[{"data":1,"prerenderedAt":696},["ShallowReactive",2],{"site-schema":3,"article-ja-ai-assisted-development-process":93,"article-related-ja-ai-assisted-development-process":682},{"@context":4,"@graph":5},"https://schema.org",[6,72,84],{"@type":7,"@id":8,"name":9,"alternateName":10,"legalName":15,"foundingDate":16,"numberOfEmployees":17,"taxID":18,"url":19,"logo":20,"founder":21,"contactPoint":23,"address":37,"location":43,"sameAs":63},"Organization","https://joinx.co/#organization","JoinX哲煜科技",[11,12,13,14],"JoinX","TWJOIN","哲煜科技","哲煜科技股份有限公司","JoinX Co., Ltd.","2016-04-28",80,"43774383","https://joinx.co","https://joinx.co/images/logo-with-name.png",{"@id":22},"https://joinx.co/#person-jack-lee",[24],{"@type":25,"contactType":26,"url":27,"telephone":28,"email":29,"areaServed":30,"availableLanguage":33},"ContactPoint","customer service","https://joinx.co/contact-us","+886-2-8771-9095","service@joinx.co",[31,32],"TW","JP",[34,35,36],"zh-Hant","en","ja",{"@type":38,"streetAddress":39,"postalCode":40,"addressLocality":41,"addressRegion":42,"addressCountry":31},"PostalAddress","民生東路二段170號8樓","104","台北市中山區","台灣",[44,51,57],{"@type":45,"name":46,"address":47},"Place","JoinX 台中辦公室",{"@type":38,"streetAddress":48,"postalCode":49,"addressLocality":50,"addressRegion":42,"addressCountry":31},"台灣大道二段360號21樓C室","40453","台中市北區",{"@type":45,"name":52,"address":53},"JoinX 高雄辦公室",{"@type":38,"streetAddress":54,"postalCode":55,"addressLocality":56,"addressRegion":42,"addressCountry":31},"民族一路80號2樓之一(B4)","807","高雄市三民區",{"@type":45,"name":58,"address":59},"JoinX 東京辦公室",{"@type":38,"streetAddress":60,"postalCode":61,"addressLocality":62,"addressCountry":32},"東五反田5-22-37 Office Circle N 五反田 9樓","141-0022","東京都品川區",[64,65,66,67,68,69,70,71],"https://www.crunchbase.com/organization/twjoin","https://www.facebook.com/JoinX.TW","https://tw.linkedin.com/company/%E5%93%B2%E7%85%9C%E7%A7%91%E6%8A%80","https://www.youtube.com/c/joinstuido%E5%93%B2%E7%85%9C%E7%A7%91%E6%8A%80","https://medium.com/twjoin","https://www.104.com.tw/company/1a2x6bjomb","https://clutch.co/profile/twjoin","https://www.goodfirms.co/company/twjoin",{"@type":73,"@id":22,"name":74,"alternateName":75,"jobTitle":76,"worksFor":77,"url":78,"sameAs":79},"Person","李秉哲","Jack Lee","創辦人暨執行長",{"@id":8},"https://jack.joinx.co",[80,81,82,83],"https://www.instagram.com/jack88.podcast/","https://www.threads.net/@jack88.podcast","https://joinx.co/jack88/","https://www.linkedin.com/in/jacklee-taiwan/",{"@type":85,"@id":86,"url":19,"name":9,"alternateName":87,"publisher":88,"inLanguage":89},"WebSite","https://joinx.co/#website",[11,13,9],{"@id":8},[90,91,92],"zh-Hant-TW","en-US","ja-JP",{"id":94,"title":95,"body":96,"category":645,"cover":646,"dateModified":647,"description":648,"extension":649,"faq":650,"hasCoverTitle":672,"locale":36,"meta":673,"navigation":672,"need":674,"path":675,"seo":676,"sources":677,"stem":678,"takeaways":677,"time":679,"type":680,"__hash__":681},"content/ja/article/ai-assisted-development-process.md","AI協働開発でなぜコストを30%削減できるのか：JoinXの実際の開発プロセスを公開",{"type":97,"value":98,"toc":612},"minimal",[99,106,109,114,117,120,123,126,148,151,155,158,282,285,289,292,295,417,420,423,427,432,435,438,442,445,448,452,455,458,462,465,468,471,474,477,480,483,486,489,493,496,514,517,521,525,528,532,535,539,542,546,549,553,556,560,563,567,570,574,577,581,590,594,597,601,604,607],[100,101,102],"p",{},[103,104,105],"strong",{},"AI協働開発とは、要件をAIに渡して製品が自動的に完成するのを待つことではありません。エンジニアが主導し、AIが要件分析、仕様の整理、コーディング、テスト、ドキュメント作成に深く関わり、アーキテクチャ、リスク、納品の結果には人が責任を持つ開発手法です。",[100,107,108],{},"この方法によって、JoinXは繰り返し発生し検証可能な作業の多くをAIで加速させながら、エンジニアの時間を製品の成否を本当に左右する判断に充てることができます。当社のプロセスコストモデルでは、全体の納品コストを約30%削減できます。これはテストを省いたり、人員を減らしたり、品質を犠牲にしてスピードを得たりした結果ではなく、人とAIの役割分担を組み直した結果です。",[110,111,113],"h2",{"id":112},"ai協働開発とバイブコーディングは何が違うのか","AI協働開発とバイブコーディングは何が違うのか？",[100,115,116],{},"AI協働開発では、エンジニアが仕様、アーキテクチャ、レビュー、納品に責任を持ち、AIは繰り返し発生し検証可能な作業を加速させます。エンジニアリングのガバナンスがないバイブコーディングは、多くの場合プロトタイプを素早く作れるにとどまり、本番システムの開発と同じものとは言えません。",[100,118,119],{},"「バイブコーディング（vibe coding）」とは一般に、利用者が自然言語でアイデアを伝え、AIにコードを生成させ続け、動く結果が得られればそのまま積み重ねていく進め方を指します。コンセプトの検証、個人用のツール、画面の試作には適していますが、「動く」ことと「本番の業務を担える」ことは同じではありません。",[100,121,122],{},"企業向けのソフトウェアでは、さらに多くの問いに答える必要があります。要件に一貫性はあるか。データの権限は正しいか。エラーを追跡できるか。サードパーティのパッケージを適法に使えるか。デプロイに失敗したらどう復旧するか。3年後も保守できるか。",[100,124,125],{},"当社が考える**AI協働開発（AI-assisted development）**には、三つの必須条件があります。",[127,128,129,136,142],"ol",{},[130,131,132,135],"li",{},[103,133,134],{},"意思決定者はエンジニアである。"," AIは案を出し、コードの下書きを作り、疑問点を指摘できますが、要件、アーキテクチャ、リリースを自ら承認することはできません。",[130,137,138,141],{},[103,139,140],{},"すべての成果物を追跡できる。"," 要件、仕様、コード、テスト、デプロイの記録が互いにひもづき、変更には理由と責任者がたどれます。",[130,143,144,147],{},[103,145,146],{},"AIを使っても完成の基準は下げない。"," コードは引き続きレビュー、テスト、セキュリティチェック、検収を経ます。AIによる成果物にも人による成果物にも、同じ品質基準を適用します。",[100,149,150],{},"つまりAIは、プロジェクトの自動運転ではなく、エンジニアリングチームにとって効率の高い副操縦士です。",[110,152,154],{"id":153},"joinxの7フェーズにおける人とaiの役割分担","JoinXの7フェーズにおける人とAIの役割分担",[100,156,157],{},"AIは「開発」フェーズでコードを補うだけではありません。本当の効果は、納品プロセス全体で明確なコンテキストを共有しながら、重要な節目ごとに人の判断を残すことから生まれます。",[159,160,161,180],"table",{},[162,163,164],"thead",{},[165,166,167,171,174,177],"tr",{},[168,169,170],"th",{},"フェーズ",[168,172,173],{},"エンジニアリングチームが主導",[168,175,176],{},"AIが深く関わる作業",[168,178,179],{},"人によるチェックポイント",[181,182,183,198,212,226,240,254,268],"tbody",{},[165,184,185,189,192,195],{},[186,187,188],"td",{},"1. 要件",[186,190,191],{},"関係者へのヒアリング、ビジネス目標の特定、優先順位づけ",[186,193,194],{},"ヒアリング内容の整理、矛盾や漏れの発見、確認すべき質問の作成",[186,196,197],{},"本当に解決すべき課題と成功指標を決める",[165,199,200,203,206,209],{},[186,201,202],{},"2. 仕様",[186,204,205],{},"範囲、業務フロー、データ、検収条件の定義",[186,207,208],{},"要件をユーザーストーリー、仕様の草案、検収ケース、トレーサビリティマトリクスに変換",[186,210,211],{},"仕様が現場の業務フローに合っているかを確認し、AIが勝手に仮定を補わないようにする",[165,213,214,217,220,223],{},[186,215,216],{},"3. 設計",[186,218,219],{},"情報アーキテクチャ、システムアーキテクチャ、データモデル、連携の境界の決定",[186,221,222],{},"案の比較、例外シナリオの確認、図表やドキュメント作成の補助",[186,224,225],{},"パフォーマンス、拡張性、コスト、技術的負債のトレードオフを判断する",[165,227,228,231,234,237],{},[186,229,230],{},"4. 開発",[186,232,233],{},"タスクの分解、実装方法の選択、コードのレビューと統合",[186,235,236],{},"ひな形の生成、重複コードのリファクタリング、既存コードの説明、ドキュメントの補完",[186,238,239],{},"正確性、可読性、ライセンス、アーキテクチャの一貫性を担保する",[165,241,242,245,248,251],{},[186,243,244],{},"5. テスト",[186,246,247],{},"リスクに基づく戦略の設計、カバー範囲の決定、失敗原因の分析",[186,249,250],{},"仕様に基づくテストケース、境界条件、テストデータ、回帰テスト一覧の生成",[186,252,253],{},"テスト件数ではなく、ビジネス上のリスクを検証できているかを確認する",[165,255,256,259,262,265],{},[186,257,258],{},"6. デプロイ",[186,260,261],{},"環境、権限、バージョン、変更の時間枠、ロールバック計画の管理",[186,263,264],{},"設定差分の確認補助、リリースノートの作成、デプロイログの分析",[186,266,267],{},"本番環境への変更を承認し、監視とロールバックの仕組みを確認する",[165,269,270,273,276,279],{},[186,271,272],{},"7. 運用",[186,274,275],{},"インシデントの優先度、根本原因、修正方法、その後の責任の判断",[186,277,278],{},"ログの要約、異常の比較、ナレッジドキュメントの作成、調査手順の提案",[186,280,281],{},"修正範囲を決め、場当たり的な修正が新たなリスクを生まないようにする",[100,283,284],{},"この表のポイントは「AIがどれだけ作業したか」ではなく、すべてのフェーズに明確な責任の境界があることです。AIはエンジニアが扱える情報量を広げますが、結果に責任を持つのは引き続き人です。",[110,286,288],{"id":287},"ai協働開発で実際にどのくらいコストを削減できるのか","AI協働開発で、実際にどのくらいコストを削減できるのか？",[100,290,291],{},"削減幅は、要件の網羅性、システムの複雑さ、自動化できる作業の割合によって変わるため、固定の割引とは考えられません。ここでは、プロセスコストモデルを使って、JoinXが全体の効果をどのように見積もっているかを説明します。",[100,293,294],{},"以下では、あるプロジェクトの従来型の納品作業量を100コスト単位とし、JoinXがAI協働開発を取り入れた後の作業配分と比較します。これはプロセスの効果を説明するためのコストモデルであり、すべてのプロジェクトに当てはまる固定の見積もりや割引ではありません。",[159,296,297,314],{},[162,298,299],{},[165,300,301,304,308,311],{},[168,302,303],{},"作業項目",[168,305,307],{"align":306},"right","従来の開発",[168,309,310],{"align":306},"AI協働",[168,312,313],{},"変化の理由",[181,315,316,330,344,356,370,383,395],{},[165,317,318,321,324,327],{},[186,319,320],{},"要件分析と情報整理",[186,322,323],{"align":306},"15",[186,325,326],{"align":306},"8",[186,328,329],{},"AIがヒアリング内容の整理、矛盾の比較、追加質問リストの作成を支援する",[165,331,332,335,338,341],{},[186,333,334],{},"仕様とドキュメント",[186,336,337],{"align":306},"25",[186,339,340],{"align":306},"10",[186,342,343],{},"一つの構造化された要件から、仕様、検収条件、ドキュメントの初稿に展開できる",[165,345,346,349,351,353],{},[186,347,348],{},"アーキテクチャと重要な設計",[186,350,337],{"align":306},[186,352,337],{"align":306},[186,354,355],{},"ビジネス上の制約、技術的なトレードオフ、長期的な責任はAIで置き換えられない",[165,357,358,361,364,367],{},[186,359,360],{},"プログラム開発",[186,362,363],{"align":306},"20",[186,365,366],{"align":306},"12",[186,368,369],{},"ひな形、重複するロジック、リファクタリング、コードの説明をAIで加速する",[165,371,372,375,377,380],{},[186,373,374],{},"テストと品質チェック",[186,376,340],{"align":306},[186,378,379],{"align":306},"5",[186,381,382],{},"AIがテストケースを拡充し、人はリスクの高いシナリオと失敗の分析に集中する",[165,384,385,388,390,392],{},[186,386,387],{},"デプロイと運用準備",[186,389,379],{"align":306},[186,391,379],{"align":306},[186,393,394],{},"本番環境の権限、ロールバック、運用責任には引き続き十分な工数が必要",[165,396,397,402,407,412],{},[186,398,399],{},[103,400,401],{},"合計",[186,403,404],{"align":306},[103,405,406],{},"100",[186,408,409],{"align":306},[103,410,411],{},"65",[186,413,414],{},[103,415,416],{},"繰り返しの工数は減り、重要な判断は削らない",[100,418,419],{},"表のプロセス作業量は100から65に下がっています。プロジェクト全体に換算する際は、コミュニケーション、ガバナンス、環境上の制約、予測できないリスクも含める必要があるため、チームでは対外的に「全体の納品コストを約30%削減」という、より控えめな表現を使っています。",[100,421,422],{},"これは、AI協働開発が単にエンジニアのコーディングを速くするものではない理由でもあります。改善幅が最も大きくなりやすいのは、仕様、ドキュメント、テストケース、情報整理であり、アーキテクチャ、デプロイ、責任の所在は削られていません。",[110,424,426],{"id":425},"コストを下げながら品質がむしろ上がる三つの理由","コストを下げながら、品質がむしろ上がる三つの理由",[428,429,431],"h3",{"id":430},"_1-仕様と実装の一貫性を保ちやすくなる","1. 仕様と実装の一貫性を保ちやすくなる",[100,433,434],{},"従来のプロセスでは、議事録、要件定義書、タスク、コード、テストが別々のツールに分散し、引き継ぎのたびに情報が少しずつ食い違っていきます。AIは、明確な権限とコンテキストの範囲内で、これらの照合を支援できます。ある要件に検収条件があるか、ある実装が仕様から外れていないか、ある変更でドキュメントの更新が必要か、といった点です。",[100,436,437],{},"その結果、エンジニアは検収の段階になってからではなく、より早い段階で不整合に気づけます。",[428,439,441],{"id":440},"_2-境界条件と回帰テストがより充実する","2. 境界条件と回帰テストがより充実する",[100,443,444],{},"人はビジネス上の最も重要なリスクを見極めることに長けており、AIはルールから大量の組み合わせを素早く展開することに長けています。両者を組み合わせることで、正常に完了するメインの流れだけでなく、空の値、権限不足、サービスのタイムアウト、二重送信、データ形式の誤りといったシナリオも、より体系的にテストに含められます。",[100,446,447],{},"テストケースの選定と検証は引き続きエンジニアが行いますが、一覧やひな形を作る時間は大幅に減ります。",[428,449,451],{"id":450},"_3-シニアエンジニアが価値の高い判断に時間を使える","3. シニアエンジニアが価値の高い判断に時間を使える",[100,453,454],{},"シニアエンジニアが似たようなドキュメントの書き直し、項目の転記、ログの整理に長い時間を取られていると、アーキテクチャ、パフォーマンス、セキュリティ、技術的負債に十分な注意を向けられません。繰り返しの作業をAIが引き受けることで、中心となる人材がリスクの高い意思決定に早い段階から関わり、実装が本当に製品の目標に合っているかをレビューする時間も増えます。",[100,456,457],{},"品質が上がるのはAIが常に正しいからではなく、チームが限られた人の注意力を、判断が最も必要な場所に集中できるからです。",[110,459,461],{"id":460},"ソフトウェア開発においてaiに置き換えられない仕事とは","ソフトウェア開発において、AIに置き換えられない仕事とは？",[100,463,464],{},"AIは、ビジネス上の意思決定、アーキテクチャへの責任、リスクの判断、最終的な納品責任を担うことはできません。これらの仕事には、引き続きコンテキストと権限を持つ専門家が必要です。",[428,466,467],{"id":467},"ビジネス上の判断",[100,469,470],{},"AIはヒアリング内容を分析し、選択肢を挙げることはできますが、企業にとって今最も重要な顧客、競争戦略、組織の制約は分かりません。どの機能から作るか、どのリスクを受け入れるか、成功をどう定義するかは、引き続きプロダクトオーナーとプロジェクトチームが決めることです。",[428,472,473],{"id":473},"アーキテクチャのトレードオフ",[100,475,476],{},"システムアーキテクチャは、流行の技術を組み合わせることではありません。データの整合性、トラフィック、予算、チームの能力、既存システムの制約、将来の拡張が互いに影響し合います。AIは候補となる案を示せますが、トレードオフを判断し、その結果に責任を持つのはコンテキストを理解したアーキテクトです。",[428,478,479],{"id":479},"セキュリティとコンプライアンス",[100,481,482],{},"AIは、あるデータを特定の環境の外に出してよいかどうかを自動的に知っているわけではなく、法規制、契約、監査の要件を企業に代わって判断することもできません。データの分類、アクセス制御、個人情報の取り扱い、サプライチェーンのリスク、デプロイの方法は、いずれも資格を持つ担当者がプロジェクトの状況に応じて確認する必要があります。",[428,484,485],{"id":485},"最終的な責任",[100,487,488],{},"システムに障害が起きたとき、「AIが生成したものだから」は免責の理由になりません。ソフトウェア会社は、誰がレビューし、誰が承認し、どう復旧し、どう再発を防ぐかを説明できなければなりません。JoinXはAIをエンジニアリングのツールと位置づけており、納品の責任は引き続きチームが負います。",[110,490,492],{"id":491},"ai協働開発を取り入れる前に企業が確認すべきこと","AI協働開発を取り入れる前に、企業が確認すべきこと",[100,494,495],{},"開発パートナーを比較している場合、「AIを使っていますか」と尋ねるだけでは不十分です。より有効なのは、次のような質問です。",[497,498,499,502,505,508,511],"ul",{},[130,500,501],{},"どのデータをどのツールに提供してよいのか。データの分類、保持、削除のルールはあるか。",[130,503,504],{},"AIが作成した仕様、コード、テストは誰がレビューし、どのような記録を残すのか。",[130,506,507],{},"サードパーティパッケージのライセンス、脆弱性、機密情報の漏えいをどう確認するのか。",[130,509,510],{},"ツールやモデルが使えなくなったとき、エンジニアリングチームが引き継いで納品を続けられるか。",[130,512,513],{},"検収の根拠は、実際に操作できる機能と品質指標なのか、それともデモを見せるだけなのか。",[100,515,516],{},"AI協働開発の成熟度は、使っているモデルの数ではなく、プロセスを説明し、監査し、再現できるかどうかで決まります。",[110,518,520],{"id":519},"faqai協働開発に関するよくある10の質問","FAQ：AI協働開発に関するよくある10の質問",[428,522,524],{"id":523},"q1ai協働開発で本当にコストを30削減できるのですか","Q1：AI協働開発で、本当にコストを30%削減できるのですか？",[100,526,527],{},"約30%という数字は、JoinXが実際の協働プロセスをもとに算出した全体の見積もりであり、すべてのプロジェクトに適用される固定の割引ではありません。要件の網羅性、システムの複雑さ、法規制の要件、既存の技術的負債が最終的な効果に影響します。実際に削減されるのは、繰り返し発生し検証可能な工数であり、必要なエンジニアリング上の判断ではありません。",[428,529,531],{"id":530},"q2コードをaiに渡すとセキュリティリスクは高まりませんか","Q2：コードをAIに渡すと、セキュリティリスクは高まりませんか？",[100,533,534],{},"リスクを左右するのはガバナンスであり、AIを使うかどうかではありません。プロジェクトではまずデータを分類し、入力できる内容とツールの権限を制限したうえで、コードレビュー、脆弱性スキャン、依存関係のチェック、人による承認を維持すべきです。機密情報、個人情報、本番環境の認証情報を、承認されていないサービスに直接渡してはなりません。",[428,536,538],{"id":537},"q3aiが生成したコードの知的財産権は誰に帰属しますか","Q3：AIが生成したコードの知的財産権は誰に帰属しますか？",[100,540,541],{},"契約、利用するツールの規約、オープンソースライセンスの確認をあわせて管理すべきです。JoinXでは、エンジニアリングチームが採用と統合の責任を負い、生成物のレビューとライセンスの確認を行います。実際の権利の帰属は、個別のプロジェクト契約に従います。",[428,543,545],{"id":544},"q4ai協働開発ではどのようなツールを使いますか","Q4：AI協働開発では、どのようなツールを使いますか？",[100,547,548],{},"ツールは、プロジェクトの技術スタック、データの機密性、お客様のポリシーに応じて選定し、コーディング支援、ドキュメント作成、テスト生成、コード解析、ナレッジ検索などが含まれます。重要なのは特定のモデルを追いかけることではなく、監査可能で、差し替えができ、責任者がいるプロセスにツールを組み込むことです。",[428,550,552],{"id":551},"q5ai協働開発で納期はどのくらい短縮できますか","Q5：AI協働開発で、納期はどのくらい短縮できますか？",[100,554,555],{},"プロジェクト名だけで固定の日数をお伝えすることはできません。仕様が明確で繰り返しの作業が多いプロジェクトほど効果が大きくなる傾向があります。一方、複数システムの連携、法規制への適合確認、多くの関係者による意思決定には、引き続き十分な時間が必要です。JoinXは要件の棚卸し後に、検収可能なマイルストーンをご提示します。",[428,557,559],{"id":558},"q6プロジェクトのデータがaiの学習に使われることはありますか","Q6：プロジェクトのデータがAIの学習に使われることはありますか？",[100,561,562],{},"学習に使われるかどうかは、サービスのプラン、提供事業者の規約、プロジェクトの設定によって異なり、一概には言えません。導入前に、データの保持、学習への利用、デプロイの地域、削除の仕組みを確認する必要があります。機密性の高いデータは、マスキング、入力の最小化、要件を満たす企業向けプランやデプロイ方法で扱うべきです。",[428,564,566],{"id":565},"q7小規模なプロジェクトにもai協働開発は向いていますか","Q7：小規模なプロジェクトにもAI協働開発は向いていますか？",[100,568,569],{},"向いていますが、まず作業の内容を確認します。要件が明確で、フォーム、連携、テスト、ドキュメントなど標準化できる作業を含むのであれば、規模が小さくても効果があります。ビジネスモデルそのものをまだ模索している段階であれば、大量のコードを急いで生成するより、まず要件の検証に投資すべきです。",[428,571,573],{"id":572},"q8既存システムにもai協働開発を取り入れられますか","Q8：既存システムにもAI協働開発を取り入れられますか？",[100,575,576],{},"取り入れられます。AIは既存コードの理解、ドキュメントの補完、テストの作成、段階的なリファクタリングの計画を支援できますが、システムの棚卸しを省くことはできません。テストがない、依存関係が古い、ルールがベテラン社員の頭の中にしかないといったシステムでは、まずエンジニアがリスクと改修の範囲を見極める必要があります。",[428,578,580],{"id":579},"q9社内ですでにaiを使っていてもソフトウェア会社は必要ですか","Q9：社内ですでにAIを使っていても、ソフトウェア会社は必要ですか？",[100,582,583,584,589],{},"個人の生産性向上ツールとしてであれば、社内でAIを使うだけで十分な場合もあります。正式な製品を納品するのであれば、要件、アーキテクチャ、連携、セキュリティ、テスト、デプロイ、運用に責任を持つ人が引き続き必要です。より詳しい判断の方法は、JoinXの記事",[585,586,588],"a",{"href":587},"/ja/article/do-you-still-need-a-software-company-in-ai-era/","AIがコードを書く時代に、ソフトウェア開発会社はまだ必要か？","をご覧ください。",[428,591,593],{"id":592},"q10ベンダーが本当にai協働開発の力を持っているかをどう確かめればよいですか","Q10：ベンダーが本当にAI協働開発の力を持っているかを、どう確かめればよいですか？",[100,595,596],{},"コードを生成するデモだけでなく、追跡可能なプロセスの証拠を見せてもらいましょう。要件をどう仕様に落とし込むか、AIの生成物をどうレビューするか、テストとセキュリティをどう担保するか、問題が起きたときに誰が責任を持つか、ツールが使えなくなったときにエンジニアリングチームが引き継げるか、といった点です。",[110,598,600],{"id":599},"まとめ削るのは繰り返し残すのは判断","まとめ：削るのは繰り返し、残すのは判断",[100,602,603],{},"AI協働開発の価値は、エンジニアをプロセスから外すことではなく、エンジニアが毎日繰り返し対応している付加価値の低い作業を取り除くことにあります。要件の整理、ドキュメントの同期、ひな形のコード、テストの展開、ログの要約は速くなり、ビジネス上の判断、アーキテクチャ、セキュリティとコンプライアンス、最終的な責任はそのまま残ります。",[100,605,606],{},"JoinXにとって、約30%のコスト削減は結果にすぎません。より重要なのは、同じ予算と時間の中で、製品が本当に解決すべき課題にチームがより多くの注意を向けられることです。",[100,608,609],{},[103,610,611],{},"削るのは繰り返し、残すのは判断。",{"title":613,"searchDepth":614,"depth":614,"links":615},"",2,[616,617,618,619,625,631,632,644],{"id":112,"depth":614,"text":113},{"id":153,"depth":614,"text":154},{"id":287,"depth":614,"text":288},{"id":425,"depth":614,"text":426,"children":620},[621,623,624],{"id":430,"depth":622,"text":431},3,{"id":440,"depth":622,"text":441},{"id":450,"depth":622,"text":451},{"id":460,"depth":614,"text":461,"children":626},[627,628,629,630],{"id":467,"depth":622,"text":467},{"id":473,"depth":622,"text":473},{"id":479,"depth":622,"text":479},{"id":485,"depth":622,"text":485},{"id":491,"depth":614,"text":492},{"id":519,"depth":614,"text":520,"children":633},[634,635,636,637,638,639,640,641,642,643],{"id":523,"depth":622,"text":524},{"id":530,"depth":622,"text":531},{"id":537,"depth":622,"text":538},{"id":544,"depth":622,"text":545},{"id":551,"depth":622,"text":552},{"id":558,"depth":622,"text":559},{"id":565,"depth":622,"text":566},{"id":572,"depth":622,"text":573},{"id":579,"depth":622,"text":580},{"id":592,"depth":622,"text":593},{"id":599,"depth":614,"text":600},"技術情報","/images/blog/ai-assisted-development-process.webp","2026/08/27","AI協働開発とは、エンジニアが主導し、AIが要件分析、コーディング、テスト、ドキュメント作成に深く関わる開発手法です。JoinXの実際のプロセスと各フェーズの効果を公開し、納品コストを約30%削減できる理由を解説します。","md",[651,653,655,657,659,661,663,665,667,670],{"question":652,"answer":527},"AI協働開発で、本当にコストを30%削減できるのですか？",{"question":654,"answer":534},"コードをAIに渡すと、セキュリティリスクは高まりませんか？",{"question":656,"answer":541},"AIが生成したコードの知的財産権は誰に帰属しますか？",{"question":658,"answer":548},"AI協働開発では、どのようなツールを使いますか？",{"question":660,"answer":555},"AI協働開発で、納期はどのくらい短縮できますか？",{"question":662,"answer":562},"プロジェクトのデータがAIの学習に使われることはありますか？",{"question":664,"answer":569},"小規模なプロジェクトにもAI協働開発は向いていますか？",{"question":666,"answer":576},"既存システムにもAI協働開発を取り入れられますか？",{"question":668,"answer":669},"社内ですでにAIを使っていても、ソフトウェア会社は必要ですか？","個人の生産性向上ツールとしてであれば、社内でAIを使うだけで十分な場合もあります。正式な製品を納品するのであれば、要件、アーキテクチャ、連携、セキュリティ、テスト、デプロイ、運用に責任を持つ人が引き続き必要です。協業の範囲をどう判断するかは、JoinXの記事「AIがコードを書く時代に、ソフトウェア開発会社はまだ必要か？」を参考にしてください。",{"question":671,"answer":596},"ベンダーが本当にAI協働開発の力を持っているかを、どう確かめればよいですか？",true,{},"カスタムシステム","/ja/article/ai-assisted-development-process",{"title":95,"description":648},null,"ja/article/ai-assisted-development-process","2026/07/22","blog","8XW4X9OkTzPogvpxiuG5CxWrRHsQ0N5VgiE3V4qrYIU",[683,688,692],{"slug":684,"title":685,"time":686,"cover":687,"need":674},"ai-assisted-development-cost-reduction","AI協働開発とは？コストを抑えながら品質を高める方法","2026/09/01","/images/blog/ai-assisted-development-cost-reduction.webp",{"slug":689,"title":690,"time":686,"cover":691,"need":674},"lab-type-development-guide","ラボ型開発とは？請負型との違い・費用・向いている企業を徹底解説","/images/blog/lab-type-development-guide.webp",{"slug":693,"title":694,"time":686,"cover":695,"need":674},"offshore-development-failure-patterns","オフショア開発で失敗する5つのパターンと対策","/images/blog/offshore-development-failure-patterns.webp",1792411081803]