Genki Hagiwara

AI-DLC（AI-Driven Development Lifecycle）を前提に、意思決定 → 要件 → 実行 → 運用改善が一気通貫で回る 開発運用基盤（Context Planning Layer × Execution & Operating Layer）へ移行。 AIが“都度賢くなる”のではなく、AIが確実に働ける前提（コンテキスト整備・テンプレ化・ガードレール・証跡）を設計し、スループットと運用品質の両方を底上げした。 取り組み概要（AI-DLC） 1)Inception Phase（意思決定・要件定義・コンテキスト整備） リポジトリ / CI/CD / 監視 / 運用手順 / 変更履歴を棚卸しし、論点・制約・リスク・依存関係を構造化 要件定義を「議論」ではなく成果物（テンプレ）として固定化 論点整理、要求仕様、受入条件、実行計画、影響範囲、ロールバック、運用観点まで含む ADR / Runbook / 設計メモの標準フォーマットを整備し、AIが “Context Compiler” として 資料集約 → 要件整理 → 実行計画 → Issue草案生成まで再現可能な状態を構築 権限・承認・監査観点（HITL/証跡）を前提に、AI活用のガードレール設計を組み込み 2)Construction Phase（実装・運用実行：Issue/PR駆動へ移行） 作業をIssueで分割し、AI支援で 差分生成 → テスト → レビュー を回すフローに移行 CI/CD品質ゲートを整備（例：lint/test/scan、マージ要件、レビュー観点の標準化） 変更管理を“運用可能な形”まで落とし込み 承認フロー / 切り戻し手順 / 変更理由（ADR紐づけ）/ 監査証跡（誰が何をなぜ）を一体化 3) Operations Phase（障害対応と学習ループの実装） 監視・アラートを再設計（ノイズ削減、一次切り分け可能な粒度へ） インシデント運用を Intake → Runbook → Postmortem で標準化し、対応後に ナレッジをWrite-back（Runbook/ADR/設計メモへ反映）する学習ループを設計 「人が覚える運用」から「仕組みが育つ運用」へ移行