変化は起きていたのに、多くの企業は見逃した
少し考えてみてください。エンジニアリングチームが最後にスプリントまるごとを使って、ゼロからコードを書いたのはいつでしょうか。
設定作業ではありません。他の人が作ったAPIの連携でもありません。依存関係の衝突のデバッグでもありません。空のファイルから、新しい業務ロジックを一行ずつ書くことです。
多くのエンタープライズのチームにとって、正直な答えは「めったにない」でしょう。しかもそれは、AIツールが登場する前からそうでした。現代のソフトウェアエンジニアの日常は、既存コードを読むこと、複雑なシステムの中を調べて回ること、要件をすり合わせる会議に出ること、デプロイパイプラインと格闘することが大半を占めていました。「コードを書く」時間は、仕事全体の30%ほどだったと思います。
そのうえ、AIがその30%を大きく圧縮しました。GitHub Copilot、Cursor、Claudeといったツールは、動く実装を数秒で生成します。書いて、テストして、磨くのに45分かかっていた関数が、よく練ったプロンプトで3分で終わります。データベースのマイグレーションスクリプトも、コーヒーを飲み終える前にできあがります。
これは朗報に聞こえますし、実際その通りです。ただ、多くの組織がまだ向き合っていない問題も生まれます。コードを書くことがもうボトルネックでないなら、ボトルネックは何なのか。そして、見積もりの枠組みもチーム構成もベンダー契約も、「コードを書くのは遅くて高くつく」という前提で作られているとき、その前提が崩れたらどうなるのか、という問題です。
本当のボトルネックは、コードではなかった
エンタープライズのソフトウェアプロジェクトを実際に遅らせているものを考えてみましょう。この業界に長くいる人なら、答えはすでにご存じのはずです。タイピングの速さではありません。多くの場合、技術的な難しさでもありません。
それは認識合わせです。
ステークホルダーが何を望んでいるのかについて合意を取ること。「顧客維持率を上げたい」という業務要件を、具体的な機能、データフロー、ユーザー体験に落とし込むこと。プロダクトオーナーが会議で説明した内容と、3日後にようやくチケットに着手した開発者が理解した内容との間にあるずれを埋めること。
ソフトウェアプロジェクトの失敗に関する業界の調査、なかでもStandish GroupのCHAOS調査は、以前から同じ根本原因を指摘してきました。失敗の大半は、エンジニアリングの質の低さではなく、要件の不備に行き着きます。コードは問題ありませんでした。間違ったものを作ったか、正しいものを間違った順序で作ったか、6か月のプロジェクトの4か月目になって初めて重要な制約に気づいたのです。
ここからが、AIの影響の興味深いところです。AIは開発者のタイピングを速くしているだけではありません。「こういうことですよね」という確認と、「実際に操作できる試作品がこちらです」という提示の間にあるフィードバックのループを縮めています。そのループが数週間から数時間になると、後工程のすべてが変わります。
実際にはどうなるのか
昨年手がけたプロジェクトを例に挙げます。
金融サービスのクライアントが、コンプライアンスレポートのモジュールを必要としていました。従来であれば、3週間の要件定義から始まり、誰も最後まで読まない40ページの仕様書ができ、さらに6週間かけて構築し、途中で少なくとも2回は「思っていたものと違う」という修正が入るような機能です。
私たちのチームは違う進め方をしました。クライアントのコンプライアンス責任者との1回の作業セッションで会話を録音し、その文字起こしをAIシステムに入れて、受け入れ基準付きの構造化されたユーザーストーリーを1時間以内に作りました。ただ、肝心なのはここからです。同じ日のうちに、クリックして試せるプロトタイプも作りました。完成品ではなく、コンプライアンス責任者が実際に触れる、粗くても動くモックアップです。
彼女はプロトタイプを一通り操作し、私たちが取り違えていた前提を3つ即座に見つけて、こう言いました。「この項目には、現在のステータスだけでなく、過去の監査証跡を表示する必要があります」。初日に見つかったこの1つの修正は、QAテストで見つかっていたら2週間の手戻りになっていたはずです。プロトタイプはその場で修正し、週の終わりには、全員が合意した検証済みの設計ができていました。
最終モジュールの構築にかかった期間は、テストとデプロイを含めて3週間でした。同じスコープに対する従来の見積もりは、10週間から12週間でした。
コードを書く速度は上がったのか。ある程度は上がりました。しかし時間短縮の本当の理由は、あいまいさのループをなくしたことにあります。誤解と確認を行き来するこのやり取りが、エンタープライズプロジェクトの期間の大半を食っています。
見積もりをめぐる、不都合な現実
エンジニアリング予算を管理している方は、この節をお読みください。
エンタープライズのソフトウェア契約の多くは、いまも工数で価格が決まります。働いた時間、消化したストーリーポイント、完了したスプリントです。背景には、工数が多いほど価値が大きいという暗黙の前提があります。買っているのは時間であり、スキルの高い開発者は高価なので、時間も高価になります。
AIは、この仕組みを厄介な形で壊します。シニア開発者が以前は12時間かかった仕事を2時間でこなせるなら、クライアントが支払うのは2時間分でしょうか、12時間分でしょうか。ベンダーが12時間で見積もって2時間で納めたなら、10時間分の利益を懐に入れていることになるのか。2時間で見積もったなら、その2時間を成り立たせたアーキテクチャ上の判断の価値を低く見積もっていることにならないか。
この緊張は、業界のあちこちで表面化しています。社内ではAIツールを使いながら、請求は従来の単価のままというベンダーがあります。価格競争に走り、見積もりを50%下げて、数でカバーしようとするベンダーもあります。どちらのやり方も長続きしません。
正直に言えば、価値の単位を変える必要があります。エンタープライズのクライアントが買うべきは時間ではなく成果です。動くコンプライアンスモジュール、移行済みのデータパイプライン、再設計されたチェックアウトフローといったものです。ベンダーの仕事は、その成果を確実に、素早く届けることです。人が1行ずつ手で書いたのか、AIがボイラープレートの80%を生成したのかは、買い手にとって問題ではないはずです。重要なのは、品質、信頼性、速度です。
GTEMASは、まさにこの理由から成果ベースの契約モデルへ移行してきました。AIネイティブな開発パイプラインであるFastDXの、商業面での考え方です。仕事の範囲は人数と時間ではなく、成果物とマイルストーンで決めます。クライアントは頭数を数えることに慣れているため、売るのが難しいモデルではありますが、インセンティブを正しくそろえられます。私たちが報われるのは、効率よく進めたときであり、遅く進めたときではありません。
エンジニアリングチームには何が変わるのか
あまり語られていないことがあります。AIツールは、シニアエンジニアの必要性を減らしません。むしろ高めます。
意外に聞こえるので説明します。AIがコードを素早く生成できると、1日に作られるコードの量は大きく増えます。そのコードを誰かがレビューしなければなりません。AIのアーキテクチャ上の選択が、より大きなシステムの中で成り立つかどうかを、誰かが判断しなければなりません。AIが持ち込む微妙なバグも、誰かが拾わなければなりません。コンパイルは通り、基本的なテストにも通るのに、本番の負荷がかかったときにだけ表に出る競合状態のようなものです。
ジュニア開発者でも、独立したタスクであればAIに的確に指示できます。しかし、その出力がより広いシステムの文脈で正しいかどうかを見極めるには、深い経験が必要です。AIが出してきたものが「動くだけ」だと気づくには、「良い」状態を知っていなければなりません。
私たちはこの現実に合わせて、チームの組み方を見直しました。少数のシニアが多数のジュニアを見る従来のピラミッド型ではなく、すべてのエンジニアにアーキテクチャのレベルで動くことを求める、よりフラットなチームを運営しています。以前ジュニア開発者が担っていた作業、つまりボイラープレートの記述、テストの雛形の生成、定型的なマイグレーションはAIが受け持ちます。人が集中するのは、システム設計、セキュリティレビュー、パフォーマンスの最適化、そしてAIには確実に下せない判断です。
採用にも実質的な影響があります。いま見ているポイントは以前と違います。5年前のコーディング面接では、二分探索木を記憶だけで実装できるかを試していたかもしれません。いまは、生成されたコードベースを見て、何が欠けているかを指摘できるかを重視しています。AIが飛ばしたエラー処理、考慮されなかったエッジケース、AIが選んだ依存ライブラリに潜むセキュリティ上の脆弱性などです。
「最も危険なコードは、テストでは完璧に動き、本番では黙って失敗するコードです。AIはテストを通るコードを書くのが非常に得意です。その結果を疑うべき場面を見分けるのは、人間の技能です。」
誰も触れたがらないガバナンスの問題
この変化には、業界がほとんど目を向けていない暗い側面もあります。
AIが生成したコードの責任は誰にあるのでしょうか。AIが生成した関数がセキュリティ上の脆弱性を持ち込み、データ侵害につながった場合、責任を負うのは提案を受け入れた開発者か、プルリクエストを承認したチームリードか、ツールを導入したベンダーか。
エンタープライズの法的枠組みの多くは、この問いにまだ追いついていません。医療、金融、行政といった規制の厳しい業界では、これは抽象的な懸念ではありません。監査人が知りたがるのは、誰がそのコードを書いたのか、資格のある人間がレビューしたのか、という点です。「AIが書いて、開発者が承認ボタンを押しました」では、SOC 2の監査人は納得しません。
私たちのクライアントはまさにこうした環境で事業を行っているため、この問題は真剣に受け止めています。デリバリーのパイプラインに入るAI生成コードは、すべて人が書いたコードと同じレビューを通ります。ピアレビュー、自動のセキュリティスキャン、シニアエンジニアによる明示的な承認です。トレーサビリティも維持しているため、コードベースのどの部分がAI支援で書かれ、誰がレビューしたのかを正確に確認できます。
これは形式のための手続きではありません。信頼の土台です。AIが支援したコードを、人が書いたコードと同じ厳密さで監査できないのであれば、本番でAIを使うべきではありません。
この先、どこへ向かうのか
まだ初期段階です。現在のAIツールは、どれほど優れていても第一世代にあたります。今後は改善が進み、モデルは文脈をより深く理解し、大規模なコードベースを把握し、アーキテクチャに関する提案の信頼性も高まっていくでしょう。「AI支援」の開発と「AIファースト」の開発の差は縮まっていきます。
それでも、根本は変わりません。ソフトウェアデリバリーは、本質的にいつも意思疎通の問題でした。難しいのは、人が何を望んでいるかを理解し、それを機械が実行できる形に置き換えることです。AIは実行のコストを下げていますが、理解のコストは高いままで、その作業は人が担います。
変わるのは、成功するデリバリーパートナーシップの姿です。伸びるのは、AIを自社のワークフローに本当に組み込んだベンダーです。宣伝文句としてではなく、同じコストでより多くの価値を届けられる構造的な強みとしてです。そうしたベンダーは成果で価格を決め、シニア比率の高いチームを組み、エンタープライズのクライアントが求めるガバナンスの枠組みを維持します。
伸び悩むのは、いまも人月を売り、時間を数え続けるベンダーです。AIツールを使う5人のチームが、使わない15人のチームを上回りうることにクライアントは気づかないだろうと、期待しているのです。
GTEMASは、すでに方針を決めています。FastDXを軸にデリバリー組織を作っているのは、AIが一時的な流行ではなく、エンジニアリングの恒久的な一部になるという前提に立っているからです。チームも、プロセスも、商業モデルも、人の判断と機械の能力が組み合わさる世界に向けて設計しています。提案資料の見栄えが良いからではなく、実際に数字を出して検証してみると、この形しか成立しないからです。
これをいち早く理解した企業は、確かな優位に立てるでしょう。速度だけではありません。たしかに速くなりますが、それ以上に、品質、予測の確かさ、そしてプロジェクトの途中で要件が必ず変わるときの対応力で差がつきます。要件は必ず変わります。いつもそうです。問われるのは、そのときにデリバリーモデルが無理なく対応できるのか、それとも誰かが「やはり、少し違う動きにしてほしいのですが」と言うたびに破綻するのか、という点です。
これが、エンタープライズのデリバリーにおけるAIの本当の可能性です。タイピングが速くなることではなく、考える質が上がることです。
