Josh Scriven氏、Neudesicのグローバルイノベーション担当上級副社長：革新的技術を通じた戦略と変革を推進。
まず最初に言わせてください。エンジニアとして私たちが「学びほぐす」必要があることは多く、この新しい世界では、ソフトウェアエンジニアの重要性と関連性がこれまで以上に高まっています。開発者の生産性について語るのはやめて（お願いです！）、AIが実際の価値をどのように引き出せるかを検証し始めましょう。
AI時代におけるエンジニアリングの再構築
前回の記事で、私はデジタルワーカーの管理について述べました。数週間後にFortuneが同様の見解を発表したとき、私は良い仲間に恵まれたと感じました。前回の記事では主にビジネスプロセスを支援するデジタルワーカーに焦点を当てましたが、今回はエンジニアリングへの影響とソフトウェア開発ライフサイクル（SDLC）の再構築について話したいと思います。
今日の組織は生成AI（GenAI）がソフトウェア開発にもたらす可能性に期待していますが、あまりにも頻繁に自社のプロセス、アーキテクチャ、スタイルガイドラインを反映していないAI生成コードを修正したり破棄したりする状況に陥っています。開発者は提案されたコードを書き直すのに、ゼロから書くのと同じくらいの時間を費やし、しばしば節約できる時間よりも多くの時間を費やしています。このミスマッチはAIアシスタンスへの信頼を損ない、初期のAI実験で約束された生産性向上を台無しにします。
エージェント型ソフトウェアエンジニアリングのアプローチは、組織独自のバックログ、アーキテクチャ図、言語標準から文脈を理解した知識ベースを構築することで、この問題の解決に役立ちます。基盤モデルのみに依存するのではなく、チームは実際の成果物（過去の機能要求、サービス設計図、命名規則、コードスタイルガイドなど）を取り込み、文脈化されたストアにインデックス化できます。この「企業の記憶」があらゆるAIインタラクションの基盤となり、提案が既存のパターンとベストプラクティスに確実に沿うようになります。
ビジョンから実行へ：エージェント型ソフトウェアエンジニアリングの準備方法
エージェント型ソフトウェアエンジニアリングの実装には、AIモデルをリポジトリに接続するだけでは不十分です—組織のコアとなるエンジニアリング知識の整備から始まります。チームはまず、アーキテクチャ決定記録（ADR）、デザインシステム、サービス設計図、コーディング標準などの基盤となる資産を監査・カタログ化するべきです。これらの成果物が文脈的知識ベースの骨格を形成します。エージェントのトレーニングや微調整を試みる前に、これらの資料が最新で、一貫性があり、アクセス可能であることを確認してください。
次に、ビジネスとプロダクト、アーキテクチャ、エンジニアリングチーム間の機能横断的な連携を確立します。これは、成果物の明確な所有権の定義、「完了」の定義の調整、エージェントが共有資産をどのように消費・更新するかのガバナンスモデルの合意を意味します。これらの会話は極めて重要です：統一された分類法と合意された規則がなければ、最高のAIシステムでも機能しなくなります。
最後に、準備状況と成熟度を測定するための初期段階の指標を定義します。これには、手動での再作業の削減、コードの一貫性の向上、コード負債の削減などが含まれるでしょう。このような指標は、実験から規模の実装に移行する前に、具体的な進捗を測定するのに役立ちます。要するに、小規模に始め、影響を測定し、企業の記憶が豊かで信頼できるものになってから規模を拡大するのです。
エージェント型エンジニアリングの実践例
開発者が新しいタスクに取り組む際—ADRとプロダクト設計要件（PDR）を標準化された指示テンプレートとともに活用し—AIコードアシスト（市販のエージェントと組織のカスタムエージェントの両方）を呼び出します。アシスタントは基盤となる知識ベース（企業の記憶）を活用して、文脈が豊富なパターンとベストプラクティスのスニペットを表示します。その後、エンジニアが洗練できる明確な段階的な指示とスキャフォールディングされたコードを自動生成し、組織の標準に沿った包括的で本番環境に対応した実装を生み出します。
エンジニアがAIコードアシストと協力する際、システムは特定のバックログ履歴とシステム設計を参照するプロンプトを自動生成します。「新しい決済エンドポイントを作成する」といったリクエストは、過去の決済関連ストーリー、アーキテクチャ図で承認されたサービスインターフェース、確立されたエンドポイントの命名規則の検索をトリガーします。コードアシストのデジタルワーカーは、ユニットテストとインラインドキュメントを含む完全なコードスタブを返します。これはまだ人間のレビューが必要ですが、会社の標準に準拠するように設計されています。
エージェント型ソフトウェアエンジニアリングのビジネスへの影響
画一的なツールをオーダーメイドの協力者に変えることで、組織はスピードと精度の両方を引き出すことができます。すべての提案が会社の確立された標準を反映しているため、開発者のオンボーディングが加速します。プロジェクト間でアーキテクチャの一貫性が保たれ、技術的負債を最小限に抑え、スタイルのばらつきを減らします。コードレビューは構文のチェックから高次の問題解決へとシフトし、コンプライアンスとセキュリティは後付けではなく、生成ワークフローに直接組み込まれます。
この包括的なアプローチは、市場投入までの時間短縮、再作業の削減、コード品質の向上など、測定可能な成果をもたらします。さらに重要なのは、組織の回復力を構築することです：人々がチーム間を移動しても、企業の記憶がベストプラクティスを確実に維持します。結果として、知識をシームレスに拡張し、ガバナンスを損なうことなく継続的なデリバリーを可能にするエンジニアリング文化が生まれます。
最終的な考察
エージェント型ソフトウェアエンジニアリングを採用する組織は、速度と品質の向上を実現する可能性が高いですが、成功は技術そのものだけでなく—常に人、プロセス、ツールであることを忘れないでください。それには慎重な準備、強力なデータ衛生、エンジニアリングとビジネス全体での文化的な受け入れが必要です。これらがなければ、最も高度なシステムでさえ、既存の非効率性を解決するのではなく、反映してしまうリスクがあります。
エージェント型ソフトウェアエンジニアリングは単なる生産性向上策ではなく、戦略的な進化を表しています。リーダーとなるのは、エンジニアリングデータを戦略的資産として扱い、ガバナンスに投資し、AIをショートカットではなくイノベーションにおける規律ある協力者として捉えるチームを育成する組織です。ソフトウェアエンジニアリングの未来は自動化だけでなく、組織が人間と機械の協力をいかに知的に設計するかによって定義されるでしょう。
