本文へ移動
Harch AI Lab AI Learning & Research Mediapowered by Artiql Inc.

AI駆動開発(AI-Driven Development)とは・意味、バイブコーディング・仕様駆動開発との違い・事例

AI駆動開発とは?

AI駆動開発(AI-Driven Development)とは、仕様や設計、コード、テストなどをAIに生成させ、出来を評価して改善を重ねるソフトウェア開発の手法のこと。英語の表記には「AI-Driven Development」がある。政府は2026年7月の規制改革実施計画で、この手法を「AI駆動開発」と呼んだ。

従来は人が先に仕様や要件を決めてから設計と実装に進む手順が主流だったと、規制改革実施計画は説明している。規制改革推進会議は答申で、AI駆動開発では仕様や要件を固定せず、評価の結果や利用の状況に応じて継続的に更新する仮説として扱うとしている。

情報処理推進機構(IPA)も、2027年度から新しい制度で行う予定の試験のシラバス案に「AI 駆動開発」の項目を置いている。民間では、AWS が「AI-Driven Development Life Cycle(AI-DLC)」という名前で開発の手法を公開している。

AI駆動開発の進め方

AWS の AI-DLC では、AIの計画を開発チームが確かめて進める

AI-DLC は AWS が示す1つの手法で、AI駆動開発のすべてを指す語ではない。AWS の説明では、AIが作業の計画を作り、不明な点を開発チームに尋ね、開発チームが確かめたあとで実装する。開発の活動ごとに、この流れを短い間隔で繰り返すという。

2025年7月の AWS の説明では、AI-DLC の開発は図の3つの段階で進む。

AI-DLC の3つの段階AWS の2025年7月の説明をもとに整理
1
構想(Inception)AIが事業の意図を要件やストーリー、作業の単位に落とし込むチーム全員でAIの質問と提案を確かめる
2
構築(Construction)AIが論理的な構成やドメインモデル(業務の概念を整理したモデル)、コード、テストを提案する技術の判断と構成の選択について、チームがその場で明確にする
3
運用(Operations)AIがそれまでの文脈を使い、インフラのコード管理と展開を受け持つチームが監督する
出典:AWS「AI-Driven Development Life Cycle: Reimagining Software Engineering」(2025年7月31日)

AWS の AI-DLC では、AIは計画や要件、設計の成果物をプロジェクトのリポジトリ(コードなどの保管場所)に保存し、作業をまたいで文脈を保つ。作業の区切りには、数週間のスプリントに代えて、数時間から数日で回す「bolt」という単位を使う。

2025年11月には、AWS が AI-DLC の進め方を実装したルールをオープンソースで公開した。AIが案件に応じて段階の選び方や深さを提案し、開発チームが確かめて調整する。たとえば単純な不具合の修正には、手の込んだ要件の分析や計画は不要だと同社は説明している。

AWS が GitHub で公開している AI-DLC のワークフローの2026年11月4日の版(2.11.3)は、Claude Code や Kiro、Codex CLI、Cursor、opencode、GitHub Copilot といったAIのコーディング支援ツールの中で動く。

2.11.3 の版のワークフローの段階は、図の3つの段階の前に「初期設定(Initialization)」と「着想(Ideation)」を置いた5つで、工程(stage)は合わせて33ある。利用者が承認するまで次の工程へ進まない関門(承認ゲート)も設けられている。

政府の計画では、AIの適性が高い作業から段階的に導入する

政府は規制改革実施計画で、政府情報システムについて、AIの適性が高い作業から導入を始め、段階的に対象を広げる進め方を示している。今の技術の水準で適性が高い作業の例はコーディングやテスト仕様書の作成で、適性が低い作業の例は例外処理のテストや負荷テストだ。適性が低い作業には人が関与する。リスクに応じて人がどう関わるかも、標準ガイドライン群に定めるとしている。

AI駆動開発と従来のシステム開発の違い

規制改革推進会議の答申と規制改革実施計画が政府情報システムを念頭に示す、従来の開発とAI駆動開発の違いは次のとおりだ。

比較の項目 従来のシステム開発 AI駆動開発
仕様・要件 先に定義し、その内容を基に設計と実装を進める 評価の結果や利用の状況に応じて継続的に更新する仮説として扱う
成果物の作成 人が仕様や要件を決め、実装し、改善する 仕様や要件、設計、コード、テストなどをAIが生成し、結果を評価して改善する
設計・実装の知識 特定の事業者に占有されていた 設計の背景などをAIが読みやすい形で整えることで、設計・実装の知識が発注者側にもたまる
費用の積算 人の作業を前提にした「人月ベース」 成果や価値を適正に評価する「成果・価値ベース」の積算などについて、デジタル庁が早期の導入に向けたロードマップを作る

※2026年11月時点

規制改革推進会議のワーキンググループで専門委員を務める村上将一氏ら3人は2026年4月の提言で、ウォーターフォール型やプロトタイプ型、アジャイル型のどの開発手法でも、「決定論的開発」から「非決定論的開発」への転換が起きるとした。

提言で決定論的開発と呼ぶのは、人が仕様を決めてから実装と改善を進める開発だ。非決定論的開発は、AIが生成した設計やコードの候補を評価と改善の繰り返しで最適化することを目指す開発を指す。

AI駆動開発とバイブコーディング・仕様駆動開発・エージェンティックエンジニアリングの違い

IPAは基本情報技術者試験のシラバス案で、「AI 駆動開発」の用語例に「バイブコーディング」や「仕様駆動開発(SDD)」を挙げている。シラバス案では、2つの語はAI駆動開発の項目の中に位置づけられている。

語 意味 人の関与
AI駆動開発 仕様やコード、テストなどをAIが生成し、評価と改善を重ねる開発手法 政府の計画では、リスクに応じて関与の在り方を定め、AIの適性が低い作業には人が関与する
バイブコーディング 作りたいものを平易な言葉で伝え、コードの作成をAIに任せるやり方 Karpathy 氏の投稿では、AIの変更をいつも受け入れ、差分を読まない。Google Cloud は、開発者がコードを見直して責任を持つ使い方も挙げる
仕様駆動開発 先に書いた仕様を基準に、AIや道具がコードを生成し、テストし、検証するやり方 GitHub の説明では、段階ごとに開発者が確かめてから次へ進む
エージェンティックエンジニアリング コードを生成するエージェントを開発者が指揮し、監督するプログラミングのやり方 開発者はコードをほとんど直接書かず、監督にあたる。Osmani 氏らの資料の比較では、開発者が設計の全体を見直す

※2026年11月時点

バイブコーディングとの違いは工程の広さと人の関与

Karpathy 氏が2025年2月の投稿で書いたバイブコーディングは、コードの存在を忘れるような作り方だ。同氏は、週末に試して捨てる制作なら悪くないと記した。規制改革実施計画が示すAI駆動開発は、仕様や設計、テストなども生成の対象に含み、結果の評価を伴う。リスクに応じた人の関与の在り方を標準ガイドライン群に定めることも、計画に盛り込まれている。

仕様駆動開発との違いは語の焦点

仕様駆動開発は、仕様を基準に据えることに焦点がある語だ。GitHub は仕様を固定の文書ではなく、プロジェクトとともに変わるものと説明している。仕様を更新し続ける点では、答申が示すAI駆動開発の考え方と重なる。

政府の計画が定義するAI駆動開発では、仕様は生成の対象の1つで、設計やコード、テストなども同じくAIが生成する。AI駆動開発と仕様駆動開発が道具の上で重なる例もある。AI-DLC を使える道具の1つである Kiro は、仕様駆動開発を打ち出したAIの開発環境だ。

エージェンティックエンジニアリングは開発者の役割を示す語

Karpathy 氏は2026年2月に、エージェントを指揮して監督する専門家のやり方を、バイブコーディングと分ける呼び名として「agentic engineering」を挙げた。同氏の説明では、この語は開発者がエージェントを指揮する立場と、学んで伸ばせる専門性に目を向けている。

Addy Osmani 氏らはホワイトペーパーで、バイブコーディングとエージェンティックエンジニアリングを一続きの範囲の両端と見る。違いを分けるのはAIを使うかどうかではなく、出力の周りの構造や検証、開発者の判断の量だという。

なお、IPAのシラバス案の用語例にある語は、「エージェンティックエンジニアリング」ではなく「エージェンティックコーディング」だ。

AI駆動開発が広まった背景

「AI-Driven Development」の語は2024年には論文の題に使われていた。Michele Tufano 氏らは論文「AutoDev: Automated AI-Driven Development」で、AIエージェントが計画から実行まで受け持つ開発の仕組みを論じている。

AWS は2025年7月の発表で、AI-DLC を打ち出した理由を説明している。作業の一部をAIで補うやり方と人の介入なしにAIにアプリ全体を作らせるやり方は、どちらも速度と品質で十分な結果を出せていないという。同社は、人の作業を前提にした開発の手順にAIを後付けしても力を生かせないと主張する。

規制改革推進会議は答申で、民間企業では複数のAIエージェントが要件・仕様の定義や設計、コーディング、テスト、レビューの工程を分担する「オーケストレーション型」の開発もできるようになったとしている。

日本で政府がAI駆動開発を方針に盛り込んだ背景には、政府情報システムの調達の課題がある。課題として答申が挙げるのは、特定の事業者に頼り切って乗り換えにくくなるベンダーロックインや、要件のあいまいさによる手戻りだ。

AI駆動開発によって、設計情報の構造化と再利用、開発期間の短縮、開発の進め方の柔軟化、品質管理の高度化と自動化が同時に実現すると、答申はみている。AIが成果物の作成とレビューを自動で行えば、AI駆動開発に対応できる技術を持っていても経営資源が限られるために入札に加わってこなかった中小企業やスタートアップも、元請けとして一定規模の開発を受注できるようになるという。

設計の背景などをAIが読みやすい形で整えれば知識が発注者側にもたまり、AI駆動開発の導入は調達の長年の課題を解決する転換点になりうると、答申は記している。

AI駆動開発に関する主な出来事・ニュース

AI駆動開発に関する国の方針

規制改革実施計画は標準の手法への位置付けを明記

規制改革推進会議のワーキンググループで専門委員を務める村上将一氏らは2026年4月に、調達での導入を求める提言を出した。デジタル庁が講じる措置として、7月の規制改革実施計画は次のようなものを挙げている。

  • 標準ガイドライン群を見直し、AI駆動開発を標準的な開発手法に位置付ける。AIが読める形式での成果物の提供も定める。
  • 職員が要件定義書などを作り、見直せるようにするAIエージェントの利用環境を整える。
  • AI駆動開発の導入は、まず小規模なシステムで試行的に始める。人月(1人が1か月に行う作業量)を基にした積算とは異なる、成果や価値を基にした積算などについては、実施する事項と年度を記したロードマップを作る。

デジタル庁は2026年度から調達で試験導入の方針

政府は「デジタル社会の実現に向けた重点計画」で、2026年度からデジタル庁の調達でAI駆動開発を試験的に導入し、知見を政府にためるとしている。AIを活用した独自の提案を積極的に評価する方策も含め、調達の制度を検討するという。

政府のシステムではAI駆動開発とAIの調達の検討を進め、ガイドラインをさらに整えるべきではないかという点が、2026年10月22日のAI・デジタル改革推進会議の論点案に挙がっている。

AI駆動開発に関する事例

日立産業制御ソリューションズは基盤の試作を2日で実施

日立産業制御ソリューションズの竹地航太郎氏は、2026年1月に AWS が開いた11社合同の催し「AI-DLC Unicorn Gym」で手法を試した例を、AWS のブログに寄稿した。テーマは、社内に分散したIT資産やセキュリティのデータをまとめる基盤の構築だ。

社内の見積もりでは、従来の手法で約530時間(3人月相当)の規模だった。Kiro を使った2日間の作業は、7人で実働10時間ずつ、合わせて約70時間だった。

約70時間の工数は業務の担当者が同席してその場で決められる体制で、割り込みのない環境のものだと、竹地氏は補足している。範囲は試作品に絞り、結合テストとセキュリティの審査は行っていない。

日立産業制御ソリューションズの例では、小さなバッチ処理(まとめて自動で行う処理)に対してAIが40以上のファイルからなる構成を提案した場面があった。竹地氏は、規模に合った設計を見極めるのは人だと記している。

AI駆動開発に関する注意点と試験での扱い

「AI駆動開発」が指す工程は資料で書き方が違う

AI駆動開発の対象とする工程は、政府の計画では仕様やコード、テストなどの生成で、AWS の AI-DLC では運用の段階まで広がる。

AI-DLC で示された効果は提供元の説明と試作の数字

AWS は、AI-DLC で数週間かかっていた作業が数時間や数日で終わるとしているが、これは手法を提供する側の説明だ。上の日立産業制御ソリューションズの例も、本番に出す前の試作の数字だ。

政府の計画は責任の所在とリスク対応に触れている

職員がAIで仕様書などを作っても、内容の責任は所属の府省庁にあると、規制改革実施計画は記している。政府は重点計画で、安全なソフトウェア開発について産業界向けのガイダンスを2026年度中に整え、AI駆動開発のリスクへの対応の在り方も検討するとしている。

IPAのシラバス案に語と検証の項目が加わった

IPAは基本情報技術者試験のシラバス案で、AI駆動開発の用語例に、AIが生成したコードの品質やセキュリティのレビュー、ライセンスと著作権の確認も挙げている。プロフェッショナルデジタルスキル試験(仮称)の共通知識と、システムの試験のシラバス案にも語がある。IPAは、これらのシラバス案の内容は変わる可能性があるとしている。

AI駆動開発に関連する用語

AI駆動開発に関する出典

政府「規制改革実施計画」(2026年7月21日閣議決定)
規制改革推進会議「規制改革推進に関する答申」(2026年6月29日)
情報処理推進機構「基本情報技術者試験 シラバス(案)Ver.0.1」(2026年9月30日掲載)
情報処理推進機構「新試験制度のシラバス案について」(2026年6月30日公開、10月30日更新)
情報処理推進機構「プロフェッショナルデジタルスキル試験(仮称)及び情報処理安全確保支援士試験 科目A-1(共通知識)シラバス(案)Ver.0.1」(2026年9月30日掲載)
情報処理推進機構「プロフェッショナルデジタルスキル(システム)試験(仮称)シラバス(案)Ver.0.2」(2026年6月30日掲載、7月31日更新)
AWS「AI-Driven Development Life Cycle: Reimagining Software Engineering」(2025年7月31日)
AWS「Open-Sourcing Adaptive Workflows for AI-Driven Development Life Cycle (AI-DLC)」(2025年11月29日)
Amazon「AWS introduced new AI methodology and AI-Native Builders community to accelerate AI adoption」
Michele Tufano ほか「AutoDev: Automated AI-Driven Development」(2024年3月13日、arXiv)
村上将一、村上文洋、住田智子「政府情報システム調達における AI 駆動開発の導入に向けた提言」(2026年4月16日、規制改革推進会議のワーキンググループの資料)
政府「デジタル社会の実現に向けた重点計画」(2026年7月21日閣議決定)
デジタル庁「AI・デジタル改革推進会議における論点(案)」(2026年10月22日)
竹地航太郎、早川康平「3人月の開発を2日間で ─ 日立グループ初の AI-DLC 実践で得たリアルな手応え」(2026年5月12日、AWS のブログ)
Andrej Karpathy「There’s a new kind of coding I call “vibe coding”」(2025年2月3日)
Google Cloud「バイブ コーディングの解説: ツールとガイド」(2026年3月20日更新)
GitHub「Spec-driven development with AI: Get started with a new open source toolkit」(2025年9月2日)
Andrej Karpathy「A lot of people quote tweeted this as 1 year anniversary of vibe coding」(2026年2月5日)
Kiro「Introducing Kiro」(2025年7月14日)
Addy Osmani、Shubham Saboo、Sokratis Kartakis「The New SDLC With Vibe Coding」(2026年5月、Kaggle)
AWS「AI-DLC – one core, many harnesses」(2026年11月4日の版 2.11.3、GitHub)

AI駆動開発に関連する記事