連載「AIがブン回る環境づくり！」第5部です。SSoT、開発ワークフロー、エージェントハーネスを土台に、最後は改善が回り続けるループを扱います。
私たちは、AI駆動開発の本丸は「うまいプロンプト」ではなく「うまく回るループ」を設計することだと考えています。
SSoT、開発ワークフロー、エージェントハーネスが整うと、AIエージェントはタスクからPRまでを同じ型で進めやすくなります。次に必要になるのは、何をタスクとして渡すかを継続的に見つける仕組みです。
ループエンジニアリングとは、センシング、ギャップ整理、実装、検証、学習をつなぎ、開発スピードと品質を同時に守る設計です。人間は個別タスクを配り続けるのではなく、期待値、センサー、権限、停止条件、検証証跡を設計する側へ移ります。
第5部は、この連載の締めくくりです。第1部で置いた全体像を、継続改善のループとして閉じます。AIがブン回る環境は、AIに大量の依頼を投げることではなく、現状と期待値の差が見つかり、正しい作業単位になり、検証され、次の学習へ戻る状態です。
センシングは、現状と期待値の差を作業に変える
ループを回すには、最初に「何を閉じるべきか」を見つける必要があります。その入口がセンシングです。
センシングとは、現状と期待値の差を見つけ、AIが扱える作業単位へ変換することです。AIに渡しやすいギャップには、期待値、現状、差分、影響、証拠、受け入れ条件が必要です。
「500エラーが出る」だけでは、AIは原因を探すところから始めます。「期待値はこの条件で処理が完了すること、現状は特定条件で失敗していること、証拠はエラーIssueとtrace、受け入れ条件は同条件で通ること」までそろうと、計画に移りやすくなります。
センシングは、AIに読ませる素材を増やすことではありません。AIが判断できる形へそろえることです。
トラブルシュートは、負を0に戻すループです
トラブルシュートのループは、期待値に対して異常な状態を検知し、負を0へ戻す仕組みです。
エラー、バグ、性能劣化、可用性低下を見つけ、原因を探し、修正し、検証して、期待する動作へ戻します。ここで重要なのは、ログを眺めることではありません。異常をIssue単位へ集約し、優先順位、再現条件、影響範囲、証拠を持たせることです。
エラー監視やログ、trace、アラートは、AIにそのまま渡すだけでは粗すぎます。人間とAIが扱える作業単位にするには、「何が期待値から外れているのか」「どの証拠があるのか」「どこまで戻せば完了か」を明確にします。
このループがあると、AIは「不具合っぽいものを見ておいて」ではなく、「この期待値との差を閉じる」という形で動けます。
新規開発は、0をプラスに上げるループです
新規開発のループは、現状が期待値通りに動いている状態から、次の期待値を定義する仕組みです。
バグがなくても、顧客の声、プロダクト利用データ、問い合わせの傾向から、次に作るべき要件が生まれます。この方向のギャップは「壊れている」ではなく「もっと良くできる」です。
たとえば、問い合わせの多い操作がある、途中離脱が高い画面がある、営業やサポートから同じ要望が繰り返し届く。これらは、次の期待値を作るための信号です。
新規開発のループでは、要望をそのまま実装しません。期待値、対象ユーザー、影響、受け入れ条件、リリース後に見る指標を整理します。AIエージェントに渡す前に、作る理由と終わり方を決めます。
センサーは4系統で設計する
センシングは、4系統に分けると設計しやすくなります。
1つ目は、実行時センサーです。エラー、性能、可用性を拾います。2つ目は、文脈センサーです。ログ、trace、session replay、release、commitとのひも付きを拾います。
3つ目は、要望センサーです。support ticket、customer request、feedbackを拾います。4つ目は、ワークフローセンサーです。Issue、label、CI失敗、PR状態、workflow eventを拾います。
この4系統を分けると、負を0へ戻す入口と、0をプラスへ上げる入口を分けて設計できます。AIに渡すタスクも、障害対応なのか、改善要望なのか、開発フロー上の詰まりなのかが見えやすくなります。
人間の仕事は、タスク管理からループ設計へ上がる
ループエンジニアリングが入ると、人間の仕事は変わります。
個別の作業指示を出し続けるのではなく、どのギャップを拾うか、どの期待値を守るか、どの頻度で回すか、どこで止めるかを設計する仕事へ移ります。
ただし、ループは単体では成立しません。SSoTがなければ、AIは何を正とするか判断できません。開発ワークフローがなければ、作業単位と品質ゲートが揺れます。エージェントハーネスがなければ、センサーから来たギャップを安定した実行手順へ変換できません。
AI駆動開発の成熟は、AIに何を頼むかから、どのループを設計するかへ移ります。人間は、期待値、センサー、権限、停止条件、検証証跡を設計する側に立ちます。
Chabitは、改善が回る開発基盤として設計する
Chabitのテクニカルディレクションでは、AIエージェントを入れて終わりにしません。
チームがどの情報を正とし、どの作業単位で進め、どのゲートで止め、どのギャップを次の改善へ回すかを設計します。AIを使うほど、人間の判断は不要になるのではなく、位置が変わります。細かい作業指示から、期待値、権限、レビュー、改善ループの設計へ上がります。
そこまで含めて整えることで、AI駆動開発は一過性の実験ではなく、継続的に改善できる開発基盤になります。
連載ナビ
- 第1部：AI駆動開発の全体像
- 第2部：SSoTとガバナンス
- 第3部：開発ワークフロー
- 第4部：エージェントハーネス
- 第5部：ループエンジニアリング（この記事）
関連サービス
- テクニカルディレクション: センシング、品質ゲート、レビュー、改善ループを含め、AI駆動開発を継続運用できる形に設計します。
- AI Agent開発: 業務で使うAI Agentを、期待値、証拠、人間の確認ポイント、継続改善の流れまで含めて設計します。
