AIツールの個別導入が直面した「3つの壁」
開発プロセス全体を加速させるべく、HondaのIVI開発現場でもV字モデルの各工程に対して個別にAIツールの適用が試みられた。しかし、従来の開発手法やドキュメント構造のままAIを導入した結果、3つの大きな構造的課題（壁）に直面することとなった。齋藤氏はその壁を次のように分析する。
第一に「トレーサビリティの壁」である。AIを活用することで特定の関数やモジュールのソースコード自体は瞬時に作成できるようになった。しかし、そのコードがどの要求仕様に対応し、どのテストケースで検証されるべきかという「工程間の紐付け」作業は、依然として人間の手作業として残されてしまった。
第二に「同期更新の壁」である。仕様変更や不具合修正が発生した際、コードを書き換えるだけでなく、上位の要求仕様書から詳細設計書、テスト仕様書に至るまで、関連する複数工程の中間成果物を整合性を保ったまま更新しなければならない。この複数成果物の同期作業も人手に頼っていたため、コード生成のスピードにドキュメント追従が追いつかないという問題が発生した。
第三に「データ可読性の壁」である。従来の仕様書や設計書は、人間が読むことを前提として作成されていた。そのため、Excelの複雑なレイアウトやConfluenceの自由記述ページなど形式が統一されておらず、さらにHonda内部とサプライヤー企業の間で分散して保管されていた。結果として、AIにコンテキストを参照させようとしても、全体を横断的に読み込ませることができない構造になっていた。
齋藤氏は「リンクの自動付与、中間成果物の自動同期、探しやすいデータ土台の構築。これら3つを根本から解決しない限り、いくら個別の工程に優秀なAIツールを投入しても、開発全体を加速させることは不可能だ」と語った。
開発プロセスは変えず担い手を変える「AI-Native」構想
構造的課題を打破するためにHondaが提示した解が、開発組織のあり方を根本から再定義する「AI-Native」構想である。
「AI-Native」の最大のポイントは、自動車業界で長年培われてきたAutomotive SPICEやV字モデルといった開発プロセスのフレームワークや成果物の定義そのものは変えないという点にある。車載品質を守るための厳格な枠組みは維持したまま、成果物を「誰が作るのか」という担い手を人間からAIへと全面的に入れ替えるのだ。
この構想を実現するため、まず基盤として全工程の成果物やマスターデータを一元的に集約するナレッジ基盤「SSoT（Single Source of Truth：信頼できる唯一の情報源）」を構築する。各工程における仕様書や設計書、テストケースの作成といった作業はすべてAIエージェントが担当し、SSoTを参照しながら自律的に成果物を生成してアップロードする。
では、人間のエンジニアはどのような役割を担うのか。人間は自らドキュメントやコードを書く手作業から解放され、AIが生成した成果物が妥当であるかを検証し、工程ごとのPassingを判断する「承認ゲート（Gatekeeper）」の役割に専念する。人間が承認ゲートを通過させると、そのシグナルを受けて次工程のAIエージェントが自動的に起動し、V字モデル全体が一本の統合されたパイプラインとして自律的に流れていく仕組みだ。
組織におけるAI活用フェーズの進展について、齋藤氏は次の3段階で整理している。
- AI-Assisted（現在の多くの現場）：人間が主たる作業者であり、AIを利便性の高い「道具」として部分的に利用している状態。
- AI-Native（Hondaが現在目指す姿）：AIが各種成果物の作成を主体的に行い、人間は成果物の妥当性を評価・承認するゲート役に回る状態。
- AI-Managed（将来的な理想像）：人間の関与を最小限に抑え、AIがパイプライン全体を一貫して自律制御・運用する状態。
さらに齋藤氏は「便利ツールとして各個人に自由にAIを使わせるスタイルでは、活用レベルの個人差が生まれ、組織全体の開発能力向上には結びつかない。誰もが必ず通る開発プロセスやCI/CDの仕組みの中に、最初からAIを不可分な構成要素として組み込むことが極めて重要だ」と力説した。
仕様書のAI可読化が生んだ成果
HondaのIVI開発現場では、この「AI-Native」構想に向けた具体的施策がすでに着々と進行している。齋藤氏は、先述した「3つの壁」に対応する施策の現在地と具体的な成果を明かした。
まず「データの壁」に対する施策として進行しているのが「仕様書のAI可読化（AI-Readable化）」である。従来ExcelやWordなどで作成されていた膨大な仕様書や設計書を、Markdown、YAML、Mermaidといった、AIが容易に構造を理解・編集できるフォーマットへと変換し、SSoTマスターデータとして再構築している。
このAI可読化された仕様データを活用することで、すでに現場では以下のAIエージェントが稼働し、劇的な工数削減を実現している。
- 仕様書QAエージェント：SSoTに集約された最新仕様をAIが探索し、他部署からの仕様問い合わせに対して根拠となるドキュメント名や該当箇所を明示した上で即座に回答する。ハルシネーションの発生を抑えつつ、問い合わせ対応時間を大幅に縮小させた。
- 不具合解析エージェント：市場やテストで発生した不具合ログを解析する際、AIがSSoT内の関連仕様書を自律的に参照・照合することで、原因箇所の特定精度が飛躍的に向上。解析時間を大幅に削減することに成功した。
次に「トレーサビリティおよび同期の壁」に対する施策として推進されているのが「ナレッジへのCI品質ゲートの構築」である。
ソースコードのビルドテストと同様に、ドキュメントや設計成果物に対してもCIパイプラインによる自動検査メカニズムを導入した。AIが作成した仕様書やテストケースに対し、要求IDとの紐付け漏れ、用語の表記揺れ、形式的な矛盾といった誤りをCIゲートが機械的にチェックして弾く。これにより、人間がレビュー時に誤字脱字や形式チェックに時間を奪われることがなくなり、「この仕様は車載プロダクトとして本当に妥当か」「設計思想に無理はないか」という高度な本質的判断だけに集中できる環境が整いつつある。
一方で、現状の課題として齋藤氏は「ドキュメント化されていない暗黙知のSSoT化」と「V字全体を全自動で貫くパイプラインの構築」の2点を挙げる。ベテランエンジニアの頭の中にしかないノウハウや過去のトラブル対応履歴をいかにAIとの対話を通じてテキスト化し、SSoTに取り込んでいくか。商用開発の現場において、個別の工程で成果を上げているAIエージェントをいかに一貫したパイプラインとしてつなぎ合わせるかが次なる挑戦となる。
