HQW！主催　AI駆動開発におけるリスク抽出と対策立案ワークショップ 開催リポート

AI駆動開発とは、要件定義から設計、実装、テストに至るまでの開発プロセスにAIを活用し、生産性向上や自動化を目指すアプローチです。一方で、出力品質のばらつきや再現性の無さ、責任の所在の不明確さといったリスクが知られており、特に品質や責任が重視されるドメインではAI技術の導入が慎重に進められています。

そこで本ワークショップでは、AI駆動開発に内在するリスクを漠然とした不安として捉えるのではなく、「どの工程で」「AIをどう使った結果」「誰にどのような影響が出るのか」という観点で分解し、経営やマネジャー層へ説明可能な形で整理しました。

当日は二つのワークを複数のチームに分かれてディスカッションし、その結果を共有する形式で行いました。全体的な流れは、まずAI駆動開発におけるリスクを各工程の観点から抽出します。その後、抽出したリスクに対してルール・プロセス・ツールの観点から対策を検討していきました。

では、以下に二つのワーク内容をそれぞれご紹介します。

ワーク①

ワーク①では「AI駆動開発におけるリスク抽出」をテーマに、個人ワークおよびグループワークを通じてディスカッションしました。

その中で最も多く課題として挙げられていたのは、AIの出力を十分に検証せずに採用してしまうことによる品質低下のリスクです。

また、AIが生成したコードや要求をそのまま受け入れることで、バグ混入や誤った仕様確定につながる可能性も指摘されました。これに関連して、AI出力を適切にレビューできる人材や仕組みが組織内に存在しないという課題も挙げられました。

次に多かった課題は、要求分析フェーズにおけるリスクです。

具体的には、機密情報の流出、AI利用規約や法的観点の確認不足、インプット情報の不足や曖昧さにより、当初の目的と異なる要求が生成されてしまうといったものです。

これらの課題は、AIの性能以前に使い方や前提条件の整理不足が原因であることが共通しています。

その他、ワークショップ内のディスカッションにて、人が育たなくなることへの懸念や、利用しているAIツール自体の妥当性を評価・検証できていない点を挙げたチームもありました。

ワーク②

ワーク②では、ワーク①で抽出したリスクへの対策を各グループで立案しました。

立案された対策に共通していたのは、「人の注意力や善意に依存しない」仕組みづくりを重視している点です。

具体的には、AI利用に関する基本教育の充実や、インプット方法・レビュー観点のルール化といったスキル・ルール面の対策が挙げられました。

また、チェックツールの導入やルールベースでの自動チェックなど、ツールやプロセスによって最低限の品質を担保する対策も検討されました。

要求分析フェーズでは、非機能要求チェックリストの導入や、AIに与える情報量や構造を定義することで、期待外れの出力を防ぐといった対策が挙げられています。

これらの対策に共通する考え方は、AIを「判断主体」とするのではなく、あくまで人が判断と説明の責任を引き受ける前提でAIを支援的に活用すべきだ、ということです。

振り返り

振り返りでは、リスク対策は最終成果物だけでなく中間成果物にも必要であることや、AIを使う以上、最終的な責任は人が負うという認識を改めて確認できたという声が多く出ました。他には、コストや作業量を含めてリスクを捉える視点の重要性や、既存のルールや規約をAI活用にどう組み込むかといった課題も挙がっていました。

本ワークショップを通じて、AI駆動開発におけるリスクはAIそのものの性能ではなく、それを「どう使い」「どう管理し」「誰が責任を持つのか」という、人とプロセスの設計に強く依存することを、参加者全員で確認することができました。

AI駆動開発のリスクと対策をじっくり考える良い機会になったという声を頂いたことを、主催したメンバーとして大変うれしく思っています。

本記事が、現場でAI活用やAI駆動開発の品質に向き合っていただくきっかけとなれば幸いです。

最後に、本勉強会は2026年度も継続する予定です。次回は2026年5月15日（金）に「派生開発におけるハーネスエンジニアリング」に関するテーマで開催します。今後もAI駆動開発における品質にご興味のある方とお会いし、ディスカッションできることを楽しみにしています。

2026年5月15日（金）に開催予定のワークショップ
お申し込み

2026年1月26日に開催したワークショップの資料
AI駆動開発におけるリスク抽出と対策立案ワークショップ

関連記事
AI駆動開発プロダクト品質マネジメントサービス（QA4AIDD）