技術

AI駆動開発ってなに？ざっくり流れを整理しよう

AI駆動開発ってなに？ざっくり流れを整理しよう
今から生成AI開発を学ぶのは遅いのか？

プロンプトからループへ、AI駆動開発の進化をやさしく読む

「今から生成AI開発を学ぶのは、もう遅いのではないか」

最近、この不安を持つ人は少なくありません。

ChatGPTが広く使われ始めたのは2022年末ごろです。そこから数年で、AIは文章を書く道具から、コードを書き、資料を読み、ブラウザを操作し、テストまで実行する存在に変わってきました。

毎週のように新しいツールや言葉が出てくるので、「もう詳しい人だけの世界になってしまった」と感じるのも自然です。

でも、結論から言うと、今からでもまったく遅くありません。

むしろ、今から学ぶ人には大きなチャンスがあります。なぜなら、生成AI開発で本当に大事な力が、単なる「AIへの質問のうまさ」から、「AIと一緒に仕事を進める仕組みを設計する力」へ移り始めているからです。

これは、これから学ぶ人にとってかなりよいニュースです。

過去の細かいテクニックをすべて覚えていることよりも、AIの進化の流れを理解し、自分の学び方や作り方をアップデートできることの方が重要になっているからです。

この記事では、生成AIを使った開発の進化を、次の4つの段階で見ていきます。

  • プロンプトエンジニアリング
  • コンテキストエンジニアリング
  • ハーネスエンジニアリング
  • ループエンジニアリング

先にざっくり表にすると、次のような違いです。

段階 人間が考えること たとえるなら
プロンプトエンジニアリング AIにどう頼むか よい質問を書く
コンテキストエンジニアリング AIに何を読ませるか AIの作業机を整える
ハーネスエンジニアリング AIがどんな環境で動くか 道具、ルール、確認方法をそろえる
ループエンジニアリング AIがどうくり返し進むか 作る、確かめる、直す流れを回す

どれも少し難しい言葉に見えますが、考え方はシンプルです。

人間がAIに「どう言うか」から始まり、AIに「何を読ませるか」、AIが「どんな環境で働くか」、そしてAIが「どう自分で回り続けるか」へと、少しずつ視点が広がってきたのです。

そもそも生成AI開発とは何か

生成AI開発とは、生成AIを使ってアプリ、Webサイト、業務システム、教材、チャットボット、デザイン、文章、動画などを作ることです。

ここでいう生成AIとは、文章、画像、音声、コードなどを新しく作れるAIのことです。英語では Generative AI と呼ばれます。generative は「生み出す」という意味です。

AI駆動開発という言葉もあります。これは、AIをただの検索ツールとして使うのではなく、企画、設計、実装、検証、改善の流れに深く組み込んで開発することです。

たとえば、昔ならプログラマーが一人で調べて、コードを書いて、エラーを直していました。今は、AIに設計案を出してもらい、コードを書いてもらい、テストの失敗理由を一緒に調べ、必要なら別のAIにレビューしてもらうこともできます。

ただし、ここで大切なのは「AIが全部やってくれる」という話ではありません。

AIができることが増えた分、人間の役割も変わっています。人間は、AIに一回ずつ細かく命令する人から、AIがよい方向に進めるように目的、情報、環境、検証方法を整える人へ変わってきています。

第1段階: プロンプトエンジニアリング

最初に注目されたのは、プロンプトエンジニアリングです。

プロンプトとは、AIに入力する指示文のことです。エンジニアリングは「設計して改善すること」と考えると分かりやすいです。

つまりプロンプトエンジニアリングとは、「AIにどう指示すれば、よい答えが返ってくるか」を工夫する技術です。

たとえば、ただ「Webサイトを作って」と言うよりも、

「高校の文化祭で使う展示紹介Webサイトを作ってください。スマホで見やすく、来場者が迷わず教室まで行ける構成にしてください」

と伝えた方が、AIは目的に近い答えを出しやすくなります。

この段階では、人間の主な仕事は「よい聞き方」を考えることでした。

役割を指定する。例を見せる。出力形式を決める。条件を細かく書く。間違いがあれば、もう一度言い直す。

これは今でも大切です。プロンプトが雑だと、AIの答えも雑になりやすいからです。

ただし、プロンプトだけでは限界があります。

どれだけ指示文を工夫しても、AIが必要な情報を持っていなければ、正しい答えは出せません。プロジェクトのルール、過去の経緯、コードの構造、ユーザーの状況を知らなければ、AIはそれっぽいけれどズレた答えを返してしまいます。

そこで次に重要になったのが、コンテキストエンジニアリングです。

第2段階: コンテキストエンジニアリング

コンテキストとは「文脈」や「背景情報」のことです。

コンテキストエンジニアリングとは、AIに何を読ませ、何を覚えさせ、何を見せないかを設計することです。

たとえば、AIに学園祭の案内アプリを作ってもらうとします。

このとき、AIに必要なのは「アプリを作って」という一文だけではありません。

  • 誰が使うのか
  • 何のために使うのか
  • どんな画面が必要か
  • イベントの時間割や教室の配置はどうなっているか
  • 使ってよい技術は何か
  • 似た過去の作品はあるか
  • どんなデザインにしたいか

こうした情報があるほど、AIはよい判断をしやすくなります。

でも、情報は多ければ多いほどよいわけではありません。AIには一度に読める量に限りがあります。この一度に読める範囲を、コンテキストウィンドウと呼びます。これはAIの「作業机」のようなものです。

作業机に必要な資料が置かれていれば作業は進みます。でも、関係ない紙が山のように積まれていたら、かえって大事な情報を見落とします。

だからコンテキストエンジニアリングでは、「今の作業に必要な情報だけを、分かりやすい形で渡す」ことが重要です。

これは、初学者にも関係があります。

AIに質問するとき、「何を聞くか」だけでなく、「前提として何を伝えるか」を意識するだけで、答えの質は大きく変わります。

たとえば、

「Pythonのエラーを直して」

よりも、

「高校の情報の授業で使うPythonコードです。まだ関数を習いたてなので、難しい書き方は避けたいです。以下のエラーの原因と、直し方を説明してください」

の方が、AIはずっと助けやすくなります。

第3段階: ハーネスエンジニアリング

次に出てきたのが、ハーネスエンジニアリングです。

ハーネスとは、本来は「安全ベルト」や「馬具」のように、力を安全に伝えるための道具を指します。AI開発の文脈では、AIが働くための周辺環境、道具、ルール、制約、検証の仕組みをまとめてハーネスと呼びます。

少し言い換えると、ハーネスエンジニアリングとは「AIが失敗しにくい作業環境を作ること」です。

AIにコードを書かせるだけなら、チャット画面でもできます。

しかし、本当にアプリを開発するなら、それだけでは足りません。

  • ファイルを読めること
  • コードを編集できること
  • テストを実行できること
  • Git（ギット。変更履歴を残す仕組み）で作業を管理できること
  • 危険な操作を止められること
  • プロジェクトのルールを読めること
  • 失敗したときに原因を記録できること

こうした環境があって、初めてAIは「開発チームの一員」のように働けます。

たとえば、AIがテストを壊したまま「完成しました」と言ってしまうことがあります。そこで、完成条件として「テストが通っていること」「型チェックが通っていること」「変更した理由を説明すること」を仕組みに入れておきます。

また、AIが毎回同じルールを忘れるなら、プロジェクトのルールを AGENTS.md や CLAUDE.md のようなファイルに書いておき、AIが作業前に読むようにします。

このように、AIの失敗を「AIが悪い」で終わらせず、「次に同じ失敗をしない仕組みを作る」と考えるのがハーネスエンジニアリングの発想です。

ここまで来ると、人間の役割はかなり変わります。

人間は、AIに一回ずつお願いする人ではなく、AIが安全に力を出せる作業場を作る人になっていきます。

第4段階: ループエンジニアリング

そして2026年半ばごろから、技術者コミュニティで急速に注目され始めたのが、ループエンジニアリングです。

ループとは「くり返し」のことです。

ループエンジニアリングとは、人間が毎回プロンプトを入力するのではなく、AIが目的に向かって作業、確認、修正、記録をくり返せる仕組みを設計することです。

たとえば、人間が毎朝AIに、

「未解決のバグを確認して」

「失敗しているテストを見て」

「直せそうなものを修正して」

「結果を報告して」

と順番に頼む代わりに、最初から次のような仕組みを作っておくイメージです。

「毎朝9時に、未解決のバグとCI（シーアイ。自動テストなどを回す仕組み）の失敗を確認する。直せるものは安全な作業場所で修正する。テストを実行する。別のAIにレビューさせる。結果をMarkdown（マークダウン。文章を軽く整えられる書き方）にまとめ、人間に報告する」

これがループです。

ループの中では、AIが次にやることを見つけ、作業し、検証し、記録し、また次の作業へ進みます。

代表的な構成要素としては、次のようなものがあります。

  • 発見: 今やるべきタスクを見つける
  • 受け渡し: 安全な作業場所や担当AIに渡す
  • 検証: テストやレビューで本当に正しいか確認する
  • 記憶: 結果や状態をファイルやデータベースに残す
  • スケジューリング: 時間やイベントをきっかけに自動で動かす

ここで一番大事なのは、検証です。

AIはときどき、自信満々に間違えます。コードを書いたAIが、自分で「できました」と判断すると、甘いチェックになりがちです。

だから、実装するAIと確認するAIを分ける考え方が重要になります。日本語で言えば、「複数人レビュー」や「複数エージェントチェック」に近い考え方です。

人間のチームでも同じです。自分が書いた文章やコードは、自分ではミスに気づきにくいものです。別の人に見てもらうと、抜けや思い込みを見つけやすくなります。

AIでも同じことが起きます。

では、人間の役割はなくなるのか

ここまで聞くと、「AIが自分で作業を回すなら、人間はいらなくなるのでは」と感じるかもしれません。

でも、むしろ逆です。

人間の役割は、手を動かすことだけから、目的を決め、判断基準を作り、危険を見抜き、学び続けることへ広がっています。

AIが速く動くほど、人間の判断は重要になります。

なぜなら、間違った目的でAIを高速に動かすと、間違った成果物も高速に増えるからです。

たとえば、AIに「バグがなくなるまで直して」とだけ伝えて放置すると、テストを消してしまったり、表面上エラーが出ないだけの修正をしてしまったりするかもしれません。

「ユーザーにとって何がよいのか」

「この仕様は本当に必要なのか」

「どこまで自動化してよいのか」

「どこからは人間が確認すべきか」

こうした問いに答えるのは、今も人間の仕事です。

AI時代の開発者に必要なのは、AIより速くタイピングすることではありません。AIと一緒に、正しい方向へ進む力です。

今から学ぶ人が強い理由

今から生成AI開発を学ぶ人が強い理由は、最初からこの流れを知った状態で学べるからです。

早く始めた人は、プロンプトのテクニックをたくさん覚えてきました。それはもちろん価値があります。

でも、これから始める人は、最初から「AIにどう言うか」だけでなく、「AIに何を見せるか」「AIが動く環境をどう作るか」「AIが自分で回る仕組みをどう設計するか」まで、全体像として学べます。

これは、スマートフォンが普及した後に生まれた世代が、最初からスマホ前提でサービスを考えられるのに少し似ています。

最初から新しい前提で学べることは、遅れではなく強みです。

特に中高生や初学者にとって大事なのは、最初から完璧なエンジニアを目指すことではありません。

小さなアプリを作る。AIに質問してみる。答えをそのまま信じずに動かして確かめる。分からない言葉を調べる。うまくいったことをメモする。次はAIにもう少しよい前提を渡してみる。

この積み重ねが、生成AI開発の土台になります。

まず何から始めればよいか

最初にやるべきことは、難しい自動化システムを作ることではありません。

まずは、AIを使って小さなものを作ることです。

おすすめは、次の4ステップです。

1. プロンプトを書く

まずはAIに指示を出してみます。

例:

「学園祭で、展示の場所と待ち時間を見られる簡単なWebアプリのアイデアを3つ出してください」

ここでは、完璧な指示を書く必要はありません。AIの答えを見ながら、「もっと具体的に言うとどうなるか」を試せば大丈夫です。

2. コンテキストを渡す

次に、前提情報を足します。

例:

「HTMLとCSSは少し分かります。JavaScriptは初心者です。授業やサークルの発表で説明する作品なので、仕組みを自分の言葉で話せる構成にしてください」

このように、自分のレベル、目的、制約を伝えると、AIはあなたに合った提案をしやすくなります。

3. 小さなハーネスを作る

最初のハーネスは、とても小さくて構いません。

たとえば、次のようなルールをメモしておきます。

  • 難しいコードは使わず、初心者向けにする
  • 変更したら必ずブラウザで動かす
  • エラーが出たら、原因と直し方を記録する
  • AIの答えをそのまま提出せず、自分で説明できるようにする

これだけでも、AIとの開発はかなり安定します。

4. 小さなループを回す

いきなり完全自動化を目指す必要はありません。

最初は、人間が見守る小さなループで十分です。

例:

「AIに改善案を出してもらう」

「1つだけ実装する」

「動かして確認する」

「結果をメモする」

「次の改善案を出してもらう」

これも立派なループです。

大事なのは、AIに丸投げすることではなく、作る、確かめる、学ぶをくり返すことです。

注意したいこと

生成AI開発には、大きな可能性があります。一方で、注意点もあります。

1つ目は、AIの答えをそのまま信じないことです。

AIは、分からないことでも自然な文章で答えることがあります。だから、コードは実行し、情報は確認し、重要な判断は人間が見直す必要があります。

2つ目は、理解しないまま進めすぎないことです。

AIを使うと、初心者でも一気に大きなものを作れてしまいます。これは楽しい反面、あとから「なぜ動いているのか分からない」状態になりやすいです。

この状態を理解負債と呼ぶことがあります。借金のように、あとで学び直すコストが増えていくという意味です。

3つ目は、コストと時間を決めておくことです。

AIを自動で何度も動かすと、API（エーピーアイ。アプリやAIサービスを外部から使うための窓口）の料金や利用回数が増えることがあります。特にループを組む場合は、「何回まで試すか」「いくらまで使うか」「失敗したら止める条件は何か」を決めておく必要があります。

4つ目は、人間が考えることをやめないことです。

AIの提案が便利すぎると、「たぶん正しいだろう」と受け入れたくなります。でも、学ぶ人にとって一番大事なのは、自分の頭で問い直すことです。

なぜこの設計なのか。別の方法はないのか。使う人は本当に困っているのか。安全なのか。説明できるのか。

この問いを持ち続ける人が、AI時代に強い開発者になります。

まとめ: 遅いどころか、今からが本番

生成AI開発は、すでに大きく変化しています。

プロンプトエンジニアリングは、AIへの指示文を工夫する技術でした。

コンテキストエンジニアリングは、AIに必要な情報を整理して渡す技術です。

ハーネスエンジニアリングは、AIが安全に働ける環境を作る技術です。

ループエンジニアリングは、AIが作業、検証、記録、改善をくり返せる仕組みを設計する技術です。

この流れを見ると、AI開発は「魔法の言葉を知っている人が勝つ世界」から、「AIと協力する仕組みを作れる人が強い世界」へ移っていることが分かります。

だから、今から学ぶのは遅くありません。

むしろ、AIをただの便利ツールとしてではなく、学び、制作、検証、改善の相棒として捉えられる人にとって、今はとてもよいスタート地点です。

大切なのは、最初から最先端の言葉をすべて覚えることではありません。

小さく作る。AIに聞く。動かす。確かめる。分からないところを調べる。自分の言葉で説明する。そして、もう一度よくする。

そのくり返しの中で、生成AI開発の力は少しずつ育っていきます。

AIの進化は速いです。

でも、速いからこそ、今から始める価値があります。

用語ミニ辞典

  • 生成AI: 文章、画像、音声、コードなどを新しく作れるAI。
  • プロンプト: AIに入力する指示文。
  • コンテキスト: AIに渡す背景情報や文脈。
  • コンテキストウィンドウ: AIが一度に読める情報の範囲。AIの作業机のようなもの。
  • ハーネス: AIが働くための道具、ルール、環境、検証の仕組み。
  • ループ: 同じ流れをくり返す仕組み。
  • AI駆動開発: AIを開発プロセスに深く組み込み、企画、設計、実装、検証、改善を進める開発スタイル。
  • 複数エージェントチェック: 作るAIと確認するAIを分け、複数の視点でミスを見つける考え方。
  • Git: コードや文章の変更履歴を残し、前の状態に戻したり、差分を確認したりするための仕組み。
  • CI: テストやビルドを自動で実行し、変更に問題がないか確認する仕組み。
  • API: アプリやAIサービスを外部から使うための窓口。
  • Markdown: 見出しや箇条書きを簡単に書ける文章の書き方。
  • 理解負債: 作ったものの中身を理解しないまま進めた結果、あとで学び直しや修正の負担が増える状態。

参考にした主な情報

トップへ戻る