AI開発が一般化すると、システムを「作れること」そのものの価値は相対的に下がり、代わりに「AIをどう制御し、品質をどう担保し、継続的に改善できるか」がより重要になる。私は、これからのシステム開発では、過去に何を作ったか以上に、どんな開発体制・管理体制を積み上げてきたかが大きな差になると考えています。
AIによるコーディング支援はすでに特殊なものではなくなりつつあります。Stack Overflowの2026年調査では、コーディングアシスタントやエージェントがAIの主要用途となり、日常的に利用する開発者も多数を占めています。
※本記事には、当社の実務経験と今後のシステム開発に関する予想・見解を含みます。
AI開発が一般化すると、「作れる会社」は増える
これまでは、システムを作るために一定数のエンジニアを採用し、要件定義、設計、実装、テスト、リリースを人が積み上げる必要がありました。
もちろん今後も人は必要です。ただ、AIがコード生成、テスト作成、調査、修正、ドキュメント作成まで担う範囲が広がれば、同じ人数でも作れる量は増えていきます。
その結果、「何人エンジニアがいるか」「どれだけ優秀な人を採用できるか」だけでは、開発会社の差がつきにくくなると考えています。
むしろ重要になるのは、AIを使って大量に作れるようになったものを、どう安全に、正確に、再現性を持って本番へ届けるかです。
AI開発で重要になるのは「AIを使えること」ではなく「AIを制御できること」
AIにコードを書かせること自体は、今後さらに簡単になります。
しかし、AIが生成したコードがそのまま正しいとは限りません。仕様の読み違い、既存機能との競合、セキュリティ上の問題、例外処理の不足、データ整合性の崩れなど、人がコードを書いていた時代と同じ問題に加え、AI特有の問題も発生します。
DORAの2025年調査でも、AIは組織の強みも弱みも増幅する存在だと整理されています。AIそのものが自動的に開発組織を強くするのではなく、もともとの開発プロセスやフィードバックループ、品質管理の強さが結果に反映されます。
つまり、AI開発で問われるのは「どのAIを使っているか」以上に、AIをどの工程で使い、どこで止め、誰が確認し、どうテストし、どう本番へ出すかだと思っています。
これまでの開発実績は「完成したシステム」だけではない
ここでいう実績は、単に「100件開発しました」「大手企業のシステムを作りました」という件数だけではありません。
本当に再利用できるアセットは、むしろ開発の裏側にあります。
- 要件を確定するまでの進め方
- AIへの指示をどこまで許容するかというルール
- コードレビューの基準
- 自動テスト・回帰テストの設計
- 本番投入前のチェックポイント
- 失敗時のロールバック手順
- 権限・セキュリティの考え方
- ログや監視の設計
- 不具合や差し戻しを次の開発へ反映する仕組み
こうした管理体制や開発体制は、顧客ごとのソリューションが違っても一定部分を横展開できます。
私は、今後この「開発の型」を持っている会社ほど、AIを使った開発でも強くなると考えています。
使い回せるのは「答え」ではなく「作る体制」
一方で、顧客へのソリューションそのものは、これまで以上に使い回しにくくなるのではないかと予想しています。
従来のコンサルティングでは、ある業界や課題に対するフレームワークやベストプラクティスを横展開することで、一定の再現性を作ることができました。
もちろん今後も、考え方やパターンは再利用できます。ただし、実際に会社の業務へ入ると、使っているシステム、組織構造、データ、承認ルール、顧客、商流、意思決定の仕方は会社ごとに違います。
AIによって個別開発のコストが下がれば、「標準ソリューションに会社を合わせる」より、「会社に合わせて必要な仕組みを作る」選択肢が現実的になります。
そのため、今後使い回すべきなのは完成済みの答えではなく、その会社に合った答えを短期間で作り、安全に運用するための開発体制だと考えています。
人を増やせば開発力が上がる、とは限らなくなる
これまでは、開発案件が増えればエンジニアを増やし、プロジェクトマネージャーを増やし、チームを大きくすることで対応するのが一般的でした。
しかしAI開発では、人数を増やすことがそのまま開発力の増加につながるとは限りません。
AIが実装量を増やすほど、レビュー対象も増えます。仕様との整合性確認、テスト、セキュリティ、デプロイ判断など、ボトルネックが「書くこと」から「判断すること」へ移っていく可能性があります。
DORAも、AIによる初期生成の高速化で生まれた時間が監査や検証へ再配分される傾向を指摘しています。
つまり、将来必要なのは単純な人数ではなく、少人数でもAIを適切に制御し、正しい判断を高速で回せる体制です。
AI時代ほど、優秀な個人への依存は強くなる
私の見解は、AI時代になるほど「優秀な人への依存を減らすべき」という方向とは逆です。むしろ、AIによって優秀な人の個としての生産性と影響力がさらに大きくなり、その人に依存せざるを得ない場面が増えると考えています。
AIを使えば、実装、調査、設計、テスト、資料作成など、これまで複数人で分担していた仕事を一人でより広く、より速く進められるようになります。すると、もともと高い判断力や設計力を持つ人ほど、AIによってその差をさらに広げられる可能性があります。
その結果、優秀な人材を採用すること自体が今まで以上に難しくなる可能性があります。優秀な人は一人で生み出せる価値が大きくなり、会社に所属するより、自ら案件を選んだり、より条件の良い環境へ移ったりする選択肢も増えるからです。
さらに、開発案件の獲得でも「この会社に頼む」より、「この人に頼みたい」という指名発注が増えるのではないかと考えています。会社のブランドや人数ではなく、誰が課題を理解し、誰が設計し、誰がAIを制御しながら実装するのかが、発注判断に強く影響する世界です。
つまり今後は、優秀な個人への依存をなくすことよりも、優秀な個人が最大限に力を発揮できる開発体制を作り、その人の判断・知見・失敗を組織のアセットとして蓄積することの方が重要になると考えています。
一度発生した不具合をテストへ変える。レビューで指摘された内容をルールへ変える。顧客からの修正を次回の設計基準へ反映する。優秀な個人の力を弱めるのではなく、その力を組織全体へ増幅する仕組みを持てるかどうかが、会社としての開発能力になるはずです。
AI開発会社を選ぶとき、今後見るべきポイント
もしAI開発やシステム開発を外部へ依頼するのであれば、私は今後、単純な開発実績数だけでなく次の点を見るべきだと考えています。
- AI生成物をどのようにレビューしているか
- 自動テストや回帰テストがどこまで整備されているか
- 本番リリースの承認条件が明確か
- 障害時にロールバックできるか
- 顧客ごとの仕様や業務ルールをどう管理しているか
- 過去の失敗を次の開発へ反映する仕組みがあるか
- AIと人の責任分界が明確か
AIを使って早く作れることは前提になっていきます。その上で、速さを品質と両立できるかが差になります。
BLP型FDEでも、開発体制そのものをアセットとして考える
BLP型FDEでは、顧客ごとに最適なソリューションを考えることを重視しています。特定のパッケージやAIありきではなく、会社の目的・業務・データを見た上で、必要な仕組みを作ります。
その一方で、毎回ゼロから無秩序に開発するわけではありません。再利用するのはソリューションそのものではなく、開発を安全に進めるためのルール、レビュー、テスト、リリース、監視といった体制です。
顧客ごとに答えは変える。しかし、答えを作るプロセスは磨き続ける。この考え方が、AI時代のFDEにも重要だと考えています。
FDEとは？Forward Deployed Engineerの役割と、なぜ「誰でもFDE」は難しいのか →
まとめ：AI時代ほど「どう作るか」の実績が重要になる
AIによってシステム開発の生産性は今後さらに上がっていくと思います。
だからこそ、差がつくのはコードを書く速度ではなく、AIを適切に制御し、顧客の課題に合わせてソリューションを設計し、品質を担保しながら本番へ届ける力です。
使い回せるのは顧客への答えではなく、答えを作るための体制。
私は、これまで積み上げてきた開発実績、管理体制、テスト、レビュー、失敗から学ぶ仕組みこそが、AI開発が一般化した後に最も価値のあるアセットの一つになると考えています。
AI開発に関するよくある質問
AIを使えばシステム開発会社の実績は不要になりますか？
むしろ逆だと考えています。AIで実装速度が上がるほど、レビュー、テスト、セキュリティ、リリース判断などの開発体制が重要になります。過去の実績から蓄積された管理方法や失敗防止の仕組みが差になります。
AI開発で最も重要なことは何ですか？
AIにコードを書かせることではなく、AIの出力を検証し、品質を担保し、顧客の目的に沿った形で本番運用までつなげることです。
今後もエンジニア採用は必要ですか？
必要です。ただし人数を増やすことだけではなく、AIを使って少人数でも高品質に開発できる仕組みを作ることの重要性が上がると考えています。
参考：
DORA – State of AI-assisted Software Development 2025
DORA – Balancing AI tensions: Moving from AI adoption to effective SDLC use
Stack Overflow Developer Survey 2026 – AI