更新日: 2026年10月21日

8分で読めます

AIエージェントとともにソフトウェアデリバリーを再設計する

実務者によるAIネイティブエンジニアリングの実践ガイド。デリバリーが滞る箇所を見つけ、人がコントロールを保つ領域を決め、リリースするものをどう検証するかを解説します。

AIエージェントが生成するコードが、人間のペースに合わせて設計されたレビューのキューへ次々と流れ込んでいます。コーディングアシスタントはコードを書く速度を上げてくれますが、レビュー、セキュリティチェック、リリース承認がその増加分に追いつけるかどうかまでは教えてくれません。AIネイティブエンジニアリングとは、人とエージェントがそれぞれ得意なことを担うようにエンジニアリングプロセスを意図的に設計する実践のこと。まずデリバリーのボトルネックを特定し、そのうえでエージェントにどこまで裁量を与えるか、規模が拡大してもコントロールをどう保つかを決めていきます。

今週公開されるAIネイティブエンジニアリングプレイブックは、コーディングの高速化をデリバリーの高速化へつなげるために、エージェントを前提としたソフトウェア開発の進め方を再設計するためのガイド。収録したプラクティスはすべて、GitLabのエンジニアリングリーダー、お客様、そしてSoftware Engineering Leadership Forum(SELF)コミュニティのメンバーから得た知見にもとづいています。さらにIT Revolutionと協力し、コードレビューからエージェントの裁量範囲まで、さまざまな角度からAIネイティブなソフトウェア開発に取り組む多様な実務者の調査結果も取り入れました。

プレイブックをつくる過程で私たちが答えを探した問いを、いくつか紹介します。

コーディングが速くなると、ボトルネックはどこへ移るのか

かつてソフトウェア開発では、コーディングが最も遅く、最もコストのかかる工程でした。エージェントがそのボトルネックを取り除いた結果、制約はコードの周辺にあるすべて、つまり確認待ち、環境待ち、承認待ち、他チーム待ちへと移っています。GitLabの2026年AIアカウンタビリティレポートは、2026年4月にDevSecOps専門家1,528名を対象に実施した調査にもとづくもので、回答者の79%が「AIによって開発者個人の生産性は向上した」と答える一方、ソフトウェアデリバリープロセス全体は同じペースでは加速していないという結果が出ました。

大企業のソフトウェアデリバリーのリードタイムは、一般に200日を大きく超えます。しかも実際に開発している時間は、そのうちわずか10〜20%にすぎません。コーディング工程だけを速くしても最終的に期待外れに終わりがちな理由は、この数字に表れています。たとえば、リードタイム281日のうちコーディングに約32日を費やしているサイクルを考えてみましょう。コーディングを50%速くしても短縮できるのは約16日、全体では6%ほどの改善にとどまります。仮にコーディングをゼロにしたとしても、リードタイムの約88%はそのまま残ったままです。[1]

GitLabの調査でも同様の傾向が見られました。DevSecOps専門家が新しいコードを書くことに充てている時間は全体の16%にすぎず、85%が「AIによってボトルネックはコードを書く工程からレビューと検証の工程へ移った」と回答しています。

つまり、最初にやるべきは診断です。小さく、実在する変更をひとつ選び、依頼から本番リリースまでの流れを追跡し、待ち時間と引き継ぎをすべて書き出してみてください。最も長い待ち時間が、次に改善すべき場所です。そしてそれは、コードそのものであることはめったにありません。エージェントが小さなタスクで止まる場面にも注目しましょう。その停止はたいてい、誰も文書化していない基準、立ち上げに手間のかかる環境、特定の個人の頭の中にしかないコンテキストを指し示しています。

デリバリーライフサイクルで「遅い」と感じている工程と、実際に遅延を生んでいる工程

エージェントにどこまで裁量を与えるべきか

エージェントの裁量は、その出力をどこまで検証できるかに応じて決めるべきです。すべての手順を人が承認するセミマニュアルの状態から、人の手を一切介さない完全自動の状態まで、4段階のはしごを思い浮かべてください。このフレームワークには、はしごを上るための明確なルールがあります。段を飛ばさないこと、そして一段上がるたびに、ひとつ下の段で得た証拠を裏づけとすることです。[2]

  1. ステージ1: すべての手順に人が関与する
  2. ステージ2: 人は引き続き関与しつつ、エージェントは定められた範囲内で実行する
  3. ステージ3: 通常運用では人は関与せず、例外のみを担当する
  4. ステージ4: ゼロタッチのワークフロー。エージェントが最初から最後まで自身で管理し、あらかじめ定めたしきい値に達したときだけ人を呼び出す [2]

AIを活用するワークフローには必ず、責任を負う担当者を名指しで決めておくことも欠かせません。人が「レビューする」状態と「モニタリングする」状態の境界も、明示的に定義しておく必要があります。定義があいまいだったり恣意的だったりすると、時間的なプレッシャーのもとで簡単に形骸化してしまうからです。[3]

この形骸化こそが落とし穴。名目上は関与しているのに実際にはすべてを承認してしまう人は、コントロールの実態がないまま、その見かけだけをつくり出します。習慣と物量が重なれば、レビューは何も考えない追認作業へ変わってしまうもの。誰も実際には機能させていないチェックポイントは、ない方がましです。精査が必要な場面で、安心感だけを与えてしまうからです。

上っていく方法は、一段ずつ証拠で裏づけること。適用範囲を広げる前に、精度または成功率のしきい値を明示的に定めます。そのうえで、担当者の役割を個々の手順のレビューから全体のモニタリングへ移していきましょう。エージェントが助けを求めて止まる回数が増えるのは、健全な兆候です。システムが、自ら示せる証拠の範囲を超えて先走ることを拒んでいるのですから。[2]

エージェントが段階的に裁量を広げていくプロセス。各段階の間には満たすべき具体的な基準がある

エージェントの生成量にコードレビューをどう対応させるか

裁量を広げられるかどうかは、ミスを捕捉できるかどうかにかかっています。そしてその負荷は、コードレビューに集中します。マージ時点でのレビューは、人のペースの生産量を前提に設計されたもの。エージェントが変更の発生ペースを引き上げた今、すべての変更セットを手作業でレビューするやり方はもはや成り立ちません。GitLabの調査もこの負荷を裏づけています。回答者の78%が「既存のコードレビュープロセスは、AIツールが可能にする規模を想定して設計されていない」と答え、80%が「自社ではAIコーディングツールの導入が、それを統制するポリシーの整備より先行している」と回答しました。

答えは、各レイヤーが最も得意な部分を担う多層的な検証の仕組みです。人がループから外れるのは、リスクレベルと証拠がその設計判断を正当化する場合に限られます。デフォルトで外れることは決してありません。[4]

  1. フォーマット、型、依存関係ポリシーといった客観的なチェックは、できる限りコードを書く段階の近くへ移す。
  2. 変更を小さく保ち、後続のレイヤーがすべて速く動けるようにする。
  3. 期待される挙動を事前に定義し、チェックできる具体的な対象を用意する。
  4. 独立したレビュアーを立てる。
  5. レビューの深さを、変更のリスクに合わせる。
  6. エージェントによるレビュー判断は、あとから人が検証できる形ですべて記録する。

この領域で最も成果を上げている組織は、自動テスト、静的解析、小さな変更セットにすでに多くを投資してきた組織です。つまりこれらのレイヤーは、すでに備わっている土台の上でこそ最大限に機能します。[4]

低リスクの変更は軽いチェックのみ、高リスクの変更は厳密な精査を求める、リスクに応じた多層レビューの仕組み

プレイブックを読む、あるいは自身の知見を寄せる

AIネイティブになることは、ツールと理解が進化するなかでリーダーがチームとともに磨き続けていく実践です。まずはプレイブック全体を読むか、チームが最も摩擦を感じている部分から読み始めてください。

  • 仕事の再設計。人だけを前提に組まれた工程にエージェントを後付けするのではなく、デリバリーの流れそのものにエージェントを組み込む
  • エージェントとの協働。人の判断と責任をどこに残すか、そしてコーディングの比重が変わるなかでエンジニアがどう成長し続けるかを決める
  • ガバナンスとスケール。ひとつのワークフローから多数へ広げる際に、品質とリスクのコントロールを失わずに速度を上げるためのコンテキスト、検証、計測を備える

エンジニアリングチームを率いていて、プレイブックに自身の知見を寄せたい方は、AI時代を進むエンジニアリングリーダーのためのコミュニティ、SELFにぜひご参加ください。

この記事で引用した論文

  1. Cochran, Timothy, and Bryan Finster, Tim Ottersburg, Scott Prugh, and Amy Willard. "When Coding Is Free, Where Is the Bottleneck? A Guide for Leaders Building Agent-Ready Delivery Systems." Enterprise Technology Leadership Journal 3, no. 2 (Fall 2026). https://itrevolution.com/product/when-coding-is-free/.
  2. Cockcroft, Adrian, and Jeremy Eder, Joseph Enochs, Jenn Spykerman, and Brian Wald. "When Agents Decide: Continuous Decision Intelligence and the Substrate Beneath It." Enterprise Technology Leadership Journal 3, no. 2 (Fall 2026). https://itrevolution.com/product/when-agents-decide/.
  3. Eslick, Ian, and Collin Fox, Amanda Graham, Suzette Johnson, Chuck Lafferty, Tom Kilcommons, Rosalind Radcliffe, Cat Swetel, Annie Vella, Sam Yeats, and Robin Yeman. "The Sociotechnical Architecture of AI-Enabled Enterprises: Principles, Patterns, and Practices for Human-Governed AI." Enterprise Technology Leadership Journal 3, no. 2 (Fall 2026). https://itrevolution.com/product/sociotechnical-architecture-of-ai-enabled-enterprises/.
  4. Davis, Zach, and Michelle Gill, Elisabeth Hendrickson, Angie Jones, Sha Ma, Randy Shoup, and James Wickett. "Agentic AI and Code Reviews: Toward a Pattern Language for Code Reviews in the Age of Agentic AI." Enterprise Technology Leadership Journal 3, no. 2 (Fall 2026). https://itrevolution.com/product/agentic-ai-and-code-reviews/.

ご意見をお寄せください

このブログ記事を楽しんでいただけましたか?ご質問やフィードバックがあればお知らせください。GitLabコミュニティフォーラムで新しいトピックを作成してあなたの声を届けましょう。

フィードバックを共有する

今すぐ開発をスピードアップ

DevSecOpsに特化したインテリジェントオーケストレーションプラットフォームで実現できることをご確認ください。