はじめに
AWSが提唱する AI-DLC（AI-Driven Development Life Cycle、AI駆動開発ライフサイクル） は、AIを開発プロセスの中心的な協力者として位置づける新しい開発手法だ。本記事では、その考え方と仕組みを簡単に整理する。
従来、多くの組織はAIを既存の開発プロセスに「アシスタント」として後付けしてきた。しかしAWSは、この使い方ではAIの能力を制約し、時代遅れの非効率性をそのまま温存してしまうと指摘する。AI-DLCは、AIをソフトウェア開発の構造そのものに組み込むことを目指す。
AI-DLCが重視する2つの要素
AI-DLCは、AI中心の開発アプローチとして次の2点を重視する。
- AIが実行し、人間が監視する: AIが詳細な作業計画を作成し、意図のすり合わせやガイダンスを積極的に求める。一方で、ビジネス要件の文脈を理解した人間が重要な意思決定を担う。
- ダイナミックなチームコラボレーション: AIがルーティンタスクを処理する間、チームはリアルタイムの問題解決・創造的思考・迅速な意思決定に集中する。
この2要素によって、品質を損なわずに開発スピードを高められる、というのが基本的な主張だ。
基本となるメンタルモデル
AI-DLCの核となるのは、AIにワークフローを開始・主導させるメンタルモデルである。
- AIが計画を作成する
- 文脈を理解するためにすり合わせの質問をする
- 人間の検証を受けたうえで、初めて実装する
このパターンをSDLC（Software Development Life Cycle、ソフトウェア開発ライフサイクル）のあらゆる活動へ高速に繰り返すことで、統一されたビジョンとアプローチを開発全体に適用する。
3つのフェーズ
AI-DLCでは、開発を3つのシンプルなフェーズで進める。
| フェーズ | 内容 |
|---|---|
| 開始（Inception） | AIがビジネス意図を要件・ストーリー・作業単位へ変換する。チーム全員でAIの質問や提案を検証する「モブエラボレーション（Mob Elaboration）」を通じて行う。 |
| 構築（Construction） | 開始フェーズで検証した文脈をもとに、AIが論理アーキテクチャ・ドメインモデル・実装・テストを提案する「モブコンストラクション（Mob Construction）」を行う。 |
| 運用（Operation） | 蓄積された文脈を適用し、チームの監督のもとでAIがInfrastructure as Codeとデプロイメントを管理する。 |
各フェーズは次のフェーズへより豊富な文脈を引き継ぐ。AIは計画・要件・設計成果物をプロジェクトリポジトリに保存し、複数セッションをまたいで永続的な文脈を維持する。
用語の置き換え
AI-DLCは、協調的なアプローチを反映して従来のアジャイル用語を置き換える。
- スプリント → ボルト（Bolts）: 週単位ではなく、時間・日単位で測られるより短い作業サイクル。
- エピック → 作業単位（Units of Work）
これらの変更は、スピードと継続的デリバリーを重視する姿勢を強調するものだ。
期待されるメリット
AWSはAI-DLCのメリットとして次の点を挙げている。
- 開発速度: 要件・設計・コード・テストといった成果物をAIが高速に生成・改良し、従来は数週間かかった作業を数時間〜数日へ短縮する。
- 品質: 継続的な意図のすり合わせにより、曖昧な解釈ではなく意図どおりのものを構築できる。組織固有の標準（コーディング規約・設計パターン・セキュリティ要件）を一貫して適用しやすい。
- イノベーション: 重労働をAIが肩代わりすることで、創造的なソリューションの探求に時間を割ける。
- 市場対応力: 迅速な開発サイクルにより、市場の需要やフィードバックへ素早く適応できる。
- 開発者体験: 日常的なコーディングから重要な問題解決へフォーカスを移し、認知負荷を軽減する。
おわりに
AI-DLCは、AIを単なる補助ツールではなく「開発の主体」として捉え直す手法だ。「AIが計画し、人間が検証し、AIが実装する」というメンタルモデルを、開始・構築・運用の3フェーズへ一貫して適用する点が特徴的である。実際に導入する際は、AWSが公開しているホワイトペーパーや、Amazon Q Developerのルール、Kiroのカスタムワークフローを参照しながら、自組織のプロセスへ落とし込んでいくとよいだろう。
