投稿者名:design@apphearts.co.jp

ABOUT SERVICE NEWS CONTACT RECRUIT ENTRY BLOG ブログ AI駆動開発を成功させる進め方 「丸投げ」で失敗しないための認識を合わせる要件定義のポイント AI駆動開発を成功させる進め方 「丸投げ」で失敗しないための認識を合わせる要件定義のポイント はじめに：AIを『魔法の杖』と勘違いした瞬間に始まる失敗 AIによる効率化は、現代の開発現場において最も期待されているテーマの一つです。しかし、「AIを使えばコストが下がり、誰でも簡単にシステムが作れる」というビジネスサイドの期待と、現場が直面する実装の現実との間には、しばしば大きな溝が存在します。この認識の断絶を埋めないまま、AIプロジェクトを「丸投げ」で進めれば、大規模な手戻りと納期遅延が起きるのは必然です。本稿では、なぜAIプロジェクトでビジネスサイドと開発現場の間に齟齬が生まれるのか、そしてその断絶を埋める手段である要件定義の重要性について解説します。 1. AIには『文脈』がない：要件定義における『3つの死角』 AIに質の高い実装を行わせるためには、インプットとなる要件定義のクオリティがすべてを決定します。しかし、ビジネスサイドが思い描くAIによる万能な解決と、現場のエンジニアが処理している具体的な技術制約の間には、以下の3つの死角が存在します。 AIと人間の特性比較（要件定義の盲点） 比較項目 AIの特性 人間（エンジニア）の役割 ビジネスサイドとの認識ギャップ 知識の起源 学習済みデータ 組織固有の歴史・暗黙知 「自社ルール」をAIが知っていると誤認し、出力が空回りする 判断の基準 論理的最適解 組織の政治・承認プロセス 現場の人間関係や政治的文脈を無視した、実行不可能な提案になる ガードレール 一般的な規準 独自の技術的な制約 自社独自の既存システムや、過去の失敗パターンを考慮できない 比較項目 AIの特性 人間（エンジニア）の役割 ビジネスサイドとの認識ギャップ 知識の起源 学習済みデータ 組織固有の歴史・暗黙知 「自社ルール」をAIが知っていると誤認し、出力が空回りする 判断の基準 論理的最適解 組織の政治・承認プロセス 現場の人間関係や政治的文脈を無視した、実行不可能な提案になる ガードレール 一般的な規準 独自の技術的な制約 自社独自の既存システムや、過去の

ABOUT SERVICE NEWS CONTACT RECRUIT ENTRY BLOG ブログ ゼロから始める社内AIアシスタント構築 ▶︎ はじめに ゼロから始める社内AIアシスタント構築 「社内の情報共有をもっと効率化したい」「同じ質問への回答に時間を取られている」といった課題を解決するため、Slack上で動作する社内AIアシスタントの構築方法を紹介します。 本記事では、より精度を高めるためのRAG（検索拡張生成）の考え方を取り入れ、効率的なデータ検索を行う構成となっています。この「社内AIアシスタント」は、コミュニケーションツールであるSlack上で動作し、AWSのサービスと連携することで、社内ナレッジを素早く、正確に提供することを目指します。 また、多くの企業がAI導入を検討しながら二の足を踏む最大の理由は、「高額な月額費用」です。AWSの従量課金と既存のクラウド機能を賢く組み合わせることで、月額数百円程度からの導入を可能にします。このようなスモールスタートでも特定のFAQ対応や社内ルールの即時提示といった実務には必要十分な性能を備えています。「最初から完璧で高価なもの」を求めて立ち止まるのではなく、まずは最小限のリスクでAIの恩恵を体感し、ニーズに合わせてシステムを育てていくような構成となっています。 ・本記事の目的 本記事では、技術的なソースコードは最小限に留め、システムの概念と構築ステップを中心に分かりやすく解説します。特に、RAGを実現するためのDynamoDBを活用した2段階検索の設計について紹介します。 本記事では、技術的なソースコードは最小限に留め、システムの概念と構築ステップを中心に分かりやすく解説します。特に、RAGを実現するためのDynamoDBを活用した2段階検索の設計について紹介します。 1. システム概要 今回構築する社内AIアシスタントは、以下の主要なコンポーネントで構成されます。 システムの処理の流れは、Slackでの質問を起点に、以下のステップで進行します。 1. 質問の受付:ユーザーがSlackの特定のチャンネルやメンションでAIアシスタントに質問を投稿します。 2. Lambdaの起動:Slackのイベント機能により、投稿された質問がトリガーとなり、AWS Lambda関数が起動します。 3. カテゴリ検索

ABOUT SERVICE NEWS CONTACT RECRUIT ENTRY BLOG ブログ 2026/3/27 AIが変えた開発現場のリアル ▶︎ はじめに 「コードを書くこと」が価値だった時代は、すでに終わりつつあります。 近年、生成AIの進化により、IT開発の現場は大きく変わりました。設計・実装・テストといった工程はAIによって高速化され、従来の開発スタイルは見直され始めています。 この変化は単なる効率化ではありません。 エンジニアという職種の価値そのものを変える変革です。 1. AIによる開発効率の変化 AIを開発に取り入れることで、以下のような変化が起きています。 　　– 設計：仕様整理やドキュメント生成の高速化　　- 実装：コード生成による開発時間の短縮　　- テスト：テストケースの自動生成　　- 保守：バグの原因分析・修正提案 　　– 設計：仕様整理やドキュメント生成の高速化　　- 実装：コード生成による開発時間の短縮　　- テスト：テストケースの自動生成　　- 保守：バグの原因分析・修正提案 これまで数日かかっていた作業が、数時間、場合によっては数分で完了するケースも珍しくありません。 2. 実際にどれくらい変わるのか ある中規模の開発プロジェクトにおいて、AIを活用した結果、以下のような効果がありました。 – 開発期間：約3ヶ月– 開発体制：5名 　　従来の想定コスト　　→約1,200万円 　　AI活用後の実績　　→約840万円 　　従来の想定コスト　　→約1,200万円 　　AI活用後の実績　　→約840万円 結果👉 約30%のコスト削減を実現 特に、実装とテスト工程において大きな効率化が見られ、開発スピードとコストの両面で改善が確認されています。 3. エンジニアに求められるスキルの変化 AIの普及により、エンジニアに求められるスキルも変化しています。 これまでは、 – プログラミングスキル– フレームワークの知識– 実装力 が重視されていました。 しかし現在は、 – 要件を整理する力– 論理的に考える力– AIを活用する力– 出力結果を判断する力 といったスキルの重要性が高まっています。 つまり、 「自分

ABOUT SERVICE NEWS CONTACT RECRUIT ENTRY BLOG ブログ 2025/10/24  IT現場で活用するClaude AIガイド ▶︎ 企画から開発まで アイデアの創出や課題解決への支援をAIに頼ることは便利です。ですがまだまだ発展途上の技術でもあるため過信せず、最後は自身の目と脳で見極められるよう専門知識と目利き力を日頃身に着けておくことが大切です。 この記事では、ITの現場で技術を使って新しい価値を生み出している人たちに向けて、Claude AI がどんなサポートができるのかを紹介します。 1. Claude AIとは Anthropic社が開発したAIサービスで、文章生成、要件整理、UI設計、コーディングまで幅広く支援可能な対話型AIです。ChatGPT、Gemini、Copilotなどと同様のサービスですが、特にビジネス視点での整理と提案に強みを持っています。 2. プロジェクトフェーズでの活用 要件定義・企画フェーズでは、要件のブレークダウンやステークホルダー分析、リスク分析と対策案の検討など、プロジェクトの基盤となる部分での支援が可能です。設計フェーズでは、画面遷移図の生成やワイヤーフレーム案の検討、システム構成図の作成などを効率的に行えます。UI/UXデザインでは、プロトタイプ作成やデザインパターンの提示、ユーザーストーリーの整理を支援し、開発フェーズではコーディングやテスト設計、技術文書の作成をサポートします。 3. artifacts機能の活用 Claudeの特徴的な機能「artifacts」は、画面デザインのプロトタイプ、プレゼンテーション資料、システム構成図など、提案内容の可視化に特に有効です。生成されたコードやデザインはその場でプレビューでき、チーム内での共有も容易です。 例えば「artifactsでテトリスゲームを作成してください」と伝えるだけでコードが生成されていき、完成すると実際にブラウザで遊ぶことができます。 生成結果は公開したり別のチャットにリソースとして持ち込むなど自分なりの追加編集もできます。サンプルとして生成してもらった資料の公開リンクを設置したので実際に閲覧してみてください。 テトリスゲームの生成結果例紹介風のスライド資料 4. 実践での活用シーン プロジェクトマネージャーは