>100 Views
November 20, 26
スライド概要
第6回 AIエージェントソフトウェア開発勉強会(2026-11-20)登壇資料。
Claude Code、Codex、Cursorなど複数のAIエージェントを組み合わせた「AIソフトウェア工場」を実際の製品開発で運用しています。
その構成や役割分担、タスクの委譲、品質管理(ゲート設計)の仕組みと、運用を通じて得られた生産性の実測(週519マージ等)を共有します。
登壇者:お寿司(@osushi_cr)
AI PRODUCT BUILDER 🍣 AIと共創して、小説・ゲーム・映像・AITuberを制作
第 6 回 AI エージェントソフトウェア開発勉強会 | 2026.11.20 SHIBUYA 実践!AI Product Builder AI ソフトウェア工場の作り方と運用のリアル @osushi_cr AI Product Builder / PM / Engineer SESSION 3 — 20:20–20:45
お寿司 ABOUT @osushi_cr AI Product Builder PM / Engineer 工程の境界を越えて、課題 発見から本番投入まで一人 で巻き取る ソフトウェア工場 AI 現場で運用中・担当 2製品 Claude Code ×2+Codex+ Cursor の複合ラインを運用 開発経験 約20年 ・ ・ゲーム 開発リード/PdM/組織マ ネジメントを経験 toB toC 個人でもゲーム・AITuber・映像など、いろいろ作っています → 次のページで紹介します
O S U S H I — C R E AT I V E 「お寿司」では、趣味で色々作ってます 𝕏 @osushi_cr 開発と創作の発信はこちら 「くらら」 AI AI AI ニュース解説を毎朝自 動配信(YouTube) ゲーム・アプリ 「 」、iPhoneア プリ「Transcribe Edge」 Steam 6F X アカウント 個人サイト 小説 AITuber 文芸誌『ステラ・リテ ラ』第0号に掲載 映像・MV くららのショートMV 「HELLO, WORLD」「い ってらっしゃい!」公開中
ビルダー(Builder)とは? で工程の境界が消えた結果、生まれた新しい職種。 エンジニアでも PdM でもデザイナーでもなく、その全部を1人で巻き取る AI 境界が消えた 仕様・UI・実装・テスト・ 運用の分業が、AIツールで1 人に集約 一気通貫 課題発見 → プロト → 本番 投入までを自分で回す 今日の話 = その中の「Product Builder」としての実践報告 出典:HRdev「AI時代のものづくりの新職種『AI Builder』とは」 専門職ともPMとも別 の求人は「専門特化 志望は合わない」と明記 LayerX
「ビルダー」は新しい職業 領域ごとに広がる Product Builder ★ 今日の主役 企画→実装→本番投入を一人で巻き取る (SoFi/マネーフォワード) Marketing Builder コンテンツから施策実行まで、マーケ領域を AIで一気通貫に回す Agent Builder エージェントそのものの設計・構築が仕事 (Decagon/Walmart) AI Full Stack Builder 設計→製品→エンジニアリングの工程を一人 で巻き取る(LinkedIn) 国内でも LayerX・マネーフォワード・PLAINER が職種として新設(2026年4月〜) 出典:HRdev「AI時代のものづくりの新職種『AI Builder』とは」
活用の生産性 格差は開いていく AI 年月 2025年7月 2023 4 +4.8% +19% このグラフの「生産性」は ①アウトプット量ベースの計測(AI活用チーム vs 非活用チームのゲイン差、Stanford SWEPR、 46チーム対46チーム) ※ 約4倍 年で広がったゲイン差 2 約10倍 年の上位/下位差(外 2030 挿) +10% 中央値のゲインはこの程度
今日話すこと 1 2 3 4 5 工場の準備 スキルでラインを作る 工場の運用 振り分けと環境 数字で見る生産性 実測とベンチマーク ボトルネックの移り変わり 課金と境界領域の再設計 学び 「作る」から「仕上げる」へ
工場の全体像 単一ツールではなく複合ライン 工場長 = 人間 指示出しと方向 性 UIの判断 → Code×2 Codex / Cursor 製品リリース ・ Claude Gate 1 2 → 人間の仕事は「生産設備のメンテナンスと指示出し」 自動レビューと テスト → ラインの出口
工場が回すタスクは、実装だけじゃない 製品の実装・テスト・不具合修正 販売管理システム サポートサイト マニュアル・チラシ・ポスター 開発のメインライン。新機能から保守まで 顧客向けサポートサイトの構築・移行もライ ンの上 ライセンスや販売まわりの社内システムも工場 で開発 ドキュメントも販促物も、工場の生産物 「作る仕事」全般がラインに乗る ― コードはその一部
工場の準備 スキルでラインを作る 操作スキル git 〜 ・マージを定 worktree PR 型化 レビュー用スキル 製品特性に合わせたゲート 付き タスク管理スキル 登録・更新・完了を操作 伝える → タスク登録 → worktree → 実装 → レビュー → PR → マージ → 完了 伝えたら、あとは一気通貫。人間は最初と要所だけ。
人間承認のタイミング 先に決めておく 複雑な設計のとき いきなり実装させない。 まず壁打ちで設計を固める UI の変更 マージ前に人間確認を必須に。 使いやすさは自動化しない それ以外は止めない — ゲート(自動レビュー/テスト)に任せる
工場の運用 モデルの特性で振り分ける Claude 実装 Codex 自動テスト Cursor 不具合修正 簡易タスクと進行のフロントは、Claude Project や Dots、Grok bot に任せる
工場の運用 が自分で確かめられる環境 AI Docker 環境を複数用意 が UI実装とテストを 自分でチェックできる AI 検証をAI自身に寄せるほど、人間の帯域が空く 操作デモ動画を作らせる 動きを見れば、UIの不具合が 見つかる
役割分担 エージェントを「組織」として扱う 新機能 方向性の面倒は人間が見る — ここは委譲しない テスト・不具合修 いくらでもスケールする領域 — エージェントに寄せる 正 委譲のルール 目的・要件・アーキテクチャを固めてから渡す
ゲート設計 GATE 1 マージ前のレビュー自動化 人間:原則なし GATE 2 リリース前のテスト作成+実施 人間:原則なし の使いやすさの判断 人間レビュー必須 例外 UI 作るだけは誰でもできる。 プロダクトとして仕上げるのが評価であり、スキルや経験が生きるところ。
レビューモデルの4類型 人間レビューを、どこまで残すか TYPE 1 全件人間レビュー型 Stripe / Vercel 全PRを人間がレビューし、マージする TYPE 3 人間レビュー任意型 OpenAI Harness レビューはエージェント間が中心、人間は任 意 MY FACTORY TYPE 2 リスク別に減らす型 Anthropic リスクで承認人数を変える(0 / 1 / 2人) TYPE 4 人間レビュー廃止型 StrongDM レビューの代わりに、巨大な検証基盤で担保 自分の工場は Type 3〜4 の間 — 原則は人間レビューなし、UIの使いやすさだけ人間 が見る
数字で見る:週の実績 519 本 週のマージ数 75 件 担当チケット完了(直近100件中) 週報ベースの集計(対象リポジトリ全体) 〜 2026-11-09 11-13 103.8 /日 日平均マージ(平日5日) 1 404 本 うち主力製品リポジトリ
公開ベンチマークとの比較 人あたりマージ 日 1 3.5 OpenAI Harness 〜 10 30 Boris Cherny 個人記録 自分(最新週平均) 13.2 LayerX ( / 103.8 開発者)の自己申告は 10〜30/日 — 最新週の平均はその上限の約3.5倍 Boris Claude Code ※ 自分の数値は週報集計(2026-11-09〜11-13)。PRの粒度は組織ごとに違うため、単純比較はできない
業界全体のボトルネック +91 % レビュー時間の伸び(PRは+98%) — Faros 5.3 倍 エージェントPRの待ち時間(対 人間) — LinearB 横ばい 1 人あたり月次PR数(AI関与40%超でも) — Findy 約1,500社 「工場」はまだ誰も完成させていない — 設計と運用の差が、数字の差になる
ボトルネックの移り変わり 律速 A トークン課金 ラインを速く回すほど、課金が律速に なる → 詰まる ← 回せる 律速 B 境界領域の再設計 承認の「もぐらたたき」を、都度対応 からルール設計へ。人間が立つ場所と ゲートの置き方を組み替える 律速は消えない ― トークン課金と境界領域の再設計を、ぐるぐる回してラインを速くしていく
スケールの限界 約2倍 生産性の伸びしろは、まだ このくらい 製品まで 3 担当の上限。4つは目が届か ない 方向性 新機能の方向性だけは、ス ケールしない テスト・不具合修正は無限にスケールする。だから人間の時間は「方向性」に集中させる。
まとめ 1 2 3 4 本体は「ツール導入」ではなく、工場の設計と運用 ゲートを設計し、人間は判断が必要な場所にだけ立つ 律速は移り続ける(課金 ↔ 境界領域の再設計) 最後に残る人間の仕事は「仕上げる判断」 工場は通過点かもしれない。モデルが工場自体を組むようになった先で残る問いは、エージェ ントと人間がどう協働するか——部品ではなく、相談相手として。
参考文献・出典 数字はすべて公開資料ベース 「Harness engineering」公式ブログ Stripe Minions/Shopify River/Ramp Inspect メルカリ CTOブログ/決算資料 Faros AI/LinearB 計測レポート Meta AI Builder 職名再編(Business Insider) OpenAI 社内生産性レポート/METR 評価 LayerX テックブログ(engineer-as-director) Visional AI Product Studio 公開資料 Findy 約1,500社集計 Stanford SWEPR/NEA 生産性レポート Anthropic 自社実測(GitBucket 集計)とは区別して引用しています。ProductBuildersHQ、Paralect の定義も参照。
ありがとうございました 質疑応答 お寿司 𝕏 @osushi_cr X 第6回 AIエージェントソフトウェア開発勉強会 アカウント 個人サイト AI PRODUCT BUILDER