連載をはじめるにあたって #  この記事を読んでいただきありがとうございます。アジャイルグループに所属する、藤井智弘です。  「豆蔵最後のアルバイト」という謎の肩書でお客様を煙に巻きながら、日々研修やご支援に従事している中で、同じような質問を何年にも渡って繰り返しいただいてきました。アジャイル開発が世に出て30年近い年月が経ち、実践者の世代交代が進んでいるので、かつて議論し尽くされた（かに見えた）質問が、打者一巡よろしく繰り返し話題にのぼるのも当然とも思います。  そうしたよくいただく質問を起点に、その背

こんにちは！レバレジーズでリードエンジニアのゲンシュンと申します！ レバレジーズにデータエンジニアとして転職して、ちょうどまる2年が経ちました。今はデータエンジニアチームのリーダーとして、メンバーのマネジメント評価育成、全社横断のデータ分析基盤やETLの構築、データ系職種の組織づくりといったデータエンジニアのお仕事をしつつ、全社の技術力の底上げや文化醸成を担うリードエンジニアとして、アプリケーションエンジニアとDDD勉強会を開いたり、技術広報、社外イベントの企画・登壇、さらには社内エンジニアイベントの運営

はじめに この記事は、BASEテックブログ夏のブログリレー11日目の記事です。 BASE Dept. Product Divにてバックエンドエンジニアをしている オリバ です。 ショップオーナーの発送領域を担当しており、バックエンドを中心に、フロントエンドやNew Relicなども触っています。 2026年5月、担当する「送り状一括印刷 App」の一部機能をリリースしました。しかし、リリース後に分かったのは、想定していた使われ方をされていないということでした。機能自体は動いていますが、開発チームが想定して

「だいたい○○ケースくらいですかね」の正体 テスト計画でスケジュールを立てるとき、テストケース数の見積もりはどうやっているだろうか。 正直なところ、多くの現場では「前回と同じくらいの規模感だから○○ケースくらい」「経験的にこの手の機能なら△△ケース」という見積もりが主流だと思う。自分もそうだった。 これで困るのは3つの場面。 初めての領域。 過去実績がないから「だいたい」が通用しない 説明責任。 上席に「なぜその工数なのか」と聞かれたとき、根拠を示せない 精度のばらつき。 見積もる人によって2〜3倍の差が

AI 駆動開発ライフサイクル (AI-DLC) の基礎を体系的に学べるコース「 AI-DLC Foundations 」の日本語版として「 AI 駆動開発ライフサイクル (AI-DLC) ナレッジバッジ 」が、AWS Skill Builder で公開されました。この記事では、コースの概要と全 8 モジュールの内容を紹介します。 今すぐコースを受講する場合はこちら コースの概要 AI 駆動開発ライフサイクル (AI-DLC) ナレッジバッジ は、AI-DLC について基礎から体系的に学べる全 8 モジュー

はじめに ITコンサルタントのKです。以前、Webサービスの新規開発に関わっておりました。機能開発の段階だったので、機能やビジネスロジックが正しいことの評価が大半で、運用の評価はもっと先という段階でした。 昨今のモダナイゼーションにおいて、開発と運用は切り離せない関係にあります。クライアントサーバー方式からクラウドネイティブなWebサービスへと進化させるプロジェクトを例に、 「継続的な価値提供」を支えるプロセスと品質の考え方 を、鉄道の仕組みになぞらえて紐解いてみたいと思います。 プロジェクトの背景：目指

「テスト＝QA」を卒業したい。でも何から？ 以前の記事で、テストとQAは違うという話を書きました。 テストは「測る」行為です。QAは「良いものが生まれる仕組みをつくる」行為です。勉強にたとえるなら、テストは問題を解くことであり、QAは勉強法そのものを改善することです。 反応をもらった中で一番多かったのが、「わかった。で、具体的に何をすればいい？」 でした。正直、自分も最初はそうでした。 品質戦略の担当になったとき、「分析しよう」と意気込んでパレート分析やODCの教科書を開きました。でもデータが整っていませ

イントロダクション 「変化を歓迎する」──それはアジャイルが一貫して大切にしてきた姿勢です。そしていま、生成 AI の急速な普及は、ソフトウェア開発に大きな変化をもたらしています。AI コーディングエージェントが日常のツールとなり、要件定義から実装、運用に至るまでのプロセス全体が再定義されつつあります。求められる人材のスキルも、内製化と外部パートナーの役割分担も、そのあり方が問い直されています。 だからこそ、計画に固執せず変化に適応し、短いサイクルで小さく試して学びを回し続けるアジャイルの真価が、AI 時

はじめに # アジャイルグループの石田です。 以前掲載した スクラムマスターのAI活用を考える の連載で、透明性・検査・適応の三本柱をAIで強化するアプローチを紹介してきました。 今回はその実践編として、私が現在のプロジェクトで実践している、AIの発信を起点にデイリースクラムを進める取り組みを紹介します。 ここまで紹介してきたAI活用は、あくまで人間が「AIを使いに行く」ものでした。 分析してほしいデータがあるときにAIに相談する、文字起こしを使ってレトロスペクティブの評価をするといった使い方では、発信の

物流業界では、貿易関連書類の作成・照合作業に多大な時間を要しています。情報を入手した後にシステムへ取り込み、別の書類を作成するといった煩雑な作業が日常的に発生し、さらに間違いがないかを一つ一つ確認する必要があります。深刻な人手不足が進む中、こうした業務を効率化しつつ品質を維持することは、物流事業者にとって喫緊の課題です。 本ブログでは、1938年の創業以来グローバルな国際物流を手掛けてきた株式会社日新（以下、日新）が、AWS 上で構築した「オプティマAI」プラットフォームについてご紹介します。オプティマA

はじめに はじめまして、プロジェクトマネージャーの谷澤です。 AIが当たり前になったいまも、プロジェクトの質を左右するのは、結局「チームがどう試行錯誤し、何を学んだか」なのだと感じています。 AIのおかげで、計画づくりのハードルは驚くほど下がりました。 だからこそ余計に「自分たちのチームは、何を積み重ねていけばいいんだろう」と考える時間が増えた気がします。 今日は、そんな私なりの仮説と、実際に試してみた「ふりかえり」の実践を、あわせてご紹介したいと思います。 はじめに 1. 最初のアウトプットだけでは、差

こんにちは、ラクス技術広報です。 2026年7月15日、主催イベント「RAKUS AI Conference 2026 Summer」を開催しました。本記事では、楽楽精算 開発3課の平川裕多さんが発表した「仕様駆動開発、導入半年。『本当に速くなってるの?』にデータで答える」について、技術広報がレポート記事でご紹介します。 この記事はこのような方におすすめです AI活用で実装は速くなった気がするのに、なぜか設計やレビューの負荷が増えていると感じているエンジニアの方 仕様駆動開発(SDD)の導入を検討している

ニフティの開発手法はチームやプロダクトの特性によって異なりますが、現在、多くのチームで導入されているのがスクラムです。 スクラムとは、決まった期間（スプリント）ごとに価値を少しずつ届け、検査と適応を繰り返しながら進めていくフレームワークのこと。 「プロダクトオーナー（プロダクトの価値の最大化に責任を持つ）」、「スクラムマスター（スクラムの確立とチームの効果性に責任を持つ）」、「開発者」という3つの役割があり、それぞれに認定資格が存在します。今回はそのうち、プロダクトオーナーとスクラムマスターの資格を持つ、

ニフティの開発手法はチームやプロダクトの特性によって異なりますが、現在、多くのチームで導入されているのがスクラムです。 スクラムとは、決まった期間（スプリント）ごとに価値を少しずつ届け、検査と適応を繰り返しながら進めていくフレームワークのこと。 「プロダクトオーナー（プロダクトの価値の最大化に責任を持つ）」、「スクラムマスター（スクラムの確立とチームの効果性に責任を持つ）」、「開発者」という3つの役割があり、それぞれに認定資格が存在します。今回はそのうち、プロダクトオーナーとスクラムマスターの資格を持つ、

はじめに こんにちは、エンジニアリングマネージャーの芦川です。なぜ基幹システムを担当している自分がこんな話をするのか。単純に、一度話してみたかったからです。 ニフティのコーポレートメッセージ にある「お客様起点」とは、結局のところ何なのか。プロダクトマネジメントを学ぶ中で、ずっとこの問いが根底にありました。AIとの協働開発が広がり、開発のスピードは上がっているのに、それが直接的な成果につながらないという声を色々な会社から聞くようになった今だからこそ、この考え方はより一層大事になってきていると感じています。