📌 記事の概要
これはAI×開発組織Summit 2026のスポンサーセッションで株式会社ベースマキナ（代表：髙橋誠二氏、元DeNA・Gunosyエンジニア）が発表したスライド。テーマは「AIでコーディングがほぼ無料になった後、開発のボトルネックはどこに移り、どう全自動化していくか」というもの。Stripe・Shopify・Rampなど海外大手の「ソフトウェアファクトリー」事例を整理し、自社が実践する8フェーズの段階的移行ステップと、サポート業務まで含めた全自動開発の構想を紹介しています。
一言でいうと：AIエージェントで実装コストがゼロになった今、ボトルネックは「コーディングの左右（要件定義とレビュー）」に移動した。各社はファクトリー（工場）方式で全工程を自動化し、人は「要件承認・質問への回答・マージ」だけを残している。段階的にフェーズ0〜7を進めれば誰でも移行できる、というロードマップ発表。
1️⃣ Bottleneck Shift：ボトルネックは左右へ移動
- コーディングコストはほぼゼロに：見積もり数年の大規模移行をAIエージェントが数週間〜数か月で完了させる時代に。GitHubでは2026年8月、エージェントが作ったPRが人のPRを上回った。
| 会社 | AIエージェントで進めた移行 | 見積もり | 実際 |
|---|
| Anthropic | BunをZigからRustへ | 5年 | 2週間 |
| Asana | E2Eテスト4,000ファイルの移行 | 数年 | 4か月 |
| Uber | JUnit 4の60万テストをJUnit 5へ | 数年 | 6週間 |
| Airbnb | E2Eテスト3,500ファイルの移行 | 数年 | 約5か月 |
| OpenAI | API層をPythonからRustへ（移行中） | 数年 | 11日（1.5人年の推移） |
- ボトルネックは要件定義と品質保証へ：実装が速くなった分、コーディングの「左側（要件定義）」と「右側（レビュー・テスト）」に仕事が滞留。PRがレビュー待ちで溜まり、リリース時間は思ったほど縮まない。
- 目指すのはシフトではなく全工程の自動化：ボトルネックを左右に動かすだけでは人の時間が上限のまま。レビューの大部分もAIに任せ、人はリスクの高い変更など要所の承認のみを受け持つべき。
2️⃣ Software Factory：海外各社のファクトリー事例
| 会社 | エージェント名 | 成果（公表値） |
|---|
| Stripe | Minions | マージされたPRの約75%を作る |
| Ramp | Inspect | 週1,300件以上のPRがマージ |
| Shopify | River | マージされたPRの8件に1件を共同作成 |
| DoorDash | Flux | 1か月で13万件の開発作業を自動化 |
| Spotify | Honk | AIが作ったPRが1,500件以上マージ |
- Warp Factories（2026年8月クローズドベータ）：ファクトリー基盤を製品として提供。職長エージェントが依頼を受け、Intake（受付）→Triage（調査）→Planning（計画）→Building（実装）→Reviewing（レビュー）→Handoff（引き渡し）と工程別専門エージェントに割り振る。人が決めるのは「仕様の承認・質問への回答・マージ」の3つだけ。
- 国内でも進行：freee（横路氏・CAIO）は開発プロセス全体の自動化でエンジニアを「工場長」役へ、Asterminds（加賀谷氏）は開発プロセスをAIシステムとして組み直す実践、Ubie（Yuku Kotani CTO）は2023年から社内AIエージェント基盤とソフトウェア工場を構築。
- 共通パターン：各社とも要件定義とマージ判断にのみ人の責務を残す（Stripeはマージ必ず人レビュー、Warpはマージ必ず人承認、StrongDMに至っては「人はコードを読まない」）。
3️⃣ Loop Engineering：フェーズ0〜3（まずここから）
いきなり全自動にせず、ループエンジニアリングで足場を固めてからファクトリーへ移行するのがおすすめ。
フェーズ0：Remote Controlに慣れる
スマホから手元のエージェントに指示。生産性を均一化し環境差をなくすのがファクトリーの基本。
フェーズ1：Notionチケット起点の実装
AIが未着手チケットから着手候補を出し、人は選ぶだけ。単純なチケットは「オート実装」フラグで即完走。
フェーズ2：PRごとのプレビュー環境
レビュアーが手元で動かさず確認できる仕組み。DBはまずdev共通DBから始める（PRごとのDBは後でいい）。
フェーズ3：動作の証跡をPRに貼らせる
プランニング（動的スクリプト生成）でスクショ・動画・APIレスポンスを撮らせ、そのままPRに添付。レビューは証跡を見てマージ判断。
今から整備しておくもの：Slack/Notion/Linear連携、grill-me・pstackなどの深掘りスキル、モデル選定、証跡を撮るスキル、CodeRabbit等のAIレビュー、linter・自動テスト（VRT含む）。
4️⃣ Cloud Factory：フェーズ4〜7（ファクトリーへの移行）
フェーズ4：クラウドでエージェントを動かす
各自がOAuthログインし自分のサブスク枠で実行。ブラウザ操作とVault（認証情報の一時受け渡し）を足し確認までクラウドで。手軽に始めるならCloudflareのWorker＋Sandboxが向いている。
フェーズ5：Slackスレッドで依頼から受け取りまで
スレッド＝チケット化。あいまいな要件はgrill-me等でAIが質問を重ねて深掘り。PR・プレビュー・証跡を同じスレッドに返す。副次効果：他人のAIの使いこなし方が見えて互いに成長できる。
フェーズ6：1依頼で複数リポジトリを修正
関連リポジトリをワークスペースで紐づけ、コンテキスト共有で見逃しをなくす（例：billing-api＋billing-web＋help-docsを横断修正）。
フェーズ7：プロダクトをまたぐコンテキスト整備
用語集（glossary.md）・ADR・スキルは共通化し、仕様はプロダクトごとに管理。Intakeを1つにしてコンテキストを最大共有。
フェーズ8（おまけ）：究極のKPIは「無人化率」
人が介在せず完了したタスクの割合。レビュー待ち時間・要件承認待ち時間・ラリー数で人的介在を計測し、ラリー0のタスクを自己あぶり出しする仕組みまで行けたらベスト。
よくある悩みへの回答
- どこから手を付けたら？→ PRごとのサンドボックスなどインフラ制約が一番のハードル。まずスキル整備とRemote Controlでウォーミングアップ。
- クラウドエージェントでないとダメ？→ そう考えるとハードルが高すぎる。まずローカルのループエンジニアリングから。
- コンテキストの整備は？→ 最初はMarkdownで十分。
5️⃣ Beyond The Loop：開発ループの外も自動化
- 顧客接点の自動化：ヒアリングや問い合わせ対応はエンジニアが兼任しがちな「開発の外」の仕事。商談記録・問い合わせツールからAIが要望を抽出してチケット化しファクトリーへ流す。
- 抽出はSystem One Modelで：TypeSafe AIのJevなど高速・低コストなモデル（入力100万トークン$0.042、応答70〜500ms）で要望判定・緊急度を仕分けし、LLMの遅い熟考はチケット作成にだけ使う。
- 海外の先行事例：2026年10月、Pylon×Devinが連携。サポートチケットの分類→Devin起動→調査・再現→修正PR→マージ記録まで自動。
- ベースマキナの「テクサポAI」（開発中）：BtoBサポートを完遂するAIエージェント。コード・ドキュメント・過去対応・実データを根拠にSlackで一次回答し、解決しない場合は調査済みの内容ごとエンジニアへ引き継ぎ。データ変更も登録したアクションのみ実行（権限・承認・監査ログ付き）で本番DBの確認・変更まで完遂。未解決チケットはMCP経由でClaude Code等のエージェントに渡して修正PRまで。リリース変更はテクサポがSlackでCS・営業に先回り共有（お客様関連変更・不具合修正・根拠PR付き）。
💡 このスライドの要点まとめ
- AIで実装コストがゼロになり、ボトルネックは要件定義（左）とレビュー・品質保証（右）に移動した。
- 海外大手はすでに「ソフトウェアファクトリー」を持ち、PRの過半をAIが作る時代。人が残るのは要件承認とマージ判断だけ。
- 移行は8フェーズで段階的に：Remote Control（0）→チケット起点（1）→PRプレビュー（2）→証跡（3）→クラウド実行（4）→Slack完結（5）→マルチリポ（6）→マルチプロダクト（7）。
- 究極のKPIは「無人化率」。ラリー数・待ち時間を計測して自己改善する。
- 開発の外（ヒアリング・サポート・CS対応）まで含めた全自動化が次のフロンティア。
読みどころ：「ファクトリーにしないと手遅れ」でも「いきなり全部」でもなく、今日できる小さいステップ（フェーズ0〜3）から始める現実的なロードマップが具体的なツール名（grill-me、pstack、CodeRabbit、Cloudflare Sandbox等）付きで示されている点が実用的。発表者自身がベースマキナ（プロダクトオペレーション基盤）とテクサポAIの運営者であるため、最後はプロダクトPR（スポンサーセッション）である点に注意しつつ、事例サーベイとしての情報密度は高い。