ソフトウェア開発のAI活用とは？ウォーターフォールとアジャイルでの取り入れ方を解説

ソフトウェア開発のAI活用とは

ソフトウェア開発のAI活用とは、要件定義や設計、コーディング、テスト、運用保守といった開発工程に、生成AIや機械学習などのAI技術を組み込み、作業の自動化や効率化を図る取り組みです。従来は開発者が手作業でおこなっていた設計書のドラフト作成やコード実装、テストケースの作成などを、AIが部分的に代替・支援できるようになりました。

AI活用が広がった背景には、生成AIの急速な進化があります。自然言語による指示からコードを生成したり、既存のソースコードを解析して仕様を推測したりする技術が、実務で使えるレベルに達したためです。

一方で、AIの活用効果は、どのような開発手法でプロジェクトを進めているかによって現れ方が変わります。次の章で、開発手法とAI活用の相性を整理します。

AIを活用しやすいソフトウェア開発の形

ソフトウェア開発の手法は、大きくウォーターフォールとアジャイルに分けられます。両者は要件や設計を確定させるタイミングが異なるため、AIを取り入れる工程や検証の頻度も自然と変わります。

ウォーターフォールは、要件定義・設計・実装・テストという工程を順番に進め、フェーズが完了してから次に進む手法です。要件と設計が早い段階で固まるため、AIには要件定義書や設計書のドラフト作成、確定した仕様に基づくコード生成など、フェーズごとにまとまった単位での活用が向いています。

一方、アジャイルは、短い期間（スプリント）で計画・実装・検証を繰り返しながら、要件の変化に対応していく手法です。仕様が細かく更新され続けるため、AIにもスプリントごとの小さなコード生成やテストケース作成、レビューの補助など、こまめなサイクルでの活用が向いています。

情報処理推進機構（IPA）は、ウォーターフォール向けとアジャイル向けで別々のモデル契約書を公開しており、開発手法によって進め方や確認すべき事項が異なることを示しています。AI活用を検討する際も、この違いを踏まえておくことが重要です。

ウォーターフォール型のソフトウェア開発でAIを活用するポイント

ウォーターフォール型の開発では、フェーズが完了してから次に進むという特性を踏まえたAI活用が効果的です。ここでは、代表的な3つのポイントを紹介します。

• 要件定義・基本設計フェーズでの活用と承認基準
• 実装・単体テストフェーズでの活用
• マイルストーンレビューでのAI生成物の検証ルール

要件定義・基本設計フェーズでの活用と承認基準

要件定義・基本設計フェーズでは、AIにヒアリング内容の整理や要件定義書、設計書のドラフト作成を任せられます。ゼロから文書を書き起こす時間を減らし、担当者は内容の精査や関係者との合意形成に時間を割けるようになります。

ただし、ウォーターフォールでは、このフェーズで確定した内容がその後の全工程の前提になるため、AIが作成したドラフトをそのまま承認せず、抜け漏れや矛盾がないかを人が入念に確認する承認基準を設けておきましょう。

実装・単体テストフェーズでの活用

実装・単体テストフェーズは、要件と設計が確定しているため、AIによるコード生成がもっとも効果を発揮しやすい領域です。確定した設計書を入力情報として渡せば、AIが実装のたたき台や単体テストコードを効率よく生成できます。

このフェーズでは、確定仕様からのブレが起きにくい分、生成されたコードが仕様どおりに動くかどうかのテストを重点的におこないましょう。テスト密度を上げることで、後工程に不具合を持ち越すリスクを抑えられます。

マイルストーンレビューでのAI生成物の検証ルール

マイルストーンレビューでは、AIが関わった成果物についても、通常の成果物と同じ基準で検証するルールを定めておきましょう。AIが生成したという理由でレビューを簡略化すると、ハルシネーションによる誤りや仕様との食い違いを見逃す原因になります。

具体的には、AIが生成した設計書やコードの割合を記録しておき、レビュー担当者がその部分を重点的に確認する運用が有効です。フェーズが完了してから前工程に戻る手戻りは、ウォーターフォールでもっともコストが大きくなるため、この段階でのチェックを丁寧におこなう必要があります。

アジャイル型のソフトウェア開発でAIを活用するポイント

アジャイル型の開発では、短い周期で計画と検証を繰り返すサイクルに合わせたAI活用が効果的です。ここでは、代表的な3つのポイントを紹介します。

• スプリント計画・バックログ整理への活用
• スプリント内でのコード生成とレビューサイクル
• CI/CDパイプラインへのAIチェック組み込み

スプリント計画・バックログ整理への活用

スプリント計画やバックログ整理は、AIによる情報整理の効果を発揮しやすい業務です。過去のスプリントの実績データや、たまり続けるバックログ項目をAIに要約・分類させれば、優先順位づけにかかる時間を短縮できます。

たとえば、バックログのチケットに含まれる重複項目や関連項目をAIに洗い出させれば、プランニングミーティングの時間を、優先順位の議論そのものに使えるようになります。要件が変化しやすいアジャイルだからこそ、整理にかかる手間を減らす効果も大きいものです。

スプリント内でのコード生成とレビューサイクル

スプリント内では、短いサイクルでのコード生成とレビューの繰り返しにAIを活用しましょう。1つのスプリントで扱う機能の範囲が小さいため、AIが生成したコードをその場でレビューし、すぐに修正へ反映できる点がアジャイルとの相性の良さにつながります。

スプリントの終わりには、AIの提案をどれだけ採用したか、修正が必要だった割合はどれくらいかを振り返り、次のスプリントの見積もりに反映すると精度が上がります。

CI/CDパイプラインへのAIチェック組み込み

CI/CDパイプラインには、AIによる自動チェックを組み込んでおきましょう。コードがリポジトリにプッシュされるたびに、静的解析ツールやライセンススキャナーをAIと組み合わせて実行すれば、脆弱性やライセンス違反を早い段階で検出できます。

アジャイルでは頻繁にコードがマージされるため、人手だけでのチェックには限界が生じやすいものです。パイプラインに組み込んだ自動チェックの結果を、チーム全員が確認できる状態にしておくと、問題の見落としを防ぎやすくなります。

開発手法を問わずソフトウェア開発にAIを活用する際の進め方

AIをソフトウェアに活用する際、開発手法を問わずに進め方が重要です。ここでは、3つの観点を紹介します。

• 自社の開発手法に合わせた適用範囲の決め方
• 少人数でのスモールスタートと効果測定
• AI人材の確保と社内体制づくり

自社の開発手法に合わせた適用範囲の決め方

ソフトウェア開発にAIを活用する際は、自社の開発手法に合わせてAIの適用範囲を決めましょう。ウォーターフォールなら特定のフェーズ、アジャイルなら特定のスプリントというように、対象を絞ることで効果を測定しやすくなります。

適用範囲を決める段階で、対象外とする工程も明確にしておくと、現場の混乱を防げます。

少人数でのスモールスタートと効果測定

少人数のチームやプロジェクトで試してから、対象を広げるスモールスタートが有効です。いきなり全プロジェクトに展開すると、開発手法との相性やツールの適合性を見極める前に、問題が全社に広がってしまうおそれがあります。

工数削減率やレビューの手戻り件数など、効果を測る指標をあらかじめ決めておくと、本格導入の判断がしやすくなります。検証で得られた知見は、開発手法ごとの運用ルールに反映していきましょう。

AI人材の確保と社内体制づくり

AI人材の確保と社内体制づくりも、開発手法を問わず重要な取り組みです。採用や育成だけで賄おうとすると負担が大きくなりすぎる場合があるため、外部パートナーの活用も選択肢に入れておきましょう。

自社の開発手法や体制に合わせて、無理のない形でAI活用を広げていくことが、成果につながる近道です。

ソフトウェア開発のAI活用に関するよくある質問

ソフトウェア開発のAI活用について、企業のご担当者からよく寄せられる質問をまとめました。自社で検討する際の材料としてお役立てください。

ウォーターフォールとアジャイル、どちらがAI活用に向いていますか

ウォーターフォールとアジャイルのどちらが優れているというものではなく、それぞれに適したAI活用の仕方があります。ウォーターフォールはフェーズごとにまとまった単位で、アジャイルはスプリントごとに小さくAIを活用するのが基本です。自社の開発手法に合わせて、活用の粒度を調整しましょう。

著作権やセキュリティのリスクにはどう対応すればよいですか

著作権やセキュリティのリスクには、AIが生成したコードを必ず人がレビューし、ライセンスチェックツールや静的解析ツールと組み合わせて確認する体制で対応します。機密情報をAIツールに入力する際は、学習データとして利用されない設定になっているかも確認しておきましょう。開発手法にかかわらず、こうしたチェック体制を開発プロセスに組み込んでおくことが重要です。

小規模なチームでもソフトウェア開発のAI活用は始められますか

小規模なチームであっても、ソフトウェア開発のAI活用は十分に始められます。コード生成ツールの導入など、既存の開発環境に組み込みやすい取り組みから着手すれば、大きな体制変更をせずに効果を検証できます。まずは1つのプロジェクトやスプリントに絞って試してみましょう。

まとめ

ソフトウェア開発のAI活用は、要件定義からコーディング、テスト、運用保守までの工程を効率化する取り組みですが、その進め方はウォーターフォールとアジャイルという開発手法によって変わります。ウォーターフォールはフェーズ単位、アジャイルはスプリント単位でのAI活用が基本です。

開発手法を問わず、適用範囲を決めてスモールスタートで検証し、効果を測定しながら対象を広げていくことが成功のポイントです。あわせて、AI人材の確保や社内体制づくりも、採用・育成と外部パートナー活用を組み合わせながら進める必要があります。

自社の開発手法に合った形で、無理のないところからソフトウェア開発のAI活用をかなえましょう。