既存システムに残っている業務知識を知ろうとしても、コードを読むだけでは十分ではありません。コードから分かるのは、システムが実際にどんな処理をしているかです。なぜその処理が必要なのか、現場でどのように使われているのかまでは、コードだけでは分からないことがあります。 そこで、運用ログや設計書、手順書も合わせて見ます。書かれていることと実際の動きが合っているかを確かめ、食い違いがあれば、その理由を調べます。 もう一つ大切なのは、一度整理した知識も、業務が変われば古くなるということです。最初にどれだけ丁寧につくるかだけでなく、その後も更新できる仕組みが必要になります。 前回は、AIの進歩によって、これまで人手では割に合わなかった作業が現実的になりつつあること、そして知識は一度つくって終わりではないことを書きました。今回は、この二つの中身を順に見ていきます。
企業の競争力を支える業務知識は、文書・人・コードの中に分散し、見えないまま失われつつあります。そして、知識は「存在する」だけでは使えず、AI時代には人とAIの双方が読める形で構造化されていることが重要です。 そのために、埋もれた業務知識を取り戻し、オントロジーとして「育て続けられる資産」に変えていく必要があります。
AI FinOpsについて、Vol.01では、AIのコストが設計判断から生まれることを書きました。Vol.02では、モデル選択、人の介入、並列度、知識基盤という四つの設計を見ました。
AIのコストは、モデルの価格だけで決まるものではありません。 モデルの使い分け、人が判断するポイント、Agentの並列化、知識基盤への投資。 品質を落とさず、AIを経済的に使い続けるための「4つの設計」を考えます。
AIを開発の現場で使い続けるために、今考えるべきこと
AI-Agent（以下、Agent）が要件定義のたたき台をつくり、コードを書き、テストまで回す。人が直接手を動かす仕事が減るにつれ、「プロジェクトマネジメントも必要なくなるのではないか」という見方が出てきた。だが、私たちは逆だと考えている。AI駆動開発の時代には、PMの重要性はむしろ高まる。ただし、従来のやり方をそのまま続ければよいわけではない。管理する対象、関係者、タスクの分け方、QCD＋Rの評価軸、プロジェクトの進め方、そしてPMに必要な力まで、Agentがチームに加わった現実に合わせて見直す必要がある。
AI駆動開発の進展によって、SIerが提供するものも、担う役務も大きく変わり始めている。では、顧客はこれから何を基準にSIerを選べばよいのか。本稿では、その問いに対する答えとして、「蓄積」「運用」「保証」の三つの観点から、新しい選定基準を整理し、AI時代に選ばれるSIerの条件を考察した。
AIがコードを書く時代、SIerはどの仕事で収益を生み出していくのでしょうか。開発生産性が向上する一方で、人月型ビジネスの前提は大きく揺らぎ始めています。本稿では、「判断品質」「責任設計」「業務設計」という3つの視点から、AI時代に求められるSIerの新しい役割と継続的な価値について考察します。
開発の各工程にAIを組み込む――いわゆるAI駆動開発が、現場に急速に広がっている。だがこの変化は、単に「コードを書くのが速くなった」というだけの話ではない。 生成AIとAI Agent（以下、Agent）が日々の開発に定着し始めた瞬間から、SI契約を成り立たせてきた前提ーー何を作り、どう作り、誰がどこまで担い、どんな品質を保証し、いくらで売るのか――それらが、いま問い直されている。本稿では、この変化の正体を明らかにしたうえで、SI契約をどこから組み直していくべきかを考える。
AI活用の競争力は、生成能力そのものよりも、それを継続的・安定的・説明可能な形で機能させる「運用設計」へと重心を移している。本稿では、AI支援開発の延長線上にある現状から、人・AIエージェント・成果物・協働プロセスを一体で扱う「組織運用型AI駆動開発」へと進む道筋を整理する。