生成AIによるシステム開発とは？弊社事例・開発の流れを解説

メディア事業部AIライターの大竹です。

ChatGPTの登場から数年で、生成AIが社会で急速に普及しました。

2024年から2025年にかけては、チャットだけでなく、タスクの自動化にも対応した「AIエージェント」が生成AI活用の主役に。OpenAIやGoogle、Microsoft等のビッグテックからAIエージェント関連のソリューションが次々と登場しています。

そんな生成AIは「システム開発」においても、活躍が期待されています。今回は、生成AIを用いたシステム開発について詳しく解説します。社内の業務効率化に役立ちますので、ぜひ最後までお読みください。

生成AIとは

生成AIは、AIを用いて新たにコンテンツを創造することを可能とした技術です。大量の学習データから得た情報に基づき人間が作ったようなコンテンツを生成してくれます。生成AIの種類によって得意とする分野は異なりますが、文章や画像だけでなく、動画や音声も出力可能です。

例えば、生成AIの代表例であるChatGPTは文章に特化しています。指示文を入力することで内容に合った文章を出力してくれます。画像生成AIであれば、Midjourneyが有名です。画像のイメージをテキスト入力することで、AIが画像を作ってくれます。前述の通り、生成AIにはそれぞれ得意不得意があるため活用方法に合わせた生成AI選びが重要となります。

生成AIを業務に導入するメリット

• 時間を節約できる
• コストを削減できる
• 新しいアイデアやデザインを提案してくれる
• 様々な種類のコンテンツを生成できる
• 専門知識がなくても操作できる

生成AIを社内に導入するメリットとして、上記の項目が挙げられます。生成AIのメリットとして大きいのが時間と費用を削減できるところ。人間が手作業で文章を執筆したり、イラストなどのコンテンツを作成するのはどうしても時間がかかります。

しかし、生成AIを活用すれば、制作コストは安く済み作成にかかる時間も短くなるので効率的に作業を進めることができます。また、環境やツールさえ整えれば、専門知識ゼロで操作できる点も大きなメリットです。

生成AIの活用事例

• 自動応答チャットボット
• 画像・動画コンテンツの作成サポート
• メール返信文を提案させる
• データ分析と要約
• 新企画のアイデア出し
• トラブルの解決策を提案させる

生成AIの活用事例の一部として上記が挙げられます。生成AIが大きく活躍するのは、人間が行うと手間取りやすい業務の代行。例えば、問い合わせ対応は人間が対応すると短時間では完了しません。

その点、生成AIならば学習データから適切な回答を瞬時に出力できるため効率的になるに加え、運用コストも低く抑えられます。他にも利用者のアイデア次第で、いくらでも生成AIの活用の幅は広げられます。

なお、生成AIの活用事例について詳しく知りたい方は、下記の記事を合わせてご確認ください。

生成AIでシステム開発することもサービス継続も可能

生成AIは既存のサービスをそのまま活用する以外にも、自社のシステム開発に利用することも可能です。ここでは、生成AIを自社で開発するメリットと必要な条件について解説します。

生成AIを用いたシステム開発を行うメリット

生成AIでシステム開発を行うと、以下のようなメリットがあります。

• システム開発の時間を削減
• システム開発のコストや人件費を削減

生成AIを上手に活用することでさまざまな作業を効率化させ、社内の生産性を大きく上げることができます。

具体的には、

• UMLやER図のコードを一瞬で生成可能
• プログラムのコードを短時間で作成可能
• 社内データを活用した文章が生成できる
• 生成AIを用いてノーコード開発も可能
• システムのマニュアルを作成できる

状況によって異なりますが、自社のシステム開発に生成AIを取り入れるメリットとして上記が考えられます。共通して言えるのは、システム開発に必要な時間とコストを短縮できる点。

例えば、ChatGPTを活用して社内FAQの回答を作成させることが可能です。プログラミングコードの提案やミスのチェックといった工程も任せられます。画像を必要とするシステム開発においても、生成AIを導入することで、画像データをイチから用意する必要がなくなります。

生成AIを活用したシステム開発に必要な条件

生成AIをシステム開発に活用することはメリットも大きいですが、実現させるには必要条件も存在します。まず必要なのは、システム開発に必要な環境を整えること。生成AIによる処理を迅速に完了させられる高性能なパソコンやプログラムを作る際の土台や枠組みであるフレームワークなどが必要です。

加えて、生成AIに精通した人材も必要です。生成AIの利用自体は誰でも簡単に行えますが、システム開発に用いるとなると話は別。生成AIに詳しい開発者が求められます。プログラムシステム開発の場合は、Pythonをはじめとしたプログラミング言語の基本知識も欲しいところです。

生成系AIを使ったシステムの活用方法

では実際の現場では、生成AIを使ってどのようなシステム開発を行うべきでしょうか？

弊社が過去に行ってきたAIの導入事例をご紹介します。

事例①お問い合わせメールの自動対応

カスタマーサポートなどでの利用例です。

メール応対に特化したAIを開発し、お問い合わせの種類ごとに適切なメール返信・会議日程調整を自動化しました。最低でも90%以上の工数削減を実現しています。

事例②企画立案・イメージ画像生成

新しい製品（この場合「車」）の企画立案過程を自動化した事例です。

ChatGPTと画像生成AIを組み合わせて、今まで何日もかけていた作業を最短10分程度の工程に落とし込みました。

事例③AI導入コンサルティング

現在世の中にはAI搭載ツールが大量に存在します。

無料ツールから有料ツールまで、お客様の業務に適したAIを調査・比較し、導入を支援します。

例: ChatGPT、Chrome拡張、画像生成AI、動画生成AI

他にもさまざまな活用事例があり、弊社のHPにて紹介しておりますので是非ご覧ください。

大手IT企業の生成AI活用の展望

大手IT企業で生成AIをソフトウェア開発に活用する動きがみられています。主な企業と活用方針は以下のとおりです。

会社名	方針	生産性向上の目標	利用する主な生成AI
NTTデータ	・要件定義からデプロイまで ・信金などの大規模システムを学習させマイグレーションにも利用	2025年度に50%2030年度に70%削減	・GitHub ・Copilotなど
NEC	・実装から単体テストまで ・「生成AI活用ガイドライン」を作成し、上流工程へ移行	平均30%の生産性向上	・GitHub ・Copilot
日立製作所	・コーディングと単体テストから始めて、基本設計から総合テストまで広げる ・ソリューション開発やマイグレーション、運用保守、品質保証も視野に入れる	2027年度に基本設計から総合テストまでで30%の削減	・Azure OpenAI Service
富士通	・仕様設計からプログラミング、テストまで ・自社の標準基盤に生成AIを取り込む	平均20%の生産性向上	・Azure OpenAI Service

各社ごとに生成AIを活用する工程や進め方、種類に違いがありますが、生産性向上を目標として進めていることがわかります。特にNTTデータが掲げている目標は、最大で70%の削減となっているため、大部分を生成AIが担うこととなります。他社は最大でも30%程度の生産性向上を目標にしていることからも、NTTデータが考える生成AIに対する期待は大きいといえるでしょう。

生成AIを用いたシステム開発事例

これまでの通り、生成AIを活用することで業務を効率化できるだけではなく、新しいアイディアを生み出したり、サービスを展開することもできます。

そんな様々な活用方法のある生成AIは、システム開発時にも大活躍します。実際に生成AIを用いたシステム開発を行っている企業も多いので、ここでは、実際のシステム開発事例をご紹介します。

事例①株式会社NTTデータのシステム開発

通信事業最大手であるNTTは、法人向けシステム構築に生成AIを本格導入済みです。。※2生成AIを利用したシステム開発手法やツールを社内で整備しており、2024年度からは国内外の開発部門に展開を始めています。

また、カスタマイズ性に優れた自社開発のLLM「tsuzumi」による、レガシーコード（COBOLやPL/I等）への対応も目指しています。※11

既に実証では開発工数を7割削減できたなど大きな成果事例が出ているということです。日本の企業でも、今後さらに生成AIによるシステム開発が進んでいきそうですね。

事例②株式会社日立製作所のシステム開発

2023年11月21日に日立から生成AIを活用したシステム開発が発表されました。※3　生成AIと日立の自動車分野の豊富なナレッジを応用して、車載カメラ映像から交通状況に関する高度な説明文を自動生成するとのことです。

従来では自動車メーカーや車載器ベンダーなどは、ソフトウェアを開発する際に車載カメラの映像・走行データなどもとに開発を行います。しかし、車から撮影したデータの中から交通状況を把握するために必要な部分を抽出する作業は長時間にもわたる大変な作業です。

この開発ではそんな抽出作業が不要で、必要な情報を瞬時に検索できるようになり、開発期間の短縮やコスト低減を可能にします。2024年9月までに実用化を目指しているということです。

事例③アクセンチュア株式会社のシステム開発

アクセンチュアは生成AIを本格活用する支援を行うとGoogle Cloudとともに発表しました。※4　2023年7月13日に発表されたもので、今後3年間でAI分野への投資を30億ドルする予定とのことです。

アクセンチュアとGoogle Cloudが協業するため、両社の生成AI専門チームを整備し、世界各地に配置。互いに連携が取りやすい体制をとることで、数日間のスピードで価値を創出できるような実証や施策を実現するとのこと。

システム開発のために会社での専門部署を作り、生成AIを活用したシステム開発を行うようです。必要な環境の作成や人材の確保を行った一例といえます。

事例④富士通株式会社のシステム開発

富士通は、先端AI技術を素早く試せるAIプラットフォームの「Fujitsu Kozuchi (code name) – Fujitsu AI Platform」上で、業務課題を解決するシステムを開発しました。※5

この技術を活用すると、業務課題を自然言語で入力すれば、AIがその課題の意図をくみ取り、課題解決に役立つAIイノベーションコンポーネントを作成することが可能になります。

本来、AIイノベーションコンポーネントを作成するためには、AI専門のエンジニアが必要でしたが、この技術により誰でも簡単にAIモデルを作ることができるようになりました。

事例⑤LINEヤフー株式会社のシステム開発

LINEヤフー株式会社では、開発業務に携わる全てのエンジニア約7,000人を対象にAIペアプログラマー「GitHub Copilot for Business」の導入をしました。※6

GitHub Copilotを活用を活用すると、AIがコードを提案してくれたり、エラーや最適化などのポイントをAI視点でアドバイスすることが可能なため、コーディング作業を効率化することができます。

実際に550人を対象としたテスト導入のアンケートでは、1日のコーディング作業を1〜2時間削減できているという結果がでています。

事例⑥日本電気株式会社（NEC）のシステム開発

NECでは、システム開発時における生成AIの活用方法を見極め、システム開発プロセスの中にGitHub Copilotを導入し業務の効率化を図っています。※7　特に、実装から単体テストの工程においては、工数が多くかかるためGitHub Copilotを活用することで作業の効率化に成功しています。

しかし、使い方によって品質にばらつきが出たり、ハルシネーションを起こしたり、入力データ量の制限があったりと、まだまだシステム開発における生成AIの活用には課題が山積みです。

それでも、局所的に生成AIを活用することで業務効率は上がっているため、今後も現状の課題に向き合いながらシステム開発における生成AIの導入を進めていくそうです。

生成AIを用いたシステム開発する方法

• AIを用いたシステム開発の企画
• AI導入方法の検証
• AI運用

社内のシステム開発に生成AIを用いる場合、大まかな流れとして上記のステップを踏んでいくことになります。ここでは、生成AIを活用したシステム開発の方法について解説します。

①AIを用いたシステム開発の企画

まず社内で取り組むべきなのが、AIを用いたシステム開発の企画をまとめること。どのような課題解決を目的に導入するのか、AIを活用したい社内業務はなにか、など企画の詳細を明確にすることが大切です。

この工程を怠ると、何となくでAIを取り入れることになり成果も得にくくなります。生成AIに任せたい業務をピックアップし、数値で評価できる目標を設定しましょう。

②AI導入方法の検証

続いて、どのようにAIを取り入れるかを検証しましょう。まず明確にしておきたいのは、利用する生成AIの種類。テキストや画像、動画など生成AIには、それぞれ得意としている分野があります。どういった形で生成AIをシステムに取り入れたいのかをハッキリさせましょう。

AIをシステムに組み込む方法について、自社でLLM（大規模言語モデル）を構築しシステムと連携させる場合は、外部に情報が流失しにくいメリットがあります。ただし、社内でLLMを構築するのは至難の業。専門家を集める必要がありコストも高いです。

そのため、基本的にはChatGPTなど既存の生成AIサービスが提供しているAPIと連携させる方法が無難です。

③AI運用

目的が定まり生成AI選定の目途も立ったら、いよいよ社内システムに連携し運用スタートです。生成AIが想定通り稼働しているか、トラブルが起きていないかなどを社内でモニタリングしていきましょう。問題が発生したら、どのように対応するかを規定したガバナンス体制を整えておくことも重要です。

モニタリングした結果から、必要に応じて生成AI学習調整やモデルの変更などを実施し精度を高めていきましょう。

生成AIツールの主要な開発手法

生成AIツールを開発するには、開発環境を整える必要があります。開発環境を考慮する上で大切なのは、最適な開発手法を選ぶことです。

ここでは、5つの主要な開発手法を分かりやすく解説します。

それぞれの手法には異なる特徴とメリット・デメリットが存在するため、自社の状況に適した手法を選択しましょう。

開発手法	概要	開発にかかる期間	おすすめなケース
ウォーターフォール開発	一連の工程を上流から下流へ順序立てて進める手法。	長期間大規模なプロジェクトほど長くなる傾向にある。	大規模なプロジェクト
アジャイル開発	短期間の開発サイクルを繰り返し、システムを完成させていく手法。	短期間、中期間実際の期間は要件や規模によって変動する。	途中で要件が変わる可能性が高いプロジェクト
スパイラル開発	システムの開発工程を機能ごとに分割し、重要な機能から開発していく手法。	中期間実際の期間は要件や規模によって変動する。	リスクが高いプロジェクト
プロトタイプ開発	開発初期の段階でプロトタイプを作成し、プロトタイプの評価と改善を繰り返し、プロダクトを完成させていく手法。	短期間早い段階で試作品を作成し、評価を行うため、全体の開発期間は短い傾向にある。	ユーザーのフィードバックを早期に取り入れたいプロジェクト
PoC開発	本開発の前に実効性や実現性の検証を行う手法。	短期間、中期間、長期間プロジェクトの規模や検証回数によって変わってくる。	新しい技術やアイデアを導入したいプロジェクト

ウォーターフォール開発

ウォーターフォール（Waterfall）開発は、一連の工程を上流から下流へと順番に進める手法です。滝の流れのように上から下に一方的に流れる様子に似ていることからこの名がつけられました。

組み込みソフトウェアの開発や比較的規模の大きな開発でよく採用されます。

ウォーターフォール開発は、以下の工程から成り立っています。

1. 要件定義： システムやソフトウェアの目的や要件を明確にする。
2. 設計： システムのアーキテクチャやデザインを計画する。
3. 実装： コードを書き、プログラムを作成する。
4. テスト： システムの動作を確認し、バグや問題点を特定する。
5. 導入： システムを実際の環境にデプロイする。
6. 保守： システムの運用後、必要に応じて更新や修正を行う。

ウォーターフォール開発の特徴は、一つの工程が完了しないと次の工程に進めないという点です。計画的に進めることができるメリットがある一方、途中での変更が難しくなるというデメリットもあります。

また、各工程の完了が次の工程開始の条件なので、開発期間は各工程の複雑さや規模によって変化し、規模の大きなプロジェクトは期間が長くなる傾向にあります。

アジャイル開発

アジャイル開発はここ最近のトレンドになっている開発手法で「アジャイル」とは「素早い」という意味です。その名の通り、市場変化や顧客の要望に迅速かつ柔軟に対応することを目的としています。

短期間の開発サイクル「スプリント」を繰り返し、各サイクルの終わりには動作するソフトウェアの部分を完成させます。

アジャイル開発は、以下の工程から成り立っています。

1. プランニング： 要件の明確化やタスクの優先順位付けをする。
2. 設計： ソフトウェアの構造やデザインを考える。
3. 開発：コードを書き、機能を実装する。
4. テスト：作成した機能の動作確認をする。
5. レビュー：チームやステークホルダーとのフィードバックを共有する。
6. リリース：完成した機能を公開する。

アジャイル開発のメリットは、変更や不具合が発生した際に柔軟に対応でき、なおかつその際の工数が少ないことです。

ただし、計画段階で厳密な仕様を決めておらず方向性が定まらない、スケジュールの管理がウォーターフォール開発に比べて難しいなどのデメリットもあります。

スパイラル開発

スパイラル開発は、システムの開発工程を機能ごとに分割し、重要な機能から開発していく手法です。特徴は、システム全体ではなく機能ごとに開発やテストなどの工程を繰り返し、逐次的に機能の開発と改善を行う点です。

スパイラル開発は、以下の工程から成り立っています。

1. 要件定義：システムやソフトウェアの目的や要件を明確にする。
2. 設計：ソフトウェアの構造やデザインを考える。
3. 開発：コードを書き、機能を実装する。
4. テスト：作成した機能の動作確認をする。
5. 評価：作成した機能の評価を行う。
6. 改善：評価結果に基づいて機能を改善する。

スパイラル開発のメリットは、仕様変更やスケジュール変更に対応しやすい柔軟性を持ちながら評価と改善を繰り返すため、機能の品質を保ちやすいことです。

しかし、プロジェクトの見通しが立てづらい事や機能ごとに開発工程を繰り返すため、費用や時間の面でコストが増大するというデメリットもあります。

プロトタイプ開発

プロトタイプ開発は、開発初期の段階でアイデアを具現化したプロトタイプを作成します。それをユーザーが試して、評価と改善を繰り返し、プロダクトの品質を向上させていく開発手法です。

スパイラル開発との違いは、先にプロトタイプを開発し、評価と改善を繰り返すことで開発を進めていくところです。

プロトタイプ開発は、以下の工程から成り立っています。

1. 要件定義： 初期の要件やアイディアをステークホルダーから収集します。
2. プロトタイプ設計：収集した要件を基に、初期のデザインやモデルを作成します。
3. プロトタイプ実装：設計に基づき、動作する簡易版のソフトウェアや製品を作成します。
4. ユーザー評価：依頼者やエンドユーザーにプロトタイプを評価してもらい、フィードバックを収集します。
5. 改善：フィードバックを基にプロトタイプを改善し、再度評価を行います。このサイクルを繰り返します。
6. 本開発：修正と評価を繰り返し、改善点がでなくなった段階で本開発に入り、実際にリリースするものを作成します。

プロトタイプ開発のメリットは、主に2つあります。1つ目は、作成したプロトタイプをユーザーに評価してもらい、ユーザーのニーズに合ったものが作成できることです。

2つ目は、初期段階で作成したプロトタイプのフィードバックを受ける事により、早期に改善点やニーズを把握できる点です。

しかし、この手法は開発者側の負担が大きいことや、スケジュール調整やコミュニケーションの観点から、大規模な開発には向かないというデメリットがあります。

PoC開発

PoC開発は、本開発の前にPoCと呼ばれる新しいアイデアや技術が実際に実効性があるのか、実現可能かを検証するプロセスを行い、それをもとに開発を行う手法です。

システムの開発前にPoCを行ってから構築に移ることで、開発の成功確率を高められます。

PoCは、以下の工程から成り立っています。

1. 目的設定：PoCの目的や検証の際の評価基準を設定します。
2. 実装：必要最小限のプロトタイプを構築します。
3. 効果検証：作成したプロトタイプで実効性の検証を行います。
4. データ検証：プロトタイプで得たデータや、ユーザーからのフィードバックをもとに改善点を洗い出します。

PoC開発のメリットは、本開発の前に実現性の検証を行うため、プロジェクトが失敗するリスクを低く抑えられる点です。

ただ、プロトタイプを開発し検証するので、その取扱いによっては情報漏洩のリスクがあります。また、PoCを何度も繰り返し行うとコストがかさんでしまうことがPoC開発のデメリットと言えます。

生成AIツール開発の費用相場

これまで生成AIの利用経験がない、社内に専門人材がいないなどの理由で生成AIツールの開発ができないというケースもあるでしょう。

この場合、ツール開発の代行やコンサルティングなどを利用するのもおすすめです。

ここでは、弊社の料金体系を紹介します。

	アドバイザリ	コンサルティング	PoC
費用	¥300,000/月 ~	¥1,200,000/月 ~	¥1,600,000/月 ~
こんな方へおすすめ	AI導入に関する知見を詳しく知りたい	社内利用できるAIを導入したい	AIを活用したサービスを開発したい
内容	1. ヒアリング/ニーズ調査2. 適切なAIツール選定3. リスク調査・対処	1. AI導入支援2. プロンプトテンプレート作成3. APIによる社内システムとの連携(アドバイザリ業務も含む)	1. API連携2. LLMチューニング(コンサルティング業務も含む)
期間	3ヶ月〜	3ヶ月〜	2ヶ月〜

生成AIのシステム開発における注意点

生成AIは作業を効率化させ、新たなアイディアを生む便利なツールである反面、注意すべきポイントも存在します。主な注意点は以下の4つです。

• 社内情報の流出リスク
• ハルシネーションで誤情報を扱うリスク
• 収益が減るリスク
• 著作権侵害やライセンス違反のリスク
• 生成コードの品質

①社内情報の流出リスク

社内情報の流出リスクは生成AIのシステム開発で注意しなければなりません。生成AIの中には入力された情報をモデル学習に活用するものもあります。

そのため、社内の機密情報を入力すると外部へ流出してしまう恐れがあります。API技術を活用すれば、ある程度リスクは軽減しますが、それでもプロンプトインジェクションなどのリスクがあるため生成AIへの機密情報の入力は避けるべきです。

②ハルシネーションで誤情報を扱うリスク

生成AIが出力したコンテンツは100%正しい情報に基づいているとは限りません。誤情報を正しいものとして扱ってしまうハルシネーションという現象が起きることも多いため、システムで問題が起きないよう常に監視する体制が必要です。

③収益が減るリスク

生成AIを活用することで、短期間でシステム開発が可能です。しかし、作業時間や人員、工数が減少するため、システム開発費用が減る恐れがあります。

例えば、従来では1年かけてシステム開発していましたが、生成AIを使って3か月でリリースできた場合、工数は4分の1になってしまいます。ソフトウェアライセンスやハードなど、その他にもかかる費用はあるため、システム開発費用が4分の1になるわけではありませんが、収益が減るリスクがあることは注意しなければなりません。

システム開発を効率的に進められる分、多くの開発案件に携わることで、収益を下げるリスクの対策となります。

④著作権侵害やライセンス違反のリスク

生成AIをシステム開発に使うためには、既存システムの情報を生成AIに学習させ、新しいコードを生成します。生成したコードの中には、既存ソフトウェアのソースコードが含まれる可能性があります。ソフトウェアの規約によっては、著作権侵害やライセンス違反となる場合があるため、注意しなければなりません。

対策として、主に以下の方法があります。

• Amazon CodeWhispererのように学習されたコードの再現を避ける方法※8
• Microsoft社のGitHub Copilotを使って開発する(生成したコードによる著作権侵害問題に対する補償対応をしている※9)
• Google社のDuet AIを使って開発する(著作権侵害の申し立てを受けた場合の補償対応が可能※10)

⑤生成コードの品質

生成AI（LLM）が出力したコードについては、下記のような品質上の問題点が考えられます。

• 主流でないプログラミング言語（レガシーコード等）で精度が低下するリスク
• 学習元・参照元に由来する脆弱性が含まれているリスク

生成AIをシステム開発に活用する際には、人間によるダブルチェックが必要です。

なお、生成AIの注意点について詳しく知りたい方は、下記の記事を合わせてご確認ください。

生成AIを使ったシステム開発を効率化するツール3選

生成AIツールの活用することで、システム開発を効率よく進められます。この章で紹介するツールは以下の3点です。

• Google Cloud AutoML
• Neural Network Console
• OpenAI Codex

ぜひとも参考にしてください。

ツール①Google Cloud AutoML

Google Cloud AutoMLはGoogle社が提供するツールです。専門知識がなくても高品質な機械学習モデルが作れます。写真や文章、表などのデータ分析に優れており、直感的な操作ができるため、手軽にシステム開発を進められるのが特徴です。

ツール②Neural Network Console

Neural Network Consoleはソニー社が提供するAIモデル開発ツールです。直感的な操作が可能なため、プログラミングの知識がない方でも扱いやすいのが特徴です。

AIモデル開発の工程を学習から性能検証までサポートしてくれます。あとは学習データを用意し、入力から出力までの処理を画面上でつなげていくだけで、AIモデル開発が進みます。

このツールは、AIモデル開発に必要な機能がまとまっているため、初めてAIモデル開発を行う方におすすめです。

ツール③OpenAI Codex

OpenAI CodexはChatGPTの開発元であるOpenAI社が提供している、コード生成特化のAIツールです。こちらはChatGPTの有料プランから利用可能で、以下のようなことが行えます。※12

• コード生成
• コードについての質問
• ファイルの読み込み・編集
• テストハーネスの提供
• Linter（バグ検出）
• 型チェッカー

こちらはPythonやJavaScript、Go、Perl、PHPなど10を超える言語を使えて、利用できる幅が広いのも魅力です。

生成AI開発ではガバナンス体制の構築も重要

生成AIを開発するときは、使い勝手や生産性だけでなくガバナンス体制構築について考えることも重要です。

AI開発におけるガバナンス体制とは、AI技術の使用・開発に関する方針を定め、社内におけるAI運用のルールと監視体制を整備することです。

このガバナンス体制が曖昧だと、万が一問題が発生したときに対応が遅れてしまいます。個人情報の漏えいなどが発生すると、企業の社会的評価は大きく低下し、事業に大きな影響を及ぼします。

生成AIを開発するときは、必ずガバナンス体制も構築しておきましょう。

なお、生成AIのガバナンス体制について詳しく知りたい方は、下記の記事を合わせてご確認ください。

生成AIのシステム開発は専門家に相談するのも選択肢のひとつ

今回、可能な限り分かりやすくまとめましたが、生成AIを用いたシステム開発は難しいと感じてしまう方も多くいることでしょう。実際、生成AIを取り入れた社内システムの構築は非常に専門的。知識やノウハウがなければ、満足のいく結果には至らないでしょう。

そのため、生成AIのシステム開発を専門家に相談するのは理に適った選択肢のひとつといえます。専門家に相談することで、生成AIを組み込んだシステム開発を効率よく行うことが可能です。

よく分からないままシステム開発を進め、中途半端な結果となって失敗するリスクも回避でき、全体的な費用対効果を考えれば、利益に繋がりやすいです。

あくまで一例ですが、弊社の生成AIのシステム開発導入は以下のような流れで行われます。

1. AIを知る(AI教育・研修)
2. 調査・比較(業務ヒアリング、用件設計、AIリスク検証、AIツール比較)
3. 導入(AIツール導入)
4. 運用(運用支援)

AIを知る(AI教育・研修)

社内でAIを効果的に活用するには、会社全体でAIに関する知識を高めることが必須です。

AIは便利な反面、活用にはリスクを伴います。全社でAIのメリット・デメリットをきちんと理解してツールを運用することで、リスクを回避しつつ生産性を上げることが可能になるのです。

調査・比較(業務ヒアリング、用件設計、AIリスク検証、AIツール比較)

それぞれの会社に合わせたAI導入を検討します。

• どのような仕事をAIに任せたいのか？
• どの業務にAIツールを導入するのが最も効果的なのか？
• AI導入におけるリスクは何か？
• 最適なAIツールはどれか？

そういったことを、会社に合わせて擦り合わせていきます。

導入(AIツール導入)

実際にAIツールを導入します。

導入して終わりではなく、その後の訓練や効果測定も重要です。

運用(運用支援)

AIを導入した後の、運用支援を行います。

AIはあくまで道具であり、上手に使えるかどうかは別の話です。

せっかくの便利なツールを最大限活用できるよう、運用に関するアドバイスを行います。

繰り返しですが、このような流れはあくまで一例です。生成AIのシステム導入の流れについてさらに詳しく知りたい方は、以下の記事をご覧ください。

WEELの生成AIツール開発実績

これまで、生成AIの開発手法や開発の流れについて説明してきましたが、ここでは弊社の生成AIツール開発実績について紹介します。

自律型AIエージェント開発

弊社では、要件定義・業務フロー作成を80%自動化できる自律型AIエージェントを開発しました。

AIと対話をするだけで業務フロー図の作図やマニュアル作成、要件定義を半自動で行うことが可能です。

このツールにより、全体の工数を（この例の場合）50%以上削減できます。

業務のデジタル化実現に欠かせないITエンジニア不足が今後深刻化すると言われる中、上流工程を担当する人材は特に不足すると予想されます。AIエージェントはITエンジニアの業務を効率化できるツールです。

こちらがGPTが生成した業務フロー図になります。

自律型AIエージェントの開発に興味がある方には、まずは無料相談をご用意しております。
こちらからご連絡ください。

人事面談のテキストファイルから自動で評価を行うAIの開発

このAIツールは、生成AIを活用して社内の人事評価業務を99%自動化できます。社内人事評価にAIを導入すると、社員の満足度を定量的に評価でき、これまで担当者が一つひとつ行っていた作業を自動で実行します。。

方法は以下の通りです。

1. 社員インタビューをAIが自動で文字起こし
2. 文字起こしした内容をAIに読み込ませる
3. 会話内容をAIが解析し、社員満足度を定量的に評価

成果物: スコアリングした数値データ（レーダーチャート）、スコアリングに影響を与えた注目すべき会話内容（Excel）

このツールにより、人が介在する業務は社員インタビュー時のみとなり、それ以外は全てAIが自動で対応します。

社内人事業務の自動化に興味がある方には、まずは無料相談をご用意しております。
こちらからご連絡ください。

自社専用のAIチャットボット開発

業務を効率化する手段として、AIチャットボットを用意すると非常に有効です。弊社では、自社専用のAIチャットボット開発を行いました。

AIチャットボットは、特定領域に特化した専門知識を学習できます。例えばマーケターやエンジニア、コンサルタントなど、専門家を複数登場させることも可能です。

AIチャットボットを作成すると、社内の質疑対応にかかる工数を減らすことができ、対応スタッフの削減や余剰時間を生むことができます。

弊社は、透明性を重要視しており、このAIチャットボット作成手法を一般公開しています。

以下の記事からご覧ください。

https://qiita.com/tomo_1234/items/4eb55b78820c4fd885a8

なお、生成AIツールの開発費用について詳しく知りたい方は、下記の記事を合わせてご確認ください。

生成AIのシステムを開発し業務の効率化を目指そう！

生成AIを社内システムに取り入れる動きは、日本だけでなく世界中で活発化しています。極端な話、生成AIを業務に取り入れないままでいると他社との競争において非常に不利。いつまでも対応を見送っていると、会社が時代に取り残されてしまいます。

反対に、早い段階から生成AIを社内システムに組み込むことで業界内で一歩リードできる可能性もあります。しかし、本記事で取り上げたNTTデータやアクセンチュア、日立、富士通、LINEヤフー、NECなどの導入事例を見ていただいてもわかる通り、まだまだシステム開発を生成AIに丸投げすることは難しいでしょう。

それぞれの開発環境によって活用方法は様々あるので、今回のご紹介した活用事例や開発事例を参考に、社内での生成AIを活用したシステム開発を検討してみてはいかがでしょうか。

最後に

いかがだったでしょうか？

生成AIの導入で業務効率化を加速させてみてください。AI活用事例や最新のシステム開発方法を取り入れることで、競争力を高められます。