「IT業界のデリバリーにおける生成AI活用」と「ガバナンス」について考えてみる
はじめに
AIと聞くとチャットボットや画像生成を想像しがちですが、AIの進化は凄まじく、ITのデリバリー現場では「成果物作成」と「進捗・リスク管理」を支える裏方として急速に浸透していくと思われます。本記事では、膨大な書類作成や状況整理に追われる時間を減らし、人が判断と調整に集中するための2モデルとガバナンスについて考えてみた内容をまとめます。
1. 活用法1：成果物作成
AI活用でまず効果が出やすいのが、提案書や設計書などのドキュメント作成です。文章をそれっぽく作る存在ではなく、必要な材料を統合して、高品質な“たたき台”を組み上げます。
-
インプット（人が集める）
- 静的な情報：社内ルール、成果物テンプレート、レビュー基準、過去の良い事例など
- 動的な情報：会議資料、既存の納品物など、進行に伴って更新される情報
-
アウトプット（AIが作る）
- 提案書・設計書の案（たたき台）：専門家がレビューして仕上げる前提の下書き
さらに、このたたき台を次の工程に渡すことで、生成AI搭載エディタ等が 後続工程の設計書やコードを起こすこともできます。重要なのは「ドラフト作成の時短」に留まらず、成果物を連鎖させて 各工程をつなぐ開発案件のアクセラレーターになり得る点です。人は「ゼロから書く」から、「レビューして磨き上げる」へ役割が移り、プロジェクト全体の立ち上がりを速められます。なお、従来のLLMやモデルで扱いきれない大量のドキュメントを要する場合は、AntigravityやCursorなどのAIエディタを活用すると良いでしょう。
2. 活用法2：プロジェクト管理（進捗・リスクの見える化）
次はプロジェクト管理（PM）での活用です。AIは状況を常時集約し、意思決定を助けます。
-
インプット（人が集める）
- 静的な情報：スケジュール、マイルストーン、スコープ、優先順位、判断基準
- 動的な情報：作業ログ、変更ログ、障害・問い合わせ、レビュー結果など日々のデータ
-
アウトプット（AIが可視化する）
ダッシュボード（例）- 予実（計画と実績）
- 品質（不具合・レビュー指摘・テスト状況）
- 運用状況（問い合わせ、障害傾向、対応滞留）
見える化すると、問題が起きてから動く管理（事後対応）から、問題が起きる前に手を打つ管理（事前手当）へ切り替えられます。「今遅れているか？」ではなく、「直近の進捗と変更傾向から、来月どこが危ないか？」「今日どのリソースをどう動かすべきか？」という、未来に向けた判断へ時間を使えるようになります。
3. ガバナンス（安全かつ適切に動き続けるための仕組み化）
ガバナンスでのAI活用は、AIの前後に“ゲート（検査・制御・記録）”を置き、事故が起きにくい運用にする という考え方です。ポイントは AIに安全を丸投げしない ことです。ルール＋AI＋人の承認の組み合わせで回します。
3-1. 事故の種類
- 情報漏洩：機密・個人情報・顧客情報・ソースコード・設計書を外部に送る
- 誤判断・誤実装：ハルシネーションにより誤仕様・誤コード・誤手順が拡散する
- 権限・コンプラ違反：権限外情報の参照、監査ログ不足
- 品質事故：脆弱性混入、テスト抜け、運用設計漏れ
- コスト暴走：トークン過多、無駄な呼び出し、無制限利用
3-2.安全に回す「4つのゲート」と AI活用イメージ
3-2-1. 入力ゲート：漏洩を仕組みで起こしにくくする
-
機密/個人情報を検知し、マスキング・ハッシュ化
- ルール：正規表現（メール・電話・住所・IDなど）で検知
- AI：文脈から「顧客名っぽい」「契約情報っぽい」を推定して警告
-
禁止入力の自動ブロック
- 原則、社内モデル・閉域RAGを利用する
3-2-2. コンテキストゲート：権限違反・誤根拠を防ぐ
-
権限付きRAGの実装
- ユーザー権限に応じて、検索対象を絞る
-
ソース提示の強制（文書ID・版数・更新日）
- 根拠が出ない回答は「要確認」扱いにする
-
版管理・有効期限でフィルタ
- 廃止仕様や古い手順書の混入を防ぐ
3-2-3. 出力ゲート：誤りや危険行動の拡散を抑える
-
出力の安全性チェック（ルール＋AI）
- 例：「本番DB削除」など危険操作が含まれたら警告・遮断
-
確からしさラベル付け
- 「要レビュー」「推測」などを自動付与
-
承認フロー（Human-in-the-loop）
- 例：顧客回答文、リリース手順、障害対応手順は「AI下書き→人の承認」を必須化
-
テンプレート強制
- 例：顧客向けは「事実／推測／次アクション／確認事項」の型に固定する
3-2-4. プロセス＆監査ゲート：監査対応・再発防止・継続改善
-
監査ログの自動収集
- 誰が、何を、どのモデルに、どんなデータで、何を出力したか
-
インシデント時の追跡性
- どのプロンプト・どのナレッジ・どの版が原因か辿れる
-
継続評価（Evals）
- 危険回答率、根拠なし回答率、機密混入率などを定期測定
-
傾向分析
- ログから「どの工程で何を入れがちか」を要約し、教育や改善に回す
おわりに
AIは、成果物の高品質なたたき台生成と、進捗・リスクのリアルタイム可視化でデリバリーを加速します。重要なのは、人がインプットを整え、AIの出力をレビューして価値に変えることです。入力・コンテキスト・出力・監査の4ゲートを設計し、SaaS/閉域の前提に合わせて事故を起こしにくく運用することが導入成功の近道と考えます。
Discussion