AIを活用したシステム開発の4方式｜エグゼクティブサマリー

01 / Purposeこの資料で決めること

生成AIをシステム開発へ導入する際、ツールを決めるだけでは、役割、品質、責任、必要人材は定まりません。本資料は、AI活用を4方式に整理し、案件・組織として何を決める必要があるかを短く示します。

最初に決めるべきことは、どのAIを使うかではない。誰を主たる作業者とし、AIに何を任せ、人間が何を判断し、誰が品質責任を持つかである。

本資料で判断すること

AIを補助者とするか、作業者とするか
個別作業か、複数工程か
AIへ与える閲覧・変更・実行権限
必要な人間の専門性と承認者
品質をどう検証し、証跡を残すか
どの範囲から試し、いつ拡大するか

対象となる場面

新規システム開発
既存コードの解析・改修
レガシーシステムの更改・移行
設計書・テスト・運用文書の作成
AIコーディングのチーム展開
AI活用ルールと品質保証の整備

02 / Four methodsAI活用の4方式

方式 1

人間主導の
AIコーディング支援

人間が主たる実装者となり、AIを検索、説明、補完、候補生成に使う。

主作業者：人間

方式 2

AI主導の
個別作業実行

AIが成果物を作り、人間が目的、制約、合格条件を定義して採否を判断する。

主作業者：AI

方式 3

複数AIによる
開発工程の分業

調査、設計、実装、レビュー、テストを複数のAI役割へ分け、人間が統括する。

主作業者：複数AI役割

方式 4

AIと人間による
開発体制の標準化

役割、権限、成果物、承認、証跡、改善をチームの共通運用として定める。

対象：組織運用

方式4：方式1～3をチーム・組織で運用するための標準化・統制レイヤー

方式1
人間主導

方式2
AI主導の個別作業

方式3
複数AI役割の分業

4方式はレベルではありません。方式1を経験していなくても方式2は可能です。方式4は方式1～3に置き換わるものではなく、いずれかの方式を組織で再現可能にするために重ねて適用します。

03 / Key distinction方式1と方式2の本質的な違い

違いは、AIを多く使うか少なく使うかではありません。成果物と具体的な作業手順を、誰が主に組み立てるかです。

判定項目	方式1：人間主導	方式2：AI主導
最初の成果物	人間が作る	AIが作る
作業手順	人間が具体的に組み立てる	人間が条件を設定し、AIが具体化する
調査・変更	人間がファイルを調査・変更する	AIが対象を調査し、変更する
テスト・手戻り	人間が実行・修正する	AIが実行・修正し、人間が確認する
人間の中心的仕事	実装する	目的、制約、権限、合格条件を設計する

注意：AIがコードを書いていても、人間が一行ずつ具体的に指示している場合は方式1に近い状態です。方式2では、人間が作業単位と合格条件を示し、AIが調査、実装、テスト、報告を組み立てます。

04 / Selection方式を選ぶ判断軸

方式は、AIツールの機能ではなく、対象業務の性質から選びます。

判断軸	確認する内容
主作業者	人間が成果物を作るのか、AIに作成を委ねるのか。
対象範囲	一つの作業か、複数工程か、組織全体の運用か。
影響度	誤りが顧客、資金、個人情報、法令、安全、本番運用へ及ぼす影響。
検出可能性	誤りをテスト、照合、差分、再現試験で本番前に発見できるか。
技術審査能力	対象技術と業務仕様を理解し、最終判断できる人間がいるか。
反復性	一度限りか、複数人・複数案件で繰り返すか。

代表的な選択

状況	中心となる方式	必要な統制
専門家が実装し、AIに補助させる	方式1	AI提案を専門家が直接評価
限定された作業をAIへ任せる	方式2	対象範囲、合格条件、差分、テスト
解析・設計・実装・レビューを分業する	方式3	役割分離、受け渡し、人間の品質ゲート
複数人・複数案件へ展開する	方式1～3＋方式4	役割、権限、標準、証跡、教育、KPI
高影響で誤りを発見しにくい	方式1を中心	AI権限を調査・提案へ限定し、人間の承認を厚くする

05 / Governance人間とAIの責任分界

AIが主たる作業者であることと、AIが意思決定者であることは同じではありません。作業は委任できますが、目的、仕様、承認、リリースの責任は人間側で明示します。

責任	主な内容	代表的な担当
目的・仕様	何を、なぜ作るか。正とする要件と優先順位。	業務・プロダクト責任者
技術判断	設計、コード、性能、互換性、セキュリティ。	対象技術の責任者
AI作業監督	作業分解、入力情報、AI権限、停止条件。	AI活用責任者・監督者
品質・受入	合格条件、テスト、レビュー、残存リスク。	品質・業務責任者
リリース	本番反映、監視、障害時の復旧。	システム・運用責任者

AIへ与える権限

委任しやすい

情報の閲覧、調査、設計案、コード、テスト、文書、検証環境での実行。

人間が保持する

業務仕様の確定、例外承認、高リスクな技術判断、本番反映、最終受入。

方式ごとに必要な人間の能力

方式	人間に必要な中心能力
方式1	対象技術を理解し、AIの提案を直接評価する能力。
方式2	仕事を分解し、制約、権限、合格条件を設計する能力。
方式3	AI役割、工程、受け渡し、統合、独立レビューを設計する能力。
方式4	責任、標準、証跡、教育、KPI、改善を組織へ実装する能力。

一人ですべてを担う必要はありません。業務、対象技術、AI作業設計、品質保証、情報管理は別の専門性です。高リスク領域では、作成、技術審査、業務承認、リリース承認を意図的に分けます。

06 / Work designAIへ任せられる仕事の条件

方式2・3を成立させる鍵は、AIへ細かく指示することではなく、AIが自律的に実行でき、人間が結果を判定できる作業単位へ変換することです。

必要条件	定義する内容
目的	何を明らかにし、何を完成させるか。
正本情報	何を事実・仕様として優先するか。
入力と出力	参照情報と提出成果物の形式。
対象と対象外	調査・変更・実行してよい範囲。
合格条件	正しさ、品質、完了を確認する方法。
停止条件	何が不明・矛盾・越権なら人間へ戻すか。
権限と復旧	閲覧・変更・実行の範囲と、元へ戻す方法。
受け渡し	次のAI役割・人間へ渡す根拠、未解決事項、検証結果。

大きすぎる指示

「このシステムを更改してください」

対象、仕様、工程、責任、合格条件を一つの作業として定義できません。

適切な作業単位

「対象機能のコードを解析し、入出力、業務ルール、依存関係、未確定事項を所定形式で整理してください」

資料を多く渡すだけでは不十分です。承認済み仕様、実装事実、過去資料、テスト結果、AIの推定を区別し、矛盾はAIに勝手に解消させず、人間の判断事項として報告させます。

07 / Roadmap導入の進め方

全社一括展開ではなく、対象選定、限定検証、標準化、段階展開、継続改善を分けます。

現状把握

候補選定

限定検証

標準化

段階展開

継続改善

段階	判断すること	次へ進む条件
現状把握	現行業務、責任、品質、時間、課題	現在の方法と基準を説明できる
候補選定	方式、AI権限、人間の役割、対象外	影響を限定でき、正しさを検証できる
限定検証	品質、総所要時間、手戻り、人間負荷、統制	現行方法と同条件で比較できる
標準化	役割、指示書、品質ゲート、例外処理	別担当者でも再現できる
段階展開	作業量、対象、利用者、権限を一つずつ拡大	拡大後も品質と統制を維持できる
継続改善	KPI、失敗、例外、ツール変更	更新・停止判断が機能する

限定導入で測るのは生成速度だけではありません。指示作成、レビュー、修正を含む総所要時間、品質、手戻り、再現性、情報管理、証跡を比較します。

08 / Management decisions経営・案件判断の要点

開始前に確認する

AI活用の目的は明確か
対象作業を限定できるか
正しさを判定できるか
対象技術を審査できる人がいるか
AIの権限と禁止範囲は明確か
失敗時に元へ戻せるか

展開前に確認する

品質を維持できたか
総負荷が削減されたか
担当者が変わっても再現できるか
責任と承認が機能したか
失敗・例外が記録されたか
適用除外条件が明確か

最終的な判断原則

AI活用の成否は、AIがコードを書けるかだけでは決まりません。仕事を適切に分解し、正本と権限を定め、人間の専門判断を配置し、成果と失敗を測定・再利用できるかで決まります。

AI導入とは、ツール導入ではなく、人間とAIの仕事・責任・品質保証を再設計することです。