---

生成AIの急速な進化により、エンタープライズシステム開発は大きな転換点を迎えています。

しかし、既存のレガシーな開発・実行アーキテクチャがボトルネックとなり、多くの企業においてAIエージェント駆動開発の本格適用は始まったばかりです。

第75回金融ウェビナーでは、「大規模AI駆動開発の現実と未来」をテーマに、アクセンチュアが実践してきた小中規模から400人超の大規模プロジェクトに至るまでの実例と、そこから得られた実践的知見を解説しました。

AI駆動開発に向けた3つのステップ

アクセンチュアではAIの活用を3つのステップに分けて取り組んでいます。

まずステップ1は、既存のプロセスの中にAIを取り入れ、コード補完や議事録作成などで部分的に効率化を図るというものです。ステップ2は、AIが理解しやすい情報、つまりAI-Readyなデータを準備した上で、生成AIによる工業化的手法でデリバリープロセスそのものを刷新するというものです。さらにステップ3は、開発者だけでなく、PMOやコンサルタント、デザイナーなど全てのロールがAIエージェントと協業し、共に成果物を練り上げるという姿です。

AIエージェント駆動開発の目指すべき姿はステップ2およびステップ3にありますが、ここを乗り越えるには高い壁が存在します。山根は、「AIによる単純な自動化」ではなく「AIエージェントと協働して共に成果物を練り上げる」ことの重要性を強調しました。

そのためには、ソースコードや設計書だけでなく、ルール、チケット、チャットのコミュニケーション履歴など、プロジェクトとシステムのあらゆる情報をAIが読み取れる状態（AI-Ready）にする必要があります。

すなわち、プロジェクトとシステムの「デジタルツイン」を構築し、それをAIが理解しながら成果物を生成・還流させる仕組み（DDX2AIX）が、AI駆動開発の必須条件となります。

なお、先述のステップ2と3は、ステップ3の方が進化形のような印象を持たれるかもしれませんが、現実的には「使い分け」が重要です。次章より、それぞれの事例を見ていきます。

【ステップ3事例】AIエージェントをフル活用した医療系DXプロジェクト

ここからはAI駆動開発の実例として、ステップ3（AIエージェントとの協業）を実践した、数十人規模の医療系DXプロジェクトが紹介されました。

このプロジェクトでは、要件定義を「AI–Ready」な形式で記述した上で、エンジニア全員がAIエージェントとタッグを組んで開発を推進しました。結果として、スケジュールと品質の目標を達成し、極めて高い生産性を記録することができました。

しかし、エンジニアの生産性を分析すると意外な事実が判明しました。AIを使わなかった時の生産性を1としたところ、AIとのタッグによって生産性が大きく向上したエンジニアもいれば、逆に生産性が低下しているエンジニアも37%存在したのです。その生産性の最大格差は12.7倍にのぼりました。

生産性の格差は、AIの出力を正しく判断し修正できる基礎力の有無によるものでした。AIは使い手の能力をプラスにもマイナスにも増幅させる「アンプ（増幅器）」であり、使い手のスキル次第で成果が大きく変わることが明らかになりました。

【ステップ2事例】数百名規模プロジェクトに見る「工業化」のアプローチ

このAI駆動開発を数百名の大規模プロジェクトに適用するにはどうすればよいのでしょうか。次に、公共系の大規模基幹刷新プロジェクトの事例を基に、ステップ2の「工業化」の手法が紹介されました。

数十名規模であればステップ3のアプローチが有効でしたが、数百名のメンバー全員がAIエージェントを使用すると、生産性低下のリスクが無視できない規模になり、プロジェクトが破綻してしまいます。そこで、最初の3ヶ月間は全体の生産性が上がらないことを許容し、「工業化」の仕込みを行いました。

まずは、少数精鋭のハイスキルなアーキテクトを集め、複雑なアーキテクチャパターンごとの「最初の1本」をAIエージェントと協業して開発させました。このチームは、「最初の1本」を次々に開発するチームという点から、「ファーストペンギンチーム」と呼称されました。

次に、ファーストペンギンチームが作成した高品質なソースコードと設計書を「コンテキスト（サンプル）」とし、専任のプロンプトエンジニアが最適なプロンプトを練り上げます。その上で、これらのプロンプトとコンテキストをベースに大規模展開を実施し、海外拠点を含む数百人のエンジニアが開発を推進しました。

結果として、想定通りに最初の3ヶ月は生産性が低かったものの、最終的には大幅な生産性の向上を実現し、プロジェクトを成功に導くことができました。

【最新事例】金融機関グループのデジタル基幹系構築プロジェクト

その他、ウェビナーでは現在進行中の某金融機関グループにおけるデジタル基幹系構築プロジェクトの最新事例が紹介されました。このプロジェクトの革新的なポイントは以下の2点です。

まず1点目は、AI駆動を「開発工程」のみならず「プロジェクト全体」へ拡張していることです。アプリ開発だけでなく、PMO、インフラ、セキュリティ、UI/UXデザイナーなど全15チームが、職種を問わず全工程でAIエージェントを活用し、200以上ものユースケースを実践しています。

2点目は、プロジェクトのデジタルツインとして「document-hub」を構築し、全情報ソースとしていることです。AI活用の最大の障壁は、人間向けに作られた情報や暗黙知といった「AIアンフレンドリー」な情報が散在していることです。そこで、散在する設計書をAIが読み取りやすい形式（JSON、YAML、Markdownなど）に構造化し、一つのGitリポジトリに集約する「document-hub」を構築しました。

これにより、AIエージェントが自律的にファイル構造を読み解き探索する「Agentic Search」が可能になりました。従来のRAG（検索拡張生成）とは異なり、AIが正確に情報を辿り、文脈を理解して高度な推論を行うことができます。現場からは「数週間のキャッチアップが必要だった仕様把握が、AIとの対話数十分で可能になった」「影響調査の漏れが構造的に削減された」といった声が上がっています。

なお、アクセンチュアは、Anthropic社との戦略的パートナーシップを通じて、Claude Codeを活用したソフトウェア開発ライフサイクルの刷新を強力に推進しています。安全性とガバナンスを備えたClaude Codeと「document-hub」の組み合わせは、エンタープライズ開発における新たなスタンダードとなりつつあります。

出典: アクセンチュア株式会社「アクセンチュア、AIを中核に据えた企業変革の加速に向けてAnthropicとの日本での協業体制を強化」（2026年5月11日）

AIエージェント駆動開発は新たなスタンダードに

生成AIの活用についてはセキュリティを懸念する声もありますが、人間がソースコードを書く以上はどうしても穴が出てきてしまうため、むしろAIの方がセキュリティを担保できる、という観点もあります。また、現時点ではAIの成果物も完璧ではありませんが、他のAIエージェントによる多重レビューを通じて品質を担保することは十分に可能です。

今後、AIの進化がますます加速していく中で、品質やスケジュールを確実に遵守するためにはAIの活用が不可欠な時代が到来します。AIエージェント駆動開発は、エンタープライズシステム開発の新たなスタンダードとして存在感を高めていくでしょう。