【体験レポート】生成AIで新規事業開発のスピードを加速！AWS主催「AI-DLC Unicorn Gym」に参加して学んだAI駆動開発のリアル

この記事のプロジェクトを見る

#テクノロジー #生成AI

この記事はこんな人におすすめ

生成AIを活用したプロダクト開発に興味がある企業
新規事業の立ち上げ・仮説検証スピードを加速させたい方
AI駆動開発のリアルな実践知を知りたい方

こんにちは、DNP INNOVATION PORT運営チームの浜本です。

DNP INNOVATION PORTでは、生成AIの活用を推進し、新たな価値創出やオープンイノベーションを目指すプロジェクトを展開しています。

新規事業開発において「いかに早く仮説検証を回し、MVP（必要最小限のプロダクト）を形にするか」は、常にチームを悩ませる大きな課題です。この課題をブレイクスルーするヒントを得るため、AWS（Amazon Web Services）主催のワークショップ「AI-DLC Unicorn Gym」に参加してきました。

このプログラムは、わずか3日間でアイデア出しから要件定義、実装までを「生成AIを中心としたチーム開発」で駆け抜けるというものです。本記事では、AIが開発の主役となる「AI駆動開発」を実際に体験して見えてきた、新規事業開発におけるAI活用の可能性と、リアルな実践知と学びをレポートします。

AIを「アシスタント」から「自律的な協力者」へ

AWSが提唱する「AI-DLC」とは？

AI-DLC（AI-Driven Development Life Cycle）とは、AWSが提唱する新しいソフトウェア開発の方法論です。これまでのAI活用が「人間が主体となって開発プロセスを進め、AIはコード補完などで部分的にアシストする」ものであったのに対し、AI-DLCの主役はAIです。

「AIが自律的に作業（設計書の作成やコード生成）を行い、人間は要所で判断・監督・合意形成を行う」という全く新しいアプローチをとります。プロセスは大きく以下の3つのフェーズに分かれています。

Inception（構想）：何を、なぜ作るかを決める。AIと対話しながら要件定義やシステム設計を行う。
Construction（構築）：どう作るかを決めて、実際に作る。AIが詳細設計からコード生成までを一気に担う。
Operations（運用）：作ったものを本番環境に反映し、動かし続ける。

プロセスの詳細はAWSブログをご参照ください。

3日間でプロダクトを創る「Unicorn Gym」に挑戦してわかったこと

AIの圧倒的なスピードと、「人間のボトルネック」

「Unicorn Gym」は、AI駆動開発ライフサイクル（AI-DLC）による開発プロセスの変革を、自社の実テーマを用いて 3 日間で実践するイベントです。私たちも実際に検討中のアイデアを持ち込み、Biz担当とDev担当を交えた少人数のチームで挑みました。

3日間のスケジュールは非常に濃密で、Day 1にRequirements（要件定義）、Day 2にApplication Design（システム設計）、そしてDay 3には実装の仕上げとフィードバックまでを駆け抜けました。

最初の「Inception」フェーズでは、AIが私たちのビジネスアイデアに対して鋭い問いを次々と投げかけてきます。その質問に人間が答えていくだけで、要件定義書やユーザーストーリーがあっという間に自動生成されていきました。

一方で、実践してみて初めてわかった大きな壁がありました。それは、AIの出力スピードが速すぎるため、「人間の認知や意思決定がボトルネックになる」という事実です。私たちのチームは、作りたいもののスコープを広げすぎてしまったために、初日にはRequirements関連の確認ファイルが1,500行を超えました。動くものがない状態でドキュメントだけをレビューしていくため、全体像や優先順位が見えないまま確認作業が続き、レビューが非常に重くなるという「文字レビュー地獄」に直面しました。３日間という限られた時間の中でアウトプットを出すためには、作りたいもののスコープの絞り込みを行うことも重要です。

新規事業開発におけるAI駆動開発の実践知と学び

今回の3日間の実践を通じて、AI-DLCを実務に活かすための具体的な気づきと学びが多く得られました。特に重要だと感じたのは以下の3点です。

1. 「レビュー設計」が開発スピードを左右する

AIが膨大な情報を生成するからこそ、人間が判断しやすい形に情報を整理する「レビュー設計」が不可欠です。ドキュメント中心の検討から、動く成果物を軸にしたレビューへ転換することが重要です。実際、早い段階でモックアップの出力を依頼し、画面イメージが現れたことで、仕様書のレビューが格段に進めやすくなりました。また、文書量が多い場合は全体像を先に示させたり、意思決定が必要な論点を明示させたりする工夫が、人間のボトルネック解消につながります。

2. 人間による「コンテキスト（文脈）の保持」

AIに任せすぎることのリスクも学びました。AIは感情を持たず、指示が曖昧でも作業を進めてしまいます。また、AIは中断後も作業を記憶していますが、並行して指示を出していると、人間側が「今、何のためにどの工程を行っているか」を見失いがちになります。常に開発プロセスの現在地を把握し、AIが生成したものを正しくレビューし、軌道修正するのはあくまで人間の役割です。

3. BizとDevの「新しい協働の形」

AIが開発作業を担うようになると、ビジネスサイド（Biz）と開発サイド（Dev）の協働のあり方も変わります。縦割りではなく、一つのプロジェクトに集中し、お互いが何をどの粒度で共有するかを経験的に学ぶ期間が必要です。Bizは開発知識を、Devはビジネス知識をリアルタイムに補い合う、密なコミュニケーションと前提づくりがこれまで以上に重要になります。