要件を、AIが開発できる仕様に翻訳する。

なぜこの事例を書くのか

「AI駆動開発を導入したい」「エージェントに開発を任せたい」——こうした期待が、いま多くのエンジニア組織で高まっています。しかし、実際の受託開発の現場でAIエージェントに実装を委ねると、何が変わり、何は変わらないのか。その手触りを語れる事例は、まだ多くありません。

今回は、サロゲートモデルのWEB可視化開発という実案件で、私たちが開発の進め方そのものを変えた記録をお話しします。守秘義務の関係で具体は一般化していますが、「本当にAIに開発を任せられるのか」を検討している意思決定者にとって、参考になる内容だと考えています。

背景：良い可視化は、作って終わりではなく、直し続けて辿り着く

サロゲートモデル——計算コストの高いシミュレーションを近似する代理モデル——の出力を、研究者以外にも直感的に伝える。そのためのWEB可視化開発が、このプロジェクトのテーマでした。

この種の可視化開発の難しさは、実装量そのものより「作ってみないと、良し悪しが分からない」点にあります。表現方法、操作性、色や軸の取り方——完成物を見て初めて「違う」と気づき、直す。この試行錯誤の回数が、最終的な品質を決めます。だからこそ、一回あたりの実装を速くすることより、試して直す反復（イテレーション）を速くすることに価値がありました。

このプロジェクトには、いくつかの制約がありました。まず、開発に使える期間が限られていたこと。加えて、実装を担う相手側の体制には経験面での課題があり、その進行をどう支えるかというマネジメントも、私たちが担うべき役割の一部でした。こうした状況で鍵になったのは、可視化の専門知識を土台に「どこを落としどころにするか」を見極めるコンサルティングと、AIを活用して限られた期間で開発を仕上げる進め方でした。

アプローチ01：顧客要望を、AIが迷わず実装できる仕様に翻訳する

AIエージェントに開発を任せるとき、成否を分けるのは与える仕様の質です。「使いやすくして」「分かりやすく見せて」といった要望は、人間の開発者なら文脈で補えますが、エージェントには曖昧すぎます。

そこで私たちは、顧客の要望を一度分解し、何を・どの順で・どういう状態になれば完成かを明示した仕様へと構造化しました。この「要件をAI実行可能な仕様に翻訳する工程」こそが、可視化開発で培った要件整理の力が最も活きた部分であり、AI駆動開発の成否を最初に決める工程です。

アプローチ02：実装の大部分を、エージェントに委ねる

翻訳された仕様をもとに、Claude Code をはじめとするAIエージェントに実装を委ねました。このプロジェクトでは、開発の大部分がAIによって書かれています。

人が一行ずつ書くのではなく、仕様を与え、生成されたものを見て、次の指示を出す。開発者の関わり方は「実装者」から「方向づける人・検証する人」へと変わりました。可視化のように試行錯誤が本質のテーマでは、この委任が反復の速さに直結します。

実際の手触りとして、コーディングそのものは、人がキーボードを打つ速度をはるかに超える速さでAIが進めます。リファクタリングでも、人であれば見落としがちな箇所まで、AIが横断的に探索しながら整理していきます。設計にはまだ人が判断・指示すべき点が多く残りますが、エージェントに任せるための指示を正しく組み立てておけば、実装は意図どおりに進み、その後の「試して直す」反復もスムーズになります。

アプローチ03：品質の最終責任は、人が持ち続ける

「AIに任せる」ことは「AIに丸投げする」ことではありません。エージェントが生成したコードを人がレビューし、意図どおりか・品質は保たれているかを検証する。この工程を省略しないことが、AI駆動開発を実務で成立させる条件です。

むしろエージェントに実装を委ねたことで、人の時間は「検証」と「設計判断」に集中できるようになりました。人が書く量が減った分、人にしかできない判断に時間を使えた——これが、単なる時短とは違う本質的な変化です。

成果：開発のイテレーションが、目に見えて速くなった

最も明確な変化は、試して直す反復の速さでした。可視化のように「見て初めて分かる」テーマでは、この反復速度がそのまま完成度に効いてきます。案を素早く形にし、比較し、方向を定める——そのサイクルが短くなったことで、限られた時間の中でより多くの選択肢を検討できました。

そしてこの案件が示したのは、AI駆動開発が「実験」ではなく実際の受託開発を回せる方法論だという事実です。私たちは、この進め方を体系化し、エンジニア組織に導入する支援（ADX）として提供しています。