AI-DLC（AI-Driven Development Lifecycle）という開発方法論をご存知だろうか。AWSが提唱するこのアプローチは、AIを開発プロセスの中心に据え、従来の開発ライフサイクルを再設計するものである。本記事では、実際のクライアントワークでAI-DLCを実践してみた経験をもとに、良かった点・改善点・課題をまとめる。

AI-DLCとは

AI-DLC（AI-Driven Development Lifecycle）は、従来のSDLC（ソフトウェア開発ライフサイクル）をAI中心に再設計した開発方法論である。最大の特徴は 「AIが実行し、人間が意思決定する」 という役割分担にある。

開発サイクルは3つのフェーズで構成される：

• Inception（計画とアーキテクチャ）: 「何を」「なぜ」作るかを定義するフェーズである。AIが要件の分析・検証、ユーザーストーリーの作成、アプリケーション設計と作業単位の分割、リスク評価と複雑さの見積もりを行う。
• Construction（設計・実装・テスト）: 「どうやって」作るかを実行するフェーズである。AIが詳細なコンポーネント設計、コード生成・実装、ビルド設定とテスト戦略の策定、品質保証と検証を主導する。
• Operations（デプロイと運用）: 作ったものを「どう動かすか」を扱うフェーズである。デプロイの自動化やインフラ構築、監視・オブザーバビリティの設定、本番環境のレディネス検証を行う。現時点では将来の拡張として位置づけられている。

また、従来の「スプリント」に代わる「ボルト（Bolt）」という短いサイクルを採用し、数時間〜数日単位で開発を回していく。ワークフローは適応型であり、タスクの複雑さやリスクに応じてAIが実行するステージを自動的に判断する仕組みになっている。

参考: AI-Driven Development Life Cycle: Reimagining Software Engineering | AWS DevOps Blog / awslabs/aidlc-workflows - GitHub

やったこと

現在、クライアント先のプロダクト開発においてAI-DLCを導入している。

チーム構成はバックエンドエンジニア2名、フロントエンドエンジニア1名、QA1名の計4名である。ただし明確に役割を分けているわけではなく、各メンバーが垣根を越えて担当している。今後はバックエンドエンジニアがフロントを、フロントエンドエンジニアがバックエンドを見られるよう、さらに越境を進めていきたいと考えている。

具体的な取り組みとして、チーム用のドキュメントリポジトリを作成し、以下を集約している：

• 要件定義書
• 技術設計書
• 会議ログ
• HTMLモック

このリポジトリをコンテキストの起点として、AIがドキュメント作成やコーディングを行う体制を構築した。AI-DLCでドキュメントリポジトリにコンテキストが蓄積されていくことで、技術開発における専門外の領域でもAIの支援を受けながら取り組みやすい環境になっている。

良かった点

1. AIが蓄積されたコンテキストからドキュメントを自動生成してくれる