【要約】4AI協働開発記 — ボウリング場予約システムをChatGPT・Copilot・Gemini・Claudeでリレー開発した話（技術深掘り版） [Zenn_Python] | Summary by TechDistill
> Source: Zenn_Python
Execute Primary Source
// Problem
開発者がAIを用いた効率的な開発を目指す中で、設計の不備や実装時の環境トラブルに直面した。単一のAIに依存すると、設計の深さやレビューの視点が不足し、後工程での手戻りが発生するリスクがある。具体的には以下の課題が挙げられる。
- ・要件定義における仕様の曖昧さによる設計への悪影響。
- ・DB設計における正規化不足や、物理レーンと予約単位の整合性欠如。
- ・実装段階でのbcryptのバージョン競合や、OSのセキュリティ制限による実行エラー。
// Approach
開発チームは、4つの異なるAIに役割を分担させ、リレー形式で開発を進める手法を採用した。各AIの得意領域を定義し、バトンを渡すことで、設計の多角的な検証と実装の高速化を図った。
- ・ChatGPTによる、段階的な要件定義書の作成と仕様の言語化。
- ・Copilotによる、4テーブル構成（Users, LaneSets, Lanes, Reservations）の設計とAPI定義。
- ・Geminiによる、DB設計のレビューおよび外部キー制約やタイムスタンプの追加提案。
- ・Claudeによる、FastAPIとStreamlitを用いた実装および環境トラブルのデバッグ。
// Result
開発プロセスを通じて、AI間の設計の差異を検出し、最終的に動作するMVPを構築した。役割分担が計画通りに進まない「ゆらぎ」を、設計の再定義に繋げることで品質向上を実現した。
- ・AI間の設計の不一致を検出し、要件定義の改訂に活用した。
- ・FastAPI、SQLite、Streamlitを用いた、型安全で動作可能なシステムを完成させた。
- ・AI協働開発において、役割を動的に調整しながら進める重要性を実証した。
Senior Engineer Insight
> AIを単なるコード生成器ではなく、役割を持たせた「チーム」として扱う視点が極めて実践的だ。特に、Geminiのレビューによって設計の「ゆらぎ」を検出し、要件へフィードバックするプロセスは、マルチAI環境における品質管理の要となる。ただし、ライブラリの競合やOS依存のエラーは依然として発生しており、これらを解決するデバッグ能力は人間に求められる。プロトタイピングの速度は劇的に向上するが、設計統括としての人間による「交通整理」が不可欠である。