0
1

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

連載:AIに仕事を奪われる不安から始めるハーネス作成入門 第3回 AIにコードを書かせるだけでは足りない理由

0
Last updated at Posted at 2026-06-09

AIにコードを書かせるだけでは足りない理由

AIに仕事を奪われる不安から始めるハーネス作成入門
全24回(週2回・12週間)|第3回 / 24

この連載は、AIによるキャリア不安を持つプログラマ・SEに向けて、AIエージェントを安全に制御・検証・運用するための「ハーネス」を作る技術を、段階的に学ぶシリーズです。

はじめに:この記事で扱う不安

この記事は連載「AIに仕事を奪われる不安から始めるハーネス作成入門」の 第3回 です。

第1回ではハーネスという考え方を紹介し、第2回では最小構成をMermaid図で設計しました。今回は、AIを「使う」ことと「運用する」ことの違いについて整理します。

この記事で扱う不安は、次のようなものです。

AIコーディングエージェントでコードを生成しているが、それを業務で安全に使うには何が足りないのかがわからない。

この不安は自然です。AIコーディングエージェントは確かにコードを生成できます。しかし、生成されたコードをそのまま業務に使えるかどうかは、別の問題です。

この記事では、「コード生成」と「業務運用」の間にあるギャップを明らかにし、そのギャップを埋めるのがハーネスの役割であることを示します。

対象読者

  • AIコーディングエージェントを使ってコードを書いているが、業務での安全な運用に不安があるプログラマ
  • 「AIにコードを書かせる」だけで十分だと思っていたが、何か足りないと感じているエンジニア
  • AIを業務に導入する際の「運用」視点がまだ整理できていないSE

結論

先に結論を書くと、AIにコードを書かせることは「AIを使う」の一部であり、業務成果に接続するには「検証」「ログ」「承認」「再現性」という運用視点が必要 です。

要点は以下です。

  1. 「AIにコードを書かせる」は「AIを使う」の入口に過ぎず、業務では「運用」が必要
  2. 「運用」には検証・ログ・承認・再現性の4つの観点がある
  3. SE・プログラマの運用経験は、このギャップを埋めるのに直接役立つ

なぜ「コード生成」だけでは足りないのか

AIコーディングエージェントができること

AIコーディングエージェントは、確かに強力なツールです。以下のようなことができます。

  • 自然言語の指示からコードを生成する
  • 既存コードのリファクタリングを提案する
  • テストコードを自動生成する
  • 設計書のドラフトを作成する

これらは確実に作業を効率化します。しかし、これだけで業務に使えるかというと、そうではありません。

業務で使うときに足りないもの

AIが生成したコードを業務で使おうとすると、次のような問題が出てきます。

問題 具体例
生成されたコードが正しいかわからない AIがハルシネーションで存在しないAPIを呼び出していた
同じ指示で異なる結果が出る 昨日と今日で違うコードが生成され、どちらが正しいか判断できない
誰が承認したか記録がない AI生成コードを本番反映したが、レビューの記録がない
問題が起きたときに原因を追えない AIが何をどう生成したかのログがなく、障害調査ができない
機密情報をAIに渡してしまう 業務データをそのまま外部LLMに送信してしまうリスク

これらはすべて、「コード生成」の後工程にある問題です。AIを「使う」だけでは解決できず、「運用する」視点が必要です。

「使う」と「運用する」の違い

この連載で最も重要な概念の一つが、「使う」と「運用する」の区別です。以下の役割比較表が、今回の最も重要な成果物です。

観点 AIを「使う」 AIを「運用する」(ハーネス)
目的 コードや文書を生成する 業務成果を安全に届ける
AIへの指示 自然言語でプロンプト task_requestで構造化
出力の検証 人間が目視で確認 品質ゲートで自動チェック + 人間レビュー
再現性 同じ指示でも結果が変わる task_request + ログで再現可能
ログ なし、または手動メモ 実行ログを自動記録
承認 なし Human-in-the-loopで制御
障害時の調査 困難 ログから原因を追跡可能
機密情報の保護 意識しないと漏洩 マスキング・モデル選択で制御

この表の右側(「運用する」側)が、ハーネスが担う領域です。第2回で設計した最小構成(task_request + AIエージェント + MCPサーバー)は、この「運用」の入口です。

既存のSE / プログラマ経験をどう活かせるか

「使う」から「運用する」へのギャップを埋めるのは、SE・プログラマが実務で日常的に行っていることです。

既存経験 「運用」での活かし方
コードレビュー AI生成コードの品質ゲート設計
障害対応・インシデント管理 AI実行ログの設計と障害調査フロー
リリース判定・承認フロー Human-in-the-loopの承認ポイント設計
情報セキュリティ・アクセス制御 機密情報のマスキング・モデル選択設計
テスト設計・回帰テスト AI出力の検証基準とテストケース設計

これらの経験があるからこそ、「AIが生成したものをそのまま使うのは危険だ」と感じるのです。その感覚は正しく、それを設計に落とし込むのがハーネス作成です。

4つの運用観点

「使う」から「運用する」へ移るために必要な4つの観点を整理します。これらは、この連載の後半でそれぞれ詳しく扱います。

1. 検証(AIの出力は正しいか)

AIはハルシネーション(幻覚)を起こすことがあります。生成されたコードが正しく動くか、セキュリティ上の問題がないかを確認する仕組みが必要です。

これは、実務でのコードレビューやテスト設計の経験がそのまま活きる領域です。詳細は第17〜18回で扱います。

2. ログ(何が起きたか記録する)

AIエージェントが何を入力として受け取り、どのツールを呼び、何を出力したか。これを記録しておかないと、問題が起きたときに原因を追えません。

障害対応やインシデント管理の経験がある人にとって、ログ設計の重要性は直感的に理解できるはずです。詳細は第13〜14回で扱います。

3. 承認(誰がOKを出すか)

AIの出力をそのまま業務に反映するのではなく、重要なポイントで人間が承認する仕組みが必要です。

リリース判定や承認フローの経験がある人にとって、「どこに承認ポイントを入れるか」の設計は馴染みのある作業です。詳細は第15〜16回で扱います。

4. 再現性(同じ指示で同じ結果を得る)

AIの出力は同じプロンプトでも結果が変わることがあります。task_requestで指示を構造化し、実行ログを残すことで、「いつ・何を・どう指示して・何が返ってきたか」を再現可能にします。

これは、第4回のtask_request / task_resultの設計と、第13〜14回のログ設計で具体化します。

実装・設計時の注意点

注意点 理由 対策
「運用」を最初から完璧にしようとしない 全部揃えてから始めると、永遠に始まらない 第2回の最小構成から始め、段階的に追加する
AIの出力を「正しい前提」で使わない ハルシネーションや古い情報に基づくコードが生成されることがある 検証ステップを必ず組み込む
「使う」と「運用する」を混同しない 混同すると、運用設計が抜け落ちる 今回の役割比較表を判断基準にする

今回の小さな成果物

  • 上の役割比較表を自分の業務に当てはめ、「運用」が必要なポイントを1つ特定する
  • AIにコードを書かせた経験があれば、「何が足りなかったか」を書き出してみる
  • 第2回のMermaid図に「検証」「ログ」「承認」のうちどれを最初に追加したいか考える

まとめ

この記事では、AIを「使う」ことと「運用する」ことの違いを整理しました。

重要なのは、コード生成は「AIを使う」の入口に過ぎず、業務成果に接続するには「検証」「ログ」「承認」「再現性」という運用視点が必要 であることです。

SE・プログラマが実務で行っているコードレビュー、障害対応、承認フロー、セキュリティ設計の経験は、このギャップを埋めるために直接役立ちます。

次回予告

第4回:task_request / task_resultでAIエージェントの仕事を契約化する(金曜日公開予定)

次回は、ハーネスの中核であるtask_request / task_resultの設計を詳しく扱います。

次回扱う内容:

  • task_requestの必須フィールドとオプションフィールド
  • task_resultのステータス・出力・エラーハンドリング
  • 「契約」としてのJSONスキーマ設計

次回の成果物:

  • JSONテンプレート(task_request / task_resultの雛形)

次回までに試しておくと良いこと:

  • 今回の役割比較表を眺め、自分の業務で「運用」が足りていないポイントを特定する
  • 第1回で紹介した最小task_request JSONを、自分のタスクに合わせて書き換えてみる

連載目次

回 タイトル 状態
1 AIに仕事を奪われる不安から「ハーネス作成」を学ぶ理由 ✅
2 最小構成のAIハーネスをMermaidで設計してみる ✅
3 AIにコードを書かせるだけでは足りない理由(この記事) 📖
4 task_request / task_resultでAIエージェントの仕事を契約化する 次回
5 SEの設計経験をAIエージェント制御に転用する ─
6 ハーネス用のディレクトリ構成とREADMEを作る ─
... 全24回の連載を予定しています ─

連載情報

0
1
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
0
1

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?