AIネイティブスタートアップが実践するAI駆動開発

Transcript

1. AIネイティブ スタートアップが実践する AI駆動開発 nocall株式会社
2. 自己紹介 nocall株式会社 取締役CTO 明治大学でベイズ統計を中心とした機械学習研究に従事 し、ColBERTの日本語評価で論文を執筆。 大学時代にUnityでのゲーム開発に没頭し、1年間で8本の カジュアルゲームを開発・リリース。 その後、2023年10月よりCTOとして参画し、nocall.aiを2 ヶ月という短期間でリリース。現在はプロダクトマネージ ャー兼エンジニアとして開発をリードし、AI技術を活用し た革新的なソリューション開発に注力している。 2024年末からはAI駆動開発を本格的に実装。 前職は、女装コンカフェ 森本　尊礼｜Takahiro Morimoto @1mono2prod
3. 自己紹介 まるで本物の人間のような 会話応答が可能な、 架電特化の AI電話オペレーターです。 訓練や管理が不要で、 無限の記憶力を持ち、 365日24時間働きます。 ローンチ: 2023年末 nocall.ai 実際にAI電話をお試しいただけます→ 株式会社Passionate Genius 050-0000-0000 nocall.ai どんなプロダクト？
4. Index INDEX 01 弊社が実践しているAI駆動開発のフロー 02 実演 03 Cursorで重要コンテキストを保持して AIコーディングする（中川） 04 弊社について
5. TODOタスク管理などをAI駆動開発で 作った事例はX上ではよくみるが... AI駆動開発の課題 めっちゃ早くソフトウェアを作れた！…けど？ 実務上のソフトウェアは複雑で、 思ったように楽にならない あまりコードの精度が良くない
6. AI駆動開発の課題 つまずきポイント コンテキスト不足で “AI が迷子” コード統一感ゼロ プロンプトが属人化する
7. 1. 10 分プロトタイプ 　で期待値を揃える 2. AIのための 　開発基盤を整える 3. Reasoningモデルに 　設計させる 4. Agent でコード生成 弊社が実践するAI駆動開発の流れ
8. 01 10 分プロトタイプで 期待値を揃える
9. 10 分プロトタイプで期待値を揃える 10 分プロトタイプで期待値を揃える 機能だしてみたけど、 「思ってたのと違った」と ビジネスサイドに言われた ワイヤーフレームを組みたいが、そんな時間も 人もない 10分で確認できるので、手戻りがない！ 大雑把でいい！ v0を使ってビジネスサイドと 機能のイメージのすり合わせを行う 困ったこと
10. 例：お問い合わせページの挙動の確認 10 分プロトタイプで期待値を揃える
11. 02 AIのための 開発基盤を整える
12. AIのための開発基盤を整える LLMが 得意な言語やフレームワークを利用する Stack Overflow や GitHub がLLMの学習元 であるため LLMにはナレッジカットオフがあり、 最新のライブラリの知識がない バージョンを混同する Cursorのdocs機能を使えば克服でき る Typescript（Javascript） Pythonが有力 枯れたフレームワークを使用 ソース: https://arxiv.org/abs/2503.17181v1
13. フロントバックをTypescriptで統一できる Vercelへのデプロイ。CI/CDの手間がない チーム拡大で切り離す必要があった時に備えて、 App routerはhono rpcで記述している スタックはNext.jsが有力 AIのための開発基盤を整える monorepoのすすめ 当たり前だが、LLMが参照できないコードはLLMは対応できない。 LLMに全てのコンテキストを投げるために、monorepoの方が有利
14. 03 Reasoningモデルに 設計させる
15. 設計 計画 実装 Reasoningモデルに設計させる 設計〜実装の流れ いきなり コーディングしない o3でまずは仕様を深掘り MD化 MD化 覚えておきたいプロンプト 「仕様の抜け漏れや考慮不足はありますか？」 その仕様の詳細な実装計画を 立てる あとは、その計画に従い実装
16. Reasoningモデルに設計させる AIのための仕様書を書く ※共通ルールは毎回自動で読み込み、それ以外のルールは状況に応じて手動で設定 Cursor Project Rulesに仕様書を記述 命名規則、コーディング規約、使用するフレ ームワークやその実例、開発手順 共通ルール ビジネスロジックや特定プロダクトに関する 背景・機能説明 ドメイン知識・ 要件定義 トラブルシューティングや検証手順 特定の場面のルール
17. 実際のDocs Reasoningモデルに設計させる フォルダ構造 実際の実装計画書
18. 04 Agent でコード生成
19. Agent でコード生成を回す エージェントをハンドリングする 実装計画が立ったら、あとはAgentに任 せて実装していくだけ 実装してほしくない挙動をしたら、それ をDocsに追加していく コーディングではgemini-pro-2.5 / Claude 3.7 Sonnetが有力 違うなと思ったら、何度も出力させる （ガチャ） 。3回以上実行して、違和感が あるなら入力しているものが間違えてい る。 編集範囲が被らないのであれば、マルチ タブ & git worktreeもおすすめ。
20. 00 AI 駆動開発して 失敗した話
21. AI 駆動開発して失敗した話 AI 駆動開発して失敗した話 環境構築がうまくできない。monorepoとかな ら尚更 実装計画がうまく立てられずに詰み 今まで記述されてきたコードベースがいいもので ないなら、いい出力は得られない プロジェクトのコンテキストを読み込むため、ど うしてもプロジェクトの書き方に引っ張られる。 例：ORMで書かれていたところと、生SQLで書かれていたところが別れ ていた。たまに生SQLで書いていたところを参照してしまい、ORMで記 述してほしいのに生SQLを生成してしまった。 一から小規模以上のプロジェクト開発 by devin Garbage in, Garbage out 非エンジニアが 小さいアプリを作るならReplitがいい Replitなら最初からスタックが決まっているので、環境構築につま づくということがない。１〜３ページのプロジェクトならOK。デプ ロイもしてくれる。 サンプルコードを示す or AIで１から作り直す
22. Summary まとめ 01 v0を使ってプロトタイプを作って認識を擦り合わせよう 02 Typescript, Python, 枯れたフレームワークを使おう 03 設計→実装計画→実装の順でAIを使おう 04 実装するエージェントをエンジニアがハンドリングしよう
23. 実演 AI駆動開発 実演
24. Index Cursorで重要コンテキストを 保持してコーディングする 〜 Memory Bank 実装をするときの改善Tips 〜
25. Index プロジェクトのアーキテクチャや設計意思決定に関す る重要なコンテキストを保持 コードや機能の進化を文書化 プロジェクト固有の慣習や要件を維持 AIがより一貫性のある、コンテキストに即したサポート を提供できるようにする Cline のMemory Bank 機能とは？ CursorのようなAIアシスタントは、セッション間で記憶を本質的に保 持しないため、Memory Bankは開発者が包括的なプロジェクトコンテ キスト、進捗履歴、アーキテクチャ上の意思決定、主要な技術仕様を文 書化し維持するための構造化された知識リポジトリとして機能します。
26. Index コンテキストメモリーの節約 回答精度の向上 セッション間の情報保持 複数プロジェクト間の情報共有 副次的に仕様の整理が実現 Memory Bankを実装する利点 Memory Bankを実装することで、プロジェクトの知識が蓄積され、AIアシスタントとの協業がより効率的になります。 これにより、開発チーム全体の生産性が向上し、プロジェクトの一貫性が保たれます。
27. Index Cursor に Memory Bank 代替を入れる Memory Bankのディレクトリ構造を作成する プロジェクトルートにmemory-bank/ディレクトリを作成し、必要なMarkdownファイルを整理します。 Cursorルールを設定する .cursor/rules/ディレクトリにcore.mdcとmemory-bank.mdcファイルを作成し、AIの動作ルールを定義します。 Memory Bankファイルを初期化する プロジェクト概要、アーキテクチャ、コンポーネントなどの基本テンプレ ートを作成します。 CursorがMemory Bankを使用するようにトレーニングする Cursor、Memory Bankファイルを読み込むよう促します。 定期的に維持し更新する 重要な変更後にMemory Bankを更新し、正確性を確保するために定期的 にレビューします。
28. Index 全部モノレポで管理しよう（再掲） ワークスペース例（Web + Native（iOS / Android）+ API） これらを一つのワークスペースとして管理することで サービス仕様を複数箇所に記述せずに済みます デプロイはそれぞれ別のDockerfile.apiや Dockerfile.webを作成すればOK その他にも... WebとAPIは bun workspaces によって 相互に呼び出しつつ、DB設定を 切り出すのもありだと思います
29. 設定ごとにファイルを分けると、 参照するためにより多くの会話リクエストを行ってしまう １ファイルでセクションごとに 定義を分けてMarkdownで見出しをつけることで、 LLM が認識・検索しやすくなります 個人的なおすすめ Memory Bank 構成 Index
30. Index +αの設定Tips システムプロンプトに以下を設定しよう 01 定期的に Memory Bank を見にいくように指示を記載 02 重要なサービス仕様を見つけた場合、Memory Bank に追記するよ うに記載 03 その他設定のところに、なるべく具体的に採用技術を記載する 　 （できればLLMに何も指定しなくても出力する方向性に従う）
31. Index 最後に：設定して良かったこと 01 API、WEB、Native ごとに仕様ファイルを記述する必要がない （ドキュメントが統一できた。モノレポの利点かも。 ） 02 LLMが無駄なアクションをすることが少なくなった 03 実装方針や履歴が１箇所に保持されることでコンテキストが失われ づらくなった
32. nocall株式会社とは？ すべての ビジネス コミュニケーションを する 私たちは、2040年に直面する1,100万人の労働力不足という日本の危機に、生成AI技術で挑みます。 nocallは、その第一歩として法人向けの電話業務完全自動化AIにチャレンジしています。 日本全体の生産性を20%向上（20億時間削減）させ、きたるべき労働の需給のギャップを解消します。 AI化
33. nocall株式会社とは？ デモ nocall.ai 実際にAI電話をお試しいただけます→
34. Cases ユースケース それぞれの業界で大量で定型的な電話の業務をリプレイス リマインド 掘り起こし インサイドセールス ヒアリング 後確 人間 15% ↓ nocall 32%
35. nocall株式会社とは？ 黎明期のLLMアプリケーションレイヤーで、 自律型AIエージェントを、 “爆速”AI駆動開発をしています 一緒に未来を作るエンジニアを募集してます
36. 無料 エンジニア同士で 食事や交流をしながら語り合う特別な夜 参加登録フォーム 👉 屋形船ナイト エンジニア限定 nocall株式会社