AI導入で個人開発はどう変わったか

大まかには以下のような流れでした。

• 仕様やアイデアをメモ・頭の中で整理する

• 手を動かしながら、RailsやTerraformのコードを書いていく

• 何度もエラーに当たり、ドキュメントやググりを行き来する

• テストを書き、動作確認をする

• コードをリファクタリングし、レビュー（自分で読み直し）する

• 小さな機能追加でも、以下のような時間感覚でした。

  • コード方針を考える：数十分〜1時間

  • 実装：数時間

  • テスト・動作確認：数時間

  • リファクタ・調整：数時間 → 合計すると、まとまった3日（夜＋早朝）がかかるのは珍しくありませんでした。

• 実装・設計・コードリーディング・ドキュメント探索… すべてを自分の頭と手だけでやるため、どうしても限界が来ます。

• 特にボトルネックになっていたのは：

• 既存コードの読み解き（コードリーディング）

• 新しいライブラリやクラウドサービス（Terraform/Azure等）の仕様理解

• GitHub Actions などYAML系の “書き慣れない” 設定ファイル

これらが、「夜と早朝にしか時間がない個人開発者」にとっては致命的な負荷でした。

• コード生成があまりに簡単なので、

• 「じゃあもっと複雑な機能も丸ごと頼んでしまおう」と欲張ったことがあります。

• 結果として起きたのは：

• 大量のコードが一気に生成される

• すべてを読み切るのに時間がかかる

• 既存コードとの整合性・命名・責務の切り方が、プロジェクト全体の流儀と微妙にズレる

• 読み解きと修正で疲弊し、最終的に採用を断念した実装もあった

この経験から得た結論はシンプルです。

• AIへの依頼は「ストーリーポイント」を意識して分割したほうがよい。

• 人間のスクラム開発と同じで、

  • 「1タスクで何日もかかりそうなもの」をAIに一気に渡すと、

  • レビューと統合にかかるコストがかえって増える。

• 依頼は、

  • ログイン画面＋セッション管理

  • パスワードリセット機能

  • SNSログインの下準備 のように、人間がレビューしやすい粒度に分割する。

AI開発術のコアは、 「AIを使えば何でも一気に終わる」ではなく、「人間がレビュー・統合しやすい単位に分割する」 ことだと実感しています。

AI導入後、体感的に最も恩恵が大きかった領域のひとつが バグ修正 です。

• エラーが出たら、そのまま：

  • エラーメッセージ

  • 問題のソースコード

  • 期待している動作 を 丸ごとAIに渡す だけで、かなり高精度の修正案が返ってくる。

• 以前は半日〜1日かかっていたようなバグ調査も、

  • 数分〜数十分で解決することが増えました。

• バグ修正は、問題の範囲が比較的限定されている

• 「期待値」と「現状の差分」が明確である

• エラーメッセージという“ヒント”がすでに存在する

このため、AIにとっても扱いやすく、人間にとってもレビューしやすい領域です。

AIを使うようになって、地味に効いているのがこれです。

• スマホからAIに依頼できる ことで、

  • 通勤時間

  • ちょっとしたスキマ時間

  • PCの前に座れない時間帯 にも、開発を前に進められるようになった。

• 具体的には：

  • 仕様の整理や要件の文章化

  • モデル設計のたたき台の作成

  • GitHub Actions や Terraformの雛形生成

  • リファクタリング案の相談

こうした「PCを開かなくても進められる開発作業」が、ほぼチャットベースで完結するようになりました。

• スマホで：

  • 仕様をAIと一緒に固める

  • 必要なコードのたたき台を生成しておく

• PCに向かったときには：

  • 生成されたコードを取り込み、

  • 動作確認と最低限の修正・チューニングに集中する

その結果、PC前の時間効率がかなり上がりました。

人間一人で複数の開発タスクを進めるのには限界がありますが、 AIはいい意味でマルチタスクです。

• あるタスクで：

  • 「この機能の実装コードを出して」

• 別のタスクで：

  • 「このエラーの原因を一緒に調査して」

• さらに別のタスクで：

  • 「こっちのプロジェクトの設計パターンを比較して」

というように、複数プロジェクト／複数タスクにまたがって支援を並列発注できます。

• 以前：

  • 「1つのタスクを終えるまで次に手を出しづらい」

• AI導入後：

  • AタスクでAIにコードを書いてもらっている間に、

  • Bタスクの仕様整理を進める

という 並行処理 が自然にできるようになりました。

その結果：

• 体感的には「一人で3〜5人体制」くらいの進捗感が出てきます。

• もちろん、最終判断とマージ責任は人間が持つ必要がありますが、 「手と頭」の数が増えた感覚はかなり強いです。

• どれだけAIがコードを書いてくれても、責任を持つのは人間。

• 特に、依頼範囲を広げすぎると：

  • 生成されたコード量が爆発する

  • 読み切れない・把握しきれない

  • 思わぬ副作用やバグが紛れ込む

• 「AIに任せたから大丈夫」という発想は危険で、 むしろ 「AIが提案したからこそ、人間が最後まで目を通す必要がある」 と考えたほうが安全です。

第三者視点（上司・レビュアー・顧客）の目線で見ると、以下の懸念もあります。

• セキュリティ：

  • 入力値のチェック不足

  • 権限まわりの抜け漏れ

• ライセンス：

  • AIが提案したコードが、どこかのOSSコピペに近すぎないか

• 技術的負債：

  • 今だけ動くコードになっていないか

  • プロジェクト全体の設計思想から外れていないか

AI開発術を語るとき、 「速くなります」という話だけでは偏ってしまう ため、 こうしたリスクも同時に意識する必要があります。

• メリット

  • 単純作業やドキュメント読みの時間を圧縮できる

  • 「やりたい設計」に集中しやすくなる

• リスク

  • 自分の基礎体力（読み書きの力）が育ちにくくなる可能性

  • 「AIがいないと書けない」状態への依存

• メリット

  • 少人数でも高いアウトプットが期待できる

  • 新規プロダクトの検証スピードが上がる

• リスク

  • メンバーの実力評価が難しくなる

  • AIを使っている前提の前後で、工数見積もりがぶれやすい

• メリット

  • 機能追加・改善のサイクルが速くなる

• リスク

  • 「動いてはいるけれど、設計が荒い」システムを掴まされる可能性

  • 長期保守性への不安