まだ道半ば、AI-DLCを歩み始めている話

Transcript

1. JAWS-UG横浜 #101 - AI-DLC支部キックオフ[共催] まだ道半ば、AI-DLCを歩み始めている話 荒木泰詞 / アスクル株式会社 2026.05.25
2. 自己紹介 アスクル株式会社 荒木 泰詞 @news_it_enj 2025 Japan All AWS Certifications Engineers 気づいたらAI-DLC支部の運営へ
3. アスクルの 3 つのアプローチ 01 チーム構成 ピザ 2 枚ルール （4 〜 8 名） PM × 業務側 × 開発者 02 AI エージェント GitHub Copilot Kiro 03 仕様駆動アプローチ Markdown + Mermaid AI が読める仕様書 GitHub 管理
4. AI-DLC の反復速度 1 フェーズ 開始 → 構築 → 運用 1 ワークフロー 計画 → 実装 → レビュー ～ 数時間 1 ワークフロー 計画 → 実装 → レビュー ～ 数時間 … このリズムで進めることで、早期に具体的なアウトプットが得られ、手戻りを最小にしながら開 発を加速できる → 1 日〜数週間 でひとまとまりの成果を出す → 数時間単位 で 1 サイクル を回す
5. 成果 当初予定: 12 ヶ月 6 ヶ月 開発期間 業務工数 53% 削減 ※いずれも見込み値
6. 分かったこと ✗ 何でも AI に丸投げすればいいわけではない • これまでの開発プロセス（要件定義・設計・実装・テスト…）のメイン作業者が AI になる ✓ 全員に「レビュー能力」が必須となる • AI は提案や作業を行う者であり、引き続き人間の経験値や判断力が重要 • 課題に対する適切性を判断できるエキスパートの参加が、スピードと質を最大化する
7. 工夫が必要な点 (1/2) 疲労・負荷 • 判断し続けるので脳の疲労が激しい • テキスト画面の凝視が続き、視覚的負荷も大きい • 集中しすぎて休憩が疎かになる レビュー品質の維持 • 作業計画が甘いと、高速生成によって大きな手戻りが発生することも • 出力スピードに押し負けないため、レビュー精度を落とさない工夫が必要 → 意識的な休息が必須 → AIに説明の要約や図解
8. 工夫が必要な点 (2/2) 進行・マネジメント • ユニット分割（並行して進めるためのタスク分割）以降のフェーズで全体の進捗が測りづらい • 全員でまとまった時間・場所を確保するのが大変 期待と現実のギャップ • 同じ指示でも出力が揺らぐことがある • AI によって「すべての工程が効率化されるわけではない」ため、削減されない部分に目がい きやすい → AI-DLC の経験値を貯める必要あり → 識的な休息が必須 AIとの付き合い方を学びながら、試行錯誤を楽しむ心が大切！
9. 段階的な AI-DLC 展開 今はここを目指している ① 小さな成功事例 をつくる ② インパクト高い 領域へ横展開 ③ 方針策定まで 拡張
10. これからやる人への Tips (1/2) 事前準備が重要 • コンテキストによって出力精度が劇的に変わる • エージェントルールやスキル（Skills）の活用が不可欠 AI に任せる範囲の見極め • コーディングの 70 〜 80% は AI で高速生成が可能 • 一方で、 100% の完成度に仕上げるには従来の営みが必要になる場面もまだ多い • 自分がレビューできない・わからない領域は AI に任せないという判断が必要
11. これからやる人への Tips (2/2) レビューでの工夫 • AI は銀の弾丸ではない。従来通りのレビューは必要 → コードは全行読むべし！ • ただし、 AI に説明や可視化をさせることでレビュー効率は上げられる チーム運営 • ドライバー（AI への指示役）は全員で回す → ツール理解と当事者意識 UP • AI が最大性能で動ける環境を整える （十分な PC スペック、適したツール、集中できる環境、 etc）
12. まとめ AI-DLC とは、 AI をチームメンバーとして組み込み、 "人間単体では到達できない効率性" を獲得するアプローチ 高速化される領域 • 議論、実装、待ち時間 変わらない領域 • 判断力、レビュー、人間同士のコミュニケーション
13. 小さく始めよう AI-DLC はチームの共通言語。アスクルも小さな一歩から始めました。