AI 駆動開発の最前線と今後の開発スタイル
457 Views
November 06, 25
スライド概要
FPT ジャパン エグゼクティブエバンジェリスト 独立行政法人 国立印刷局 デジタル統括アドバイザー兼最高情報セキュリティアドバイザー Microsoft で C#、.NET、Visual Studio、Windows、iOS、Android、Microsoft Azure 等の開発者向け技術啓発活動を担当後、Dell、Accenture、Elastic、VMware を経て現職まで一貫して同様の活動を継続。現職では NVIDIA AI GPU クラウドサービス、各パブリッククラウドとの AI 関連での協業、マーケティングを担当。政府の仕事は、内閣官房 政府 CIO 補佐官、 デジタル庁 PM を経て、現職を兼務。 AI 駆動開発勉強会主催。Locofy.ai の Regional Developer Advocate も兼務。
関連スライド
FPT AI Factory で加速する AI 開発-20250213-公開版
Shotaro Suzuki
28.7K
各ページのテキスト
AI 駆動開発の最前線と 今後の開発スタイル 鈴⽊ 章太郎 Executive Evangelist, FPT Data & AI Integration FPT Japan Holdings
鈴⽊ 章太郎 X (Twitter) ︓ @shosuz https︓//www.docswell.com/user/shosuz FPT ジャパン FPT データ& AI インテグレーション エグゼクティブエバンジェリスト 独⽴⾏政法⼈ 国⽴印刷局 デジタル統括アドバイザー兼最⾼情報セキュリティアドバイザー 略歴︓ AI 駆動開発勉強会主催。Microsoft エバンジェリスト時代から、 Dell、Accenture、Elastic、VMware を経て現職まで⼀貫して 開発者向けに最新技術を啓発、GPU クラウド技術訴求。 政府の仕事は、内閣官房 政府 CIO 補佐官、 デジタル庁 PM を 経て、現職を兼務。 Microsoft 認定トレーナー(MCT)として、GH-300コースをラーニング パートナー企業で講師として担当中。 Google Cloud Partner All Certifications Engineer 2025。 Google Cloud ブログ 2 / 12
Microsoft ｜Git・GitHub NEW GitHub Copilot https://www.edifist.co.jp/course/MSCGH300 開催⽇程︓2025/10/24(⾦)、11/21(⾦)、12/19(⾦)、2026/1/23(⾦)、2/27(⾦)、3/27(⾦) 本コースは、GitHub Copilot の機能とその責任ある活⽤⽅法を学ぶためのトレーニングです。 Microsoft の最近の調査では、GitHub Copilot の活⽤により⼤幅な⽣産性の向上を経験することがわかりました。 ・ 新しいコードの 46% が AI によって記述されるようになった ・ 開発者の全体的な⽣産性が 55% 速くなった ・ 開発者の 74% が満⾜のいく作業に集中できるようになったと感じている どのような⼿段で⽣産性の向上が実現可能か、具体的なケースによる GitHub Copilot の活⽤⽅法を学びます。 対象者 ・ ソフトウェア開発者、DevOps エンジニア、管理者の⽅ ・ AI ツールを開発ワークフローに統合したい⽅ ・ 責任ある AI の使⽤と倫理的な配慮を学びたい⽅ ・ GitHub Copilot の機能を深く理解し、業務に活⽤したい⽅ 研修⽇数 1⽇ 時間 9:30〜17:30 受講料 7,7000 円（税込） 学習形態 オンライン 前提条件 MSCGIT01 : Git・GitHub 基礎と実践 （https://www.edifist.co.jp/course/MSCGIT01） 受講済、または、次の知識を保有する⽅ ・ 統合開発環境 (Visual Studio Code) と GitHub などのバージョン管理システムに関する知識 ・ AI と機械学習の原則に関する基礎知識 到達⽬標 ・ GitHub Copilot を責任ある⽅法で活⽤できる ・ 効果的なプロンプトを作成し、提案精度を向上できる ・ Visual Studio Code や CLI など様々な環境で Copilot を使いこなせる ・ Business や Enterprise プランの管理機能を理解できる コースコード MSCGH300
AI 駆動開発勉強会 メンバー： 15,000名 以上
AI 駆動開発の最前線を⼀挙紹介︕ https://www.ai-driven.dev/
AI 駆動開発カンファレンス 2025年秋 キーノート https://www.ai-driven.dev/
AI 駆動開発カンファレンス 2025年秋 特別招待講演 https://www.ai-driven.dev/
AI 駆動開発カンファレンス 2025年秋 ⼤盛況のうちに終了︕ 会場参加︓250⼈以上、オンライン参加︓3,000⼈以上（速報値） https://www.ai-driven.dev/
お知らせ︓GitHub Copilot Meetup Japan #1 2025年11⽉7⽇ https://aid.connpass.com/event/368649/ 2/8
お知らせ︓2025年の AI 活⽤を総まとめ︕実践から振り返る Talk Night https://aid.connpass.com/event/374662/ 2/8
(近⽇公開)︓フロントエンド⽀部 #1 with あずもば 2025年12⽉11⽇ https://aid.connpass.com/event/(TBD)/
AI 駆動開発とは︖
AI 駆動開発とは︖ システム開発のプロセス全体において AI を中⼼にしながら開発を進める⼿法 • ⼈⼯知能(AI)、特に⼤規模⾔語モデル(LLM)を開発 プロセスの中⼼に据えた新しいソフトウェア開発アプローチ • プロダクト企画、要件定義、ソフトウェア設計、コーディング 、テスト、リリースなどすべての開発フェーズにおいて、⽣成 AI ・LLM を主導的に利⽤ • これによりプロダクト企画から開発、リリースまでのサイクル を統合し、開発効率の向上と、品質の統⼀、プロダクトのリリ ースタイムの⾼速化を⾏う AI 駆動開発 ≠ ツール導⼊ 要件定義 ユーザが細かな要件を洗い出すのではなく、 ユーザと LLM との対話により要件を段階的に具体化 UI 設計 ⼿書きの画像や AI との対話により UI のイメージを⽣成し、 インクリメンタルにUIを設計 ソフトウェア設計 要件から LLM が設計案をドキュメントとして作成。 ユーザーが設計案をレビューし、LLMと 会話して精度を上げる コーディング これまでの内容を LLM にインプットし、⾔語、フレームワーク、コーディングスタイ ルを指して、コードを⽣成。 テスト Unit Test、Integration Test、動作時のエラーの解消も LLM がベースを作成 リリース クラウド環境へリリース、CI/CD パイプラインの作成、AB テストについても、LLM により IaC のテンプレートを作成。
AI 駆動開発とは︖ ⽣成 AI・LLM を主導的に活⽤し、プロダクト企画から開発、リリースまでのサイクルを統合 開発効率の向上と、品質の統⼀、プロダクトのリリースタイムの⾼速化を⾏う 開発サイクル全フェーズで ⽣成 AI・LLM を主導的＆統合して活⽤する
AI 駆動開発ツール⼀覧 https://www.ai-driven.dev/ツールのご紹介/
AI 駆動開発のインパクト
AI 駆動開発のインパクト Google で書かれるコードの4分の1以上は AI で⽣成されている AI によるコード⽣成 2024年10⽉ ・Google で描かれる新しいコードの25%以上が AI によって ⽣成されている ・AI が⽣成したコードは、エンジニアによってレビューされ 承認されている エンジニアの⽣産性と効率性が向上 社内での AI 活⽤ ・Google は社内で AI を活⽤して、コーディングプロセスを改善 開発プロセス全体の効率化 組織構造の変更 ・AI を活⽤するために Google の組織構造を変⾰ ・研究、機械学習インフラ、開発者チームを統合し、 より迅速に動けるように スンダー・ピチャイ Alphabet and Google CEO 引⽤元︓ https://www.outlookbusiness. sundar-pichai com/corporate/googles-25-of-new-code-is-ai-generated-says-ceo- Notebook LM のような ⼈気製品を⼩規模な専任チームで構築
AI 駆動開発のインパクト 2024年11⽉ プログラミングは Anthropic や他の企業で働く従 業員の⼤部分にとって基本的なスキルなので、変化 は早く起こる モデルがコードを書けるということは、モデルが そのコードを実⾏し、結果を⾒て、それを解釈し 返すことができる 10ヶ⽉ほどで、少なくとも 90%に近づくのではないか Anthoropic CEO の Dario Amodei ⽒ PodCastインタビュー URL︓https://www.youtube.com/watch?v=ugvHCXCOmm4 ⽇本語の⽂字起こし︓ https://note.com/kind_crocus236/n/n3f35dfc4227c 2025年6⽉ 精 度 時間
AI 駆動開発のインパクト 引用：エンジニアtype https://type.jp/et/feature/28981/ 開発生産性においても 大きな変化
AI 駆動開発のインパクト AI 駆動開発チームを組織し 社内推進中 引用：モノタロウでCursorを導入してみた理想と現実、それと未来 https://tech-blog.monotaro.com/entry/2025/09/04/090000
AI 駆動開発 主要ツール紹介
AI 駆動開発ツール⼀覧 https://www.ai-driven.dev/ツールのご紹介/
AI 駆動開発の主要ツール 最新機能が GitHub Copilot 先⽉末発表︕ コード補完、チャット、Pull Request の要略など様々な 機能を持つ。国内でも導⼊企業が多い。 Cursor 最新の2.0 が 今⽉登場︕ VSCode をクローンし、多数の AI 開発機能を搭載。 Agent 機能で対話ベースでアプリ開発も可能に。
AI 駆動開発の主要ツール • • • Windsurf 社が提供している AI Agent 型 IDE。VS Code を clone して AI エージェント機能を追加 ユーザーとの対話履歴、リアルタイムのコード編集履歴、プロジェクト全体のコードを対象とした⾼度なメモリ構造⼀部では Cursor に変わる新しい選択肢になりつつある https://codeium.com/windsurf
AI 駆動開発の主要ツール 市場最速で $100M ARP 達成 (1,500億円) Cursor 最新の2.0 が 今⽉登場︕ VSCode をクローンし、多数の AI 開発機能を搭載。 Composer 機能で対話ベースでアプリ開発も可能に。
AI 駆動開発の主要ツール • A r t i f a c t s 機能で対話をしな がら視覚的なコンテンツをリアルタ イム⽣成 • チームメンバーと共同でコンテンツ を確認・編集も可能 • Gi t プルリクエストのコードレビューと 要約 • ⾏ごとのコード提案、差分レビュー、 PR のサマリーを実現。 • ⾃然⾔語で UI を作成。 • React ベースの UI コンポーネント を⾃動⽣成 • React /Next.jsとの互換性
AI エンジニア : Devin • • 2024年12⽉10⽇リリース ⽶ Cognition が完全⾃律型 AI ソフトウェアエンジニア 「Devin」 の⼀般提供を開始 当初は⽉額500ドルから利⽤可能で⾼額だったもの、⽇本でも利⽤者が急増 https://devin.ai/ SWE-1.5が 今⽉登場︕
Claude Code • • • Anthropic 社が提供している CLI ベースのアプリケーション開発環境 Git worktree 等の機能を⽤いながら並⾏開発などが可能で⾼いパフォーマンスを発揮できる IDE (Cursor など)とのインテグレーション機能あり (/ide) https://docs.anthropic.com/ja/docs/claude-code/overview
Gemini CLI • Google がリリースした CLI ベースのアプリケーション開発環境 • Claude Code 同様に CLI から操作 • Web 検索機能など協⼒ （Claude Code から、Gemini CLI を呼び出すテクニックもあり） https://cloud.google.com/blog/ja/topics/developers-practitioners/introducing-gemini-cli 6/25リリース
GPT-5-Codex 9 / 1 5 リリース Codex、Codex CLI • • • OpenAI が提供するコーディング⽤エージェント 2025年に⼤幅な追加機能と精度向上を実現 急速に認知度が⾼まりつつある Codex CLI 4 / 1 7 リリース • GPT-5-Codex: SWE-Benchで 他のモデルを超える性能
Cursor, Claude Code, Devin トレンド⽐較 グローバル
Cursor, Claude Code, Devin トレンド⽐較 ⽇本 2025年6〜7⽉に Claude Code が ⼤ブレイク
AI 駆動開発の 新トレンド
AI 駆動開発の課題（Vibe Coding 再考） Vibe Coding に対する再考 https://perfect.codes/
Kiro と Spec Driven • • AWS がリリースした AI Native IDE (VSCode Clone) 最初に Vibe(Vibe Coding) モードと、 Spec(スペック駆動開発) モードを選択する Spec = スペック駆動開発モードでは プロジェクト開始時に以下の3つのファイルを 順番に作成して、開発を進めていく requirements.md 要件定義書 AI エンジニア : Devin design.md 設計書 tasks.md 実装計画 「AI-Driven Development Life Cycle」 の提⾔
GitHub Spec Kit の活⽤ 仕様駆動開発とは ■ ソースコードよりも"仕様ファイル"が開発の中⼼・スタート地点 となる新しいシフトレフト型プロセス 事前に詳細な仕様（JSON / YAML / markdown 等） ■ を策定 ■ AI / エージェント・⾃動化ツールで⼀括実装 ■ リファクタリングまで⾃動化 "1つの仕様が全てのアウトプットを駆動する" → 速度・品質・ドキュメント整合性の劇的向上 従来の開発との違い ■ 従来の開発プロセス 1 ■ マルチ AI 連携によるエージェント駆動 ■ GitHub Copilot + Agent Mode + MCP サーバー → 要件定義 → コード開発 3 テスト・ ドキュメント ドキュメントが遅れ、テストと実装の乖離が発⽣しやすい ■ Spec-Driven 開発プロセス 実現のポイント ■ GitHub spec-kit（仕様中⼼開発の OSS） 2 仕様ファイル作成 C T D I コード テスト ドキュメント インフラ 全体を司る"仕様中⼼ループ"が⾃動で回る新時代のチーム開発プロセス https://github.com/github/spec-kit?tab=readme-ov-file#-what-is-spec-driven-development
GitHub spec-kit による6段階ワークフローと対応 AI エージェント 1 2 仕様（spec） ファイル作成 3 コード/インフラ/ ドキュメント⾃動⽣成 仕様査読・承認 仕様中⼼ループの ワークフロー 6 5 仕様と実装・ドキュメントの 整合性検証＆変更追従 4 PullRequest ＆ レビュー ワークフローへの⾃動投⼊ ■ 仕様駆動開発の⾰新︓ ソースコードよりも“仕様ファイル”が開発の中⼼・スタート地点となる新しいシフト レフト型プロセス ■ 仕様ファイル例︓ ■ 各⼯程に対応する AI Agent/エンジン︓ ■ MCP サーバー連携例︓ • 仕様解析/⽣成︓GitHub Copilot, Claude 4.5, Gemini 2.5 • Code/E2E ⽣成︓Copilot Agent (Agent Mode) × MCP サーバー群 エンド to エンド テスト⾃動⽣成 OpenAPI / AsyncAPI / YAML / Markdown GitHub MCP、Figma MCP、Playwright MCP ■ "1つの仕様が全てのアウトプットを駆動する" → 速度・品質・ドキュメント整合性の劇的向上
VibeCoding or Spec Driven︖︖ 最初に仕様書 (Specification)を 書いてから進める コードファースト Vibe Coding Vibe Coding Spec Driven Development GitHub Spec Kit AI Driven Development
VibeCoding or Spec Driven︖︖ 最初に仕様書 (Specification)を書 いてから進める コードファースト Vibe Coding Vibe Coding Spec Driven Development Agentic Coding (Vibe Engineering) Agent を 育てながら AI Driven Development GitHub Spec Kit
AI-DLC (AI-Driven Development Life Cycle) AI-Driven Development Life Cycle (AI駆動開発ライフサイクル)
AI-DLC (AI-Driven Development Life Cycle) AI-Driven Development Life Cycle (AI 駆動開発ライフサイクル) 引⽤︓ https: / / speakerdeck.com/masahiro_okamura/16-shi-yang-qu-dong-kai-fatoai-dlckadao-kuaiqu-dong-kai-fa-noxin-huesu
AI 駆動開発ツール ＋ MCP MCP（Model Context Protocol） とは︖ • AI 統合の新時代を切り開く標準プロトコル • Anthropic が提唱 • AI アプリケーションと外部システムを接続 する⾰命的な標準プロトコルとして、企業 の AI 統合における課題を根本的に解決 する新しいアプローチを提供している • “AI ⽤の USB-C ポート”と表現される • 分断された個別統合を統⼀、開発効率の ⼤幅な向上と運⽤コストの削減を実現 （画像出典︓ What is Model Context Protocol (MCP)? How it simplifies AI integrations compared to APIs）
AI 駆動開発ツール ＋ MCP （画像出典︓ What is an MCP Server, MCP Client, and MCP Host?）
AI 駆動開発ツール ＋ MCP 引⽤︓Claude CodeでMCPツール（Context7、Serena、Cipher）を活⽤してAIコーディングを次の レベルへ https://qiita.com/sukimaengineer/items/845ad14a3ec2d3c39930 MCP as a Service の時代に Cipher︓アーキテクチャ 2025年9⽉時点で MCP サーバーは数千 以上登場
AI 駆動開発実践デモ Locofy.ai でのデザイン
Locofy.ai は既存のワークフローと技術スタックに適合
Design To Code 実践
LLM vs LDM : Design to Code このデザインを React の コードに変換してもらえますか︖ すぐ使⽤できるコードが⽣成される︕
LLM は脚本を書き、LDM はキャンバスをセットする Large Language Model Large Design Model 記事、SNS ポスト、電⼦書籍、など デザイン、シェイプ、ベクター、シンボル Then Now
Web・モバイルアプリのデザインを学習して構築された独⾃の AI • • LLM はデザインファイルを効果的に理解することが できない それらはテキスト、オーディオ、ビデオ、画像について 訓練を受けている • • デザインを理解する必要があった 5億の設計パラメータで訓練された独⾃の基礎的 な⼤規模設計モデルを構築した • この独⾃のファウンデーションモデルは、デザインを ⾃動的にコードに変換し、Locofy.ai にパワーを 供給する業界では類を⾒ないもの ... 詳しくはホワイトペーパーを参照
LLM ＋ Locofy のデザインモデル ＝🔥 のデザインエンジニアリング
Locofy MCP を始める⽅法 1 Figma プラグイン準備 Figma でのプロジェクト作成と Locofy プラグインを使ったデザインの コード変換 2 デザインの最適化 MCP トークン⽣成プロセス 1 プロジェクト設定から MCP 設定タブへ移動 2 トークン有効期限を選択（1ヶ⽉または無期限） 3 「トークン⽣成」ボタンをクリック 4 IDE を選択し MCP 設定ファイルをコピー ⾼品質なコードを⽣成するために、Figma デザインを最適化する 3 Locofy Builderへの同期 MCP を使⽤する前に、デザインを Locofy Builder に同期させる 4 MCPトークンの⽣成 Locofyダッシュボードからプロジェクト設定でMCPトークンを⽣成する ※ MCP を使⽤する前に必ずデザインを Locofy Builder に同期してください
Locofy MCP の設定と使⽤⽅法 エディタでの設定⽅法 MCP の使い⽅ チャットの起動 コードファイルを開き、IDE のチャット機能を起動（⌘+I または ⌘+L） Cursor での設定 1.プロジェクトのルートディレクトリに .cursor フォルダを作成 2.⽣成された MCP 設定ファイルを .cursor/mcp.json として保存 3.Cursor 設定から MCP タブを開く ※Agent モードを使⽤してください ⾃然⾔語でコード取得 4.「Disabled」をクリックして Locofyサーバーを有効化 ※ 数秒後にサーバーが有効化されない場合は、更新アイコンをクリックしてください •「NavigationBar コンポーネントを Locofy から取得して」 •「Homepage を pull して、ナビバーを現プロジェクトのものに置換して」 •「ListingCard コンポーネントを取得してマージ」 •「Homepage を取得してアクセシビリティ対応にして」 利⽤可能なツール ・getLatestComponentAndDependencyCode: 依存関係を含めてコードを取得 ・getLatestFileCode: 特定のファイルのみを依存関係なしで取得 ※ コードのマージも⼀緒に依頼することをお勧めします MCP を使った Locofy コードのカスタマイズ例 アクセシビリティの追加 フォームバリデーション ダークモード対応
Locofy MCP 実装例
アクセシビリティ追加
フォームバリデーション
Locofy で⽣成したコンポーネントに ARIA 属性や
Locofy で⽣成したフォームに⼊⼒検証ロジックとエラー
キーボードナビゲーションを追加
メッセージを追加
accessibility.jsx
ダークモード対応
Locofy コンポーネントにダークモード切り替え機能を実装
form-validation.jsx
// Locofyからコンポーネントを取得
const [email, setEmail] =
const NavMenu = (props) => {
// アクセシビリティを追加
return (
<nav aria-label="メインナビゲーション">
useState('');
const [error, setError] =
useState('');
const validateEmail = () => {
if (!email.includes('@')) {
dark-mode.jsx
const [darkMode, setDarkMode] =
useState(false);
return (
<div className={`${darkMode ?
'bg-gray-900 text-white' :
'bg- white text-gray-800'}`}>
<button
onClick={()
=> setDarkMode(!darkMode)}>
Locofy MCP の可能性
AI エディタと Locofy の強⼒な組み合わせにより、以下のような機能拡張が簡単に実現できる
多⾔語対応
レスポンシブ最適化
パフォーマンス向上
状態管理統合
MCP でコードを拡張する
Figma – Locofy.ai – Cursor 連携がさらに効率的になった 新プラグイン UI Pro 連携とコード変換のフロー開発中の画⾯の共有
AI 駆動開発の 注意点
AI 駆動開発の法則（95:5の法則） プロダクト企画 UX 設計 画⾯設計 要件定義 フロント実装 バックエンド実装 （データ定義、ビジネスロジック含む） テスト デバッグ リリース 残り2割に95%の時間がかかる プロダクト 企画 要件定義 UX 設計 画⾯設計 Bolt.new Cursor バックエンド実装 （データ定義、ビジネス ロジック含む） AI 最⾼︕ 8割がたできた︕ （⼼理的な負荷が低い） 最初の UX 設計の⾃動化の体験のインパクトが強⼒なため、 期待値が10倍ぐらいになる。このため後半でギャップを感じる。 ただし、トータルで1.5〜3倍程度早くなる。 フロント 実装 ChatGPT テスト デバッグ 従来と⽐較すると⾼速化＆ 楽になっているものの 要件定義からフロント実装の体験と⼤きく 異なるため、急に遅くなったように感じる リリース リリースは AI を使ってもそれ ほど変わらない AI を使ったデバッグでは試⾏錯誤とテクニ ックが必要 ⼈間が頭を使わないといけない （必要となるベース技術がないと突破できな＆ ⼼理的負荷が⾮⾼い） それほど変わらない ＝がっかり 参考 https://www. solomaker.dev/articles/fbdd6afb-43e3-4d65-be20564d0675c596
AI 駆動開発の課題（pit of death） Why AI is making software dev skills more valuable, not less? なぜ AI がソフトウェア開発スキルをより価値あるものにしているのか、 価値を下げてはいない理由 盲⽬的に AI を利⽤すると AI に振り回されてしまう pit of death （エラーから抜け出せない、同じ失敗を繰り返す、など） pit of death から復帰させるには、⼈間の開発者の⼿による 修正が必要 そのためには、それまでに書かれたコードに対する理解が必要 引⽤︓AI に書かせたコードは理解する必要がある https://zenn.dev/dyoshikawa/articles/developers-still-need-tounderstand-ais-code https://www.youtube.com/watch?v =FXjf9OQGAlY Steve Sewell⽒ pit of death
AI 駆動開発の課題（再現性の課題への対応） • • • • ⽣成 AI は確率的なモデルであり、再現性の課題あり 同じモデルに同じプロンプトを与えても⽣成される結果が異なる（＝ばらつき） このばらつきにより、AI Agent の挙動も⼤きく変わる このようなばらつきをコントロールしコードの品質と開発⽣産性を上げていく上で、Rules の整備は重要 Rules = ⽣成 AI への システムプロンプト ⽣成されるコードや AI Agentのふるまいの ばらつきの幅 Rules Rules Rules の修正 コードベースの成⻑と⼀緒に Rules を整えていくことで、ユーザの期待に近いコード⽣成や AI Agentのふるまいが制御できるようになる
コンテキストエンジニアリング LLM の「コンテキストウィンドウ」に収まるように取捨選択して 凝縮・最適化する ● ● ● ● ● モデルに与えるプロンプトと指⽰ 取得したドキュメントや外部データ（例︓RAG） 過去の状態、ツールの呼び出し、結果、その他の履歴 関連しているが別々の履歴/会話からの過去のメッセージや イベント（メモリ） どのような構造化データを出⼒するかについての指⽰ https://github.com/humanlayer/12-factoragents/blob/main/content/factor-03-ownyour-context-window.md
まとめ - AI 駆動開発の新トレンド -
なぜ AI を使った開発に取り組む必要があるのか︖ 引用：Neural Network Console 今すぐ先端AIを積極活用するべき理由 https://www.youtube.com/@NeuralNetworkConsole
なぜ AI を使った開発に取り組む必要があるのか︖ 将来の企業の姿（AI A g e n t をベースにした⾃動化された企業） MCP A2A
最後に AI 駆動開発は開発⼿法のパラダイムシフト AI・LLM の精度、AI Agent の技術向上 は今後も続く 将来の AI の進化を⾒越し AI の恩恵 を最⼤限受けるための取り組みが必須 少数のチームで⼤きなインパクトを 与えることができる 千載⼀遇のチャンス
Thank you for your attention!