1. はじめに

生成AIを使えば、資料作成やコード生成、情報収集などを短時間で行えるようになりました。

しかし、AIツールを導入しても、次のような課題が残ることがあります。

• アイデアはあるが、PoCに進めない
• PoCに成功しても、本開発に移行できない
• ビジネス側と開発側の認識が合わない
• 会議やレビューに時間がかかる
• AIを使っても、チーム全体の開発速度が上がらない

AWS Summit Japan 2026のセッション「AI 駆動は上流工程にこそ活きる」では、これらの原因を、人間同士の意思決定や合意形成にかかる時間にあると捉えていました。

そして、その解決策として紹介されたのが、AI駆動開発ライフサイクル、通称 AI-DLC です。

---

忙しい人向け：3分でわかるAI-DLC

この記事のポイントを先にまとめます。

結論

AIツールを導入しても開発全体が速くならないのは、資料作成やコード生成ではなく、人間同士の意思決定や合意形成がボトルネックになっているからです。

AI駆動開発ライフサイクル（AI-DLC）では、AIを単なる作業効率化ツールではなく、チームの協力者として活用します。

AI-DLCのポイント

• AIにすべてを任せるのではなく、人間が目的や判断を担当する
• AIによって、資料作成やモックアップ（画面や機能の試作品）作成などの待ち時間を減らす
• ビジネス、開発、QA、運用などの関係者が同じ場で作業する
• 会議を「資料の承認を待つ場」から「AIと一緒に成果物を作る場」へ変える
• 企画や要件定義の段階から、開発者や運用担当者も参加する
• AIを補助的に使うことはできますが、セキュリティ、法規制、優先順位などの最終判断は人間が行います。

AI-DLCの3つのフェーズ

フェーズ	主な内容
Inception	企画、要件定義、アーキテクチャ設計、開発対象の定義
Construction	詳細設計、実装、テスト、デプロイ
Operation	リリース、監視、メトリクス収集、継続的な改善

AI時代に人間に求められること

AI時代に重要になるのは、単に自分で作業をこなす能力だけではありません。

• 自分の経験や判断基準をAIに伝える
• AIから必要な情報を引き出すために、適切な問いを立てる
• AIが作った成果物をレビューする
• 自分の専門領域から意思決定に貢献する

つまりAI-DLCは、AIに仕事を丸投げする方法ではありません。

AIと人間がそれぞれの得意分野を活かし、チーム全体の開発速度を高める方法です。

---

2. 上流工程で起きている2つの課題

「上流工程」とは、簡単に言えば、プロダクトの目的や、何を作るのかを定義する段階です。

ウォーターフォール開発では、一般的に次のような流れで開発を進めます。

このうち、企画や要件定義、全体設計などが上流工程にあたります。

セッションでは、衣料品販売サイトの企画を例に、次の2つの課題が紹介されました。

① アイデアを検証できない

例えば、次のようなアイデアが出たとしますあ

• AIで服を試着できるようにする
• ユーザーに合ったコーディネートを提案する
• さまざまなシチュエーションの画像を生成する

魅力的なアイデアですが、実際には次のような疑問があります。

• 本当に技術的に実現できるのか
• ユーザーは使ってくれるのか
• 売上に貢献するのか
• PoCにどの程度の費用が必要なのか
• 社内に必要な人材がいるのか

検証したくても、予算や人員を確保できず、結局は既存機能の改善にとどまることがあります。

② アイデアを形にできない

仮にPoCに成功しても、次のような問題が起きます。

• 既存プロダクトの保守が優先される
• レガシーコード（古くから使われている既存のコード）の改善に人員が必要になる
• 新機能開発の予算を確保できない
• 要求が抽象的で、開発側が実装できない
• ビジネス側と開発側で優先順位が異なる

つまり、上流工程では、

アイデアを検証できない
検証したアイデアを形にできない

という2つの課題があります。

---

3. AIツールだけでは解決できない理由

AIは、次のような作業を得意としています。

• 大量の情報を要約する
• 調査結果を整理する
• 要件定義書のたたき台を作る
• よくあるパターンのコードを生成する
• モックアップを作る
• テストコードを生成する

一方で、次のような作業は苦手です。

• ゴールが決まっていない企画
• 正解が1つではない意思決定
• セキュリティや法規制の判断
• サービスの優先順位付け
• 組織固有の事情を踏まえた判断

「商品のおすすめ機能を作る」という明確な機能要件であれば、AIに実装のたたき台を作ってもらえます。

しかし、次のような判断は人間が行う必要があります。

• どの商品をおすすめするのか
• どのユーザーに表示するのか
• 個人情報をどう扱うのか
• どの程度のアクセスに耐える必要があるのか
• 何をもって成功とするのか

このような、プロジェクト固有の前提や背景を「コンテキスト」と呼びます。

AIは、コンテキストが不足していると、一般的な知識をもとに回答します。

そのため、AIに適切なコンテキストを与え、人間が成果物をレビューし、最終的な意思決定を行うことが重要です。

---

4. AI駆動開発ライフサイクル（AI-DLC）とは

AI-DLCとは、AI-driven Development Lifecycleの略です。

AIを使って個人の作業を効率化するだけでなく、AIをチーム開発の中心的な協力者として活用する方法論です。

AI-DLCでは、AIにすべてを任せるわけではありません。

AIが作業を担当し、人間が目的、判断、レビュー、承認を担当します。

このように、人間の監督のもとでAIに作業させる考え方を、Human in the Loopと呼びます。

---

5. AI-DLCの特徴は「モブワーク」

AI-DLCでは、モブワークという方法を重視します。

モブワークとは、複数の関係者が同じ画面を見ながら、一つの成果物を共同で作る方法です。

従来の会議では、担当者が資料を作成し、会議で説明し、指摘を持ち帰って修正するという流れが一般的でした。

AI-DLCでは、関係者が集まった場でAIに資料やモックアップを作らせ、その場でレビューと修正を行います。

つまり、会議を「承認の場」から「共同作業の場」へ変えるのです。

モブワークを行うことで、次のような効果が期待できます。

• AIの高速な作業に人間がリアルタイムで対応できる
• ビジネス側と開発側が同じ前提を共有できる
• 技術的な問題を早期に発見できる
• その場で意思決定できる
• 会議と会議の間の待ち時間を減らせる

---

6. AI-DLCの3つのフェーズ

AI-DLCでは、開発プロセスを次の3つのフェーズに分けます。

Inception：全体構想

企画、要件定義、アーキテクチャ（システム全体の構成を考えること）設計などを行います。

この段階から、ビジネス担当者だけでなく、エンジニア、QA担当者、運用担当者なども参加します。

AIを使ってモックアップを短時間で作成し、アイデアの実現イメージをその場で確認することもできます。

このような企画・要件定義のモブワークを、セッションでは Mob Elaboration と呼んでいました。

Construction：実際の構築

詳細設計、実装、テスト、デプロイなどを行います。

開発者が中心になりますが、必要に応じてビジネス担当者、セキュリティ担当者、法務担当者なども参加します。

開発中に発生したビジネス上・技術上の判断を、その場で行うことが目的です。

このモブワークは Mob Construction と呼ばれていました。

Operation：運用

本番環境の構築、リリース、モニタリング、メトリクス（利用状況や性能を測る指標）収集、顧客フィードバックの収集などを行います。

AI-DLCは、企画や要件定義だけではなく、開発から運用までのライフサイクル全体を対象としています。

---

7. 導入事例

①MIXI「みてね」

家族アルバムサービス「みてね」では、次のような改修を行いました。

• ステッカーのレコメンド機能
• 広告特集枠の管理画面化

ビジネス、デザイナー、エンジニアなどが参加し、ユーザーストーリーの作成から実装までをAI-DLCで進めました。

セッションでは、次の成果が紹介されました。

• 体験会中の開発速度が、当初見積もりを大きく上回った
• ステッカーの平均購入回数が15％向上
• 体験会後に追加作業を行い、機能をローンチ

②MonotaRO

MonotaROでは、実装やテストにおけるAI活用は進んでいましたが、要件定義や設計など上流工程でのAI活用方法は確立されていませんでした。

そこで、30名・4チームで3日間のワークショップを実施しました。

結果として、次の内容が紹介されました。

• 4つのテーマすべてで想定範囲内の成果物を作成
• 顧客満足度を示すCSATは4.87／5.0でした
• 参加者の実感値として60〜75％の工数削減ポテンシャル
• 新規SaaSのプロトタイプを3日間で完成

参加者の実感値として、60〜75％の工数削減ポテンシャルが紹介されました。これは本番開発で測定された生産性ではなく、ワークショップ参加者が感じた削減可能性です。

実際のチームでAIと人間が共同作業することで、どの程度の効果が得られるかを検証した事例として捉える必要があります。

---

8. AI時代に人間に求められること

AI時代には、AIを仕事を奪うライバルではなく、自分の能力を補ってくれる協力者として捉えることが重要です。

そのために、次の2つのスキルが必要になります。

① 自分の経験をAIに伝えるスキル

AIは一般的な知識を持っています。

しかし、組織固有の事情や、専門家が経験から身につけた判断基準は、伝えなければ理解できません。

• なぜその判断をするのか
• 何を重視しているのか
• どのようなリスクを避けたいのか
• 良い成果物とは何か

こうした経験や考え方を言語化する力が重要になります。

② 適切な問いを立てるスキル

AIから有益な回答を得るには、質問の内容を具体化する必要があります。

• 何を知りたいのか
• どのような前提があるのか
• どのような制約があるのか
• どの形式で回答してほしいのか

AIにうまく質問するためには、まず自分自身が課題や目的を整理しなければなりません。

---

9. まとめ

今回のセッションで紹介されたAI-DLCは、AIに開発を丸投げする方法ではありません。

AIが高速に作業し、人間が目的を定め、レビューし、意思決定するチーム開発の方法です。

上流工程の課題である、

• アイデアを検証できない
• アイデアを形にできない

という問題に対して、AI-DLCでは、ステークホルダーを集めたモブワークで向き合います。

AIによって資料やコードを作る時間が短くなるほど、人間同士の意思決定や合意形成が重要になります。

ビジネス側は、報告や承認だけの会議ではなく、関係者との共同作業に時間を使う。

開発側は、ビジネスの目的やプロダクトの価値を理解し、自分の専門知識をAIに伝える。

AI時代の上流工程の変革とは、上流の作業をAIで自動化することだけではありません。

AIと人間が同じチームで働き、専門知識を持ち寄りながら、意思決定と合意形成を高速化すること。

これが、今回のセッションから学んだAI-DLCの本質だと感じました。

---

参考資料・関連リンク

本セッション

• AI駆動は上流工程にこそ活きる――非エンジニアにこそ知ってほしい、AI駆動開発ライフサイクルによる上流工程の変革（AWS Summit Japan 2026 セッション資料）
• AI駆動は上流工程にこそ活きる――非エンジニアにこそ知ってほしい、AI駆動開発ライフサイクルによる上流工程の変革（セッション動画）

AI-DLCの公式情報

• AI駆動開発ライフサイクル：ソフトウェアエンジニアリングの再構築（AWS公式ブログ・日本語）
• AI-Driven Development Life Cycle: Reimagining Software Engineering（AWS公式ブログ・英語）
• AI-DLC Workflows（AWS Labs GitHubリポジトリ）

導入事例・関連情報

• AIドリブン開発の実践知 ― AI-DLC Unicorn Gym実施から見えた可能性と課題（MIXI ENGINEERS PRO／Speaker Deck）
• AIドリブン開発の実践知 ― AI-DLC Unicorn Gym実施から見えた可能性と課題（MIXI TECH&DESIGN／YouTube）
• 11社合同 AI-DLC Unicorn Gymで体験した開発のパラダイムシフト（AWS公式ブログ）
• MonotaRO Tech Blog：AI駆動開発に関する記事一覧

---

AI駆動開発をご検討の方へ

ナレッジコミュニケーションでは、AIで高品質・低コスト AWS/Azure上のアプリ開発を加速させる「AI駆動開発支援サービス」を提供しております。

▼AI駆動開発支援サービス

「何から始めればいいかわからない」という方もご相談は無料ですので、お気軽にお問い合わせください。