AI Craft
ホーム/AI開発ナレッジ
🧠 AI開発ナレッジ2026年2月27日・12分で読める

AI-DLC（AI-Driven Development Lifecycle）とは？— AWSが提唱する次世代開発方法論の全貌

AWSが提唱するAI-DLC（AI-Driven Development Lifecycle）の歴史、背景、仕組みを解説。従来のAgileとの違い、3フェーズ構造、対応ツールまで網羅的に紹介。

AI-DLC（AI-Driven Development Lifecycle）とは？— AWSが提唱する次世代開発方法論の全貌

「AIでコード生成は速くなった。でも、開発プロセス全体は本当に速くなった？」

この問いに真正面から答えようとしているのが、AWSが2025年7月に公開した**AI-DLC（AI-Driven Development Lifecycle）**だ。単なるAIコーディングツールの話ではない。Agile以来とも言える、ソフトウェア開発ライフサイクル全体の再設計を提唱している。

この記事で得られること

  • AI-DLCの歴史と経緯（いつ、誰が、なぜ作ったか）
  • 従来アプローチの課題（AI-managed vs AI-assisted）
  • AI-DLCの3フェーズ構造と新しい用語体系
  • 対応ツールとGitHubリソース
  • ソロ開発者にとっての実践価値

AI-DLCの歴史と経緯

タイムライン

時期 イベント
2024年〜2025年前半 AWS内部で100以上の顧客実験を実施
2025年7月31日 AWS DevOps Blogで公式発表（Raja SP）
2025年8月 Mediumなどで批評・分析記事が登場
2025年12月8日 AWS re:Invent 2025でライブデモ（DVT214セッション）
2026年〜 コミュニティでの進化・拡張が進行中

提唱者

Raja SP（Principal Solutions Architect, AWS）

「100社以上の大規模顧客と協働し、AIを活用したソフトウェア開発の実験を重ねてきた。AI-DLCは、その実験から生まれた実践的な方法論だ」

Raja氏はAWSで18年以上の経験を持ち、Developer Transformationチームを率いている。re:Invent 2025ではAnupam Mishra（Director of Solutions Architecture）と共同でセッションを担当した。

なぜ新しい方法論が必要だったのか？

既存アプローチの限界

AI-DLCが生まれた背景には、2つのアンチパターンがある。AWSの顧客実験で繰り返し観察された問題だ。

アンチパターン1: AI-Managed（AI任せ）

「複雑なシステムをAIに投げて、全自動で作らせよう」

問題点:

  • AIは「helpful」になろうとしすぎる（認証、ログ管理など不要な機能まで作る）
  • 開発者は大量のコードを渡されるが、自分で書いたわけではないので自信が持てない
  • 結局、コードレビューに時間がかかり、本番投入が遅れる

アンチパターン2: AI-Assisted（AI補助）

「AIには狭い範囲だけ任せて、設計や計画は人間がやろう」

問題点:

  • 知的重労働は依然として人間が担う（従来と変わらない）
  • プロセス自体は「AI以前」のまま（会議、ドキュメント受け渡し）
  • AIで節約した時間が、スクラムミーティングなどで消費される

研究データが示す厳しい現実

研究元 結果
ThoughtWorks（2025年） AI使用で生産性向上は**10〜15%**程度
Meter.org実験 開発者は「23%向上した」と感じるが、実測では20%低下

この「体感と実測のギャップ」こそ、AI-DLCが解決しようとしている問題の核心だ。

AI-DLCの核心: Plan-Verify-Generateサイクル

AI-DLCの根幹にあるのは、シンプルだが強力なサイクルだ。

1. AI: 計画を立てる（Plan）
2. Human: 計画を検証し、軌道修正（Verify）
3. AI: 承認された計画に基づき実装（Generate）
4. Human: 結果を検証
↓
（繰り返し）

ポイント:

  • AIが先に動き、人間がバリデーション
  • 「AIに全部任せる」でも「AIを補助に使う」でもない、協働の第3の道
  • 人間の判断は「コンテキスト理解」「ビジネス要件の把握」に集中

3つのフェーズ

AI-DLCは開発ライフサイクルを3つのフェーズに分ける。

Phase 1: Inception（構想）

目的: ビジネス意図を要件に変換する

キーリチュアル: Mob Elaboration

  • チーム全体がリアルタイムでAIの提案を検証
  • AIの質問に対して、その場で回答・方向修正

成果物:

  • ユーザーストーリー
  • 非機能要件（NFR）
  • Unit of Work定義

Phase 2: Construction（構築）

目的: 設計・実装を行う

キーリチュアル: Mob Construction

  • AIがアーキテクチャ、ドメインモデル、コード、テストを提案
  • チームが技術判断・アーキテクチャ選択をリアルタイムで検証

成果物:

  • 論理アーキテクチャ
  • ドメインモデル
  • コード + テスト

Phase 3: Operations（運用）

目的: デプロイ・監視を整備する

アクティビティ:

  • AIが前フェーズの文脈を活用してIaCを生成
  • Runbook、監視設定の提案

成果物:

  • Infrastructure as Code
  • Runbook
  • 監視設定

新しい用語体系

AI-DLCは、Agile時代の用語を刷新した。

Agile時代 AI-DLC 違い
Sprint Bolt 週単位 → 時間〜日単位
Epic Unit of Work より小さく分解された作業単位
デイリースタンドアップ Mob Session 報告会 → リアルタイム協働

Bolt（ボルト） という名称は、稲妻のように短く、強烈なサイクルを表している。従来の2週間スプリントが、AI-DLCでは数時間〜数日に短縮される。

対応ツール

AI-DLCは特定のツールに依存しない方法論だが、以下のツールでワークフローが公式提供されている。

AWS公式サポート

ツール 説明
Kiro AWS製のAI開発エージェント、AI-DLCネイティブ対応
Amazon Q Developer Amazon Q Developer RulesでAI-DLC設定可能

コミュニティ対応

ツール 対応状況
Cursor steering filesでAI-DLC実装可能
Cline 同上
Claude Code 同上
GitHub Copilot 同上

GitHub リポジトリ

公式ワークフロー: awslabs/aidlc-workflows

ここには各ツール向けの設定ファイル、プロンプトテンプレート、サンプルプロジェクトが含まれている。

発表後の実態（2026年2月時点）

2025年7月の発表から約7ヶ月が経過。現時点での状況を調査した。

GitHubリポジトリの活発度

指標 数値
スター数 501
フォーク数 109
オープンissue 28件
最終コミット 2026-02-27（毎日更新中）
最新バージョン v0.1.5（2026-02-24リリース）

直近の開発内容:

  • CodeBuildワークフロー追加
  • セキュリティ拡張
  • GitHub Copilot / Kiro CLIの修正

→ AWSは継続的にメンテナンスしており、本気で推進している

生の声（X / Medium）

@ry0_kaga（日本語Xポスト）:

「AI-DLCが機能するためには、AIに『永続的なプロジェクト知識』を与えることが必要。単発の優れた指示を出すことは本質ではなく、どのような技術スタック・設計規約・ビジネス目標を目指すかをAIに与えること」

→ Memory Bank / steering filesの重要性を的確に指摘

Harsha Sridhar（Medium, 2025年8月）:

「従来の12週間プロジェクトで、実際にコードを書くのは5週間だけ。AI-DLCはAgile以来の最も重要な進化」

導入事例

判明している事例:

  • Wipro: 10〜15倍の生産性向上（re:Invent 2025で言及）
  • Dun & Bradstreet: 同様の効果報告

課題:

  • 外部での詳細な導入事例レポートが少ない
  • AWS内部実験が中心で、独立した検証データが限定的
  • 「本当に10倍速くなるのか」の再現性は未証明

現時点での評価

観点 評価
コンセプト ⭐⭐⭐⭐⭐ 革新的
ツール成熟度 ⭐⭐⭐ 活発だが発展途上
導入事例 ⭐⭐ まだ限定的
コミュニティ ⭐⭐⭐ 成長中
日本での認知 ⭐⭐ これから

結論: コンセプトは革新的だが、実践例はまだこれから。日本では先行者利益を得るチャンス。

批評と今後の課題

Medium等での批評記事では、以下の点が指摘されている。

評価されている点

  • 「既存プロセスにAIを後付けする」のではなく、ゼロから再設計している点
  • 「AIが計画し、人間が検証する」というバランスが、現在のAI能力に適合している点
  • Mob Elaboration / Mob Constructionという儀式が、チーム協働を促進する点

課題・改善余地（Peter Tilsen, 2025年8月）

  1. 理論的説明の不足

    • 「なぜこの方法論が機能するのか」の説明が薄い
    • 実装手順（プロンプト、フォルダ構造）に偏重

  2. 学習・反省の仕組みが未成熟

    • 「context memory」の実装詳細が不明確
    • 継続的改善ループの設計が不十分

  3. 大規模実証が限定的

    • WiproやDunでの事例が紹介されているが、詳細データは非公開

ソロ開発者にとっての価値

「チームでMob Elaborationって言われても、一人だし……」

その通り。AI-DLCは大規模チームを想定した設計だ。しかし、ソロ開発者にとっても学べる要素は大きい。

取り入れるべきエッセンス

  1. Plan-Verify-Generateサイクル

    • 一人でも「AIに計画を立てさせ → 自分で検証 → 実装」のサイクルは有効
    • 「AIに丸投げ」も「AIは補助」もせず、協働のリズムを作る

  2. Bolt（短サイクル）の発想

    • 週単位で考えるのではなく、数時間単位で完結する作業を設計
    • 「今日のBoltで何を達成するか」を明確に

  3. 永続的コンテキストの活用

    • Memory BankやCLAUDE.mdのような仕組みで、セッションをまたいだ文脈を保持
    • AIに毎回説明し直さない

参考: ソロ向けワークフロー例

朝のBolt（2時間）:
1. AIに「今日のゴール」を伝える
2. AIが作業計画を提案
3. 自分で検証・修正
4. AIと共同で実装
5. 成果をコミット

昼のBolt（2時間）:
（同様のサイクル）

まとめ

AI-DLCは、Agile以来の開発ライフサイクル全体の再設計を提唱する方法論だ。

覚えておくべき3点:

  1. 2つのアンチパターンを避ける（AI-managed / AI-assisted）
  2. Plan-Verify-GenerateサイクルでAIと協働する
  3. Bolt（時間〜日単位）で高速に回す

AWSの顧客実験では10〜15倍の生産性向上が報告されている。ただし、これはチーム全体でAI-DLCを実践した場合の数字だ。

ソロ開発者としては、まずエッセンスを取り入れるところから始めてみてはどうだろうか。

参考リンク

← トップページに戻る