概要
https://qiita.com/sakamoto-ryosuke/items/79e5d01b3742bdde940c
詳細内容
## AI駆動開発で生産性を高める3つの段階 #AIエージェント
https://qiita.com/sakamoto-ryosuke/items/79e5d01b3742bdde940c
本記事は、AI駆動開発を「Vibe Coding」「Context Engineering」「Agentic Workflow」の3段階に体系化し、それぞれの段階で達成できる生産性向上と必要なスキルを解説する。
**Content Type**: 📖 Tutorial & Guide
**Language**: ja
**Scores**: Signal:4/5 | Depth:4/5 | Unique:4/5 | Practical:5/5 | Anti-Hype:4/5
**Main Journal**: 88/100 | **Annex Potential**: 85/100 | **Overall**: 84/100
**Topics**: [[AI駆動開発, AIエージェント, 開発プロセス改善, プロンプトエンジニアリング, 生産性向上]]
AIツールの普及が進む中で、開発プロセスへのAI導入は多くの現場で共通のテーマだが、「出力の質が安定しない」「チームでの利用方針が曖昧」「生産性が上がらない」といった課題に直面している。著者は、これらのジレンマがAIの活用アプローチの整理不足に起因するとし、AI駆動開発を3つの段階に体系化して解説する。AI駆動開発とは、AIエージェントを主体とし、人間は方針決定、背景情報提供、レビューのみに専念する開発アプローチだ。人間がAIに任せる作業の設計粒度によって生産性向上度合いは大きく変わり、以下の3段階で工数削減が見込めると述べる。
第一段階は「Vibe Coding」で、AIの生成物を「合ってそうなら採用、間違っていれば再修正」で進める。人間が担う作業設計は「これをやってほしい」と要望を投げる程度に留まり、品質判断や前提整理はほとんど行わない。これによりAIの高速出力で「書く工数」が短縮され、約10%の工数削減が見込める。しかし、作業設計が粗いため手戻りも多く、「やり直しの工数」が残る。この段階で求められるスキルは、特性に応じたモデルの使い分け、AIツールの熟練、そして要望を言語化する力だ。このフェーズは、実装作業を高速に回す下地を作り、AIの挙動を体験的に理解する役割を果たす。
第二段階は「Context Engineering」で、AIにタスクを依頼する際、その前提となる情報、制約、評価基準を人間があらかじめ設計してから渡す。要件、背景を整理したチャット履歴、実装方針や命名規則をまとめたMarkdownファイル、DBスキーマ、既存コードの抜粋などを事前に構造化し、AIに与えるイメージだ。この段階では約30%の工数削減が見込める。これは、タスクごとに最適な背景情報を付与することで、「指示 → ズレた出力 → 修正依頼」という往復作業そのものを減らし、「やり直しの工数」を大きく削減できるためだ。必要なスキルとして、AIが提案した設計や出力コードの理解力、高品質出力を得るために必要な情報の判断力、そして構造化プロンプトの作成能力を挙げる。この段階の役割は、AI出力と前提情報・制約を結びつけて捉え、出力が期待とズレた際にその原因を入力設計の問題として具体的に特定できるようになることだ。
第三段階は「Agentic Workflow」で、AIに任せる対象をタスク単位からワークフロー単位へと広げる。人間は「どんな順番で、どの条件を満たしたら、どこまで進めてよいか」といった流れを先に設計しておく。例えば、リファクタリング方針決定を「現状整理 → 問題点抽出 → 代替案提示 → 比較 → 推奨案決定」といった流れとして定義し、各ステップで参照する情報や観点まで固定する。これにより、約70%の工数削減が現実的に見込める。これは、Context Engineeringで減少させた手戻りに加え、タスクを進めるたびに人間が都度判断して指示を追加する作業（「段取りの工数」）を、事前に設計したワークフローに集約できるためだ。必要なスキルは、業務プロセスに対する高い理解と言語化能力、AIの特性を踏まえたプロセス設計能力、そしてAIの誤動作パターンを理解し対処する力だ。この段階の役割は、Context Engineeringで培った作業設計をワークフローとして横展開・標準化し、誰がAIを利用しても同様の品質・工数でタスクを遂行できるようにすることである。
まとめとして、AI駆動開発は、Vibe Codingによる「書く工数」削減、Context Engineeringによる「やり直しの工数」削減、そしてAgentic Workflowによる「段取りの工数」削減と段階的に進化することで、開発生産性を大きく向上させると著者は強調する。最終的に約70%の工数削減が現実的であり、著者の会社でもこれらの知見を蓄積しており、今後実例や具体的なTipsを発信していく予定だ。