AI駆動開発とは？レベル別の進め方と仕事での使い方

AI駆動開発とは？任せる範囲で見る3つのレベル

AIを使って、作る・確かめる・直す工程を進める

AI駆動開発は、アプリや業務用のプログラムを作る工程にAIを組み込み、人が目的と条件を決めながら開発を進める手法です。コードとは、コンピューターに動きを指示する文章のこと。コードの作成だけでなく、必要な機能の整理、動作確認、修正にもAIを使います。

たとえば案件一覧なら、「未対応だけを抽出する」という動きをAIと作り、来週も同じ条件で処理できるようにします。AIが書いたプログラムが、毎回AIへ問い合わせるとは限りません。決まった条件で行を取り出す処理なら、通常のプログラムとして動かす設計もできます。Claude Codeの公式説明でも、ファイルの編集やコマンドの実行を伴う開発環境として紹介されています。

レベルは資格や製品の格付けではなく、使い方の目安

以下の3段階は、この記事で任せる範囲を説明するための整理です。業界共通の認定基準ではありません。同じツールでも、説明を聞くだけの使い方と、実装・検証まで頼む使い方があります。

レベル3でも、AIが業務の正解や公開の可否まで保証するわけではありません。「自動で進める部分」と「人が止めて確認する部分」を決める必要があります。非エンジニアなら、まずレベル2で小さな機能を作り、自分で結果を説明できる状態を目指すのが僕のおすすめです。

バイブコーディングは、自然な言葉でAIと対話して作る文脈で使われる言葉です。本記事では、それを仕事で継続して使えるようにする確認・運用まで扱います。対話しながら作る最初の体験はバイブコーディングの始め方にまとめています。

非エンジニアが最初に選ぶ仕事とツール

正解が分かり、元に戻せる作業を選ぶ

最初の題材には、自分が手作業で実施でき、結果を答え合わせできる仕事を選びます。案件の絞り込み、備品一覧の並べ替え、定型報告の下書きなどです。「部署の管理システムを全部置き換える」まで広げると、画面の完成と業務の完成が混ざります。

Vibelyも社内ツールから始めてSaaS、つまりインターネット経由で使うサービスへ発展させました。僕がこの経験から勧めたいのは、身近な課題に対象を絞ることです。教材管理など実際に必要な仕事を起点にした考え方は、最初の業務アプリ選びにも使えます。

• 入力と、ほしい出力を紙に書ける。
• 架空データで正解を用意できる。
• 失敗しても元ファイルや本番の記録が変わらない。
• 送信・支払い・削除を自動実行しなくても役に立つ。

題材は思いついても、どこまで小さくすれば完成させられるかは別の判断です。候補の業務をこの条件に当てはめて整理したい場合は、AIシフトコースの無料相談会で、最初に作るものから相談できます。

ツールは、変更内容を確認できるものを使う

本記事ではClaude Codeを例にします。公式には文字で命令を入力するターミナル、コードを編集する画面、デスクトップアプリなどの入口があります。会社で使う場合は、まず利用が認められた製品・契約と、入力できる情報の範囲を確認してください。料金や利用上限は契約で異なるため、「この金額だけで無制限に開発できる」とは考えない方がよいです。

選ぶときに見るのは、AIの回答の長さより、変更したファイルと実行した処理を追えるかです。許可を求める画面では対象と操作を読みます。公式の権限設定では、計画用のPlanなど複数のモードが説明されています。Planは元のコードを編集せず調査・計画するためのモードですが、機密情報を送らずに済む保証ではありません。

導入操作はClaude Codeの使い方へ。本記事ではインストール後に何を渡し、何を確認するかを追います。

AI駆動開発の入門手順：要件定義から実装まで

ここからは「未対応の案件を担当者ごとに確認する画面」を題材に、要件定義・設計・実装・テスト・運用の順で進めます。以下は練習用の設計例で、実際の顧客データや成果の記録ではありません。

1. 要件定義：入力・出力・例外を文章にする

要件定義は「何ができたら完成か」を決める作業です。悪い依頼は「案件管理を便利にして」。これではAIが、通知、グラフ、顧客の登録画面まで追加するかもしれません。良い依頼は、ほしい動きと対象外を具体的に書いたものです。

架空の案件一覧から、状態が「未対応」の行だけを表示する練習用の画面を作りたいです。列は案件名・担当者・状態です。担当者を選ぶと絞り込めるようにしてください。状態が空欄の行は未対応に含めず、「要確認」として別に表示します。顧客への連絡、データの保存、外部サービスへの接続は作りません。まず計画と確認方法を示してください。

つまずきやすいのは、「空欄も未対応なのか」という普段は無意識に判断している条件です。実装前に決めておけば、見た目が完成してから全体を直す手戻りを減らせます。Anthropicの実践ガイドでも、具体的な文脈と検証できる条件を渡す方法が紹介されています。

2. 設計：データの置き場所と、しないことを決める

設計は、決めた動きをどう組み立てるかの相談です。最初の例では架空の一覧を画面に用意するだけにして、保存機能を持たせません。画面を閉じても残したい、同僚と共有したいとなった時点で、データの保管場所と、誰が閲覧・変更できるかを追加で決めます。

AIには「データはどこに置かれ、どこへ送られるかを図で説明して」と頼みます。保存されると誤解したまま試用すると、画面を閉じた後に入力内容が消えることがあります。ファイルに書き出す場合も、元ファイルを上書きするか別名で保存するかを先に指定します。

繰り返し伝える条件は、プロジェクトの指示書であるCLAUDE.mdに残せます。公式の説明に沿って、目的、確認用データ、実行手順、触ってはいけない場所を短く書きます。ただし指示書はアクセスを強制的に遮断する設定ではありません。触れられる範囲は権限の設定でも制限します。

設計の返答に知らない言葉が出たら、そのまま採用せず、「この練習に必要な理由と、入れない場合に困ることを説明して」と聞きます。保存しない画面なのにデータベースの契約が提案された場合など、目的に対して構成が大きすぎないかを確かめる質問になります。

3. 実装：一覧を表示してから、絞り込みを足す

計画を読んだら、最初は一覧の表示だけを作ってもらいます。表示を確認してから未対応の抽出、担当者での絞り込みへ進みます。途中で画面が崩れた場合も、直前に足した機能に絞って状況を伝えられます。

「直して」だけでなく、「担当者を選んだ後も、別の担当者の行が残る。表示してほしいのは選択した人の未対応だけ」と、操作・実際の結果・期待する結果を伝えます。エラーが出たらメッセージも添えますが、実データや認証情報が混ざっていないか確認してから渡してください。

作り方を画面操作まで追いたい場合は、非エンジニアが業務アプリを作る手順が実践編です。ここで新しい機能を増やす前に、次の答え合わせを済ませます。

動く状態まで進んだら、変更の履歴を保存します。Gitという変更履歴の管理ツールを使う場合は、AIに保存対象のファイルを説明してもらい、認証情報や実データが入っていないかを確認します。コードの履歴を戻しても、外部へ送った情報や変更済みの業務データまで元に戻るわけではありません。

テストから試用へ：仕事で使えるかを確かめる

4. テスト：AIの「完成しました」を結果で確認する

テストは、期待どおりに動くかの確認です。架空の入力を5行用意し、担当者Aの未対応を2行、担当者Bの未対応を1行、担当者Aの対応済みを1行、担当者Bの状態空欄を1行にします。未対応は合計3行、Aで絞ると2行、要確認は1行。これを実装を見る前に答えとして書いておきます。

次に、AIへ同じ条件の自動テストを依頼します。自動テストは、決めた入力と正解をプログラムで照合する仕組みです。結果の報告だけでなく、何を実行して何が確かめられたかも示してもらいます。そのうえで自分でも画面を操作し、選択の解除や空の一覧で表示が崩れないかを見ます。

間違った条件から実装とテストを両方作れば、同じ間違いのままテストに通ることがあります。空欄の扱いなど、業務上の正解は人が持ちます。コードを扱う担当者と検証を深めるときは、AI駆動開発のテスト戦略へ進んでください。

確認結果は「全件表示は5行」「未対応は3行」のように期待値と実際の表示を並べて残します。不一致があれば、修正後にそのケースだけでなく、以前通っていたケースも再確認します。担当者の絞り込みを直した結果、要確認の行が消えていないか、といった別の動きへの影響を拾うためです。

5. 試用・運用：使う人と戻し方を決める

画面が動いたら、架空データで使い方を見せます。実データを使う段階では、社内の責任者と入力情報、利用者、保存先を確認します。デプロイとは、利用する環境にアプリを配置すること。URLを作っただけで社内限定にはならないため、共有が必要なら閲覧制限も検証します。

Claude Codeのセキュリティ文書は権限や隔離された実行環境を説明しています。こうした開発ツール側の保護と、完成したアプリ側のログイン・閲覧制限は別の仕組みです。公開範囲の確認は省けません。

運用を始める前に、エラー時の連絡先、修正する担当者、元の手作業へ戻す方法を残します。使う人には「現在できること」と「保存されないもの」を説明します。作った本人が不在でも、処理を止めて以前の方法に戻れるところまでが、仕事で試す準備です。

試作品が動いた後は、保存や権限の仕組みを理解する学習が必要になります。AIシフトコースでは、AIとの開発を進めながら基礎も学びます。自分のアプリのどこが分からないかを整理し、実務で使うために必要な学びを相談できます。

AIに任せる範囲を広げる前に整えること

効果は、確認と修正を含む仕事全体で測る

AIがコードを早く出しても、確認や修正に時間がかかれば仕事全体は短くなりません。試用前の手作業と、試用後の準備・実行・確認・修正を同じ範囲で記録します。初回の制作時間と、繰り返して使うときの時間も分けましょう。開発が何倍速くなるかを一律に約束できるものではありません。

処理時間だけでなく、除外すべき行を拾っていないか、結果を別の人が説明できるかも確認します。入力の列名が変わったら、以前の確認ケースで動くかを確かめ直します。毎回AIに作り直してもらう前に、どの条件が変わったのかを記録しておくと、修正の範囲を絞れます。

次のレベルへは、検証できる範囲から進む

レベル3へ進む目安は、完了条件、実行できる検査、止める条件がそろっていることです。費用が想定を超える、同じ失敗を繰り返す、権限のない場所への操作が必要になるときは人へ戻します。Anthropicのエージェント設計の記事でも、単純な構成から始め、必要に応じて複雑さを増やす考え方が示されています。

委任する仕組みを深めたい開発者はエージェンティックエンジニアリング入門、開発チームへ展開する担当者はAI駆動開発のチーム導入へ。本記事を読んだ段階では、身近な作業を選び、入力・出力・例外を書き出すことから始めてください。自分で正解を確認できる小さな機能が、次に任せる範囲を決める材料になります。