メインコンテンツへスキップ
見出し画像

【AI駆動開発】第4回:生成AIの開発は「パイプライン化」が鍵

    1. 生成AI開発の基本は「小さなタスクのパイプライン化」

    生成AIを使ってシステム開発をするとき、一番やってはいけないのは「こういうWebアプリを作って!」という大雑把な丸投げです。
    一気に頼むとAIが考える範囲が広くなり、嘘のコードを出力したり(ハルシネーション)、指示のたびに結果が変わるなどが発生します。特に、最近はAIの課金(トークンコスト)が問題となっており、気が付かない間に、大量の課金が発生する問題が多く発生しています。

    そこで大事になるのが、「タスクのパイプライン化」という考え方です。

    1-1. 丸投げせずに細かく分ける

    たとえば、Spring Bootのフレームワークでアプリを作る場合は、構造に合わせて細かくタスクを分けて順番に作ることを考えましょう。

    1.データ構造の定義: まず使うデータ(DTOやEnumなど)を決める
    
    2.Webの窓口づくり(Controller): リクエストを受け取る処理を作る
    
    3.ロジック作成(Service): メインのビジネスルールを書く
    
    4.DB操作(Repository): データベースとのやりとりを作る
    
    5.テスト作成: 最後にテストコードを書いて動作を確認する

    1-2. 順番に進めてブレとコストを最小化する

    ステップごとに「正解」を確認して次のステップに渡すことで、プロンプトの精度を高めることができます。また、万が一エラーが出ても、どこで問題が起きたのかがすぐに分かります。

    2. 「人間が見やすい構造」と「AIが理解しやすい構造」のギャップ

    従来のシステム開発では、保守をしやすくするために「役割ごとにファイルを分離する」のが定番でした。

    • 画面側(フロントエンド): Vue.jsやReactなどのSPA開発

    • 仲介役(BFFレイヤ): 画面とバックエンドをつなぐ仕組み

    • 裏側(API・バックエンド): Controller / Service / Repository などの多層構造

    これは、フレームワークのルールに従うことで、業務アプリケーションを実装する範囲を限定させ、統一感をもたせるために、ソフトウェア工学的に追求してきた実践結果です。

    しかしながら、この構造が、「AIにとっても理解しやすい構造」とは限りません。

    2-1. ファイルを分けすぎるとAIが混乱する?

    人間が大人数で開発するときは、モジュールを独立させて、ファイルを細かく分ける(疎結合にする)のが理想です。

    しかし、AIにコードを書かせるときにファイルを分けすぎると、「AIが参照できる文脈(背景情報)が途切れてしまう」という問題が起きます。
    AIに全体像を理解させるためにたくさんのファイルをプロンプトに貼り付ける必要がでてしまい、AIの処理上限(トークン数)を圧迫してしまいます。

    2-2. AIが文脈を掴みやすい設計とは

    これからの設計では、過度にファイルを細分化しすぎず、関連する処理を一箇所や近い場所にまとめる工夫や、スキーマ(仕様定義ファイル)で一元管理するアプローチなど、AIが全体像を理解しやすいシンプルな構造も意識することが大切です。

    3. プロジェクト独自のルールをAIに正しく伝えるコツ

    一般的な書き方はAIも知っていますが、「うちのプロジェクトではこういう命名ルールにする」「エラー処理はこの共通クラスを使う」といった独自ルールまでは知りません。事前にルールをAIに共有しておく必要があります。

    3-1. 日本語よりも「クラス図」で伝える

    AIに、ルールや仕様を伝えるときは、長文の日本語よりも「構造化された記述言語」で指示するのが効果的です。UML(Mermaid記法など)を使うと、AIは「どのクラスがどのデータを使うのか」を正確に理解できます。

    【Mermaid記法】
    
    classDiagram
        UserController --> UserService : 呼び出す    
        UserService --> UserRepository : DB操作
        UserController ..> UserRequestDto : 入力データ
        UserController ..> UserResponseDto : 出力データ
    画像
    プロンプトにUMLを用いた例


    このようなシンプルなテキスト記述をプロンプトに入れるだけで、AIは誤解なく正しいコードを生成してくれます。

    3-2. サンプルコードとルールをセットで渡す

    AIに指示を出すときは、以下のように具体的な指示をセットにして渡すと、精度が跳ね上がります。人間にコーディング規約を共有するのと同じです。

    ・ Lombokを使ってください。
    ・ アノテーションをつけてください
      @RestController / @Service / @Repository
    ・ リクエスト用DTOは 〜Request、レスポンス用DTOは 〜Response 
      というサフィックスを付けてください

    4. 「システムを作る仕組み」を整えた企業が勝つ

    Spring BootやReactなどで普通のコードを書くだけなら、生成AIでも一瞬でできるようになりました。
    ですが、「どんなサービスにして、どんな想いや設計思想を入れるか」という本質的な部分は、AIに丸投げできません。設計の想いやルールを決めるのは人間の役目です。このルールを、ブレなく適切にAIに指示ができる仕組みを整えた企業は、大量の生成AIをガバナンスを効かせて操作することができるようになります。つまり、その企業は、ソフトウェアをつくるためのソフトウェアを手に入れたことになります。

    5. まとめ

    これからのエンジニアに求められる役割は、以下のものとなります。

    • 丸投げせず、小さなタスクに分けて1つずつ進める(パイプライン化)

    • AIが理解しやすいように、図解やシンプルな構造を活用する

    • AIに任せるルールや仕組み(標準化)を人間がしっかりデザインする

    プロンプトや開発ルールを標準化し、「システムを作るための仕組み」を社内に作れた組織こそが、圧倒的なスピードと品質を手に入れることができます。生成AIを用いた開発では、上記を徹底し、AIを優秀なパートナーとして使いこなし、開発プロセス全体をアップデートしていきましょう!

    引用文献・参考情報

    • Martin Fowler (2004), Inversion of Control Containers and the Dependency Injection pattern

    • Spring Framework Reference Documentation / Spring Boot Architecture Guides


     
     
    大手IT企業に勤務。フェローの役割を担うとともに、「技術のわかるPM」として、多くのプログラムマネジメントを実践。 ソフトウェア工学を専門とし、AI駆動開発・AI駆動PMを研究中。 ※記事は個人のもので、所属会社とは無関係です

    あなたへのおすすめ