2026 年 7 月 16 日（木）、 17 日（金）の 2 日間、東京・麻布台ヒルズにて、ISV SaaS 事業者向けの 8 社合同 AI-DLC Unicorn Gym を開催しました。株式会社サイバーセキュリティクラウド、freee 株式会社、株式会社いえらぶ GROUP、モビルス株式会社、エムオーテックス株式会社、株式会社ヌーラボ、テクマトリックス株式会社、株式会社ヴァル研究所（順不同・敬称略）の 8 社から計 54 名にご参加いただき、各チームが自社プロダクトの開発テーマを持ち込んで、Kiro や Claude Code などの Coding Agent を活用しながら 2 日間 AI 駆動の開発プロセスを実践しました。 本記事では、ご参加いただいた各社が 2 日間 AI-DLC をどう体験したのか、参加者の声を交えてレポートします。 AI-DLC (AI-Driven Development Lifecycle) とは AI 駆動開発ライフサイクル（AI-DLC）は、AWS が提唱する、AI を開発プロセスの中心に据えた開発手法です。AI を単なるアシスタントとして使うのではなく、要件定義・設計・実装の主役を AI が担い、人間は「何を作るか」「その出力は正しいか」という意図のすり合わせと重要な判断に集中します。この役割分担により、従来は数ヶ月かかっていた要件定義から実装までの期間を数日に圧縮することを目指します。 AI-DLC の開発プロセスは Inception・Construction・Operations の 3 フェーズで構成されます。鍵となるのが、チーム全員で 1 つの画面を囲み、AI と対話しながら進める「モブワーク」というスタイルです。一人が操作役（ドライバー）となって手を動かし、残りのメンバー全員がその場で意見を出し合い、議論しながら進めます。Inception を全員で行うフェーズを「モブエラボレーション」、Construction をサブチームに分かれて進めるフェーズを「モブコンストラクション」と呼び、いずれもこのモブワークを基本形とします。AI が要件を整理し、選択肢やコードを素早く提示し、ビジネス・開発メンバーがその場で検証・判断する。この共同作業が、開発速度の向上だけでなく、ビジネスと開発のギャップを埋め、チーム全員の認識を揃える効果をもたらします。 AI-DLC の詳細については、 AI 駆動開発ライフサイクル：ソフトウェアエンジニアリングの再構築 をご参照ください。 AI-DLC Unicorn Gym 開催の背景と ISV SaaS 8 社が持ち込んだテーマ AI-DLC Unicorn Gym は、AI-DLC を座学ではなく自社の実テーマで実践していただくプログラムです。各チームが実際の開発テーマを持ち込み、AI と対話しながらユーザーストーリーの作成から実装、成果発表までを 2 日間で走り切ることで、AI 駆動の開発プロセスによる効果を体感していただきます。 今回の AI-DLC Unicorn Gym は、ISV SaaS 事業者を対象とした複数社合同の形式で開催しました。AI-DLC Unicorn Gym 開催のご要望を多くいただいておりますが、複数日にわたって数十名の参加者を集めることがハードルとなり実施を断念されるケースもありました。複数社合同とすることで、各社 1 チームからの参加を可能にしました。 参加各社には、練習用の題材ではなく「自社の実際のプロダクト開発テーマ」をご用意いただきました。テーマは、既存プロダクトへの新機能追加、既存ページのリニューアル・モダナイズ、新規プロダクトの立ち上げ、業務プロセスの改善支援など多岐にわたりました。 2 日間のスケジュール 本イベントは、初日に Inception、2 日目に Construction を中心に据えた 2 日間の構成で実施しました。各日ともチーム全員が 1 つの画面を囲むモブ形式で進め、初日の終わりに中間報告会、2 日目の終わりに最終報告会を設けています。タイムスケジュールは目安であり、各チームの進捗状況に合わせて進めていただきました。 今回は AI-DLC の進行には Coding Agent 用のルールセットである aidlc-workflows をご利用いただきました。aidlc-workflows v2 が 7月に GA しましたので、詳しく知りたい方は AI-DLC Workflows 2.0 のご紹介 および AI-DLC Workflow V1からV2へ：人間のボトルネックを解消する設計の進化 をご確認ください。 Day 1 9:30　キックオフ / AI-DLC Introduction 10:00　aidlc-workflows EC サイト構築ハンズオン 11:30　昼食 12:30　Mob Elaboration（Inception）: 開発対象のスコープやユーザーストーリー、作業単位の精緻化 17:15　中間報告会（1 日目の進捗状況を共有） Day 2 9:30　Mob Elaboration / Mob Construction :ドメインモデル設計、アーキテクチャコンポーネントの追加、プログラムやテストの作成 11:30　昼食 12:30　Mob Construction（各チームの進捗に応じて） 17:00　最終報告会（成果・学びの共有） 18:00　懇親会 Day 1: Inception 初日の午後から、各チームが自分たちのテーマをユーザーストーリーへ分解する「モブエラボレーション」に取り組みました。チーム全員が 1 つの画面を囲み、AI と対話しながら要件を詳細化します。ビジネスメンバーも開発メンバーも同じ場で AI の提案を検証し、判断し、修正していきます。このプロセスを通じてチーム全員のコンテキストが揃い、その共通認識が Construction フェーズにそのまま引き継がれます。AWS からは、「5 分以上 AI を遊ばせない」、「HTML/CSS でモックを作りチームのイメージを合わせる」、「How に関する議論は Construction まで我慢する」などのガイドを提供しました。 複数のチームから、 「仕様を決める速さで AI-DLC の力を実感した」 「圧倒的に早いスピード感で一定動くものを作れたのは大きな発見」 といった、要件定義のスピード向上に関する感想をいただきました。 株式会社いえらぶ GROUP の開発風景 Day 2: Construction 2 日目は、並行して実装できるサブチームに分かれて Construction を進め、最終報告会へ臨みます。AI が高速にコードを生成するなか、参加者はその方向性が適切かを検証・判断しました。 2 日間という短い時間ながら、8 チーム中 6 社がデモ可能な状態まで実装を完了しました。設計フェーズでの AI 活用に対して、 設計での AI という使い方で、よくできたフレームワーク。次回の新機能開発はこれで実施する。 といった手応えを語るチームもありました。 最終発表会では、「従来 1 ヶ月以上かかっていた要件定義フェーズが2日間で完了した」、「ジュニアメンバーが AI との対話を通じてドメイン知識へのキャッチアップを実現した」、といった成果の共有がおこなわれました。 参加者からのフィードバック 今回は参加者の方には AWS オフィスにお集まりいただき、各社様担当の営業メンバー・ソリューションアーキテクトがサポートをさせていただきました。モブワークという形式について、いくつものフィードバックをいただきました。 我々のチームのことをよく知るサポーターが、過度でもなく過小でもなく、適切なタイミングで声掛けしてもらえた 普段リモートワークなので、オフラインで一緒に開発できてよかった。フレームワークのおかげで会話が整理された。 また、ドキュメント作成やコーディングを高速にこなす AI に対して高頻度で意思決定・判断が求められることについて、 判断負荷が高いので、普段の業務時間だと後回しにしてしまいそう。集中して向き合えてよかった という感想もいただきました。モデルの進歩により AI の自律性が高まる中、どこまでを人間が判断し、どこまでを AI に委ねるかはまさに今注目されている観点です。 イベント後のアンケートでは、80 % の参加者から最高点の ︎5 評価をいただきました。「AI-DLC はあなたの働き方を変える可能性があるか」という問いに対しても平均 4.76 / 5.0 というご回答をいただきました。また平均工数削減率は 67.1%と、これまでの 3 倍の速度を実現できると体感していただきました。 おわりに AI がコードを書いてくれるようになると、人間の仕事は「書くこと」から「決めること」へと移っていきます。何を作るか (あるいは作らないか) を決めること、設計の方向性を判断すること、チーム間の認識を揃えること。AI-DLC がモブワークを重視するのは、この意思決定に集中できる環境を作るためです。 自社で AI-DLC を試してみたいという方は、まず aidlc-workflows をお試しください。Kiro や Claude Code などを使って AI-DLC を始めるためのワークフローやテンプレートが公開されています。AI-DLC は特定のツール・ワークフローに依存しない方法論です。皆様のこれまでの開発プロセスや組織構造、スキルセットなどによってカスタマイズして取り入れていただくことができます。 自社プロダクトを持つ ISV/SaaS 事業者にとって、AI-DLC はプロダクトの開発サイクルそのものを変えうる手法です。合同開催が「終わり」ではなく、それぞれの現場での「始まり」として受け止めていただき、この 2 日間の体験を各社の現場に持ち帰り、それぞれの形で活かしていただけることを楽しみにしています。 これまでの合同型 AI-DLC Unicorn Gym については以下のブログ記事もご覧ください。 11 社合同 AI-DLC Unicorn Gym で体験した開発のパラダイムシフト 9 社合同 AI-DLC Unicorn Gym 大阪 ── AI と開発した 3 日間で見えた、人間の仕事 9 社合同 AI-DLC Unicorn Gym：AI と作った 2 日間で見えた、 「書く」から「決める」への転換 筆者について 山崎 宏紀 (Hiroki Yamazaki) 山崎宏紀 は Amazon Web Services Japan G.K. のソリューションアーキテクトとして、ISV/SaaS 業界のお客様を中心にアーキテクチャ設計や構築、生成 AI の活用・AI エージェントの開発をご支援しています。Kiro CLI や AWS CDK を好みます。(より良いご支援のために) AI エージェントに代わりに働いてもらおうと画策しています。

ミイダステックチームです！ このnoteでは、ミイダスエンジニアのフルリモート・フレックスの働き方についてご紹介します。

G-gen の今村です。当記事は、Google Cloud Next 26 Tokyo の1日目に行われたカスタマーセッション「 ツール導入ではない、企業のスタイルを創る「AI 戦略」としての Gemini Enterprise 」のレポートです。 他の Google Cloud Next Tokyo 26 の関連記事は Google Cloud Next Tokyo 26 カテゴリ の記事一覧からご覧いただけます。 セッションの概要 AI イノベーションラボの取り組みと背景 業務への AI の組み込み 自作 AI ツールの展開と終了 Gemini Enterprise の選定理由 検索精度とガバナンス要件 サードパーティ製品との連携 具体的な活用事例 事例1 : オンボーディングの効率化 事例2 : 上長の簡易クローンの作成 事例3 : Deep Research を用いた社内情報の統合 AI の使用状況と分析 高いアクティブユーザー率の維持 使用状況の可視化とスタイル分析 今後の展望 業務プロセスの変革と AI との協働 ツール導入で終わらせないために 関連記事 セッションの概要 当セッションでは、Ｓｋｙ株式会社の社内における AI 活用の試行錯誤や、Gemini Enterprise を活用した業務プロセスの変革事例について発表されました。 Gemini Enterprise については、以下の記事を参照してください。 blog.g-gen.co.jp 参考 : Gemini Enterprise とは何ですか？ AI イノベーションラボの取り組みと背景 業務への AI の組み込み AI イノベーションラボ部門は、業務の中に AI を組み込むための部隊として活動しています。これまでに200ものシステムを開発し、社内で試行錯誤を続けています。取り組みの初期段階では、AI が組み込まれていることに気づかれないケースもあり、効率化や売上向上への貢献が見えづらいという課題がありました。 AI 導入への問題提起 自作 AI ツールの展開と終了 2022年に AI アプリケーションが使用可能になり、社内での活用検討が始まりました。内製を好む組織文化を背景に、「SKYAI」と呼ばれるツールや「SkyDeepResearch」の機能が独自に開発されました。これらのツールは常に使用される状態となり、主に管理職を中心に使用が拡大しました。 内製 AI の社内浸透 SKYAI の概要 AI を日常的に使う土台を作るため、調べ物の前に AI を配置したり、モバイル端末を貸与して OCR に対応させたりといった導線作りが行われました。さらに、プロンプトエンジニアリングの研修を実施し、AI 自身がプロンプトを評価して改善案を提示する機能も導入されました。これらの仕組みにより、ナレッジがフィードとして共有される環境が構築されました。 一方で、開発したツールを保守し続けることは、次のステップへ進む際の阻害要因になると判断されました。そのため、戦略的に SKYAI を終了させました。 SKYAI の戦略的終了 Gemini Enterprise の選定理由 検索精度とガバナンス要件 SKYAI の終了後、経営陣の意向を踏まえて新しい AI ツールとして Gemini Enterprise が選定され、全社員に一斉配布されました。選定の大きな理由の一つは、検索精度の高さです。自社のデータと組み合わせた際の検索精度が優れていることが、重要な評価ポイントとなりました。 Gemini Enterprise の導入開始 また、エンタープライズ向けのガバナンス要件を満たしていることも決め手となりました。生成 AI の成果物を知的財産としてビジネスに使用するためには、情報の保護などの要件に応える必要がありました。Gemini Enterprise は拡張性や安全性が高く、外部公開を制限する要件にも対応できるため、導入リスクが低いと判断されました。 Gemini Enterprise の選定理由 サードパーティ製品との連携 同社では Google Workspace を導入していませんでしたが、Gemini Enterprise は Microsoft などの他社製品（サードパーティ製品）との連携に寛容であったため、これが導入の障壁にはなりませんでした。 参考 : サードパーティのデータソースを接続する 具体的な活用事例 事例1 : オンボーディングの効率化 AI は、社内のオンボーディングにも活用されています。新しくチームに加わったメンバーにとって、大量の資料を読み込むことは負担であり、理解度にばらつきが生じるという課題がありました。 この課題を解決するため、部署ごとに整理した社内情報を Gemini Notebook に読み込ませ、学習ガイドを作成しました。これにより、新メンバーが自律的に学習を進められるようになり、早期の立ち上がりが実現しました。また、AI が読み取りやすい形式を意識してナレッジを蓄積する文化も生まれました。 事例1 Gemini Notebook については、以下の記事を参照してください。 blog.g-gen.co.jp blog.g-gen.co.jp 事例2 : 上長の簡易クローンの作成 業務の効率化を目的として、Agent Builder を使用した「上長の簡易クローン」が作成されました。社内ブログなどでアウトプットを行う文化を活かし、上長の判断基準や思考プロセスを学習させています。 メンバーがマークダウン形式でまとめた相談事項に対し、この簡易クローンが一次レビューを行います。これにより、あらかじめ指摘されそうな点をメンバー自身が改善できるようになり、上長の確認時間も短縮され、業務プロセスそのものの改善に繋がりました。 事例2 Agent Builder については、以下の記事を参照してください。 blog.g-gen.co.jp 事例3 : Deep Research を用いた社内情報の統合 社内に特化した AI 活用研修の調査において、情報の分散が課題となっていました。そこで Deep Research の機能を導入し、社内の蓄積情報と Web 検索の結果を掛け合わせる仕組みを構築しました。これにより、他社事例を単に模倣するのではなく、自社に最適なプランを効率的に作成できるようになりました。 事例3 参考 : Gemini Enterprise の概要 AI の使用状況と分析 高いアクティブユーザー率の維持 Gemini Enterprise 導入後、アクティブユーザー率は98%という非常に高い水準を維持しています。これは、社員が AI を一過性のツールとしてではなく、日々の業務に不可欠なものとして認識していることを示しています。ほぼすべての社員が継続的に AI を使用しています。 アクティブユーザー数 使用状況の可視化とスタイル分析 社員がどの程度 AI を使いこなせているかを把握するため、「スタイル分析」が行われています。スライド作成や提案書作成など、複数の AI ツールの使用状況を統合し、一つの基準で評価できる可視化ツールが内製されました。 この分析データをもとに、AI を活用できていない層に対して原因を特定し、アプローチを行うサイクルが確立されています。 スタイル分析 今後の展望 業務プロセスの変革と AI との協働 AI の活用は、ツールの導入にとどまらず、業務プロセスや組織のカルチャーを変革する段階に入っています。今後は、エンジニアリングの強化やオントロジーを用いたデータ形成により、さらなるカスタマイズが進められる予定です。 ここでいうオントロジーとは、社内のデータや知識の「概念と関係性」を定義・体系化する仕組みのことです。単に社内ドキュメントを蓄積するだけでなく、データ同士のつながりや定義を整理して AI に読み込ませることで、AI が社内文脈をより正確に理解し、高精度な回答や自律的なタスク処理を行える環境を目指しています。 AI Native への変革 また、AI が社員のプラットフォームに参加し、チャットのログから社員の困りごとを能動的に抽出するような「AI と働く」環境が構想されています。これにより、人間はより本質的なコア業務に集中できるようになります。プロンプトの内容や使用要件を定量・定性の両面から分析し、次なる戦略の立案にも役立てられています。 社内チャットに AI 社員の参加 ツール導入で終わらせないために AI の導入を単なる「ツールの導入」で終わらせてはいけません。経営の視点から将来のあり方やワークスタイルを明確に描き、それに適した AI を選択することが重要です。Gemini Enterprise はその選択肢の一つであり、効果的に活用することで、組織の働き方を次のフェーズへと引き上げられます。 関連記事 blog.g-gen.co.jp 今村 壱生 (記事一覧) クラウドソリューション部 ソリューションアーキテクト課 2026年3月にG-genへ入社。約7年間 Web 広告運用やウェブ解析に携わり、その後は社内 SE として開発業務に従事。広告運用の現場感と技術的な視点、その双方を併せ持つ経験をベースに、現在は Google Cloud のスキルアップに注力。データ活用とクラウド技術を融合させ、お客様のビジネス成長を支えるエンジニアを目指している。 Follow