「AI駆動開発の品質担保とは何か」——生成AIやAIエージェントに設計・実装・テストといった開発工程の一部を任せる企業が増える一方で、多くの経営者・担当者が同時に気にしているのが、この論点です。本稿では、2026年9月に相次いで発表されたソニー銀行×富士通、deeptier×大手SIerという2つの事例をもとに、AI駆動開発における品質担保の考え方と、中小企業がすぐに取り組める第一歩を解説します（2026年9月時点の情報です）。
AI駆動開発の品質担保とは｜定義としくみ
「AI駆動開発」とは、要件定義・設計・実装・テストといったシステム開発の工程に、生成AIやAIエージェントを組み込んで進める開発スタイルのことです。従来は人が手作業で行っていた設計書の作成やプログラムの記述、テストの実行などをAIが代行・支援することで、開発のスピードを高めることを狙いとしています。
ただし、AIが生成した成果物（設計書、プログラム、テストコードなど）を、そのまま検証もせずに使ってしまうと、誤りや矛盾に気づかないまま次の工程に進んでしまうおそれがあります。そこで欠かせないのが「品質担保」という論点です。AI駆動開発における品質担保とは、AIが生成した成果物について、どこまでをAIに任せ、どの工程で・誰が・何を確認して合意・承認するかをあらかじめ仕組みとして決めておくことを指します。
この考え方を大企業の実例で裏づけているのが、2026年9月に相次いで発表された2つの取り組みです。
ソニー銀行×富士通｜本番の勘定系開発にAIを本格適用
ソニー銀行株式会社と富士通株式会社は2026年9月14日、銀行の勘定系システム（預金・振込・入出金等を処理する銀行の中核システム）の開発に生成AIを本格適用したと発表しました。2025年9月から適用を開始し、2026年7月時点で、基本設計から結合テストまでの開発期間を従来比30％短縮、工数を40％削減する効果を確認したとしています。対象は富士通の勘定系ソリューション「Fujitsu Core Banking xBank」で、AWS上のクラウドネイティブ構成のもと、「Amazon Bedrock」上のAnthropic社の生成AIモデル「Claude」を中核とするAIエージェントを工程横断で活用したとのことです。
ポイントは、これがPoC（概念実証）にとどまらず、本番稼働中の勘定系システムの開発プロセスとして確立された点、そして人が最終判断と品質保証を担う体制を前提としている点です。詳しい工程別の効果は、当協会の速報記事「生成AIで勘定系開発30％短縮｜ソニー銀行×富士通と中小企業への示唆【2026年9月】」で解説していますので、あわせてご覧ください。
deeptier×大手SIer｜品質担保を「3層構造」で設計
株式会社deeptier（神奈川県横浜市）は2026年9月15日、大手SIer（社名非公表）と共同で、中〜大規模（50人月超）の受託開発を想定したAI駆動開発の手法・プロセスを検証したと発表しました。公共領域の業務システムを題材にした事前検証で、実施期間は2025年10月〜2026年3月とされています。
この検証で示されたのが、品質担保を次の3層構造で設計するという考え方です。
- ①人による合意・承認：各工程の入口と出口で、人が内容を確認して合意・承認する手続きを置く層
- ②AIによる自動検証の反復：生成された成果物をAIが繰り返し検証する層
- ③工程を横断した統合検証：要件・設計・実装・テストを横断して整合性を検証する層。設計ドキュメントと実装の食い違いを防ぐため、AIエージェントの常時監視対象としたとのことです
同社はこの考え方を「Human-AI Hybrid Development Method」と呼び、AIに任せる領域と人間が判断・承認すべき領域を明確に切り分けて組み合わせを最適化する考え方だとしています。AIが生成した成果物をそのまま納品物とはせず、人による確認を挟んでいる点が特徴です。詳細は当協会の速報記事「AI駆動開発の品質担保は3層構造｜deeptierが大手SIerと検証【2026年9月】」をご参照ください。
この2つの事例に共通するのは、生成AIそのものの性能よりも、「どこまでAIに任せ、どこで人が承認するか」という運用設計の巧拙が成果を左右しているらしいという点です。中小企業が持ち帰れるのは、発表された数値そのものではなく、この設計思想の部分だといえるでしょう。
AI駆動開発の品質担保は中小企業にとってどんな意味を持つか
ここまで紹介した2つの事例は、いずれも大企業・大規模開発における取り組みです。基本設計の影響調査工数を最大90％削減、詳細設計の設計書作成工数を最大40％削減、製造工程のソースコード生成率99％達成、結合テストのテスト実行工数を最大90％削減——ソニー銀行と富士通の発表にはこうした数値が並んでいますが、これらは銀行の勘定系という特定領域で、専任の開発体制と品質保証プロセスを備えた大規模開発だからこそ発表された数値であり、そのまま中小企業に当てはまる保証はありません。同様に、deeptierの検証における実装・単体テスト工程で最大90％削減、内部結合テスト工程で最大70％削減といった数値も、「本検証における最大値」であり、規模が大きいほど効果が高まる傾向がある一方、小規模な開発では効果が限定的になるとされています。
それでも、中小企業がこれらの事例から学べることは少なくありません。
コストの観点では、AIに開発や文書作成の一部を任せることで、外注費や作業時間を圧縮できる可能性があります。ただし「AIが作ったものをそのまま使う」体制では、誤りに気づかず取引先に渡してしまうといった手戻りコストが発生しかねません。品質担保の仕組みがあってはじめて、コスト削減が実質的な効果になります。
業務の観点では、日々の提案書・見積書・簡易なシステムやツールの開発にAIを活用する中小企業が増えています。その際、「誰が・どの段階で・何を確認したらOKとするか」をあらかじめ決めておかないと、担当者ごとに確認の粒度がばらつき、品質が安定しません。
人材の観点では、限られた人数で開発や資料作成を回さざるを得ない中小企業こそ、AIに任せる範囲を広げる余地があります。一方で、最終確認を担う人を明確にしておかないと、属人的なチェック任せになり、担当者が変わった途端に品質が崩れるリスクがあります。
競合の観点では、AI駆動開発とその品質担保の仕組みは、今後、取引先やパートナー企業を選ぶ際の判断材料になっていく可能性があります。「AIを使っているかどうか」だけでなく「AIの成果物をどう確認しているか」を自社の中で説明できる状態にしておくことは、今後の差別化要素になり得るでしょう。
中小企業がAI駆動開発の品質担保に取り組むための導入ステップ
大企業のような専任体制や大規模なシステムがなくても、中小企業が無理なく始められる品質担保の仕組み化には、次のようなステップが考えられます。
ステップ1：AIに任せている業務・成果物を棚卸しする
まずは自社で、どの業務・どの成果物の作成にAIを使っているかを洗い出します。提案書、見積書、議事録、簡易なプログラムやシステムなど、対象は開発案件に限りません。「作った直後にチェックせず、そのまま使い回している成果物」がないかを確認することが最初の一歩です。
ステップ2：AIに参照させる自社の資産を整理する
見積書のひな形、仕様メモ、議事録、過去の提案書といった自社の資産を、工程を横断してAIに参照させられる状態にしておきます。前の工程で作った成果物を後の工程で一から作り直すのではなく、再利用する発想が、手戻りを減らす鍵になります。
ステップ3：承認するポイントを1行で決めておく
すべての工程を人が細かく確認する必要はありませんが、「どの工程を・誰が・何を見て・何をもってOKとするか」を1行で言語化しておくことをおすすめします。たとえば「見積書はAIが下書き→担当者が金額と条件を確認して承認」「簡易ツールはAIが実装→責任者が動作確認して承認」といった具合です。この承認ルールを誰が担うかという論点は、当協会の常緑ガイド「AIエージェントの権限設計とは」で扱っている「AIにどこまでの権限を与えるか」というテーマとも重なりますので、あわせて参考にしてください。
ステップ4：小さく始めて、対象を広げる
いきなり全社的な仕組みを作ろうとせず、まずは特定の業務・特定のチームで試し、うまくいった承認ルールを他の業務にも広げていくのが現実的です。無料または低コストで使えるAIツールから始め、承認の仕組みだけを先に整えておくことで、後から対象範囲を広げやすくなります。
AI駆動開発の品質担保に関するよくある質問
Q1. AI駆動開発の品質担保は、システム開発をしていない会社にも関係ありますか？
はい。ここでいう「品質担保」は、勘定系システムのような大規模開発に限った話ではありません。AIが作成した提案書・見積書・簡易な社内ツールなどを、確認せずに使い回してしまう状態を防ぐための考え方として、システム開発を行っていない中小企業にも当てはまります。
Q2. 中小企業でも、ソニー銀行や富士通の事例のような効果を期待できますか？
発表されている工数削減率は、銀行の勘定系という特定領域で、専任の開発体制と品質保証プロセスを備えた大規模開発における数値です。同じ水準の効果を中小企業でも得られるとは言い切れません。中小企業が参考にすべきは数値そのものよりも、「どこまでAIに任せ、どこで人が承認するか」という設計の考え方です。
Q3. 品質担保の仕組みを作るのに、専門のエンジニアは必要ですか？
本格的なシステム開発でAIエージェントを組み込む場合は専門知識が必要になる場面もありますが、まずは自社の業務でAIが作った成果物を「誰が・何を見て・何をもってOKとするか」を決めるだけであれば、経営者や担当者だけでも着手できます。小さな範囲から始め、必要に応じて外部の支援を活用するのが現実的です。
Q4. AIが作った成果物のチェックにも時間がかかるなら意味がないのでは？
すべての工程を細かく人がチェックする必要はありません。deeptierの事例のように、AIによる自動検証と人による承認を組み合わせることで、確認の負担を抑えながら品質を担保する設計が可能とされています。中小企業でも、確認するポイントを絞り込むことで、同様の考え方を取り入れられます。
Q5. 何から手をつければよいか分かりません。
まずは自社でAIを使っている業務・成果物を棚卸しすることから始めてください。その上で、承認のルールをどう決めればよいか迷う場合は、当協会にご相談いただくことも可能です。
当協会の支援メニュー
当協会では、中小企業がAI活用を進める際の業務棚卸しから、承認ルールづくり、AI導入の伴走支援まで、企業ごとの状況に合わせたご相談を承っています。「何から始めればいいか分からない」という段階でも構いませんので、お気軽にお問い合わせください。
まとめ
AI駆動開発の品質担保とは、AIに開発や成果物づくりを任せる際に、どこまでをAIに任せ、どこで人が確認・承認するかをあらかじめ仕組みとして決めておくことです。2026年9月に発表されたソニー銀行×富士通、deeptier×大手SIerの事例は、いずれも規模の大きな取り組みですが、そこに共通する「運用設計の巧拙が成果を左右する」という視点は、中小企業にもそのまま生かせます。まずは自社でAIを使っている業務を棚卸しし、承認するポイントを1行で決めるところから始めてみてはいかがでしょうか。
