仕事への影響
Gensparkのエンジニア49人、AIを同僚にして年28製品を開発
開発チームの人数を増やさずに製品の投入数を増やせるなら、エンジニアの採用計画や役割分担の考え方そのものを見直す必要があります。AIエージェントを開発工程に組み込んだ企業の事例から、日本の開発組織が参考にできる点を整理します。
何が起きたか
AIワークスペース「Genspark」を手がける企業が、独自AIモデルの開発や企業向けAIエージェントの活用戦略を説明しました。同社では49人のソフトウェアエンジニアが開発を担当しており、過去1年間に28の製品・機能を投入したといいます。
開発工程にもAIエージェントを積極的に取り入れています。人間がGitHub上の開発課題を選ぶと、その後の実装・動作検証・コードレビューを複数のAIエージェントが担当する「消灯工場(Lights-off Factory)」という仕組みを運用しており、最終的にコードを製品へ反映するかどうかは人間が判断します。
開発効率を示す例として、オープンソースのオフィスソフト「GenOffice」を1人のエンジニアが約1週間で開発した事例が紹介されました。開発にはAI利用クレジットを約1万ドル分使用したといいます。このほか9月18日には、スライド生成に特化した独自モデル「Gen-1 Slides」を投入し、同社の評価では高性能AIモデルに匹敵する品質を約6%のコストで実現したとしています。
背景・解説
AIエージェントとは、与えられた目標に対して自ら計画を立て、複数の作業を連続してこなすAIの仕組みを指します。チャットで質問に一問一答を返すだけの従来型の使い方とは異なり、実装・検証・修正といった複数の工程を、人間の指示を都度挟まずに進められる点が特徴です。
Gensparkの「消灯工場」は、この性質を開発工程全体に当てはめた仕組みです。1つのAIがコードを実装し、別のAIが動作を検証し、さらに別のAIがレビューしてスクリーンショットや動作確認の動画を提示するという分業を、人間を介さずに進めます。
同社はこれを支える基盤として、メールや議事録、プロジェクトの履歴などを一元管理する「Second Brain」、組織内の知識・業務ルールを共有する「TeamBrain」、人間とAIエージェントが同じ環境でやり取りする「Gen Teams」を整備しています。AIエージェント単体の性能だけでなく、組織内で情報を使い回す基盤があって初めて、少人数での開発体制が成り立つという考え方です。処理内容に応じて低コストのモデルと高性能なモデルを使い分ける「モデルルーティング」も、コストと品質を両立させる工夫の一つです。
仕事や業務への影響 — AI Topicaの見方
日本の開発組織が見るべきは、人数を増やさずに開発量を増やす発想ではなく、エンジニアの役割が「コードを書く人」から「AIの作業を判断し統合する人」へ変わる点です。
例えば、従業員30人規模で社内システムを内製しているメーカーの情報システム部門なら、これまでエンジニア5人で年間数件の機能追加しかできなかった開発ペースを、AIエージェントに実装とテストを任せ、エンジニアはコードレビューと最終判断に専念する体制へ切り替えることで、同じ5人のまま年間の機能リリース数を2倍、3倍に増やせる余地があります。
ただし、AIエージェントに実装を任せれば自動的に生産性が上がるわけではありません。Second BrainやTeamBrainのように、AIエージェントが参照できる業務情報を整理し直す作業が先に求められます。レオパレス21の事例では、AIに入力できる情報と禁止する情報を明確にするルールを整え、全役職員向けの研修と確認テストに合格した社員から順次アカウントを配りました。日総工産の事例でも、グループ13社で異なっていた情報セキュリティ規定を約2カ月かけて統一してから、約60人を選抜して導入を始めています。日本企業がこの体制を参考にするなら、まずAIエージェントに何を見せてよいかというルール作りと、全社員向けの研修に先に投資すべきです。
人員配置の面でも、新規採用でエンジニアを増やすより、既存のエンジニアにAIエージェントの出力を検証・統合する役割を再定義する方が投資対効果は高くなります。少人数チームでプロダクトを量産したい経営者ほど、採用計画より先に「誰がAIの作業を最終承認するか」という役割設計を見直すべきです。
不確かな点・注意
Gensparkが示した「年28製品・機能」という数値は同社の説明・評価に基づくものであり、第三者機関による検証は出典内に記載がありません。Gen-1 Slidesについても、利用コストを比較対象の約6%に抑えたという数値は同社の評価によるもので、Gen-1 Slides自体の開発にかかった費用は出典に記載がありません。GenOfficeの開発に要した「約1週間」「約1万ドル」という数値も同社が紹介した一例であり、すべての製品・機能に同じ効率が当てはまるとは限りません。
レオパレス21や日総工産の事例についても、導入後の業務時間短縮や採用成果に関する具体的な数値は示されておらず、どの程度の規模の企業に同様の効果が出るかは明らかではありません。AIエージェントに業務情報を渡せる状態にするまでの体制づくりにかかる期間や費用についても、出典には具体的な記載がありません。