現 - Bignite
インターネット上で公開されている事例は大企業の取り組みですが
- 既存業務の中に生成AIを自然に組み込んでいる
- 判断をAIに任せていない
- 人の仕事を補助する形で使っている
という点で、中小企業にも十分参考になります
活用例① 社内文書検索・ナレッジ活用
これまで蓄積してきた社内文書を生成AIに読み込ませ
- 過去の規程やルールを探す
- 文書の要点を素早く把握する
- 新しく入った社員の質問に答える
といった用途で活用しています
このケースでは
「探す」「聞く」「確認する」時間が減ったことで
日々の業務が少しずつ楽になりました
活用例② 議事録の作成・整理
会議のメモや音声をもとに
- 議事録の下書き作成
- 決定事項の整理
- 次にやることの明確化
を生成AIに任せています
この取り組みにより
- 議事録作成にかかる時間が短縮できる
- 情報共有がスムーズになる
に加えて
認識のズレや言った・言わないのトラブルを減らす
といった効果が出ています
活用例③ レポートや資料の下書き
あらかじめ読み込ませておいた過去の資料を基に
- 月次報告
- 売上レポート
- 社内向け説明資料
といった文章の下書きを生成AIにお願いします
過去の資料が参考にすることで
- 書き直す時間を削減
- 「考える」ことにより多くの時間を使える
ようになりました
無理なく続けている会社に共通していること
生成AIを無理なく続けている会社には、共通した考え方があります
✔ すでにある資料から始めている
データの整形に取り組むのではなく
- 既存の文書
- 議事録
- 帳票や報告書
といった今ある文書をそのまま使っています
✔ 小さな用途に絞っている
- 1つの業務
- 1種類の資料
- 1つの目的
から始めてみて
「これは使える」と感じたところだけを広げています
✔ AIはあくまで補助と考えている
生成AIは判断や責任を代わりに引き受けることはできません
あくまで人のレビューが必要です
この前提を共有できていると、生成AIは信頼できる右腕になります
どこからRAG構築を考え始めるか
ここまで紹介した活用方法は、システム開発をしなくても試すことができます
しかし
- 扱う資料が増えてきた
- 意図した回答が返ってこなくなってきた
- 社内で使う人が増えてきた
こうした段階に入ると、情報のアクセス権の整理やルール設計が必要になります
このあたりから、RAG構築を含め、もう一段階上の活用方法を検討するフェーズです
おわりに
生成AI活用は
無理なく続けられる形を見つけることが何より大切です。
このシリーズが御社における生成AI活用方法を始める一歩になれば嬉しく思います
もし
- 今の進め方でいいのか不安
- 次に何をすればいいか迷っている
というようなお悩みがございましたら
簡単に状況を整理できるフォームをご用意しています
お気軽にご相談ください
中小企業の経営者に知ってほしい 生成AI活用のきほんのき 第８回
第８回 生成AIに社内資料を渡してみよう
― Copilot と NotebookLM から始める第一歩 ―
はじめに
今回は、既存の生成AIサービスを使って
「社内資料を渡してみる」ところを試してみましょう
RAG（＝社内資料を見ながら答えてくれる生成AI）を始めるときに
まず意識したいことは
読み込ませる資料の種類を1つに絞ること
です
例えば
- 帳簿（売上データ）
- メール
- 議事録
こうした資料を生成AIに読み込ませてみます
① Microsoft Copilot を始める場合
もし御社がすでにMicrosoft 365（Word / Excel / Outlook / Teams）を
使っているなら、最も導入しやすい選択肢となります
- 新しいツールを覚えなくていい
- 既存のファイルをそのまま使える
- 社内共有・権限管理と相性が良い
Copilotが特に力を発揮するのは、次のようなケースです
👉 日常業務の延長線で使えるのが強みです
Copilotを利用するには
Microsoft 365の法人向け環境に加えて、Copilotのライセンスが必要になります
Copilotでは
「社内ファイルが勝手にAIの学習に使われる」
という心配は、基本的にありません
この点は、情報管理に厳格な企業にとっても大きな安心材料です😊
具体的な使い方のイメージを掴むために、参考になる記事をご紹介します
Copilot議事録完全ガイド｜自動作成からプロンプト例まで徹底解説【2025年最新版】 | blog808
② Google NotebookLM を始める場合
もし御社がすでにGoogle Workspaceを利用しているなら
最も導入しやすい選択肢となります
NotebookLMは無料でも利用できますが
無料プランは入力データがサービス改善のために利用される可能性があります
機密データを読み込ませる際は
Google Workspace環境で利用したほうが安心です
NotebookLMの特徴は以下の通りです
- 複数のPDFやドキュメントをまとめて扱える
- 回答の根拠（どの資料を参照したか）が分かる
- 情報整理・要約・論点整理が得意
👉 資料を読み解き、考えを整理したい場面で効果的です
また、読み込んだ資料を基にポッドキャストを作成してくれるという
ユニークな機能もあります
NotebookLMは、特に次のような資料と相性が良いです
具体的な使い方のイメージを掴むために、参考になる記事をご紹介します
【NotebookLM】「スライド」と「図解」を自動生成！使い方・料金を解説 | AI総合研究所 | AI総合研究所
まずは「1種類の資料」で試してみる
繰り返しとなりますが、挫折しないために大切なのは
- いきなり全ての資料を読み込ませようとしない
- 完璧な回答を得ることを目指さない
です
例えば、
「この案件だけ」
「この顧客からのメールだけ」
というように資料を絞り、徐々に使い方の感覚を掴むことが何より大切です
次回予告（最終回）
第9回 生成AI × RAG 活用事例
実際の活用例をもとに、無理なく取り入れるにはどうすればいいかを整理します
著者紹介
私は生成AI活用のコンサルティングや、社内ナレッジを活用するための基盤開発（RAGといいます）を行っている個人事業主です
難しい技術の話よりも、「業務のどの部分に活用すると作業が楽になるか」、「より企業価値を高めることにフォーカスできるか」 を一緒に考えることを大切にしています
「何から手を付ければいいか分からない」
そんな段階でも構いません
簡単に状況を整理できるフォームをご用意しています
お気軽にご相談ください
中小企業の経営者に知ってほしい 生成AI活用のきほんのき 第７回
第7回 RAGって何？
― 社内専用のAIを持つという選択 ―
はじめに
これまでの記事では生成AI（ChatGPT）を使うことで
- 考えを整理できる
- 文章作成が楽になる
- 人手不足の負担を減らせる
というお話をしてきました
ですが、ここまで使ってみた方の中には
こんな違和感を感じている方もいるかもしれません
「会社の事情を分かってくれない」
「毎回、最初から説明をしないといけない」
生成AIに会社の事情を伝える手段
ChatGPTなどの生成AIはとても賢いです
ただし、それは一般的な知識に限った話です
- 社内ルール
- 過去のやり取り
- 商品やサービスの前提
- 業界特有の言い回し
これらの特殊な事情は、説明しないと理解できないのです
つまり、生成AIは今のままだと
「一般論は強いが、自社事情には弱い」
という状態にあります
RAG（Retrieval Augmented Generation）とは
そこで登場するのが RAG です💡
RAGを簡単に説明すると
「社内資料を見ながら答えてくれる生成AI」となります
生成AI単体とRAGを組み合わせた時の違い
生成AIを単体で利用した場合
- ✅一般的な知識で答えられる内容
- ⚠️前提となる情報が必要なとき
- ⛔社内の技術情報などを参照しないといけないとき
RAGと組み合わせた場合
- ✅社内資料を参照したいとき
- ✅過去のやり取りの意図をくみ取りたいとき
- ⛔設定やシステム構築が必要
イメージとしては
「社内資料を生成AIに教えるステップ」が必要になる
が近いかもしれません
RAGを検討するタイミング
- 社内ルールや手順が散らばっている
- 同じ質問が何度も飛んでくる
- ベテラン社員にしか分からないことが多い
- マニュアルを作っても読んでもらえない
こうした悩みがある会社ほど
RAGの効果を実感しやすい傾向があります
例えば、こんな使い方が考えられます
- 社内規程について質問すると、該当箇所を元に回答する
- 業務手順を聞くと、社内マニュアルを参照して説明してくれる
- 過去の資料を元に、発表資料を作成する
ハルシネーション対策としてのRAG
第２回で「生成AIが嘘をつく問題（ハルシネーション）」に触れたことを
覚えていらっしゃいますか？
実はRAGによってこの問題をかなり低減することができます
RAGを組み合わせると
- 根拠のない回答をしにくい
- 回答の元になった資料を確認できる
「なぜその答えなのか」を追えるようになるのは、大きなメリットですね
RAGを導入するには
いきなり自社専用のRAGを開発する必要はありません
規模によっては
などの生成AIサービスを利用するだけで
充分に効果を感じられます
まずは小さく作ってみて、育てていきましょう
RAGは
- 生成AIに読み込ませたい資料の種類や量
- 読み込ませたい資料が整形されているか
によって、効果が大きく変わります
このあたりが自社内で解決できなくなったら、専門家の出番となります
無駄な試行錯誤を減らし、自社に合った形で進められるようになります
次回予告
第８回 生成AIに社内資料を渡してみよう
「何を準備すればいいのか」
「最初にやるべきことは何か」
を順番に整理します
著者紹介
私は生成AI活用のコンサルティングや、社内ナレッジを活用するための基盤開発（RAGといいます）を行っている個人事業主です
難しい技術の話よりも、「業務のどの部分に活用すると作業が楽になるか」、「より企業価値を高めることにフォーカスできるか」 を一緒に考えることを大切にしています
「何から手を付ければいいか分からない」
そんな段階でも構いません
簡単に状況を整理できるフォームをご用意しています
お気軽にご相談ください
中小企業の経営者に知ってほしい 生成AI活用のきほんのき 第６回
第6回 生成AI導入で失敗しがちな3つの落とし穴
はじめに
ここまでの記事で、生成AIの基本や使い方についてお伝えしてきました
それでも実際には、
「導入してみたけど、いつの間にか使わなくなった」
というケースは多くの現場で見られます…
今回は、生成AI導入でよくある失敗例を3つご紹介します
あらかじめ知っておくだけで、導入止まりになる失敗はかなり防げますよ
落とし穴① 期待しすぎてしまう
生成AIを導入するとき、こんな期待をしてしまいがちです
- すぐに業務が劇的に楽になる
- 何を聞いても的確に答えてくれる
- 業務効率が改善して、人手不足が解消する
ですが、生成AIは魔法の道具ではありません🪄
生成AIが得意としているのは次のような作業です
- 考えを整理する
- 文章のたたき台を作る
- 判断材料を並べる
「全部任せる」ではなく
「一部を任せる」くらいがちょうどいい距離感です
落とし穴② 目的を決めずに使い始める
次によくあるのが、「とりあえず使ってみる」状態です
- 検索すれば済むことを聞くだけ
- 同じチャットルームで話題が毎回バラバラ
- 思いついたことを何となく試す
この使い方では、生成AIは単なる
「少し便利な検索ツール」になってしまいます
すると
「思ったほど役に立たないな」
と感じて、自然と使わなくなってしまいます
最初は、使い道を1つに絞ることが大切です
- メール作成専用
- ある案件の壁打ち専用
- マニュアル作成専用
ひとつのチャットルームには、ひとつの目的だけ
このルールを決めるだけで
生成AIは「よく分からないもの」から「仕事を助けてくれる相棒」に変わります
落とし穴③ 現場に丸投げしてしまう
生成AIを導入するとき、最も起こりがちなのがこのパターンです
すると
- 使う人と使わない人が分かれる
- ノウハウが共有されない
- 結局、会社全体では活かされない
という状態になってしまいます
経営者がやるべきことは
・何のために使うのか
・どの業務で使ってほしいのか
この2点をはっきり示しましょう
例えば
「まずは、社内向け文章作成に使ってみよう」
「クレーム対応の下書きに限定しよう」
このように使い道を限定することで
現場でも試しやすくなり、自然と使い方が共有されていきます
生成AI活用を成功に導く鍵
一般的に、他国と比べると日本企業は生成AI活用が慎重だと言われています
だからこそ
- 期待しすぎない
- 使い道を絞る
- 小さく共有する
この3つを意識するだけで
生成AIは「使い続けられる」ようになり、いずれ御社にとって価値が生まれます
それでも迷ったら
生成AIはとても汎用的なツールで、使い方の正解が1つではありません
- 自社に合っているか分からない
- どこから手を付ければいいか迷う
- これでいいのか不安になる
そんなときは、一人で抱え込む必要はありません
専門家と「相談しながら進める」という選択肢もあります
次回予告
第7回 RAGって何？
「生成AIで社内ナレッジを整理したい」
そんな悩みを解決する考え方をご紹介します
著者紹介
私は生成AI活用のコンサルティングや、社内ナレッジを活用するための基盤開発（RAGといいます）を行っている個人事業主です
難しい技術の話よりも、「業務のどの部分に活用すると作業が楽になるか」、「より企業価値を高めることにフォーカスできるか」 を一緒に考えることを大切にしています
「何から手を付ければいいか分からない」
そんな段階でも構いません
簡単に状況を整理できるフォームをご用意しています
お気軽にご相談ください
