10倍の生産性を実現するAI駆動並列エージェントのすべて

Claude CodeでのAI駆動並列エージェントに関する講義資料

Transcript

1. 10倍の生産性を実現する AI駆動並列エージェントのすべて AI×システム開発コミュニティ「クマイ総研」主宰 ランスティア株式会社 CEO兼CTO 熊井 悠
2. AI駆動開発の現在地 当社では2024年から本格的なAI駆動開発を進めてきたが、2026年現在の生産性は下記のようになっている。 主に利用しているサービスはClaude Code×Claude Cowork×GitHub Issue。 自社AIプロダクト開発は「開発〜リリース」まで5日間で完了 ・設計〜開発〜テストも全般完了 約10人月の受託開発は2週間で完了 ・80％の開発は10時間で完了 ・AWS構築・デプロイ〜CI/CDも全てAIにて完了 ・その後、VibeOpsの概念により1.5週で完了 本日は上記をどう実現したかを説明します！ 受託開発 プロダクト開発
3. 導入：Claude Agent Teamsの登場で見落としていたもの 今年2月にXでポストした内容。 122万インプレッションで非常に注目されたが、大事な観点に気づいている人はどれだけいるだろうか。 Anthropicエンジニアブログで公開された「並列処理チームによるCコンパイラの構築」という記事。 ここから学べるノウハウを活かすと、並列エージェントで自動化できる方法を知ることができる。
4. 『並列処理チームによるCコンパイラの構築』でのエッセンス Anthropicエンジニアブログに書かれていたエッセンスで特に役立ったものを列挙する。 ・無限ループハーネスで永久ループ ・並列化のアーキテクチャで各エージェントは専用環境で稼働 ・仕様駆動×テスト駆動（TDD） Anthropicの研究者Nicholas Carliniが、16個のClaude Opus 4.6エージェントを並列稼働させ、 RustベースのCコンパイラをほぼ自律的に構築した実験レポート。 約2,000セッション、APIコスト約$20,000（約300万円）で、 10万行のコンパイラがLinuxカーネルをコンパイルできるレベルに到達した。 記事の概要 エッセンス
5. 現在運用している並列エージェントのフローを紹介 Claudeエンジニアブログを参考に構築したフローは下記の通り。 Parent Agent CLAUDE.md を読みタスクを分解・並列実行 Task 調査 Task テスト Task 実装 各タスクはサブエージェントで実行 構造 フロー 調査 既存実装（あれば）を調査 仕様書生成 方針と仕様を作成 Claude Code ぼく 〇〇を作って OK! TDD→実装→リファクタ 完了まで永久ループ 動作確認・検証 E2Eテスト 仕組みのポイント ・テストファースト ・結果出力ログは最小化＋コンテキスト節約 ・タスクの粒度を自動調整 完了チェック！
6. 実務的にどのように稼働させているか？ プロダクト開発においては下記のようなフローでタスクを遂行する。 プロダクト開発 アイデア検討 壁打ち 情報収集 Issue化 並列 エージェント 実装 レビュー マージ・ デプロイ 未来志向 × ボトムアップ思考
7. 実務的にどのように稼働させているか？ 受託開発においては下記のようなフローでタスクを遂行する。 受託開発 徹底的な ヒアリング Issue化 並列 エージェント 実装 レビュー マージ・ デプロイ ドキュメントよりも 頭に強く記憶する 五感で理解する 五感で理解する GEAR.indigo Biz Biz 要件定義 基本設計 結合試験 総合試験 不具合分析 Excel Word化 Cowork VibeOpsサイクル
8. これで「完璧」が目指せるか？ 残念ながら弱点がある。そのため「構造化レビュー」という方式を採用している。 仕様 DB設計 バックエンド 実装 UI実装 一括で並列エージェントで実装する場合のパターンは下記のようになる 完了 複数の箇所を並列で一気に構成する コンテキストを節約する視点で動いているため「巨視的（マクロ的） 」な視点が弱くなる 結合テストで担保するのもいいが、自分の目で見ることをおすすめする ・画面に必要なCRUD・ロジックが揃っているか？ ・全体として過剰な実装や重複・抜け漏れなどがないか？ これを人間が最後の砦になる「構造化レビュー」と称している。
9. 並列エージェント利用にあたる応用編 実際に想定されるユースケースを用いた方法論も応用として紹介する。 画面プロトタイプから細かく調整したい ・並列エージェントの「調査」フェーズを利用すればプロトタイプコードから開始が可能となる 　一方で検証の結果、モックデータよりもバックエンド・DBを最初から構成した方がミスが減らせる ・デザインの指定がある場合は、サンプルコード等を用意しておく（このサンプル=見本を育てることが重要） デプロイ先はクイックに作りたい ・プロダクトであれば最初からAWSではなくVercel + Supabase / Neonなどを用いるのも推奨する。 　簡易的にMVPを作る場合は「Vercel + Supabase」構成が個人的にも一番多い CI/CDで何を実施するか ・リンターエラー（静的解析）検証、セキュリティ検証、デプロイ、社内通知（Slack）を利用することが多い ・IaC（Terraform）と組み合わせることや、migration自動実行なども組み込んでいる
10. さいごに ・ここまでみたように並列エージェントの仕組みは非常に強力な武器になります。 　一方で「何をつくるか」 「どう運用するか」 「エージェントをどう育てるか」は人間の仕事です。 ・本日配布する仕組みは「雛形」にしか過ぎません。 　これをどう使い、どう育てるかは自分次第。ぜひカスタマイズして進めてみてください。
11. 当社提供のAIソリューションのご紹介 GEAR.indigo Biz Biz システム企画・プロダクト企画 リバースエンジニアリング・要件定義/設計生成 クラウド（IaC）生成 クラウドコスト管理・最適化提案
12. ご清聴ありがとうございました！