AI駆動開発の体系化

一般的な「AI活用」との違い

多くのエンジニアがChatGPTやCopilotを「便利な道具」として使っています。しかし、それは個人の生産性を上げるだけで、チームや組織のレベルでは再現できません。

Spec-Driven Development

AIとの協働で最も重要なのは「何を作るか」の仕様が明確であること。人間が仕様を承認し、AIエージェントが実装し、自動検証で品質を担保するフローを確立しました。

ハーネスエンジニアリング

「AIエージェントの全ての失敗は、ルールまたはスキルに変換される」——これがハーネスエンジニアリングの原則です。

AIエージェントが間違ったコードを生成したとき、その失敗を分析し、再発防止のルールを作成します。ルールは蓄積され、AIの出力品質は時間とともに向上します。

構築した体系

• 88+のルール — Clean Architecture、DDD、セキュリティ、テスト、コーディング規約など、AIが守るべきルールを体系化
• 42のスキル — タスク分解、実装ガイド、PR作成、API テスト生成など、AIが実行する定型作業を自動化
• フィードバックログ — 全てのAI失敗を記録し、ルールへの変換を追跡
• 品質スコアリング — モジュールごとの品質をグレーディングし、改善優先度を管理

実践した技術基盤

エンタープライズHR SaaS（勤怠管理・給与計算・労務管理）の開発で、以下の技術基盤上でAI駆動開発を実践しました。

バックエンド

• Go + ConnectRPC（gRPC/HTTP/2）
• Clean Architecture + DDD（15+ドメインモジュール）
• PostgreSQL（Bi-temporal Data Model、Row-Level Security）
• sqlc（型安全SQL生成）+ Atlas（宣言的スキーマ管理）
• OpenTelemetry（分散トレーシング）
• River（Postgres-nativeジョブキュー）

フロントエンド

• Next.js 15 + React 19（App Router、Server Actions）
• TypeScript + TanStack Query + Zod
• pnpm monorepo + Turborepo

品質・自動化

• 1872+テストファイル（ユニット＋統合＋E2E）
• 29+ CI/CDワークフロー（GitHub Actions）
• 差分ベースlint・affected-onlyテスト（全体の1/10の時間で実行）
• ADR（Architecture Decision Records）23件

提供できる価値

1. AI駆動開発の導入支援

既存の開発チームに対して、AIエージェントとの協働プロセスを導入できます。ルール体系の構築、スキルの設計、フィードバックループの確立を支援します。

2. 開発基盤の構築

Clean Architecture + DDDの設計力と、AI駆動開発のプロセス設計を組み合わせ、高品質かつ高速な開発基盤を構築します。

3. 教育・ナレッジ共有

AI駆動開発の手法を文書化し、チームメンバーが再現できる形で共有します。「属人化しない」開発手法の定着を支援します。