AI
AIネイティブ開発AI基盤の開発手法は、開発者を支援するアシスタントAIの段階を超え、自ら判断し、計画を立て、実行するエージェンティックAI、さらには開発プロセス全般を自律的に行う自律型AI(Autonomous AI)の段階へと進化しています。 初期のAI開発ツールは、コードの自動補完、リファクタリング、検索、単純なコード生成など、開発者の反復作業を支援するレベルにとどまっていました。
この段階では、AIが統合開発環境(Integrated Development Environment, IDE)上での補助ツールとして活用され、開発者の生産性と開発スピードの向上に焦点を当てていました。 その後、AIはプロンプトベースの対話型の開発手法へと発展しました。 開発者が自然言語で要件を説明すると、AIがコード生成、エラーの修正、テストコードの作成、設計アイデアの提案などを行います。 AIが開発プロセスに直接関与し始めたものの、依然として開発者の指示と判断に大きく依存する構造でした。
近年では、目標やシステムのコンテキストを理解し、必要な作業を自ら分解・計画・実行するエージェンティックAIを活用した開発手法が注目されています。 特に企業環境では、業務知識、コード知識、開発標準、プロジェクトの成果物をナレッジ・ファンデーション(Knowledge Foundation)として構造化し、これをもとに業務仕様、技術仕様、開発仕様を自動生成する仕様駆動開発(Spec-Driven Development)手法へと拡張されつつあります。
DevOn Agentic AIND(AIネイティブ開発)は、こうしたAI開発のパラダイムシフトを企業の現場で実現する製品です。業務知識、コード知識、開発標準、プロジェクトの成果物を体系的に構造化したナレッジ・ファンデーションを基盤に、AIエージェントが分析・設計・開発・検証の各段階における役割を自ら遂行します。 開発者はすべての作業を一つひとつ処理する構造から解放され、要件の検討、品質の判断、例外的状況への対応、最終意思決定といった高付加価値の業務に集中できます。
DevOn Agentic AINDが目指す仕様駆動開発手法は、企業の開発体制そのものを変革します。 個人の能力や経験に依存していた開発手法から脱却し、標準化された仕様に基づいてAIが一貫した手法で開発プロセスを実行することで、メンバー間の品質のばらつきを抑え、プロジェクト全般の予測可能性を高めることができます。また、反復的な実装作業の自動化により開発スピードが向上し、蓄積された知的資産は、その後のプロジェクトにおいても継続して活用されます。
これは単なる開発生産性の向上を超え、標準化された開発体制の構築、品質の確保、運用安定性の強化、プロジェクト成果向上へとつながる実質的な変化です。 DevOn Agentic AINDは、自律型AI開発への体制転換を準備する企業において、その第一歩となる実質的な第一歩です。
ソフトウェア開発のライフサイクル全体をつなぐEnd-to-Endの専門エージェント
企業のソフトウェア開発の現場では、AIはいまだ開発プロセスの一部の工程に限定して活用されています。 要件分析から設計、開発、テスト、デプロイ、運用に至るまでの各プロセスが分断された形で運用されているため、ボトルネックが発生し、品質低下が繰り返されます。 AINDは、ソフトウェア開発ライフサイクル(Software Development Life Cycle, SDLC)のプロセス全体を一つにつなぐEnd-to-EndのAIエージェントを提供します。 LG CNSのSI/SMプロジェクトで培った経験と現場のノウハウを基に構築されたエージェントにより、単なる開発補助ツールを超え、実務に直ちに投入できる専門エージェントの利用環境を提供します。 構築から運用までの開発プロセス全体を通じて、一貫した品質の成果物を持続的に提供します。
ナレッジ・ファンデーションを基盤に、コードではなくビジネスを理解
企業システムにおける中核的なリスクの一つは、業務知識やビジネスロジックが文書化されず、熟練した開発者の暗黙知に依存していることです。 新しい人材を投入する際に高いオンボーディングコストが発生し、担当者の変更や離脱によって業務知識が途切れてしまうリスクもあります。 AINDのナレッジ・ファンデーションは、ソースコードだけでなくビジネスロジックも自動で分析・構造化し、組織の知的資産へと転換します。 これにより、ジュニア開発者や新たに加わる人材が業務のコンテキストを迅速に理解し、業務を遂行できる環境を実現します。 また、エージェントが知識を自ら蓄積・改善する自己改善(Self-Improvement)構造を基盤に、活用するほど業務遂行の精度と品質を継続して向上させることができます。
企業環境に最適化された、制御可能なエージェント
AI導入において企業が最も懸念するのは、結果の一貫性と制御可能性です。 個人の能力や経験に依存した開発環境では品質のばらつきが生じやすく、組織規模が大きくなるほど、一貫した標準やプロセスを維持することが難しくなります。 AINDは、開発標準、仕様、プロセスに基づき、組織・人員の規模にかかわらず、一貫した品質の成果物を提供します。 さらに、複数のエージェント間の連携・並列処理機能により、複雑なレガシーシステムも効率的に処理し、AIをブラックボックスではなく、制御可能なツールとして運用するための基盤を提供します。
Legacy Transformationソリューションは、AIエージェントが既存のレガシーシステムの構造と業務ロジックを分析し、モダナイゼーション対象の特定からアーキテクチャ移行設計、コード変換、テスト自動化、データとシステムの移行まで、移行プロジェクトの全工程を支援する知能型SI開発ソリューションです。 これにより、複雑なレガシーシステム移行で発生しやすい分析漏れや品質低下、スケジュール遅延などのリスクを低減し、次世代システム構築の生産性と安定性を向上できます。
As-Is/To-Beのソースコードを分析し、業務ロジックやコード構造、変更対象情報をナレッジ・ファンデーションとして構成
As-Isのコード知識と業務情報を基に、業務機能、プロセス、ビジネスルールを定義し、業務仕様の生成基盤を構築
ビジネス仕様、技術仕様、変更要件を統合し、開発可能なレベルの開発仕様を生成
開発仕様に基づき、新規開発、マイグレーション開発、機能実装に必要なソースコードを生成
Continuous Operationソリューションは、運用中のシステムにおける障害原因の分析から、ログやソースに基づくの影響範囲の把握、メンテナンス開発、テスト・品質チェック、デプロイ前後の検証までを、AIエージェントが継続して支援する知能型SM運用ソリューションです。 これにより、運用における繰り返し業務を自動化し、障害対応と変更処理速度を向上させ、サービス品質の維持と継続的なシステムの改善・高度化を支援します。
現在運用中のソースコードを分析し、運用中のコード構造、業務ロジック、影響範囲、変更対象情報をナレッジ・ファンデーションとして構成
CSR、SR、JIRAなどの運用要件を分析し、要件の目的、変更範囲、影響要素を特定
ソフトウェア要件(SR)の分析結果、コード影響度、技術仕様に基づき、運用開発に必要なSRスペックを生成
SRスペックに基づき、運用変更、機能改善、エラー修正に必要なソースコードを生成
-
DevOn Agentic AINDの導入は、まず説明会を通じてソリューションの概要、SI/SMプラットフォームの構成、コアエージェント、適用可能な業務と期待される効果を理解することから始まります。 このプロセスでは、お客様の開発環境と現行のSI/SM業務を分析し、適用対象と優先順位をお客様とともに検討します。 説明会後、導入の必要性が確認されると、対象業務やシステムの一部を選定して概念実証(Proof of Concept：PoC)を実施し、ナレッジ・ファンデーションの構成、仕様生成、コード生成などの実際の適用効果を検証します。 PoCの結果をもとに、お客様の開発標準、成果物体系、構成管理、品質検証プロセスと連携しながら、実際のプロジェクトへ段階的に導入します。
-
DevOn Agentic AINDは、単なるコード生成ツールではなく、ナレッジ・ファンデーションと仕様駆動開発を基盤として、エージェントが開発フローを段階的に実行できるよう設計されています。 要件やSRが入力されると、関連するコード知識や標準を参照し、必要な仕様を生成したうえで、開発エージェントが実装までを担います。これにより、AIが開発業務を自ら構造化し、実行するための基盤を提供します。
-
DevOn Agentic AINDは、既存の開発プロセスを単に置き換えるのではなく、要件分析、仕様生成、コード生成、検証までの一連の流れをAIエージェント中心に構成し直すアプローチです。 そのため、既存のSI/SM体制、成果物フォーマット、開発標準、構成管理、品質検証プロセスと連携し、段階的に適用できます。 初期段階では特定の業務やモジュール単位から適用し、その後、ナレッジ・ファンデーションと仕様駆動開発の適用範囲を拡大できます。
-
DevOn Agentic AINDは、一つのAIがすべての作業を処理するのではなく、役割ごとのエージェントが有機的に連携する構造となっています。 これにより、分析から仕様生成、コード生成までのプロセスがつながり、開発者は細かい作業を行うよりも、成果物の検討や重要な意思決定を担う役割へとシフトできます。 これは、自律型AIを基盤とした開発体制へと移行するための中核的な運用手法です。
