関連スライド
Meta XR SDK(V66-74)でQuestアプリを開発
あうぜん
1.2M
各ページのテキスト
北海道 AI x IoT ビジネス共創ラボ 「AIエージェント時代の到来。現場を変える、ビジネスを変える」 AI Agent を用いた AI Coding の取り組みと将来像 ㈱テクノフェイス 丸山 哲太郎 Copyright © 2002-2026 Technoface Corporation. All rights reserved.
注意事項 ● AI Agent および AI Coding は 各社が競って開発し、日々進化している分野です ● 故に、本日説明する各種名称は、 各社・各ソフトウェアで異なる可能性があります Copyright © 2002-2026 Technoface Corporation. All rights reserved. 2
株式会社テクノフェイス 弊社は、北海道の公共団体様や、北海道大学を始めとする道内教育機関様、地場および道外の多くの 企業様の支援を受けて、北海道大学発R&Dベンチャー企業として2002年に設立されました。 会社概要 商号 株式会社テクノフェイス 設立 2002年4月 資本金 9,900万円 所在地 札幌市中央区北１条西３丁目３番地 敷島北１条ビル６階 従業員数 正社員36名（2026年6月現在） 主な取引先 KDDI株式会社 日本電気株式会社 NTTコムウェア株式会社 ソニー株式会社 株式会社KDDI研究所 ピースミール・テクノロジー株式会社 NECソリューションイノベータ株式会社 マイクロソフト株式会社 札幌総合情報センター株式会社 ソフトバンクモバイル株式会社 独立行政法人情報処理推進機構 株式会社HARP 株式会社ソフトコム 札幌市、さっぽろ産業振興財団 北海道科学大学、北海道大学 室蘭工業大学、公立はこだて未来大学 株式会社ウチダシステムズ 株式会社東和エンジニアリング 他（敬称略・順不同） 加盟団体 一般社団法人 北海道IT推進協会 【常任理事】 札幌商工会議所 【情報部会役員】 一般社団法人 さっぽろイノベーションラボ 【代表理事】 一般社団法人 北海道モバイルコンテンツ 推進協議会 一般社団法人 北海道オープンデータ推進協議会 Copyright © 2002-2026 Technoface Corporation. All rights reserved. 3
自己紹介 ● 東京大学大学院工学系研究科 修了 ● 職歴： ○ 富士通研究所（現：富士通） ■ ○ リクルートコミュニケーションズ ■ ■ ■ ○ Data Scientist: リクルート各社の業務課題に対するAIコンサル・分析 Machine Learning Engineer: Web 広告を表出する等のAI開発 Data Engineer: アクセスログを収集・集約するデータパイプライン開発 メルカリ ■ ■ ○ 企業向け大規模ネットワークストレージの研究開発 AIチームの Engineering Manager Machine Learning Engineer: カスタマーサービス部門に向けたAI開発 テクノフェイス ■ ■ 取締役 兼 General Manager Data Scientist, Machine Learning Engineer: 受託での分析・AI開発 Copyright © 2002-2026 Technoface Corporation. All rights reserved. 4
AI Coding ● 生成 AI を用いたプログラム生成（AI Coding）は急速に進化中 ○ ○ ○ ○ ○ ○ 出力するプログラムの精度向上 プログラムと仕様書を同時に生成する 既にあるプログラムから仕様書を作成する ある言語で書かれたプログラムを他言語に移植する プログラムをレビューし、その問題点を自動的に解決する バグ報告を受けて、そのバグを自動的に解決する ● AI Coding により生産性が桁違いに向上する可能性 ○ 今後、必須スキルになる可能性が十分にあり得る ソフトウェアエンジニアは AI Coding の発展によって その職を失う可能性が非常に高い ⇒ AI Coding を最大限活用し、社会の仕組みを変えていく Copyright © 2002-2026 Technoface Corporation. All rights reserved. 5
AI Coding の将来像 ● イーロン・マスク氏の構想（日経新聞）（Ledge.ai）（Bloomberg） ○ ○ ○ Optimus V3 の生産を本年中に開始、2027年末には一般販売開始 「ロボットがロボットを作る」ことにより大量生産を可能にする すべての産業および家庭にロボットを配備し、変革を起こす ● AI Coding の目指すべき未来 ○ 「AI が AI を含むシステムを作る」 ○ 真に人間に役立つシステムを 必要最小限のコスト（時間・労力）で作る ○ 人間はより「クリエイティブ」で「人に密接した」分野に 集中する Copyright © 2002-2026 Technoface Corporation. All rights reserved. 6
なぜ AI が必要とされるのか ● 多くの企業・団体に何らかの IT システムは導入されている ● しかし、労働力問題や働き方の問題は依然として存在している 従来の IT システムには根本的な問題が存在する ○ ○ 単純な仕組みやルールでは実装できない、複雑な処理 経験や暗黙知に頼る判断・処理 「ドメイン知識」 ● 生成 AI の登場により、これらを自動化する機運が高まる ○ ○ 生成 AI 自体はただの「自動文章生成器」 ドメイン知識という非構造化データを用いて、従来の IT システムでは実 現できない処理を自動化できるという成功体験 人間は自分自身を知ることが最も難しい （古代ギリシャの哲学者、タレス） AI という道具を使って 明文化・自動化する試み Copyright © 2002-2026 Technoface Corporation. All rights reserved. 7
AI Coding に必要なもの ● Coding に対応した LLM（Large Language Model） ○ GPT-Codex（OpenAI）, Claude Opus（Anthropic） ■ GPT（OpenAI）, Gemini（Google）等は汎用 LLM ● AI Agent（AI Coding 用アプリ） ○ Codex（OpenAI）, Claude Code（Anthropic） ■ ChatGPTはどちらかといえばこのカテゴリ（Chat 用アプリ） ● 作成したい対象に合わせた AI Agent の各種設定 ○ INSTRUCTION ○ 【オプション】SKILLS ● 【オプション】LLM に機能を追加する AI Agent のプラグイン ○ MCP（Model Context Protocol）サーバ等 Copyright © 2002-2026 Technoface Corporation. All rights reserved. 8
AI Agent 周りの構成 設定（プログラム仕様） プロンプト （要望） INSTRUCTION SKILLS AI Agent LLM MCP Client MCP Server 追加機能 プログラム 仕様書 Copyright © 2002-2026 Technoface Corporation. All rights reserved. 9
RAG と AI Coding の違い RAG AI Coding プロンプト （要望） プロンプト （質問） アプリ 質問の内容に近い 知識を検索 DB Client LLM 回答 INSTRUCTION AI Agent SKILLS 知識DB 得られた知識を サンプルとして プロンプトに追加 サンプルを参照し 適切な回答を生成 質問に対して関連情報を検索し、 回答を「生成」する LLM MCP Client MCP Server LLMが必要と 判断した時に 情報を参照・取得 プログラム 仕様書 要望に対して自律的に計画を立て、 ツールを使いこなしタスクを「完遂」する Copyright © 2002-2026 Technoface Corporation. All rights reserved. 10
AI Coding の進化の歴史 AI Coding が謳われてからほんの数年だが、その間にも激しく進化している Vibe Coding ● ● ● プログラムの一部分（関数）レベルで作成 特定の関数に対するテストプログラムを作る 「この部分を〇〇するようにして」というレベル Spec Driven Development (SDD: 仕様駆動開発） ● ● ● 曖昧な要望から仕様書を作成 仕様書に基づき自動的にタスク分割 タスクに基づき、プログラムを作成 Multi-Agent Orchestration ● ● ● 曖昧な要望から仕様書・プログラムを一気に作成 プログラム中に現れた問題・課題を自律的に発見・修正 相互レビュー・LLM の使い分けなども可能 Copyright © 2002-2026 Technoface Corporation. All rights reserved. 11
Multi-Agent Orchestration 一般的な AI Coding プロンプト （要望） Multi-Agent Orchestration プロンプト （要望） INSTRUCTION AI Agent INSTRUCTION AI Agent SKILLS LLM プログラム MCP Client MCP Server SKILLS LLM Conductor LLM Planner LLM Planner LLM Planner LLM Worker LLM Worker LLM Worker MCP Server 仕様書 プログラム 仕様書 Copyright © 2002-2026 Technoface Corporation. All rights reserved. 12
社内事例 ● Excel 管理からの脱却 ○ ○ ○ Excel ファイルを入力として各種仕様書を作成 その仕様書に基づき、DBを含むシステムを作成 メンバー：１名 期間：数日 ● 巨大な仕様書からのシステム作成 ○ ○ ○ 巨大な仕様を DB 化 これを参照してシステム実装 メンバー：１名 期間：１か月程度 ● 迅速な開発と営業活動の変化 ○ ○ ○ 「こういうシステムが欲しい」という曖昧な要望からスタート メンバー：１名 期間：１週間程度 で Mock を作成 実際に動くシステムを見せながらクライアントと検討が出来るように Copyright © 2002-2026 Technoface Corporation. All rights reserved. 13
最新トピック ● 2026/02/25：Hermes Agent（2026/05/10 頃、日本でも話題に） ○ 日々の作業が使う毎に賢くなる ■ ■ ○ Prompt Template が最善になるように自動改善 Template から Skills への自動昇格 AI Agent をより自動化へと導く汎用ツール ● 2026/06/10：Claude Fable 5 の発表 ○ ○ 非常に高精度だったが、２日後には米国政府により利用停止 近年の LLM 発展速度を鑑みれば、１年後には同等の性能を持ち、より低 スペックの環境で動作するモデルが出てくると予想される ● 2026/06/22：Sakana.AI Fugu のリリース ○ ○ ○ Agent ではなく、LLM が最適な配下の LLM を使う 「純国産」という価値 LLM Vendor の制約・思惑を超えた利用が可能 Copyright © 2002-2026 Technoface Corporation. All rights reserved. 14
我々の目指すもの ● 現時点での限界 ○ ○ AI に与える「ドメイン知識」として、何が・どのような形であることが 最適なのか、まだ明らかにされていない 「AI が AI を含むシステムを作る」までには、まだ至っていない ● 我々の思い：真に人間に役に立つシステムの自動生成 OK 各業務（Workflow）ボタン 人間が0→1を生み出すための情報 （アイデアの源泉） ポータル画面 AIを含む処理 NG AI 処理 結果 業務の 判断・改善 に繋がる 情報 AI処理結果画面 ● 我々の将来：全エンジニアは FDE（Forward Deployed Engineer）に ○ ○ 顧客の課題発見・要件抽出そして実装・運用改善を一気通貫に伴走する 人間と、その人間が生み出すものに向き合う Copyright © 2002-2026 Technoface Corporation. All rights reserved. 15