【要約】ちょっとAIにスクラム開発を任せてみたら破綻した話 [Qiita_Trend] | Summary by TechDistill
> Source: Qiita_Trend
Execute Primary Source
// Problem
検証者が、AIにスクラム開発の全プロセスを自律的に実行させる試みを行った際、以下の技術的・構造的問題に直面した。
- ・LLMの即時解決指向による、プランニング等のプロセス無視。
- ・単一セッション内でのロールプレイ維持の困難さと、ハルシネーションの連鎖。
- ・局所最適化によるアーキテクチャの破壊と、ファイル競合によるマージ地獄。
- ・時刻参照ミスやシステム待機による、正確なベロシティ計測の不能。
- ・フィードバックがモデルの重みに反映されないことによる、改善サイクルの停止。
// Approach
検証者は、AIにスクラムの役割をプロンプトで与え、実際の開発サイクルに組み込む軽量な検証構成を採用した。
- ・CLI型AIアシスタントを使用し、プロンプトでPO、SM、開発者の役割を定義。
- ・2.5ヶ月間にわたり、日常的なソフトウェア修正作業をすべてAIに代替させた。
- ・課題に対し、人間がPOおよびSMを兼任してAIを管理する運用を試行。
// Result
AIへのプロセス管理の丸投げは、現状のLLMの特性上、不可能であることが判明した。
- ・人間による管理へ切り替えたが、マイクロマネジメントの負荷が極めて高いことが判明。
- ・AIには「役割」ではなく「明確に区切られた単一のタスク」を与えるべきという知見を得た。
- ・「人間がプロセスを統制し、AIが実行に専念する」という分離モデルの有効性を確認した。
Senior Engineer Insight
> プロセス管理の自動化は、現時点では極めてリスクが高い。LLMの即時解決指向は、設計の整合性を損なう局所最適化を招きやすい。また、物理的なファイル競合やコンテキストの混濁は、開発コストを増大させる。実戦投入においては、AIを自律的なエージェントではなく、高度なタスク実行エンジンとして定義すべきだ。人間が厳格なガバナンスを維持する分離モデルが、現実的な解となる。