技術記事

ChatGPTやClaudeなどの生成AIが普及し、「AIを使えばアプリやシステムを簡単に作れる」という話を耳にする機会が増えました。

実際に、作りたいものを文章で指示すると、画面やプログラムを自動的に生成してくれるサービスも登場しています。

しかし、AIに「このようなアプリを作って」と指示し、生成された中身を十分に理解しないまま完成とする方法と、開発会社が行うAI駆動開発は同じものではありません。

AI駆動開発とは、単にAIにコードを書かせることではなく、エンジニアが設計と品質に責任を持ちながら、要件整理、実装、テスト、レビューなどの開発工程にAIを組み込む方法です。

この記事では、AI駆動開発の基本的な考え方と、プロンプトだけでアプリを生成する方法との違いを、開発に詳しくない方にも分かるように解説します。

1.AI駆動開発とは

micomiaでは、AI駆動開発を次のように考えています。

「エンジニアが設計と最終判断を行い、AIを開発工程全体の実装パートナーとして活用する開発方法」

重要なのは、AIが開発の責任者になるわけではないという点です。

どのようなサービスを作るのか、どのデータを保存するのか、誰がどの情報を閲覧できるのか、どのような技術構成にするのかといった重要な判断は、これまでと同様に人が行います。

そのうえで、AIに次のような作業を支援させます。

・要件や仕様の整理
・既存プログラムの調査
・実装方法の提案
・プログラムコードの作成
・エラー原因の調査
・テストコードの作成
・コードレビューの補助
・仕様書や技術資料の作成
・既存コードの整理や改善

AI駆動開発は、AIに開発を丸投げする方法ではありません。

人が担当していた開発工程の一部をAIによって高速化し、エンジニアが設計、判断、確認により多くの時間を使えるようにする方法です。

2.本記事でいう「プロンプト生成型」とは

「文章で指示するだけでアプリが作れる」というサービスも増えています。

本記事では、作りたいものをプロンプトで指示し、生成された画面やプログラムの中身を十分に確認しないまま利用する方法を、便宜上「プロンプト生成型」と呼びます。

例えば、AIに次のような指示を出すケースです。

「メールアドレスでログインできて、写真を投稿できるSNSアプリを作ってください」

AIはログイン画面、投稿画面、一覧画面などを生成し、見た目上は動くアプリを作ることがあります。

これは、アイデアを形にしたり、試作品を作ったりする用途では非常に便利です。

一方で、画面が動いているだけでは、本番で運用できるアプリとは限りません。

例えば、次のような点が正しく設計されているかを確認する必要があります。

・他人の投稿を勝手に編集できないか
・退会後のデータをどのように扱うか
・投稿した画像を誰が閲覧できるか
・管理者にはどのような権限を与えるか
・機種変更後もデータを引き継げるか
・アクセスが増えても正常に動作するか
・エラーが発生したときに復旧できるか
・個人情報や認証情報が安全に管理されているか

プロンプト生成型では、利用者がこうした論点を知らなければ、AIへの指示にも含まれません。

その結果、「画面上では動いているが、サービスとして必要な設計が不足している」という状態が起こります。

3.AI駆動開発とプロンプト生成型の違い

両者の大きな違いは、AIを使っているかどうかではありません。

設計、検証、品質に誰が責任を持っているかが違います。

プロンプト生成型そのものが悪いわけではありません。

重要なのは、用途を分けることです。

試作品や社内で使う小規模なツールであれば、プロンプト生成型によって短時間で形にすることには大きな価値があります。

一方で、顧客情報を扱うサービス、決済を伴うアプリ、複数の権限が存在する業務システムなどでは、生成されたものをそのまま公開するのは危険です。

4.AI駆動開発は「プロンプトを書く技術」だけではない

AI駆動開発というと、AIに正確な指示を出すプロンプトエンジニアリングが重視されがちです。

もちろん、AIへの指示方法は重要です。

しかし、良いプロンプトを書くだけで、良いシステムが完成するわけではありません。

AIに正確な実装をさせるためには、その前に次の内容を決めておく必要があります。

・サービスの目的
・利用するユーザー
・必要な機能
・ユーザーごとの権限
・保存するデータ
・外部サービスとの連携
・エラーが発生した場合の動作
・性能やセキュリティに関する条件
・将来追加する可能性がある機能

これらが曖昧な状態でAIに実装を依頼すると、AIは不足している情報を推測してコードを作ります。

推測した内容が事業の意図と一致しているとは限りません。

そのため、AI駆動開発では、プロンプトの技術以上に要件定義と設計が重要になります。

5.AI駆動開発の基本的な流れ

AI駆動開発でも、従来のシステム開発に必要だった工程がなくなるわけではありません。

工程そのものを省略するのではなく、それぞれの工程をAIによって効率化します。

1．目的と要件を整理する

最初に、誰のどのような課題を解決するシステムなのかを整理します。

必要な機能を並べるだけでなく、利用者、利用場面、運用方法、管理者の業務まで確認します。

この段階では、AIを使ってヒアリング内容を整理したり、検討漏れを洗い出したりできます。

ただし、事業として何を優先するかは人が判断します。

2．システムの設計を行う

次に、画面構成、データ構造、認証方式、権限、外部サービスとの連携方法などを設計します。

この設計が、アプリやシステムの土台になります。

AIに複数の設計案を出させることはできますが、費用、保守性、安全性、将来の拡張性を踏まえて採用する案を決めるのはエンジニアです。

3．AIが理解できる形に作業を分ける

システム全体を一度に作らせるのではなく、機能や作業単位に分けてAIへ依頼します。

例えば、「会員機能を作る」という大きな指示ではなく、次のように分けます。

・会員登録時の入力項目を定義する
・登録内容のチェック処理を作る
・確認メールを送信する
・ログイン処理を作る
・パスワード再設定機能を作る
・退会処理を作る
・各機能のテストを作る

作業を適切に分けることで、AIが誤った場合にも影響範囲を把握しやすくなります。

4．AIを使って実装する

設計書、プロジェクトのルール、既存コードなどをAIに読み込ませ、機能を実装します。

AIは、定型的な処理や既存パターンを使った実装を高速に行うことが得意です。

一方で、AIが生成したコードが、そのプロジェクトにとって最適とは限りません。

エンジニアは生成内容を確認し、必要に応じて修正や再生成を行います。

5．テストを行う

正常に動く場合だけでなく、入力を間違えた場合、通信が切れた場合、権限がない場合なども確認します。

AIにテスト項目やテストコードを生成させることで、確認作業を効率化できます。

ただし、何をもって正しい動作とするかは、仕様を理解している人が決めなければなりません。

6．人がレビューする

生成されたコード、テスト結果、セキュリティ、画面上の動作を人が確認します。

特に次の部分は慎重な確認が必要です。

・ログインと本人確認
・ユーザーごとの権限
・個人情報の保存
・決済処理
・外部に公開するAPI
・ファイルや画像のアップロード
・管理画面
・データの削除や退会処理

AIによるレビューを追加することもできますが、最終的な承認までAIだけに任せるわけではありません。

7．公開後も監視と改善を続ける

アプリやシステムは、公開した時点で終わりではありません。

実際の利用状況、エラー、ユーザーからの問い合わせなどを確認し、必要な改善を行います。

AIは、ログの分析、エラー原因の調査、修正案の作成にも活用できます。

6.AI駆動開発で人が担当すること

AIの性能が向上しても、人が判断すべき領域は残ります。

むしろ、実装速度が上がるほど、設計と確認の重要性は高まります。

AI駆動開発において、人が主に担当するのは次の領域です。

1.何を作るかを決める

AIは、事業の目的や顧客との関係を自動的に理解できるわけではありません。

誰の課題をどのように解決するのか、どの機能を優先するのかは人が決めます。

2.システム全体を設計する

一つひとつの機能が動いていても、全体の構成が不適切であれば、後から機能を追加できなくなったり、運用費用が増えたりします。

全体を見て技術構成を決める役割は、エンジニアが担います。

3.AIの出力が正しいかを判断する

AIは、間違ったコードでも自信を持って提示することがあります。

コードが動くかだけでなく、仕様に合っているか、安全か、将来も管理できるかを判断する必要があります。

4.品質に責任を持つ

不具合や情報漏えいが発生したときに、AIが責任を取ることはできません。

開発会社がAIを利用している場合でも、成果物に対する責任までAIに移るわけではありません。

7.AI駆動開発のメリット

正しく取り入れることで、AI駆動開発にはさまざまなメリットがあります。

1.実装速度を上げられる

画面の基本処理、データの登録処理、テストコードなど、一定のパターンがある実装をAIによって効率化できます。

エンジニアは単純作業を減らし、複雑な設計や品質確認に時間を使えるようになります。

2.調査にかかる時間を短縮できる

既存コードの構造、エラーの原因、利用しているライブラリの影響などをAIに調査させることで、問題を把握するまでの時間を短縮できます。

3.テストや資料作成を充実させやすい

これまで時間の都合で後回しになりやすかったテストコードや技術資料も、AIを利用することで作成しやすくなります。

4.複数の案を比較しやすい

一つの課題に対して、複数の実装方法や設計案を短時間で検討できます。

ただし、どの案を採用するかは、プロジェクトの条件を踏まえて判断する必要があります。

8.AI駆動開発でも開発費がゼロになるわけではない

AIを使えば、すべての開発が極端に安くなると思われることがあります。

しかし、AIを導入しても次の業務は必要です。

・顧客へのヒアリング
・要件定義
・UI／UX設計
・システム設計
・プロジェクト管理
・生成コードの確認
・テスト
・セキュリティ対策
・ストアへの申請
・公開後の保守

AIによって実装時間を短縮できる可能性はありますが、開発に必要な責任や確認作業がなくなるわけではありません。

そのため、AI駆動開発は「エンジニアを不要にする方法」ではなく、「エンジニアの開発能力を拡張する方法」と考える方が実態に近いでしょう。

9.プロンプト生成型が向いているケース

次のような場合には、プロンプト生成型のサービスが適しています。

・アイデアを画面として確認したい
・社内説明用の試作品を作りたい
・小規模な個人用ツールを作りたい
・市場に需要があるか簡単に検証したい
・デザインや操作の流れを確認したい

最初から本番用のシステムを作るのではなく、試作品を作って方向性を確認する目的では、非常に有効です。

10.エンジニアによるAI駆動開発が必要なケース

次のようなアプリやシステムでは、エンジニアが設計とレビューを行うAI駆動開発が適しています。

・顧客や従業員の個人情報を扱う
・クレジットカード決済や課金がある
・管理者と一般ユーザーで権限が異なる
・複数の企業や店舗が利用する
・外部サービスや基幹システムと連携する
・長期間の運用を予定している
・将来的に機能を追加する予定がある
・App StoreやGoogle Playで一般公開する
・不具合が事業や顧客に大きな影響を与える

これらのシステムでは、完成時の見た目だけでなく、内部設計、セキュリティ、保守性まで考える必要があります。

11.AI駆動開発を依頼するときの確認ポイント

開発会社が「AIを活用しています」と説明していても、実際の開発体制は会社によって異なります。

依頼前には、AIを使っているかだけでなく、次の点を確認することが重要です。

1.誰が設計するのか

AIが生成した内容をそのまま採用するのか、エンジニアが要件やシステム構成を設計するのかを確認します。

2.誰がコードを確認するのか

生成されたコードを、経験のあるエンジニアがレビューする体制があるかを確認します。

3.どのようにテストするのか

画面を操作して確認するだけなのか、権限、異常時の動作、データの整合性までテストするのかを確認します。

4.セキュリティを誰が確認するのか

認証、認可、個人情報、API、外部サービスとの連携などを、どのような基準で確認しているかが重要です。

5.公開後に誰が修正するのか

AI生成ツールで作った後、元の構造を誰も理解できていない場合、修正や追加開発が難しくなることがあります。

保守や引き継ぎができる体制かどうかも確認しておきましょう。

12.micomiaのAI駆動開発が一般的なAI活用と異なる点

AI駆動開発という言葉には、現時点で統一された定義があるわけではありません。

AIにコードの一部を書かせるだけでもAI駆動開発と表現されることがあれば、要件整理、設計、実装、テスト、レビューまで、開発工程全体にAIを組み込む方法を指す場合もあります。

そのため、「AI駆動開発を行っている」という説明だけでは、どのように品質を管理しているのかまでは分かりません。

micomiaでは、単にAIによるコード生成の回数を増やすのではなく、AIを利用して開発速度を高めながら、既存システムとの整合性、複数の視点による確認、テストと品質管理を維持することを重視しています。

基本となる考え方は、次のとおりです。

「設計と最終判断は人、実装の加速と確認の支援はAI」

具体的な開発手順や内部のセキュリティ対策は公開していませんが、一般的なコード生成中心のAI活用との違いとして、主に次の3点があります。

1.生成した機能だけでなく、既存コードや仕様との整合性を確認する

AIは、個別の機能やプログラムを短時間で生成することを得意としています。

一方で、生成された機能が単体で動作していても、既存のコード、画面、データ構造、権限設定、運用ルールと矛盾している可能性があります。

例えば、AIが作成した登録処理自体は正常に動いていても、既存機能とは異なる形式でデータが保存されていたり、本来必要な権限確認が抜けていたりすることがあります。

そのためmicomiaでは、新しく生成された部分だけを見て完成と判断するのではなく、既存の仕様やシステム全体とのつながりを確認します。

確認する対象には、次のような内容が含まれます。

・既存機能の動作に影響しないか
・既存の設計方針と矛盾していないか
・データの保存方法が統一されているか
・ユーザーごとの権限が正しく維持されているか
・画面と内部処理の仕様が一致しているか
・将来の修正や機能追加を妨げる構造になっていないか

AI駆動開発では、新しいコードを速く作ることだけでなく、既存のシステムを壊さずに変更を積み重ねられることが重要です。

2.つのAIによる生成結果だけで完結させない

AIが生成した内容は、文章として自然で、コードも正しく見えることがあります。

しかし、AIは誤った内容をもっともらしく出力する場合があり、生成したAI自身にそのまま確認させても、同じ前提や見落としを引き継ぐ可能性があります。

micomiaでは、実装と確認を一度のAI出力だけで完結させないことを重視しています。

実装、調査、レビューなどの工程で異なる視点を持たせ、人による確認と組み合わせることで、特定の判断や一つの生成結果に依存しすぎないようにしています。

例えば、次のような観点を分けて確認します。

・依頼した仕様どおりに実装されているか
・既存機能への影響がないか
・エラーが発生する条件を見落としていないか
・セキュリティ上の問題が含まれていないか
・より安全で保守しやすい方法がないか

ここで重要なのは、複数のAIを使えば自動的に品質が上がるわけではないという点です。

それぞれに何を確認させるのかを整理し、結果を比較したうえで、最終的にエンジニアが採用の可否を判断する必要があります。

3.テストと品質確認を開発工程の一部として扱う

プロンプト生成型の開発では、画面を操作して想定どおりに動けば完成と判断されることがあります。

しかし、本番で運用するアプリやシステムでは、通常の操作ができることだけでは十分ではありません。

入力内容が不足している場合、通信に失敗した場合、権限がないユーザーがアクセスした場合など、想定外の条件でも安全に動作する必要があります。

micomiaでは、AIによる実装とテストを別々の作業として考えるのではなく、品質を確認するところまでを一つの開発工程として扱います。

主に次のような観点から確認を行います。

・正常な操作で期待した結果になるか
・誤った入力を適切に処理できるか
・権限のない操作を防止できるか
・エラー発生時に不正なデータが残らないか
・既存機能に意図しない変化がないか
・修正した不具合が再発しないか

AIを使ってテスト項目やテストコードを作成することもできますが、何を確認すべきか、どの状態を正しいとするかは、仕様を理解した人が決めます。

AIによって実装速度が上がるほど、短時間で多くの変更が加わります。

だからこそ、テストやレビューを省略するのではなく、AIを使って品質確認も効率化することが重要になります。

4.一般的なコード生成中心のAI活用との比較

ここでいう一般的なAI活用とは、AIにコードの生成や修正を依頼し、出力された内容を中心に開発を進める方法を指します。

すべての開発会社やサービスに当てはまるわけではありませんが、micomiaが重視する違いを整理すると、次のようになります。

micomiaのAI駆動開発は、AIを多く使うこと自体を目的としているわけではありません。

AIが得意な実装、調査、整理を活用しながら、AIが見落としやすいシステム全体の整合性や品質を、人と複数の確認工程によって補うことを重視しています。

5.内部の仕組みをすべて公開しない理由

AI駆動開発では、利用するAIの種類だけでなく、どの情報を与えるか、どの順番で確認するか、どのような基準で生成結果を採用するかによって品質が変わります。

ただし、具体的な開発環境、指示内容、確認手順、セキュリティ設定などをすべて公開することは適切ではありません。

これらには、開発上のノウハウだけでなく、お客様のシステムを安全に開発するための情報も含まれるためです。

micomiaでは、開発方法に関する基本的な考え方は公開しながら、個別のプロジェクトやセキュリティに関わる詳細情報は必要な範囲で管理しています。

公開している情報だけで安全性を示すのではなく、実際の開発では、対象となるサービスの内容や取り扱うデータに応じて、必要な設計、確認、テストを行います。

13.AIの速度を、品質につなげるために

AIを使えば、コードを生成する速度は大きく向上します。

しかし、コードが速く作られることと、安全に運用できるシステムが完成することは同じではありません。

重要なのは、AIによって生まれた時間を、単なる作業量の増加だけに使うのではなく、設計、レビュー、テスト、改善へ振り分けることです。

micomiaでは、AIによる実装速度と、人による設計・品質管理を組み合わせることで、開発の効率化と品質・安全性の両立を目指しています。

AI駆動開発で起こりやすい具体的な問題については、以下の記事でも詳しく解説しています。

AI駆動開発の注意点｜開発会社が実践してわかった「速いけど危うい」落とし穴と対策

14.まとめ

AI駆動開発とは、AIに指示するだけでアプリを自動生成する方法ではありません。

エンジニアが要件、設計、セキュリティ、品質に責任を持ち、AIを活用して実装やテストなどの工程を効率化する開発方法です。

プロンプト生成型は、試作品や簡易ツールを短時間で作る用途に向いています。

一方で、個人情報、決済、権限管理などが必要な本番用のアプリやシステムでは、見た目が動くだけでなく、内部の設計と品質を確認しなければなりません。

重要なのは、「AIを使っているか」ではなく、次の点です。

・誰が設計しているか
・誰が生成されたコードを確認しているか
・どのようにテストしているか
・既存のコードや仕様との整合性をどのように確認しているか
・誰が成果物の品質に責任を持つか

AIは、正しく使えば開発速度とエンジニアの能力を大きく高めてくれます。

しかし、AIに任せる範囲と、人が判断する範囲を明確に分けることが、安心して運用できるアプリやシステムを作るための条件です。

micomiaでは、AI駆動開発と人による設計・品質管理を組み合わせ、アプリ開発やシステム開発をご支援しています。

AIを活用した開発を検討している方や、AIで作ったアプリを本番運用できる状態に整えたい方は、お気軽にご相談ください。