TL;DR
- AIによる開発支援は、アジャイルの「価値観」ではなく「制約」が変わる
- 具体的には次の4点で構造変化が起きると想定している
- スプリントの粒度・速度の変化
- 役割（PO/SM/Dev）の境界の溶け込み
- 見積もり・計画の不確実性の意味の変質
- レトロ・改善サイクルの自動化
- 一方で「対話・合意・学習」というアジャイルの中核はAIが進化するほどむしろ重みを増す
対象読者
- AI時代のチーム運営を考えているPM・テックリード
- AI導入後のアジャイル方針について考えている方
はじめに
本記事は筆者の現場運用の記録ではなくAIによる開発支援が一般化した世界を前提とした考えです。
アジャイル開発はもともと「不確実性が高い環境で、短いサイクルで学びを得て適応する」ための考え方です。スクラムの3本柱が「透明性・検査・適応」であることからも分かるように、その前提には「人間は世界を完全に理解しきれない」といういい意味での諦めがあります。
ここで重要なのは、アジャイルの諸プラクティス（スプリント、見積もり、レトロ、役割分担）はあくまで「当時の制約」を踏まえた最適解であって、アジャイルの価値観そのものではないという点です。
AIの登場でその「当時の制約」が大きく変わりつつあります。例えば、実装スピード、レビュー負荷など。これまで人間の手が追いつかないことを前提に作られていた仕組みは再設計を迫られます。
本記事では4点の構造変化を整理し、最後に「変わらないものは何か」を考えます。
シフト1: スプリントの粒度や速度
■ 前提
これまでスプリント期間は1〜4週間が一般的でした。これは「短いほど学習サイクルは速いが、計画やレビューのオーバーヘッドが大きくなる」というトレードオフによる落としどころでした。
■ AIによって変わること
実装・テストは数日で完了するようになると想定しています。実装フェーズだけが突出して短くなるのは未来予測ではなくすでに現実となっていると感じます。
一方で合意形成、デプロイ判断、ステークホルダ説明といった「人間の判断が必要な部分」は依然としてボトルネックとして残ります。
スプリント期間が一律に「短くなる」というより、「役割ごと期間が異なる」というようになると思います。実装サイクルは数日単位、合意・学習サイクルは1〜2週間単位、戦略レイヤーの見直しは1ヶ月単位というように、複数のリズムが混在するイメージです。
シフト2: 役割の境界
■ 前提
従来のスクラムにおける役割は下記です。
- PO: What
- SM: プロセス
- Dev: How
■ AIによって変わること
この役割分担の壁が大幅に下がります。例えばPOがプロトタイプで検証する、DevがAIと要件定義する、SMがAIにスプリントログなどを分析させて議論の素材を作る。こうした光景が日常になる、と予想しています。
これは役割が消えるという話ではありません。責任の観点が重要視されます。たとえ1人で全てを兼務できても責任の所在は残ります。誰が決めるか、誰が説明責任を持つか、誰が学びを引き取るか。これらの責任の所在は、AIには代替できません。
境界が曖昧になることで「誰も決めていない」状況が増えます。AI利用制度や仕組みが追いつかないと、あとから責任の所在やデプロイ判断の問題として浮かび上がってきます。
シフト3: 見積もりや計画の不確実性
■ 前提
アジャイルの見積もり手法は、「個別タスクの絶対値は当たらないが、相対サイズと過去実績から確率的に予測する」という発想に基づいています。これは実装に時間がかかり計測できるという前提があってのものでした。
■ AIによって変わること
実装そのものが速くなることで、見積もりの対象は「実装」から「合意・整合性・検証」へと移ります。タスクのうち「人間が判断すべき部分」が大部分を支配するようになり、ベロシティは別の意味を帯びます。
現段階のAIの出力品質は振れ幅があり、プロンプトを整えても結果が都度変わります。短い時間で大量に試せるようになったぶん、計画を精緻化する方向ではなく修正コストを下げる方向へ進化する、というのが仮説です。
PM視点で言えば「正確な見積もりを作る」ことに労力を割くのは割に合いません。それよりも「方向転換のコストを下げる」設計に投資し、スプリント計画は「コミットメント」というより「仮説」に近づけていくべきです。
シフト4: 改善サイクルの自動化
■ 前提
レトロスペクティブはチームが自分たちのプロセスを振り返り次に活かす場です。これまでは記憶ベースの議論が中心で、議論の素材を集めること自体に大きなコストがかかっていました。
■ AIによって変わること
AIによる支援はこの素材集めのコストを劇的に下げます。スプリント中の議論ログ、Issueの履歴、レビューコメント、ビルドの失敗パターンを横断的に分析し、「このスプリントで起きた現象」を構造化できると考えています。
これは「レトロをAIに任せる」という話ではありません。レトロで使う時間を「事実の確認」から「解釈と意思決定」に振り向けるための支援です。チームが何を学び、何を変えるのかという核心部分は、依然として人間の対話に残ると考えています。
では、変わらないものは何か
ここまで4つの変化を見てきましたが、本質的に重要な問いは「アジャイルの中核は変わるのか」です。
私の見解では、中核はむしろ強化されると読んでいます。アジャイルが対象としてきたのは「不確実性のもとで、対話と適応を通じて価値を作る」ことでした。AIによって作業速度が上がり、計画修正のコストが下がるほど、「何を作るべきか」「誰のために作るか」「学びをどう引き取るか」という問いの比重が増します。
おわりに
AIによる開発支援の一般化は、アジャイルにとって「価値観の更新」というより「制約の更新」です。スプリント期間、役割、見積もり、レトロといった具体的なプラクティスは、新しい制約に合わせて再設計される必要があります。一方で、対話や適応というアジャイルの中核はむしろ重みを増します。
PM・テックリードに求められるのは、新しいツールに飛びつくことでも、既存プラクティスを死守することでもありません。「自分たちのチームにとって、いま何が制約で、何が本質か」を見極め、必要なら大胆に運用を作り替えることです。
その意味で、AI時代のアジャイルは、アジャイルの理念そのものに立ち返る機会と言えるのかもしれません。
あわせて読みたい
本記事シフト1の背景にある体験
本記事シフト2の取り組み事例
本記事シフト3で参照した品質担保の整理
本記事シフト4の素材集めコストの実例