AI-DLC実践録_フルサイクル開発への挑戦

2026年7月開催「AI DevEx Conference 2026 – Future of Development Productivity –」で登壇した際の資料です。

AI-DLC（AI-Driven Development Lifecycle）をプロダクト開発チームに導入し、フルサイクル開発に挑戦した実践録です。AIと協働する開発プロセス、チームへの導入方法、実践を通じて得られた変化と学びを紹介します。

Transcript

1. AI-DLC 実践録 役割の境界を越えるフルサイクル開発への挑戦
2. 自己紹介 古賀 みゆき 株式会社デジタルガレージ DG Technology本部 フルスタックのWebアプリケーション開発 • 2025年 DG参画（フリーランス→正社員） • 現在のミッション： ◦ プロダクト開発の推進（品質・速度・持続性） ◦ 開発プロセス改善（スクラム運用・可視化・継 続的改善） • 価値観：心理的安全性を基盤に、アジャイルとAI で成果を最大化 • 一児の母 • 2
3. プロダクト紹介：アプリペイ 3
4. 開発体制 4
5. Part 1 なぜフルサイクル開発なのか 5
6. やりたかったこと • ユーザーに素早く価値を届けたい でも、現実は… • 要件の判断で待ちが発生 • 伝言ゲームで実装後に認識の齟齬に気づき、手戻 りが発生 開発途中で待ちや認識の変換が発生し、価値提供まで 時間がかかっていた 6
7. フルサイクル開発とは • 2018年にNetflix が Full Cycle Developer を提唱 • 開発者がソフトウェアライフサイクル全体に責任を持つ組 織モデル “Operate What You Build”（自分が作ったものは 自分で運用する） 責任を外部化せず、開発チームの中に直接の フィードバックループを作る。すると運用の痛み を感じた開発者が、自ら設計やコードを改善する ようになる 7
8. フルサイクル開発とは 企画から運用まで一貫して担当する 8
9. 当時の状況 • 若手が多いこともあり、設計はリーダー中心 • エンジニアは担当機能の実装に集中 • 要件は一度で決まらず、対話を通じて徐々に具体 化される。その要件形成プロセスに、エンジニア全 員が参加するイメージを持てていなかった • 結果として、全員がプロダクト全体ではなく担当範 囲を見て開発していた 9
10. Part 2 AI-DLC との出会い 10
11. AI-DLC との出会い • AI-DLC Unicorn Gymに参加 • 3日間を通じてAI-DLCの流 れを体験 • Day1：AI-DLCの紹介、ハンズ オン、Inception開始 • Day2 ：Inception 、Construction開始 • Day3 ：Construction、デモ・ 成果報告 11
12. AI-DLC とは • AI-Driven Development Lifecycle（AI駆動開発ライフサイクル） • 2025年ごろにAWSの Raja SP 氏とそのチーム が考案・提唱し たソフトウェア開発手法 • AI開発ツールの普及を背景に、「AIを補助ツールではなく開発 プロセスの中心に置く」という考え方として発表された • AIが実行し、人間が監督する 12
13. AI-DLC とは：タイムライン比較 13
14. AI-DLC とは：10 原則 14
15. AI-DLC とは：3つのフェーズ • 「何を作るか」「なぜ作るか」を定義するフェーズ • AIがビジネス要件や意図を整理し、要件・ユーザー ストーリー・作業単位（Unit）へと具体化する • システムを設計・実装するフェーズ • AIがアーキテクチャ設計、コード生成、テスト作成を 主導する • リリース後の運用・改善フェーズ • AIが監視やデプロイ支援、改善提案を行い、継続的 にシステムを改善する 15
16. AI-DLC とは：基本的な流れ 1. AIがプランを作る 2. 人間がレビューする 3. AIがプランを修正する 4. AIがプランをもとに実行 する 5. 人間が確認する 16
17. フルサイクル開発への道筋 • AI-DLCは要件定義から運用までを一貫して扱う開発アプ ローチ • AIが要件の整理や設計の可視化を主導する • Mob Elaboration （=関係者全員での対話を通じて要件や仕 様をリアルタイムに詳細化・合意形成していく） • 「担当機能を作る人」から「プロダクトを作る人」へ役割を広 げられると感じた 17
18. Part 3 AI-DLC 実践 18
19. awslabs/aidlc-workflows • AWS Labs が公開している AIDLCを実践するためのワークフ ロー集 • 単なるプロンプト集ではなく、AI エージェントが開発を進めるた めのルール・手順・成果物の構 成を定義している 19
20. 土台作り：スキル全体像 20
21. 土台作り： Plugin Marketplace • Plugin MarketplaceはClaude Code用の拡張機能ストア を自分で作れる仕組み • エンジニアはMarketplaceを登録するだけで、必要なプ ラグインを選んで使える • GitHub Private Repositoryで運用可能 • 社内限定配布ができる 21
22. 土台作り：リポジトリ 22
23. 土台作り：使用方法 23
24. 現場での進め方 • • • • • storyスキルでユーザーストーリーを作成 mockスキルでモック作成 全員でレビュー・承認 unitスキルでユニットを分割・Issue作成 context-mapスキルで並行可能な単位を探す • 小さいチームに分かれて、以下を回す • designスキルで基本設計を作成 • planスキルで実装計画を作成 • implスキルで実装・PR作成 各チームをリーダーが支援
25. 実践サンプル：requirements
26. 実践サンプル：story
27. 実践サンプル：mock
28. 実践サンプル：unit
29. 実践サンプル：unit（Sub-issue）
30. 実践サンプル：context-map
31. 実践サンプル：design
32. 実践サンプル：plan
33. 実践サンプル：impl
34. Part 4 どう変わったか 34
35. 数字で見る変化 項目 Before After ベロシティ 63 90 PR数 97 139 コミット数 490 901 オープンからマージま での平均時間 30 55 変化 35
36. レビュー リーダーに集中していたレビューが分散した 36
37. よかったこと • アウトプット量が増えた • レビュアーが分散した • モブワークにより知識の偏りが減った • チーム全体でAI活用を標準化できた • Inception フェーズから全員が関わることができた 37
38. 反省：ユビキタス言語 • 設計中に言葉の揺れに気づいた • 途中で気づいたため、各種ドキュメントの修正が手間だった • ユビキタス言語を策定した後は、言葉の揺れがなくなった 38
39. 反省：プロダクトへの知識 • AIに質問されて詰まる場面があった • プロダクトとビジネスへの理解や知識がないと、適切 な回答ができないと感じた 39
40. 気づき • 人数が多いと、どうしても発言をしない人が出てしまう • AIの出力を待つ時間がある • AI-DLCへの理解やモチベーションが人によって異なるの で、AI-DLCマスターのような支援する人が必要 40
41. Part 5 未来予想図 41
42. ボトルネックの移動 42
43. 役割の境界 • 役割の境界線はAIによって確実に 薄くなる • AIの問いに答えるには専門的な知 識は必須 • 役割はなくなるのではなく、協業 していく 43
44. 組織 従来：ピラミッド これから：小さな塔 複数の小さなフルサイクルチーム 44
45. Part 6 学びと挑戦 45
46. 3つの学び • AIは役割の境界を薄くする • ボトルネックは理解と当事者意識に移る • 鍵はAIだけでなく、組織設計にある 46
47. 挑戦 • フルサイクル開発はまだまだ道半ば • AIをフル活用していく • ユーザーに素早く価値を届け、アプリペイを進化させる！ 47
48. 仲間募集中 一緒に挑戦してくれる仲間を募集してます！ 48
49. X のフォローもよろしくお願いします 49
50. ご清聴ありがとうございました 50