バイブコーディングの普及とその圧倒的な効果
所氏は専門商社勤務を経て、1999年にトランスコスモスへ入社した。顧客コミュニケーションを最適化するサービスの開発・運用を担当し、LINEを利用したチャットサポートの黎明期から、サービスの立ち上げにいち早く着手し、実装まで導いた実績を持つ。
現在はトランスコスモス株式会社の上席常務執行役員としてグループ全体のシステム開発を統括する傍ら、戦略子会社である株式会社トランスコスモス・デジタル・テクノロジーの代表取締役社長として、受託開発やコールセンター・BPO向け自社プロダクト開発の最前線を率いている。
近年、ソフトウェア開発の現場を一変させたのが「バイブコーディング」と呼ばれる開発スタイルである。所氏は、この手法が急普及した契機として、2025年2月にOpenAIの創設メンバーであるアンドレイ・カルパシー（Andrej Karpathy）氏がX（旧Twitter）へ行った投稿を挙げた。
カルパシー氏は投稿の中で「新しい種類のコーディングがあり、それをバイブコーディングと呼んでいる」と提唱した。AIと1対1で向き合い、コードの存在すら忘れるほど場のノリ（バイブス）に身を任せてシステムを作り上げるアプローチは、世界中のエンジニアコミュニティで大きな反響を呼んだ。
バイブコーディングが急速に浸透した背景には、開発者が感じる面白さだけでなく、ビジネスにおける「圧倒的な工数削減効果」が存在する。トランスコスモスが2025年夏に実施した社内検証では、効果が明確な数値として表れた。
検証では、React、Node.js、TypeScriptをベースとし、AWSのサーバーレス構成を採用した社内向けToDoアプリの開発を実施した。従来の開発手法による想定工数は15.5人日（要件整理0.5人日、構成検討1.0人日、基本設計1.0人日、詳細設計2.0人日、実装5.0人日、単体テスト4.0人日、結合テスト3.0人日）であった。しかし、バイブコーディングを用いて開発を行ったところ、わずか2.0人日未満で高品質なアプリが完成した。これは87％の工数削減を意味する。
所氏は「体感的な工数削減は理解していたが、数値として明確に示されたことで強い衝撃を受けた」と振り返り、この圧倒的な生産性向上こそが開発の常識を書き換えた原動力であると強調した。
バイブコーディングの弱点と立ちはだかる「大規模開発の壁」
劇的な成果を受け、同社は組織的にAI駆動開発の業務適用を進めた。しかし、実務において大規模システムへ適用しようとした際、現場は「大きな壁」に直面した。
所氏は当時の課題について「バイブスのノリだけでは、ToDoアプリのような小規模システムは作れても、大規模なエンタープライズシステムには適用できないという壁に突き当たった」と振り返る。エンタープライズ開発に求められる厳格な品質保証、セキュリティ確保、ガバナンス遵守に対し、バイブコーディングの弱点が浮き彫りになったのだ。
さらに所氏は、バイブコーディング特有の構造的な問題点を分析する。それは、バイブコーディングの恩恵を最大限に享受できるのが、エンジニアのスキルピラミッドにおいて頂点に立つ「トップレベルのフルスタックエンジニア」に限られるという点である。
従来型の開発工程では、要件定義、基本設計、詳細設計、実装・コードレビュー、テストといった各フェーズに対し、エンジニアが自身の持つスキルレベルに応じてアサインされる仕組みであった。一方、バイブコーディングでは、頭の中にあるイメージをプロンプトで言語化し、AIにコードを書かせるサイクルを高速で回転させる。その結果、課題の本質から逆算して最短距離で価値を形にし、抽象と実装を自在に往復しながらAIを部品として使いこなせるトップ層だけが「自分で書いた方が早い」という理想を実現できる環境になっていたのだ。
しかし、出現確率が数％に満たないトップレベルのフルスタックエンジニアだけで大規模な開発組織を構成することは不可能に近い。一般層のエンジニアであってもAI駆動開発のメリットを活かし、エンタープライズ規模の開発を成功させる「新たな仕組み」の構築が急務となっていた。
ウォーターフォール×AIで実現する「Waterfall Boost」の全貌
一部の天才的なエンジニアに依存せず、大規模開発と開発標準化を両立させる仕組みが必要とされた。そこでトランスコスモスが独自に開発・構築したのが、AI駆動開発環境「Waterfall Boost」である。
この名称が示す通り、本環境はアジャイルではなく、既存の開発手法である「ウォーターフォール」の工程を踏襲するアプローチを採用している。一般的にAIを活用した開発ではアジャイルへ傾斜しやすい。しかし、同社がウォーターフォールを選択した理由は、大規模開発における品質担保の容易さにある。ウォーターフォールの厳格な工程を踏襲しつつ、AIの力で各工程の作業時間を大幅に圧縮することで、品質担保と工数削減の双方を同時に成立させている。
Waterfall Boostの構築において特筆すべきは、「Agent Knowledge Base」を活用した完全な中央集権型のナレッジ管理である。一般的なAI駆動開発では、CursorやVS CodeといったAI駆動開発IDEのローカル環境にルールファイルが配置されがちである。これに対し同社は、MCP（Model Context Protocol）を経由して中央のナレッジベースに接続する構成をとっている。
ここには、同社が40年以上におよぶSI事業で培ってきた業界別のノウハウ、プロンプト集、ドキュメント規約、コーディング規約、ライブラリや再利用可能なUIコンポーネントなどが集約されている。
所氏は「AI駆動開発の実践はゴールではなく、手段にすぎない。目指すべきゴールは『開発標準化』である」と明言し、ルールやノウハウを厳格に遵守させる仕組みの重要性を強調した。
エンタープライズ開発を支える3つのAIエージェント
Waterfall Boostは、それぞれ異なる役割を持った3つのAIエージェントが連携することで機能する。
1. Procedural Agent：人の怠けを許さずプロセスを完遂させる
1つ目の「Procedural Agent」は、AIが開発プロセスを主導・自動化し、エンジニアをリードする役割を担う。Phase 1（要件定義）からPhase 7（保守運用）に至るウォーターフォールの全フェーズにおいて、実行タスクと成果物を理解し、人間と対話しながら開発を進行させる。
- Phase 1：要件定義（要件定義書）
- Phase 2：基本設計（基本設計書／ADR）
- Phase 3：詳細設計（詳細設計書／設定ファイル）
- Phase 4：反復開発・実装（実装コード／Pull Request）
- Phase 5：結合テスト（テスト結果／品質レポート）
- Phase 6：本番リリース（リリースノート／デプロイ記録）
- Phase 7：保守運用（改善PR／運用ドキュメント）
ウォーターフォール開発において後工程で不具合が頻発する最大の原因について、所氏は「人間が途中の工程を省くなどして怠けてしまう点にある」と指摘する。Procedural Agentの最大の特長は、この「人間は怠ける」という前提に立ち、人を怠けさせないガードレールとして機能する点にある。
エージェントはAgent Knowledge Baseに蓄積された過去の仕様書などを参照しつつ、「この情報はどうなっているか」「クライアントの意向はどうか」とエンジニアに問いかけ、必要な情報が揃わなければ作業を止めて確認を促す。この結果、上流工程の経験が浅いエンジニアであっても抜け漏れのない高品質なドキュメントを作成できる。
同時に、この環境下では「AIがやるべき仕事」と「人がやるべき仕事」が明確に切り分けられている。ドキュメントの草案作成やコード生成、設定ファイル生成といった時間がかかる作業はAIが担い、人間はレビュー、確認、承認、そして最終的な意思決定といったタスクに集中するため、大幅な工数圧縮が実現する。
2. QA Agent：7人の賢者がドキュメント品質を厳格に評価
2つ目の「QA Agent」は、上流工程の品質課題を解決するためのエージェントである。Procedural Agentが作業を促しても、レビューを行う人間側の経験が浅ければ抜け漏れを見落とすリスクが残る。そこでQA Agentは、中間成果物であるドキュメントをマルチLLMによって評価し、改善点をフィードバックする。
この評価システムは「七賢者のドキュメントレビュー」と呼ばれ、7つの明確なペルソナを持ったAIがそれぞれの観点から厳格なチェックを行う。
- 守りの賢者（シールドマスター）：リスク重視型。不確実性やリスクの有無を厳しく監視。
- 要件の賢者（チェックリストキーパー）：要件充足型。明記されているか、合理的に推測できるかを重視。
- 現場の賢者（オペレーションガイド）：実務運用型。運用できるかを最重視し、曖昧な点は「NG」と判定。
- 品質の賢者（クオリティセイジ）：品質保証型。検証可能か、受入品質基準が定義されているかを重視。
- 規律の賢者（ガイドラインウォッチャ）：ガバナンス重視型。意思決定材料の網羅性や説明責任を重視。
- 価値創造の賢者（バリューストラテジスト）：バリュー・競争力型。市場で「刺さる提案」か「勝てるか」を重視。
- 構造の賢者（システムアーキビルダー）：アーキテクチャ型。拡張性、保守性、整合性、技術選定の理由を重視。
提出されたドキュメントはQA Agentによってスコアリングされ、AIによる評価で合格判定が出ない限り、次の工程へ進むことはできない。所氏によれば、同仕組みは1年半ほど前から通常のウォーターフォール開発へ導入されており、品質管理に大きく貢献してきた実績を持つ。
3. Coding Agent：意識させない標準化とコンポーネント再利用
3つ目の「Coding Agent」は、AIが生成するソースコードを制御し、開発標準化を推進するエージェントである。AI生成コード特有のブラックボックス化による著作権侵害や脆弱性混入のリスクを防ぐため、Coding Agentは常にAgent Knowledge Baseへアクセスし、自社開発ポリシーやコーディング規約に則った安全なコードのみを生成する。
さらに重要な役割が、「エンジニアに意識させない開発標準化」の実現である。現場における開発標準化は、エンジニア個人の裁量や書き癖によってルールから逸脱しやすく、徹底が難しい課題であった。しかしCoding Agentを介することで、AIはエンジニアからの指示よりもナレッジベースの情報を優先して従うようになる。
例えば、新たに実装する機能と同等のものが既にコンポーネントとして開発済みであれば、AIは自発的にその知財を再利用する。また、特定のUIを使うルールが存在すれば、エンジニアが細かく指定しなくても自動的にポリシーに沿ったUIが組み込まれる。これにより、エンジニアがルールを意識しなくても、システム側で標準化が担保される環境が完成した。
開発効率の最大化を目指す「コンポーザブルアーキテクチャ」とは
同社がWaterfall Boostの先に見据えて取り組んでいるのが、「コンポーザブルアーキテクチャ」への挑戦である。ログイン機能やユーザー管理機能、ダッシュボード機能など、頻繁に利用される機能を独立したコンポーネントとしてあらかじめ開発しておき、それらをブロックのように組み合わせてシステムを構築する設計思想である。
従来、要件や開発言語、セキュリティレベルが多岐にわたる受託開発の現場において、コンポーザブルアーキテクチャを横断的に推進することは極めて困難であった。しかし、Waterfall BoostとAI駆動開発を組み合わせることで、多様な要求に応えられるコンポーネントの大量開発と柔軟な統合が可能となり、開発工数のさらなる圧縮と効率化を実現していく構えだ。
AI駆動開発による工数削減効果と「10の構造変化」
トランスコスモス社内でのWaterfall Boostを利用した開発では、2000万円から3000万円規模のミドルサイズシステムにおいて、最大で約51％（51.02％）の工数削減率を達成した。技術スタックが複雑な難易度の高い案件であっても、約30％（30.76％）の工数削減が実証されている。
所氏は「ニュースなどで『10分の1に削減された』という事例と比較すると、30％〜50％という数字は控えめに見えるかもしれない。しかし、他手法で30％の工数を削減することは容易ではない。上流工程の経験が浅いエンジニアでも品質を担保しながらAI駆動開発を実践できる点を含め、非常に優れた成果である」と述べる。
さらに所氏は、工数削減の裏で開発現場の本質的な「10の構造変化」が起きていると警鐘を鳴らす。変化を正しく認識できなければ、AI駆動開発の真価を引き出すことはできない。
セッションの最後に同氏は「工数削減の裏で起きている構造変化を認識しなければ、人月単価の崩壊に巻き込まれ、業界全体が困窮してしまう」と懸念を示した。
AI駆動開発によって工数が削減されたからといって、従来のビジネスモデルのまま単価を切り下げるのは本末転倒である。所氏は「短期間で顧客へ成果物を提供できるようになったこと自体が最大の価値である。価値を正しく顧客へ伝え、適切な単価を請求できるビジネスモデルへの転換が必要だ」と語り、業界全体の意識改革を呼びかけた。
トランスコスモス・デジタル・テクノロジーでは今後、自社開発にとどまらず、事業会社の内製開発チームやプロダクトマネージャー（PM）、さらには同業のSIerに対してもWaterfall Boost環境を提供していく計画である。品質、ガバナンス、開発標準化をシステムレベルで担保する同取り組みは、これからのエンタープライズ開発を変革する強力なモデルケースとなるだろう。
トランスコスモス・デジタル・テクノロジーからのお知らせ
本セッションでご紹介したサービスにご興味を持たれた方は、ぜひ公式サイトをご覧ください。
