大規模システム開発でAIが代替しにくい領域とは？人に求められる役割は何か

生成AIの進化により、コード生成やドキュメント作成、テストケースの作成など、システム開発の一部は効率化しやすくなりました。

一方で、エンタープライズシステム開発では、AIだけでは代替しにくい領域が残ります。特に、要件定義、業務理解、関係者調整、判断基準の整理は、資料に書かれている情報だけでは進めにくい工程です。

本記事では、大規模なWebシステム開発においてAI活用が進んでも人が介在すべき領域と、企業が開発プロジェクトを進める際に整理しておきたいポイントを解説します。

生成AIの活用により、システム開発の現場では効率化できる業務が増えています。

例えば、既存コードの説明、実装方針のたたき台作成、単体テストの観点整理、API仕様書の要約、画面項目の整理などは、AIを使うことで作業時間を短縮しやすい領域です。一定の前提条件が揃っていれば、コード生成やリファクタリングの補助にも活用できます。

特に、目的が明確で、入力条件と出力条件が整理されている作業では、AIの効果が出やすいです。実装したい処理、利用する技術、制約条件、期待する出力が明確であれば、AIは開発者の作業を支援できます。

しかし、エンタープライズシステム開発では、すべての工程がこのように整理されているわけではありません。

実際のプロジェクトでは、開発初期の段階で要件が曖昧なまま進むことがあります。関係する部署が多く、既存システムとの連携も複雑で、資料には書かれていない前提が多数存在します。

AIは明文化された情報を処理することには強みがあります。一方で、そもそも情報が不足している場合や、関係者の認識が揃っていない場合には、AIだけで結論を出すことが難しくなります。

大規模なWebシステム開発では、要件が最初から整理されているとは限りません。

RFPや要件定義書に一通りの情報が記載されていても、実際に読み解いていくと、判断に必要な前提が抜けていることがあります。利用者の種類、対象業務の範囲、既存システムとの接続条件、例外処理、運用時の責任範囲などは、資料だけでは判断しきれないケースがあります。

例えば、ある機能について「対象外」と記載されていたとしても、それがシステム全体として対象外なのか、特定の業務フローの中だけで対象外なのかによって設計は変わります。

この違いを読み違えると、後続の画面設計、データ設計、API連携、テスト観点に影響します。資料上の文言だけを見れば対象外に見えても、業務全体の流れから考えると対象に含めなければならない場合もあります。

こうした判断は、単語の意味を解釈するだけでは不十分です。業務の目的、システムが担う役割、既存の運用、ユーザーが実際にどのように使うかを踏まえて考える必要があります。

AIは資料に書かれた内容を整理することはできます。しかし、資料に書かれていない前提を補い、関係者に確認すべき論点を見つけ、プロジェクト上の判断に変換するには、人の介在が重要になります。

エンタープライズシステム開発で難易度が上がる要因のひとつが、暗黙の前提です。

顧客企業の担当者にとっては当然の業務であっても、外部の開発会社やAIにとっては初めて扱う情報です。そのため、社内では説明不要とされている内容が、要件資料には記載されていないことがあります。

例えば、特定の業務フローでは対象外とされている処理が、別の画面や別のシステム連携では必要になることがあります。担当者は既存業務を前提に話しているため、あえて説明していない場合がありますが、開発側から見ると判断材料が足りません。

このような場面で重要なのは、資料の内容をそのまま受け取ることではなく、業務全体の中で矛盾や不足がないかを確認することです。

• この処理が対象外であれば、どこで対応するのか
• このデータはどのシステムが保持するのか
• この業務は既存運用で対応するのか、新システムで対応するのか
• 例外が発生した場合、どの部門が確認するのか

このような確認項目を設定し、関係者に問い直すことで、要件の精度が上がります。

AIは、確認項目の候補を出すことには活用できます。ただし、どの論点を優先して確認すべきか、どの関係者に聞くべきか、どこまでを今回の開発範囲に含めるべきかは、プロジェクトの目的や制約を踏まえて判断する必要があります。

システム開発では、理論上の最適解を探すことが常に正しいとは限りません。

特にエンタープライズシステムでは、関係者、予算、スケジュール、既存システム、運用体制、セキュリティ要件など、多くの条件が関わります。すべての選択肢を比較し、完全な最適解を探そうとすると、検討期間が長くなり、意思決定が進みにくくなることがあります。

実際の開発では、一定の品質と安全性を確保したうえで、プロジェクトの目的に合う現実的な解を選ぶことが重要です。

例えば、ある機能を新システムで実装するのか、既存システム側で対応するのか、運用でカバーするのかという判断があります。理想だけを見れば新システムに集約した方がよい場合でも、既存運用との整合性やリリース時期を考えると、段階的に対応した方がよいことがあります。

AIは選択肢を広く提示できます。しかし、どの選択肢がその企業にとって現実的かを判断するには、ビジネス上の優先順位や社内事情を理解する必要があります。

エンタープライズシステム開発では、正解を探すよりも、関係者が合意できる判断基準を作ることが重要になる場面があります。この判断基準づくりは、人が担うべき領域として残りやすいです。

大規模システムでは、開発対象の機能だけを見ていても設計は完結しません。

業務部門、情報システム部門、マーケティング部門、カスタマーサポート部門、外部ベンダーなど、複数の関係者が関わることがあります。各部門はそれぞれ異なる目的や制約を持っています。

ある部門にとっては業務効率化が重要でも、別の部門にとっては監査対応やセキュリティが優先される場合があります。マーケティング部門は施策のスピードを重視し、情報システム部門は安定性や保守性を重視する、といった違いも現場では頻出します。

このような状況では、システムの機能要件だけでなく、責任範囲や役割分担を整理する必要があります。

どの部門がマスタデータを管理するのか、障害時の一次対応は誰が行うのか、運用変更時の承認者は誰か、外部システムとの連携不備が発生した場合にどこまでを自社で確認するのか。これらを曖昧にしたまま開発を進めると、運用開始後に調整が増えます。

AIは議事録の整理や論点の抽出には活用できます。しかし、関係者間の優先順位を調整し、合意形成を進める役割までは代替しにくいです。

システム開発における関係者調整は、開発前の付随作業ではありません。設計品質や運用体制に直結する重要な工程です。

AIをシステム開発に活用する場合、最初に重要になるのは前提整理です。

何を作りたいのかだけでなく、誰が使うのか、どの業務で使うのか、どのシステムと連携するのか、どこまでを今回の開発範囲に含めるのかを整理する必要があります。

この整理が不足している状態でAIに仕様作成や設計案の作成を依頼すると、一見もっともらしい出力が返ってくることがあります。しかし、その内容が実際の業務や既存システムに合っているとは限りません。

AI活用を前提にするほど、人が事前に整理すべき情報の重要度は上がります。

要件定義の初期段階では、業務フロー、利用者、データの流れ、外部連携、権限、非機能要件、運用体制を棚卸しすることが有効です。これらを整理することで、AIに依頼できる作業と、人が判断すべき作業を分けやすくなります。

また、AIの出力を確認するための基準も必要です。設計案が業務要件に合っているか、既存システムとの連携条件を満たしているか、セキュリティや監査の要件に反していないかを評価できなければ、AIの出力を安全に活用することはできません。

生成AIの活用が進むことで、Webシステム開発会社の役割も変わっていくと考えられます。

単に仕様に沿って実装するだけでなく、顧客の業務を理解し、資料に書かれていない前提を整理し、開発範囲や優先順位を判断できることがより重要になります。

特にエンタープライズシステムでは、システムの機能だけでなく、運用開始後の体制まで含めて設計する必要があります。誰が管理するのか、どの部門が承認するのか、障害時にどのログを確認するのか、外部システムとの連携失敗時にどの手順で切り分けるのかまで考える必要があります。

AIは開発の多くの作業を支援できます。しかし、顧客企業にとって何を優先すべきかを整理し、合意形成を進め、現実的な方式に落とし込む役割は、今後も人が担う領域として残りやすいです。

これからのWebシステム開発会社には、AIを使いこなす技術力に加えて、業務理解、要件整理、責任範囲の整理、運用設計を支援する力が求められます。

生成AIの進化により、システム開発の一部は効率化しやすくなっています。コード生成、ドキュメント整理、テスト観点の洗い出しなど、AIが支援できる領域は今後も広がっていくでしょう。

一方で、エンタープライズシステム開発では、AIだけでは代替しにくい領域があります。

特に、要件定義、業務理解、関係者調整、判断基準の整理は、資料に書かれた情報だけでは完結しません。顧客企業の中で当たり前とされている前提を読み解き、足りない情報を確認し、現実的な開発範囲へ落とし込む必要があります。

AI活用を成功させるためには、AIに任せる作業と人が判断すべき作業を分けることが重要です。そのためには、業務フロー、既存システム、外部連携、責任範囲、運用体制を初期段階で整理する必要があります。

大規模なWebシステム開発では、AIを導入すること自体が目的ではありません。AIを活用しながら、要件定義と設計の精度を高め、運用開始後の負担を抑えることが重要です。

AIを活用したシステム開発を検討する場合でも、最初に必要なのは業務や要件の整理です。

特にエンタープライズシステムでは、既存システムとの連携、関係者ごとの役割分担、運用開始後の確認手順、非機能要件などを整理しないまま進めると、開発後半や運用開始後に見直しが必要になることがあります。

当社では、大規模Webサイト構築やWebシステム開発の知見をもとに、要件整理、方式選定、外部連携設計、運用設計まで支援しています。

AIをどの工程で活用できるかを検討したい場合や、既存システムを含めた開発範囲を整理したい場合は、検討初期の段階からご相談いただけます。