フェーズ2 総括 — 理想(To)の全体像

フェーズ2では、生成AIを前提とした「理想の開発プロセス(To)」を掘り下げました。このページはその総括です。

何を整理したか

graph TD
  A["AIDLC のライフサイクル<br>(理想像の全体像)"]
  B["エージェント型開発<br>(自律の到達点と限界)"]
  C["PO中心のチーム編成<br>(役割の集約)"]
  D["コンテキストエンジニアリング<br>(明文化の技術)"]
  A --> E["理想モデルの前提条件一覧"]
  B --> E
  C --> E
  D --> E
  E --> F["フェーズ3 ギャップ分析へ"]

AIDLC のライフサイクル全体像 — Inception/Construction/Operations、Bolt/Mob、人間の承認ループ
エージェント型開発の現在地 — 自律の到達点と限界
プロダクトオーナー中心のチーム編成論 — 役割の判断への集約
コンテキストエンジニアリング — 暗黙知をAIに渡す技術
理想モデルの前提条件一覧 — 上記を貫く前提の統合

一貫して見えた発見: 前提の非対称性

フェーズ2の全テーマを貫く発見は、理想像が「AIさえ賢くなれば全部解決する」かのように語られるのに対し、実際にAIが解くのは前提の一部にすぎないという非対称性です。

AIが解こうとしている: 実装コストのゼロ化、生成の高速化、自己検証
人間・組織に残る: 価値判断・言語化・検証の能力(個人)、決定権限と説明責任の一意性(組織)、暗黙知の表出化(知識)

エージェント型開発の現在地(ベンチマークは伸びるが実務ギャップは大きい)、PO中心編成の依存ツリー(AIが解くのは前提Aのみ)、コンテキストエンジニアリングの限界(表出化の変換労働は人間に残る)——いずれも同じ構造を別の角度から示していました。

もう一つの発見: 生成AIは「人が承認し責任を持つ」構造を要求する

理想像は「人は決めるだけ」と語りますが、技術の現実はむしろ逆でした。生成が速く自律的になるほど、人間の検証帯域が最大の律速点になります。だからこそ、AIDLC と SDD はどちらも Human-in-the-loop の承認ゲートを明示的に置き、GitHub は「自分のPRを承認できない」独立レビューを強制します。

これはフェーズ1の発見(生成AIは決裁型プロセスに回帰する)と符合します。そして、組織上独立した検証を制度化してきた日本の品質保証文化には、むしろ追い風になりうるという重要な論点でもあります。

フェーズ3への橋渡し

フェーズ2で作った前提条件一覧を、フェーズ1で整理した日本企業のガバナンスと突き合わせると、崩れる前提が系統的に見えます。

graph LR
  To["理想の前提<br>(P・O・K)"]
  From["日本ガバナンス<br>(責任の非集中)"]
  To -->|突き合わせ| Gap["フェーズ3<br>崩れる前提=ギャップ"]
  From -->|突き合わせ| Gap
  Gap --> Design["どこで・どう埋めるかの設計"]

本プロジェクトの介入点は、AIが賢くなるのを待つことではなく、個人・組織・知識の前提(P・O・K)を日本の組織文化の中で成立させる仕組みを設計することにあると確定しました。これがフェーズ3(ギャップ分析)とフェーズ4(詳細策定)の主題になります。

フィードバックのお願い

理想像は語り手によって幅があり、日々更新されています。「この理想はこう捉えるべき」「この前提は現場では違う」という声を GitHub Issues でお寄せください。フェーズ3のギャップ分析の質を大きく左右します。