【セッションレポート】Building an AI-Native Engineering Team

はじめに

こんにちは、AI-powered Development CoEの時武(@tokichieto)です。

LegalOn Technolgoiesでは先日、OpenAI社のエンジニアをオフィスにお招きし、「Building an AI-Native Engineering Team」と題したセッションを開催しました。本記事では、そのセッションの様子と、そこで語られた「AIネイティブな開発チーム」になるための具体的なプラクティスや気付きについてお届けします。

背景

LegalOn Technolgiesでは、先日の登壇レポートでも触れたように、2025年社内に多くのAIツールを導入、普及させてきました。その結果、多くのエンジニアがAIエージェントを日常的に活用して開発を行うようになりましたが、一方で当初想定したような、AIによる圧倒的な生産性向上の効果は思うように挙げられていない状態でした。
理想とする「AI-Nativeなチーム」にはまだなりきれていないという課題感に対し、OpenAI社自身の成功事例などを知ることで、私たちの日々の開発プロセスを進化させるヒントを得ることができるのではないか。そのような意図も踏まえてOpenAIの担当営業である中野さんに相談したところ、セッションをご快諾いただき今回の開催に至りました。

鶴野さんからの講義：AI活用のためのフレームワーク「Delegate, Review, Own」

前半は、OpenAIのSolutions Architectである鶴野さんより、ソフトウェア開発ライフサイクル全体におけるAIエージェントの活用方法について、体系的な解説がありました。

ソフトウェア開発ライフサイクルにおける役割分担の変化

かつてはコードの自動補完から始まったコーディングにおけるAI活用ですが、現在は提案・実行・検証のように双方向の作業を行うパートナーへと進化しています。ここで重要な考え方として、「Delegate（任せる）」「Review（確認する）」「Own（責任を持つ）」という3つの柱でAIとの役割分担を行う方法が紹介されていました。

AIエージェントに何でもかんでも任せればよいというわけではなく、「何をAIに任せるか」「人間がどのような観点でレビューするか」「人間が何を意思決定するか」を固定しておくことで、チームとして再現性高くAIエージェントを使いこなすことができます。

各フェーズでの活用

例えば、以下のような開発の7つのステップそれぞれにおいて、「どのようにAIに任せるか」と「人がすべきこと」が紹介されており、まずはチーム全体でAIの使い方に対する共通認識を形成することが大事である、ということを強く実感しました。

Plan（計画）

AIエージェントは驚異的な速度でコードリーディングができるため、仕様とコードベースの突き合わせなどは得意。一方で抜け漏れがないかや計画の最終的な意思決定は人間の仕事。

Design（設計）

AIエージェントによってプロトタイピングの反復回数を大きく増やせるようになった。一方でアーキテクチャの意思決定は人間が行うべき。

Build（実装）

コード生成はAIエージェントがほとんど行える時代。人間は非機能要件が満たされているかどうかや、ソフトウェアの構造により意思決定リソースを投下すべき。

Test（テスト）

テスト作成もAIエージェントの得意領域。人間はテストが仕様を表現できているかどうかや、品質基準を満たしているかを確認する。

Review（レビュー）

生成されるコード量が増えると、ここがボトルネックになりがち。レビュー全てを人間が行う必要はなく、AIに一次レビューを任せ、人間は要件や設計との整合性を確認や、マージの意思決定に注力する。

Document（ドキュメント）

人手で更新する運用は破綻しやすい。AIがコードに追従してドキュメントの自動生成や更新を行う。人間はドキュメントの正確性・整合性の確認や、基盤設計に徹する。

Deploy & Maintain（保守）

エラーログからの原因特定と修正案の提案をAIに任せる。人間は診断内容の妥当性確認や、対応方針の意思決定、本番対応の最終判断を担う。

導入のステップとして、まずは「レビュー」や「テスト」といった、人間が負担を感じやすい工程からAIを導入し、徐々に範囲を広げていくことが推奨されており、実際の導入イメージの解像度が高まりました。

瀬良さんからの事例共有：OpenAI社内でのリアルな開発風景

後半は、OpenAIのDeveloper Experienceである瀬良さんより、実際の開発現場でのリアルな事例を共有していただきました。

OpenAI社内のAI活用実態

OpenAI社内では、技術スタッフのほとんどがほぼ毎日Codex (OpenAIのCoding Agent）を使用しており、社内のGitHubプルリクエスト数も大幅に増加しているそうです。また、特に重要なプロジェクトでは、100%のPRに対してCodexによるレビューが頻繁に適用されているとのことでした。

また、瀬良さんも実践されているプラクティスとして、Cloud上でのレビューだけでなく、手元のターミナルを複数立ち上げ、ローカル環境でCodexにコード差分をレビューさせるという使い方も紹介されていました。AIエージェントによって単発の作業も十分高速化しましたが、その効果をさらに高めるために積極的に並列化をしていくような発想の転換も非常に重要であることを実感しました。

驚異的なスピードでの開発事例

瀬良さんからは自身の体験を含め、以下の事例を紹介していただきました。

OpenAI DevDayに向けた開発

2025年10月に開催されたOpenAI DevDayに向けた準備で、Codexが大いに活躍した事例をご共有いただきました。例えばAgent KitのAgent Builderを6週間で完成させた上、PRの大部分をCodexが書いているという事例や、イベント運営に関する裏側でもCodexが動いていたとのことです。
ただの「コーディングエージェント」としてではなく、開発に関する様々な作業をCodexに委譲して大規模イベントを成功に導く使い方はまさに目から鱗でした。

developers.openai.com

Sora Androidアプリの開発

How we used Codex to build Sora for Android in 28 days で公開されていたSoraのAndroidアプリを超短期間でリリースした事例に関しても言及されていました。このケースでは、iOS版のコードを参考にしながら、Android版のSoraのアプリをわずか18日間でインターナルバージョンまでビルドしたとのことです。
UIの確認などまだ人間が介入すべき点はありつつも、従来の常識では考えられないくらい圧倒的な短期間開発を実現している事例が、すでに現実のものとなっているのは衝撃的でした。

Agents SDKの移植（Python to TypeScript）

瀬良さんご自身も、担当されているAgents SDKのTypeScript版を、当初は無理だと思われた短納期でリリースすることができたという事例を紹介されていました。
少人数でAIエージェントをフルに活用することで、驚異的な開発スピードを得ることができるという再現性を感じられただけでなく、SoraやAgents SDKの事例から、プラットフォーム・言語間の移植のハードルがAIエージェントによってかつてないほど低くなっていることを実感しました。

これらの事例を聞いていて印象的だったのは、Codexをツールというより、ある種チームメンバーと認識して業務を任せているといったマインドセットが感じられたところでした。AIエージェントに Delegate する部分を大胆に設定することで、AIエージェントの自律性を最大限享受しつつ、業務を破綻させずに回すことができるのだと思います。

エンジニアは生成AIが社会に出てきた初期から活用している人が多い分、かえってAIに対しての期待値が低くなりがちな傾向もあるのではないかと感じています。私もOpenAI社内での事例を実際に聞くまでは、今のAIエージェントで本当にそこまで自律した使い方ができるのかについて、正直少し懐疑的な部分もありました。

しかし、この半年・1年を見てもLLMやAIエージェントの性能は劇的に向上しており、1年前は難しかったことが今では普通にできるようになってきています。AIの進化に置いていかれないよう、日々活用している身だからこそ、よりシビアにAIと向き合う必要性を痛感しました。