生成AI開発トレンド研修

Session 01

オリエンテーション

生成AIを活用した開発手法の全体像を掴み、研修のゴールを共有する。2021年のGitHub Copilot登場から5年。AIは補助ツールからチームメンバーへと立場を変えた。

本研修のゴール

自社で試したいAI開発ツールが1つ以上決まっている。AIツールの「育て方」を理解している。チームへの導入イメージが持ち帰れる。

各カードをクリックすると数字が表示されます

92%

CLICK

AI開発ツールを利用する
開発者の割合

出典

55%

CLICK

GitHub Copilot導入後の
平均生産性向上率

出典

10x

CLICK

一部タスクでの
開発速度向上倍率

出典

97M+

CLICK

MCP SDKの
月間ダウンロード数

出典

01 生成AI開発トレンドの変遷

年	出来事	意味
2021	GitHub Copilot テクニカルプレビュー	AIコーディングの幕開け
2022	GitHub Copilot 一般公開	「AIペアプログラミング」が現実に
2023	GPT-4登場 / Claude 2 / Cursor登場	高精度コード生成と専用IDEの誕生
2024	Claude 3 / GPT-4o / Gemini 1.5 Pro	マルチモデル時代の到来
2025	Claude Code / Copilot Agent Mode / Kiro	エージェント型AIへの転換
2026	各ツールの成熟と統合	AI駆動開発がスタンダードに

EVIDENCE
92%がAIを仕事に活用 — Publickey
2026年、日本のソフトウェア開発を変える5つの潮流 — 技術評論社
日立製作所がGitHub Copilotで開発生産性を向上 — Microsoft
WindowsがMCPをサポートすると発表 — Publickey
AWS、仕様駆動開発AIエディターKiroを一般公開 — Impress Watch

02 押さえておきたいキーワード

CONCEPT

AI駆動開発

AIが開発プロセスの中核を担う手法。コード生成からテスト、レビュー、デプロイまで、AIがパイプライン全体に関与する。

CONCEPT

バイブコーディング

自然言語で「こういうものが欲しい」と伝え、AIにコードを書かせるスタイル。Andrej Karpathyが命名。コードを一切書かない開発体験を指す。

CONCEPT

エージェントコーディング

AIが自律的にファイルを読み、コードを書き、テストを実行する。人間は指示と承認に集中し、実装はAIに委ねる。

03 開発におけるリスクとガバナンス

AIが書いたコードを盲信するのは危険だ。生成コードには脆弱性が混入する可能性がある。機密情報の送信、ライセンス違反、品質低下。リスクは多岐にわたる。

RISK

セキュリティ

生成コードの脆弱性、機密情報のAI送信、サプライチェーン攻撃。OWASP LLM Top 10が指針になる。

RISK

ライセンス・著作権

学習データの権利問題、生成コードの帰属、OSSライセンス違反。法的整理はまだ途上にある。

RISK

品質・依存

レビュー不足による本番障害、エンジニアのスキル低下、ベンダーロックイン。導入と同時にガバナンス設計が必要になる。

ガバナンス施策の具体例

AIツール利用ポリシーの策定、機密情報のマスキングルール、生成コードのレビュー必須化、定期的なセキュリティ監査、利用ログの取得と分析。金融機関では「AI生成コードは必ず2名以上でレビュー」というルールを設ける企業も出ている。

Session 01 参考リンク

Session 02

VSCodeでの生成AI活用ベストプラクティス

VSCodeとGitHub Copilotを使ったデモを通じて、バイブコーディングの威力とAgent Modeの自律性、Git Worktreeによる並列開発を体感する。

デモで作るもの

営業担当がお客様との会話メモを貼り付けるだけで、エンジニアへの引継ぎに必要な技術要件を自動で抽出・整理するWebアプリ。HTML/CSS/JSのみ、1ファイル完結。プロンプト一発で生成し、Agent Modeで機能拡張する。

01 VSCode と GitHub Copilot

TOOL

Visual Studio Code

世界で最も使われる開発エディタ。無料、クロスプラットフォーム、豊富な拡張機能。2025年にAgent Mode対応を果たし、AI開発の中核を担う。

TOOL

GitHub Copilot

GitHubとOpenAIの共同開発によるAIアシスタント。コードの文脈を理解し、リアルタイムで次のコードを提案する。2026年現在はマルチモデル対応で、Claude統合も実現。月額$10から。

02 覚えておきたいショートカット

操作	Mac	Windows	用途
補完を採用	`Tab`	`Tab`	提案されたコードを適用
次の候補	`Option + ]`	`Alt + ]`	別の提案を表示
Copilot Chat	`Cmd + Shift + I`	`Ctrl + Shift + I`	チャットパネルを起動
インライン提案	`Option + \`	`Alt + \`	提案をトリガー
コマンドパレット	`Cmd + Shift + P`	`Ctrl + Shift + P`	あらゆる操作の起点

03 コンテキストの渡し方で精度が変わる

Copilotは開いているファイルの文脈を自動で読む。だが、明示的にコンテキストを渡せば精度は格段に上がる。

関連ファイルをタブで開いておく
コメントで意図を説明する（WHYを書く）
Copilot Chatで @workspace を使い、プロジェクト全体を参照させる
インラインコメントでヒントを与える

BAD : コンテキストなし

# 関数を作って

def process(data):
    return data

何をする関数か不明。命名も曖昧。型も戻り値もわからない。

GOOD : コンテキストあり

# 受注CSVを読み込み、月別売上を集計する関数
# 入力: CSVファイルパス (date, amount列あり)
# 出力: {月: 合計金額} の辞書
# pandasを使用すること

import pandas as pd

def aggregate_monthly_sales(csv_path: str) -> dict:
    df = pd.read_csv(csv_path)
    df["date"] = pd.to_datetime(df["date"])
    monthly = df.groupby(
        df["date"].dt.to_period("M")
    )["amount"].sum()
    return monthly.to_dict()

意図・入出力・利用ライブラリを明記。Copilotが正確に補完できる。

04 Agent Mode — AIが自律的に動く

2025年に登場したCopilot Agent Mode。単純な補完を超え、タスクを理解して複数ファイルを横断した変更を自律的に行う。開発者は指示を出し、結果を確認するだけ。

FEATURE

自律的タスク実行

自然言語で「履歴機能を追加して」と伝えるだけ。ファイル読み取り、コード修正、エラー解決をAIが自分で判断して実行する。

FEATURE

複数ファイル同時編集

HTMLの構造変更、CSSの追加、JSのロジック実装を一度の指示で横断的に処理。人間が介在しない時間が生まれる。

FEATURE

エラー自動修正

コードを書いてエラーが出たら、自分でログを読み、原因を特定し、修正する。ジュニアエンジニアと同等の自走力がある。

05 フォルダ構成と Copilot Instructions

AIが理解しやすいフォルダ構成にすることで、生成コードの品質が上がる。.github/copilot-instructions.md にプロジェクト固有のルールを書けば、すべての提案に反映される。

project/
├── .github/
│   └── copilot-instructions.md  # Copilot用ルール
├── .cursor/
│   └── rules/                   # Cursor用ルール
├── CLAUDE.md                    # Claude Code用ルール
├── src/
│   ├── api/
│   ├── models/
│   ├── services/
│   └── utils/
├── tests/
├── docs/
├── README.md
└── pyproject.toml

copilot-instructions.md の具体例。チームのコーディング規約をそのまま書けばいい。曖昧な指示は効かない。具体的に、命令形で。

# .github/copilot-instructions.md

## 言語・フレームワーク
# どの言語で書くか迷わせない
- TypeScript を使用すること (JavaScript 不可)
- React 19 + Next.js 15 App Router で実装すること
- スタイルは Tailwind CSS を使用すること

## コーディングルール
# any禁止は代替手段とセットで書く
- any 型は禁止。unknown + 型ガードを使うこと
- 変数名・関数名は camelCase、型名は PascalCase
- コメントは日本語で記述すること

## エラーハンドリング
# 「適切に」では伝わらない。具体パターンを示す
- API呼び出しは必ず try-catch で囲むこと
- エラーは console.error でログ出力し、ユーザーには toast で通知
- バリデーションには Zod を使用すること

## 禁止事項
# やってほしくないことは明示する
- npm パッケージの追加は事前に確認を求めること
- 環境変数をハードコードしないこと
- テストなしのPR作成は不可

Instructionsを追加・削除する判断基準
追加するとき: AIが同じミスを2回繰り返したら、その禁止ルールを追加する。レビューで毎回指摘するパターンがあれば先回りして書く。
削除するとき: チーム全員がそのルールなしでも守れるようになったら消す。Instructionsは短いほど効く。50行を超えたら優先度の低い項目を削る。

06 Git Worktree で AI並列駆動開発

1つのリポジトリから複数の作業ディレクトリを同時に作成する。ブランチ切り替え不要で、複数のAIセッションを並列実行できる。シーケンシャルに30分かかる作業を10分で終わらせる技術。

# Worktreeを2つ作成（ブランチ切替不要で並行作業できる）
$ git worktree add ../feature-auth feature/authentication
$ git worktree add ../feature-dashboard feature/dashboard

# 一覧を確認
$ git worktree list
/Users/dev/myapp              abc1234 [main]
/Users/dev/feature-auth       def5678 [feature/authentication]
/Users/dev/feature-dashboard   ghi9012 [feature/dashboard]

# 各ディレクトリでVSCodeを開き、3つのCopilotを同時に走らせる
$ code ../feature-auth
$ code ../feature-dashboard

BOSS-Worker-評価AI 構成

┌─────────────┐ │ BOSS AI │ │ (統括・計画) │ └──────┬──────┘ │ ┌────────────┼────────────┐ v v v ┌────────────┐┌────────────┐┌────────────┐ │ Worker AI ││ Worker AI ││ Worker AI │ │ (機能A実装) ││ (機能B実装) ││ (テスト作成) │ └────────────┘└────────────┘└────────────┘ │ │ │ └────────────┼────────────┘ v ┌─────────────┐ │ 評価 AI │ │ (レビュー) │ └─────────────┘

Session 02 参考リンク

Session 03

AI駆動開発における選択肢

AI搭載IDEとCLI搭載LLM。2026年現在、選択肢は爆発的に増えた。どれを選ぶかより、どう「育てる」かが差を生む。すべてに共通するのはRules。

01 AI搭載IDE — 4つの選択肢

Cursor

IDE

Cursor

VSCodeフォーク。Chat / Composer / Inline Editの3モード。マルチモデル対応でClaudeもGPTも使える。2023年登場以降、急速にシェアを拡大。月額$20から。

IDE

Antigravity

2025年登場の次世代IDE。従来のエディタパラダイムを根本から見直した。意図ベースの開発フロー、AI生成コードのトレーサビリティが特徴。独自UIで非VSCodeベース。

Kiro

IDE

Kiro (AWS)

AWSが2025年に発表。VSCodeベースでBedrock統合。IAMアクセス制御、CloudWatch連携、VPC内利用対応。エンタープライズのセキュリティ要件を満たす設計。

IDE

VSCode + Copilot

最も利用者が多い組み合わせ。Agent Mode対応で機能面でもCursorと肩を並べる。月額$10と導入ハードルが低い。拡張機能エコシステムがそのまま使える。

項目	Cursor	Antigravity	Kiro	VSCode+Copilot
ベース	VSCode	独自	VSCode	VSCode
月額	$20〜	未発表	AWS課金	$10〜
AIモデル	複数選択可	独自	Bedrock	OpenAI + Claude
拡張機能	VSCode互換	独自	VSCode互換	VSCode標準
企業導入	増加中	少	AWS顧客中心	最多
強み	Composer	新パラダイム	セキュリティ	エコシステム

02 すべてに共通するRulesの重要性

どのIDEを選んでも、「ルール」の設計が成果を左右する。AIにプロジェクト固有の指示を与え、一貫した出力を得る。ルールなしのAIは、プロジェクトを知らない新入社員と同じだ。

ツール	Rulesファイル	配置場所
Cursor	`.cursorrules`	プロジェクトルート
GitHub Copilot	`copilot-instructions.md`	`.github/`
Claude Code	`CLAUDE.md`	プロジェクトルート
Kiro	`.kirorc`	プロジェクトルート

「AIツールを育てる」マインド

導入して終わりではない。初期ルール設定 → 生成結果の観察 → ルール改善 → チーム共有 → 継続メンテナンス。このサイクルを回すチームが成果を出す。失敗パターンをルールに追加し、成功パターンを横展開する。

初期ルール設定

→

生成結果の観察

→

ルールの改善

→

チームで共有

→

継続メンテナンス

03 CLI搭載LLM — ターミナルからAIを使う

CLI

Claude Code

Anthropic社提供。ターミナルネイティブで、ファイル操作・Git連携・マルチファイル編集が得意。エージェント的動作が最も強力。CLAUDE.mdでプロジェクト設定。エディタ非依存なのでVim/Emacsユーザーにも。

Codex

CLI

Codex (OpenAI)

OpenAI提供のCLI型ツール。オープンソースでカスタマイズ性が高い。GPTベースでプラグインシステムを持つ。コミュニティ主導で拡張が進む。

Gemini

CLI

Gemini CLI (Google)

Geminiモデル使用。GCPとの統合が強み。100万トークンという長大なコンテキストウィンドウが最大の特徴。BigQuery連携やGCPリソース操作が得意。

項目	Claude Code	Codex	Gemini CLI
提供元	Anthropic	OpenAI	Google
ベースモデル	Claude	GPT	Gemini
OSS	一部	あり	なし
エージェント機能	強い	中程度	中程度
クラウド統合	なし	Azure連携可	GCP強い
コンテキスト長	200K	128K	1M

04 ローカルLLM — 手元で動くAI

クラウドにデータを送れない環境、あるいはコストを抑えたい場面ではローカルLLMが選択肢に入る。2026年現在、ノートPC上でも実用的なコード生成が可能になった。

Ollama

LOCAL

Ollama

ローカルLLM実行の事実上の標準。1コマンドでモデルのダウンロードと起動が完了する。Llama、Codestral、DeepSeek Coderなど主要モデルに対応。REST APIを提供するためContinueやAvante等のエディタ拡張と連携可能。

LM St

LOCAL

LM Studio

GUIでモデルを管理・実行できるデスクトップアプリ。HuggingFace上のGGUFモデルをワンクリックでダウンロード。OpenAI互換APIを提供するので、既存のCopilot連携設定をそのまま流用できる。

Cont.

EXTENSION

Continue

VSCode/JetBrains用の拡張機能。ローカルLLMをコーディングアシスタントとして接続する。Ollamaとの連携が容易で、Copilotと同等のタブ補完・チャット・Agent機能をローカルモデルで実現。

項目	ローカルLLM	クラウドLLM
データ送信	なし(機密対応)	外部サーバーへ送信
ランニングコスト	電気代のみ	従量課金 or 月額
精度	GPT-3.5相当〜	GPT-4o / Claude Opus
セットアップ	やや手間	即座に利用可能
必要スペック	RAM 16GB以上推奨	ブラウザのみ
向いている用途	補完・定型コード	複雑な設計・大規模変更

現実的な使い分け

ローカルLLMは「クラウドの代替」ではなく「棲み分け」で考える。機密性の高い社内コードの補完にはOllama + Continue。大規模な設計やリファクタリングにはClaude CodeやCopilot Agent Mode。この2層構成が2026年時点の最適解だろう。

05 デモ : 外部コンテキスト引用とMCP

MCP（Model Context Protocol）はAnthropicが提唱したオープンプロトコル。AIと外部データソースを接続する標準規格で、2026年には事実上の標準として定着した。社内Wiki、DB、API — AIが「知らない」情報もリアルタイムで参照可能になる。

┌─────────────┐ │ AI Model │ │ (Claude等) │ └──────┬──────┘ │ MCP (標準プロトコル) ┌──────v──────┐ │ MCP Server │ │ (橋渡し役) │ └──────┬──────┘ │ ┌────┴────┐────────┐ v v v ┌─────┐ ┌─────┐ ┌───────┐ │ DB │ │ API │ │ Drive │ └─────┘ └─────┘ └───────┘

MCPサーバー	機能	用途
Filesystem	ローカルファイルアクセス	社内ドキュメント参照
GitHub	リポジトリ、Issue、PR	コードベースの検索
Google Drive	ドキュメント、スプレッドシート	社内資料の検索
Notion	ノート、データベース	ナレッジベース連携
PostgreSQL	データベースクエリ	業務データの参照
Slack	メッセージ、チャンネル	チーム情報の検索

// MCP設定ファイル例 (~/.claude/mcp.json)
{
  "mcpServers": {
    "drawio": {
      "command": "npx",
      "args": ["-y", "@anthropic/mcp-server-drawio"]
    },
    "filesystem": {
      "command": "npx",
      "args": ["-y", "@anthropic/mcp-server-filesystem", "/docs"]
    },
    "gdrive": {
      "command": "npx",
      "args": ["-y", "@anthropic/mcp-server-gdrive"]
    }
  }
}

デモの流れ

draw.io MCPサーバーを使い、Claude Codeに「ECサイトのER図を描いて」と指示する。AIが自然言語からテーブル設計を考え、draw.ioに直接ER図を描画する。コードを書くだけでなく、設計ドキュメントもAIが自動生成できることを示す。

MCPを使う際の注意点

機密情報の漏洩リスク — AIに渡すデータは外部サーバーに送信される可能性がある
アクセス制御 — MCPサーバーには認証機構を設け、最小権限で運用する
ログ管理 — AIがどのデータにアクセスしたか記録し、監査に備える
パフォーマンス — ベクトルDBやキャッシュの導入で応答速度を確保する

06 ちょっと先の未来を体験 : Agent Teams

Claude CodeのAgent Teams機能はまだベータ版。でも、AIの利用コストは下がり続けており、性能も上がり続けている。1か月後にはこれが当たり前になっている可能性が高い。今日はその「ちょっと先の未来」を一足早く体験してもらいます。

会場の皆さんへお願い

最後のデモは、皆さんに参加していただきます。2つ決めてください。

1つ目は「こんなもの作ってみてくれ」という無茶振りテーマ。業務で欲しいツールでも、遊び心あるものでも何でも構いません。

2つ目は、AIチームの各メンバーが演じるロール — キャラクター。「ベテラン職人肌のPM」「新卒で張り切りすぎるエンジニア」のような人物像を指定すると、AIがそのキャラで実装を進めます。

講師がこの後呼びかけますので、ぜひ気軽にアイデアを教えてください。

Session 03 参考リンク

Session 04

質疑応答・ディスカッション

AIの進化は開発の民主化をもたらした。同時に、新たな問いも突きつけている。技術の均一化は何を意味するのか。エンジニアの育成はどう変わるべきか。

Q1 : AIの進化による技術の均一化。「成長機会の損失」をどう考えるか

まずは皆さんで考えてみてください。どう思いますか?

差別化要因のシフト

「コードが書ける」はもう差別化にならない。要件定義力、アーキテクチャ設計力、ドメイン知識、ステークホルダーとのコミュニケーション。差別化要因は上流へ移動している。

AIに任せられない領域

倫理的判断、顧客との信頼関係構築、組織の意思決定、新規性の高いイノベーション。人間にしかできない仕事は減るどころか、その価値が上がっている。

成長機会の再設計

AIの出力を評価・改善する訓練、複雑な問題を分解する練習、AIがない環境での基礎訓練期間の確保、メンタリングによる暗黙知の伝承。従来の「書いて覚える」から「評価して学ぶ」への転換が求められる。

Q2 : ジュニア/ミドル層エンジニアの育成。シニアが変えるべき行動とは

皆さんのチームではどうですか? シニアの方、思い当たることはありませんか?

育成アプローチの変化

従来は「簡単なタスクから徐々に難易度を上げる」だった。今後は「AI活用の型を学ぶ → AIの出力を評価する → AIが苦手な領域を担当 → AIを監督する立場へ」。出発点が変わった。

シニアの行動変容

コードレビューの観点をAI生成前提に変更する。「教える」から「導く」へ、答えを与えず考えさせる。AIの限界を示すケーススタディを共有する。設計・判断の「なぜ」を言語化する習慣をつける。

評価基準の見直し

生産量ではなく判断の質、コード量ではなく問題解決力、個人成果ではなくチーム貢献。週1回の「AIなし開発タイム」、AIの出力を3回は修正してからマージ、障害対応にジュニアも参加させる。具体的なプラクティスを導入する。

Session 04 参考リンク

用語	説明
AI駆動開発	AIを中心に据えた開発手法。コード生成からレビュー、デプロイまでAIが関与する
バイブコーディング	自然言語でコードを書く開発スタイル。コードを直接書かない
エージェントAI	自律的にタスクを遂行するAI。人間の指示を理解し、複数ステップを自走する
MCP	Model Context Protocol。AIと外部データソース間の通信規格
Rules / Instructions	AIに与えるプロジェクト固有の指示ファイル
Git Worktree	1リポジトリから複数の作業ディレクトリを作成するGit機能
ハルシネーション	AIが事実と異なる情報を自信満々に生成すること
コンテキスト	AIに渡す文脈情報。ファイル、会話履歴、外部データなど

用語

説明

AI駆動開発

AIを中心に据えた開発手法。コード生成からレビュー、デプロイまでAIが関与する

バイブコーディング

自然言語でコードを書く開発スタイル。コードを直接書かない

エージェントAI

自律的にタスクを遂行するAI。人間の指示を理解し、複数ステップを自走する

MCP

Model Context Protocol。AIと外部データソース間の通信規格

Rules / Instructions

AIに与えるプロジェクト固有の指示ファイル

Git Worktree

1リポジトリから複数の作業ディレクトリを作成するGit機能

ハルシネーション

AIが事実と異なる情報を自信満々に生成すること

コンテキスト

AIに渡す文脈情報。ファイル、会話履歴、外部データなど

生成AI開発トレンド研修静岡会場

Session 01 : オリエンテーション15分

Session 02 : VSCodeでの生成AI活用ベストプラクティス25分

休憩10分

Session 03 : AI駆動開発における選択肢40分

Session 04 : 質疑応答・ディスカッション20分

アンケート・閉会10分

AI駆動開発

バイブコーディング

エージェントコーディング

セキュリティ

ライセンス・著作権

品質・依存

自律的タスク実行

複数ファイル同時編集

エラー自動修正

VSCode + Copilot

差別化要因のシフト

AIに任せられない領域

成長機会の再設計

育成アプローチの変化

シニアの行動変容

評価基準の見直し

生成AI開発トレンド概観

VSCode + Copilot実践

AI駆動開発の選択肢

エンジニア育成の再設計

公式ドキュメント

レポート・調査

セキュリティ

デモ : バイブコーディング

「コード0行」で業務アプリを作る — 会場で体感

プロンプトの「書き方」で結果がここまで変わる

デモ : Agent Mode で機能追加

「手を離して見ていてください」 — AIの自律動作を体感

Agent Modeが失敗するケースと対策

デモ : Git Worktree 並列開発

AIを3台並列で走らせる — 開発速度3倍の仕組み

BOSS-Worker-Reviewer パターン

デモ : Rules 設定と効果の違い

同じプロンプト、違う結果 — Rulesの有無で比較

Rulesファイルの書き方 — 3つの鉄則

デモ : Claude Code でタスク実行

エディタなし、ターミナルだけで開発する

CLAUDE.md — AIの「引き継ぎ書」

デモ : draw.io MCP で ER図を自動生成

自然言語で「ER図を描いて」 — AIが設計図を自動生成

MCPで何が接続できるか

ちょっと先の未来を体験 : Agent Teams

1か月後には「当たり前」になる機能を、今日体験する

Claude Code で Agent Teams を動かす手順

生成AI開発トレンド研修
静岡会場