【エンジニア対談】慣れ親しんだシステム開発の“終わりの始まり”

「人間中心の開発」から「AIドリブンな開発」の時代へ

読了時間: 
画像:TOP画像

生成AIの進化は、システム開発の現場にも大きな変革をもたらしている。今後、私たちが“慣れ親しんだ”「人間中心の開発」から「AIドリブンな開発」へと変化していく中で、開発の現場やプロセスはどのように変わっていくのだろうか。また、そのときに人が果たす役割とは、どんなものになるのだろう。BIPROGYでも、生成AIを活用したシステム開発の高度化や、AIエージェントの開発など、さまざまな試みが進められている。今回は、部署横断で生成AIの研究と活用に取り組むBIPROGYの田中要と富永陽一が、次世代のシステム開発のあり方について展望を熱く語り合った。

「分からないことは生成AIに聞く」が当たり前に

――まずはお二人の担当業務について教えてください。

田中BIPROGYのプロダクトやサービスの開発・運用を担うプロダクトサービス本部の本部長を務めています。私は入社以来、新しいテクノロジーをいかに自社ソリューションへ実装し価値につなげるかを追求してきました。そうした経験や知見を基盤に、この2年は、生成AIをシステム開発に組み込むミッションをリードしています。

写真:田中要
BIPROGY株式会社 プロダクトサービス本部
本部長 田中要

富永私はデジタルエンジニアリング本部アドバンスト技術部の室長をしています。組織横断で、新しい技術を用いてシステムやサービスの開発を効率よく進めるための調査・研究と、それを踏まえて各種ソリューションを開発し、開発現場で幅広く使ってもらうことをミッションとしています。現在は特に生成AIを活用して開発効率を上げていくことに注力しています。

――生成AIが急速に進化する中で、開発の現場はどのように変化していますか?

富永まず、「技術的に分からないことがあれば生成AIに聞く」ことは当たり前になりました。生成AIでソースコードを作成したり、逆にソースコードからドキュメントを作ったりもしています。生成AIを使うことで、確実に作業効率は高まっています。ただ、精度はまだ100%ではありません。ソースコード生成の場合は、適切なテストケースを用意すれば意図した結果が得やすく検証もしやすいのですが、ドキュメントの作成では誤りも多くあり検証が難しいです。今後は、生成AIが書き出したものをいかに検証するかが大事になってくると思います。

写真:富永陽一
BIPROGY株式会社 デジタルエンジニアリング本部
アドバンスト技術部開発技術室長 富永陽一

田中分からないことを調べたり、どこから取り掛かればいいかを聞いてみたりすることは誰もが普通に行っており、それが業務着手の早さや業務スピードの向上につながっています。IT企業として、生成AIをさらに活用していかなければならないと思いますが、過渡期でもあり、今はまだ人によって使用頻度やアウトプットの精度に差がある状態だと感じます。私たちのチームでも、会社全体としても、誰もが生成AIを高度に使いこなせるよう取り組みを加速すべき時期に来ています。個人が経験を通じてAI活用の能力を磨いていくことと、会社としての教育提供や環境整備の両軸で進めていく必要があります。

生成AIの出力は“一見正しそう”に見える

――「AIドリブンな開発」は、従来の人間中心の開発と比べて何が異なるのでしょうか。

富永システム開発の基本的な仕事の流れは、あまり変わりません。要件を定義し、設計、実装、テストと進めていく従来からの「人間中心開発」では、各プロセスの間で開発者がドキュメントを用意して、お客さまやプロダクトオーナーとの共有や、チームメンバーやパートナーへの指示や認識合わせを行っていました。AIドリブン開発でも、同様に、生成AIにきちんと指示しなければ、意図したアウトプットは出てきません。そのためには「漏れなく」「分かりやすく」「正しい」情報を生成AIに渡すためのドキュメント作成が必要であり、それは従来の開発と大きく変わりません。

ただ、ドキュメントを作成する上では、生成AIが読み取りやすい文章や情報の整理が必要で、そこが従来の開発とは異なります。このドキュメント作成も、AI技術の進化に合わせてアップデートする必要があり、これからは生成AIがデータを活用しやすい環境をいかに整えられるかが、会社の強みや差別化ポイントになると思います(参考「企業データを「AI-Ready」に変える、新たな取り組み」)。

田中私たちが登壇した「BIPROGY FORUM 2025」の講演タイトルにも「AI中心開発」と付けました。「AI中心」と言うと、まるで人間が必要ないように捉えられるかもしれませんが、そうではなく「いかにAIをうまく使うか」を考えていく必要があるという意味で、あえてAI中心という言い方をしています。

生成AIは与えられたインプットを補完・解釈してアウトプットを生成する仕組みです。設計データでも要件でも、いかに良いインプットを与えるかが大事になります。生成AIにスムーズに動いてもらうための環境を整えることで、品質や開発速度を大きく向上させる。それが「AIドリブンな開発」です。開発を進める考え方そのものは変わりませんが、その中に生成AIを組み込んでどう品質や効率を高めていくかを考えていかなければなりません。

図版:システム(ソフトウェア)開発と生成AIの関係を示す図。

    システム開発とは、抽象的な概念をシステム(ソフトウェア)に具体化していく作業で、「要件」「設計」「実装」の3段階で構成される。各段階をつなぐ設計作業・実装作業では「整理」「変換」「補完」が行われるが、この部分について「生成AIが代替できる可能性——分類だけでなく、インプットからアウトプットが作れるようになった」と記載されている。

――生成AIを開発現場で活用するに当たり、社内のエンジニアやクライアントからはどのような課題が寄せられるのでしょうか。

富永生成AIを使いこなしている現場のエンジニアからは、「疲れる」という声をよく聞きます。生成AIは、膨大な量のアウトプットを瞬く間に生成し、それらは一見するとどれも正しそうに見えるのです。しかし、細かく見ていくと間違っている内容も少なくありません。それを見極めるためには、これまでとは違う頭の使い方が必要になります。

また、お客さまからは、1~2年前までは、セキュリティに関する不安の声が多く聞かれましたが、最近では、生成AIのアウトプットが正しいかどうかをどのように評価するかに関心が高まっています。生成AIの精度で最初から100%を目指すことは、費用対効果の面で現実的ではありません。まずは80%の精度を確保した上で、人間の知見を交えることで100%に近付けていくアプローチが有効だと考えています。

田中私が担当しているお客さまの多くは、生成AIの浸透によって、今後ビジネスがどのように変わっていくのかに関心を寄せています。どの程度の業務が生成AIに置き換わり、そのときにどのような人材が何人必要なのか。これらの問いにすぐに答えは出ないのですが、今後の変化の大きさは領域によって異なると考えています。既存の業務が大きく変わらない部分もあれば、生成AIの活用によってプロセスそのものが再定義される領域もあるでしょう。私たちはその両面を見据えながら、お客さまにとって最適な形を共に探っていく必要があります。生成AIを組み込んだ私たちのサービスを使っていただくことも、お客さまへの1つの解になるかもしれません。

――若手社員や経験の浅いエンジニアの教育をどうすべきか、という懸念もありますね。

田中これまでもコンピュータの歴史の中で、人間が担う業務は変化してきました。かつてのエンジニアはコンピュータの回路の仕組みを知らなければコンピュータを動かせなかったけれど、今は仕組みを知らなくても動かせますよね(参考「表舞台から遠ざかるコンピュータの記憶を未来へつなぐ「覧古考新プロジェクト」)。

プログラムも同様で、仕組みを知っていたほうが強みになりますが、知らなかったとしても仕事はできます。ただ、今後はAIエージェントをどれだけうまく活用できるかがエンジニアのパフォーマンスを左右する中心的な要素になるだろうと思います。その際に、教育用のAIエージェントを開発するのも1つの有効な手段です。単に答えを教えるのではなく、利用者の成長を促していくように設計されたAIエージェントを作ることも可能だと思います。

夢や願望を起点に動くのが人の役割

――AIドリブン開発が主流になった場合、人に求められる役割はどう変化するのでしょうか。

富永第一に、個人としてAIエージェントをうまく使いこなすスキルが求められます。次のステップとして、チームとしてどのように活用すれば生産性を高められるのかを考え、生成AIが仕事をしやすい環境を整えていくことが人の役割になっていくと思います。

田中人間には夢や願望があり、それが組織や社会を動かす原動力になります。「これを実現したい」という強い願望――志を持つことが、今後ますます重要になっていくのではないでしょうか。生成AIは、既存のものを改善・最適化するのは得意ですが、熱意をもって何かを生み出すことは現時点ではできません。今後、私たちの社会が持続し発展していくために、夢や願望を起点にして動くことが、人間の役割としてますます大きくなっていくのではないかと思います。

図版:生成AIによる「未来の可能性」を示す3段階の進化図。上段:現在の開発フローで、要件定義書→設計書→ソースコード→実行形式→実行という流れを人間とAIが分担して担う。中段:AIが設計書をインプットに実行までを担当し、「ソースコードや実行形式を意識しなくなるかも?」という変化を示す。下段:AIがより高度な知識や認識、推論による自律的能力を獲得できれば、要件定義書を基にインプットから実行までAIが担当する将来像を示す。 図版:エージェント(タスク)の並列化、役割分担・協調・改善の自動化を示すフロー図。左端の「要求」から複数のエージェントが並列に「要求の理解」を行い、「実現方法の提案」に集約される。その後「システムの実装」を経て右端の「実行」へ至る。上部では「状況を監視」するエージェント、「改善の提案」をフィードバックするエージェントにより、要求に戻るループが描かれている。また「環境の理解」エージェントが実現方法の提案を補完する。図の上部には「最初の要求・AIの活動を監督・承認」する人間の役割が示されている。

意識せずとも、自然と生成AIを使っている世界へ

――BIPROGYでは、生成AIを技術戦略の注力テーマとして位置付けています。AIエージェントをはじめ、進行中の取り組みについて教えてください。

富永あらゆる領域でのAI活用を目指していますが、特に費用対効果の高い領域から優先して取り組んでいます。すでにBIPROGY独自のAIエージェントも開発しており、お客さまと一緒に実装を進めている事例も出てきています。

田中数十年という長期間にわたって使用され、メンテナンスが難しくなったレガシーシステムを分析し、手を加えることで再び活用できるようにするといった領域でもAI活用が期待されています。要件を読み込ませてプログラムを作るという一般的な領域にとどまらず、BIPROGYではさまざまな用途でAIエージェントの開発に鋭意取り組んでいます。

図版:実装を中心としたBIPROGYの取り組み(直近で目指す世界)を示すフロー図。左側に「新規開発の場合を想定」と「マイグレーションを想定」の2つの入力経路がある。新規開発では、要件定義をもとに設計の一部となるデータモデルを生成し、上流設計書の作成支援とレビューを行ったのち設計書に変換する。マイグレーションでは、ソースコードから設計書となるドキュメントを生成し、マイグレーションを経て設計書に変換する。2つの経路は「設計書」に集約され、AI駆動しやすいアーキテクチャ・標準化された「テンプレート」を参照しながら「コード生成」へ進む。コード生成の工程では「人間による修正」が加わり、最終的に「ソースコード管理」へ登録される。 図版:取り組みの紹介(ドキュメント生成)を示す図。上部に説明文として「ソースコードをインプットに設計書を出力することができるツールを独自開発。機能の起点となるメソッドを指定することで依存関係のあるメソッド群を抽出し、機能の処理の流れを追うことができる設計書を出力(クラス設計書やメソッド設計書がバラバラ出てきても業務処理が追いづらい…)。コード生成ツールへのインプットとし、マイグレーション案件を支援。」と記載。下部のフロー図では、左側に「ソースコード一式」「プロンプト(テンプレート)」「プロジェクト独自用語」の3つのインプットが「設計書生成エージェント」に入力され、エージェントは上部の「LLM API」と双方向に連携する。エージェントからのアウトプットとして右側に「機能仕様書」「シーケンス図」「処理フローチャート」の3種類がある。図の右端には生成されたアウトプットのサンプルが掲載されている。

――技術革新の過渡期にある今、これから一人の技術者として何を目指しますか。展望をお聞かせください。

富永生成AIはあくまでも人の願望を実現させる手段の1つであり、本質的な技術開発の業務そのものはこれまでと大きく変わらないだろうと私は思っています。ただ、先ほど田中さんが「熱意」という言葉を使っていましたが、私自身も情熱を持って、新しい技術の活用に取り組んでいきたいです。生成AIを“使い倒して”、開発に携わる人たちの負担を少しでも減らし、創造力を発揮できる、快適な開発現場をつくっていきたいと思います。

田中これからは、どこにでも生成AIが存在する世界になっていきます。ただ、現状はどのようにAIを活用すればいいか分からず、うまく使いこなせていない人も多くいます。会社のインフラやルール、仕組みなどに生成AIを組み込んでいき、意識せずとも、自然と生成AIを使っているような環境になることが理想です。人々がAIの恩恵を自然に受けられるような仕組みを作ることが、私自身の技術者としての目標です。BIPROGYは社会課題の解決をPurpose(パーパス)に掲げていますが、生成AIを活用した仕組みづくりによって、その実現をさらに加速させることができると思っています。

写真:富永陽一、田中要

あわせて読みたい