9月25日、Atomic Objectが「How AI Let a Non-Technical Delivery Lead Work in the Data Layer」と題した記事を公開した。この記事では、技術的なバックグラウンドを持たないデリバリーリードがAIを活用してデータレイヤーのトラブルシューティングを自力でこなせるようになった体験について詳しく紹介されている。
「開発者に投げる」が不要になった
データの不整合が起きたとき、それを調査するのはこれまで開発者の仕事だった。SQLの知識、本番DBへのアクセス、「触っても壊さない」という自信——そのすべてが必要だったからだ。
記事を書いたデリバリーリード（プロジェクトの進行管理・クライアント対応を担う役割）は、ある会計系クライアントを担当するなかで、AIを使ってこの壁を乗り越えた体験を報告している。ポイントは「AIにDBを触らせる」ことではなく、コードベース・DB・外部ファイルを文脈ごとAIに与えた上で質問できる環境を構築した点にある。
セットアップの全体像
このAI支援環境は、目的の異なる4つの要素を組み合わせることで成立している。それぞれが独立した施策ではなく、「データを安全に探索しながら業務文脈と突き合わせる」という一つの流れを構成している点が重要だ。
1. Cursorでコードベースを文脈として持たせる
使用したのはCursor（AIコーディング支援IDE）。開発者と同じようにリポジトリを開き、AIがコードの文脈でデータを解釈できる状態にした。データの不整合は、そのデータを生成したロジックを見ないと意味が分からないことが多い。なお、記事中ではClaudeについても同様の用途で利用できると短く触れられており（主軸はCursorによる環境構築だが）、開発環境に慣れていない人にはよりとっつきやすい選択肢かもしれないとしている。
2. 読み取り専用のDB接続
本番データベースには読み取り専用の接続を作成した。これが安全に探索できる前提条件であり、AIが誤って本番データを変更するリスクをゼロにした。
3. AI向け設定（スキル定義と業務文脈の注入）
AIがDBスキーマをどう解釈すべきか、クライアント固有の業務ルールをどう扱うかを設定として与えた。「データが合っているか」ではなく「このクライアントにとってこの数字が問題かどうか」を判断するには、業務文脈が不可欠だ。
4. SharePointの外部ファイルとの突き合わせ
クライアントが持つ大量のソースファイルはSharePointに格納されていた。AIをそこに接続し、システム内データと外部ファイルをクロスリファレンス（突き合わせ）できるようにした。手作業では煩雑でミスが出やすいこの作業が、最も明確な価値を生んだという。
これら4要素が揃うことではじめて、「コードを読まずにデータの文脈を理解する」という状態が実現できた。
「ドメイン知識」は代替不可能
記事が強調するのは、このセットアップが自動的に機能するわけではないという点だ。
AIはパターンを浮かび上がらせることはできるが、そのパターンがこのクライアントにとって実際に問題かどうかは判断できない。
筆者はクライアントの業務に精通しているからこそ、AIが出した答えが正しいかどうかを判断できた。ツールがリーチを広げるのであって、業務知識を代替するわけではないという点は繰り返し強調されている。
現場に何をもたらしたか
最も分かりやすい効果はスピードだ。以前は開発者へのお願い（コンテキストスイッチを伴う）が必要だったデータ照合・調査が、その場で完結するようになった。
クライアント対応も変わった。データに関する質問を「後で確認します」ではなく通話中にその場で回答できるようになり、クライアントからの信頼感が変わったという。実際、この効果を見たクライアント自身が「同じ環境を自分たちでも構築したい」と申し出るほどだった。
デリバリーロールの「技術フロア」が上がる（※筆者による解釈）
記事の最後では、この経験が示す業界全体への示唆に触れている。「デリバリーリードがコードを書けるようになる」という話ではなく、技術レイヤーに関与できる人の範囲が広がるという変化だ。データのクエリ、基本的なUI修正への参加——こうした作業が、開発者に閉じたものではなくなっていく。この見出しの「技術フロア」という表現は元記事の言葉ではなく、記事の主旨を本稿なりに言い換えたものだ。
データとアプリケーションを中心に据えた組織（実質ほぼすべての組織）にとって、非技術職スタッフ向けにこうしたセットアップを意図的に整備する価値があると筆者は述べている。
詳細はHow AI Let a Non-Technical Delivery Lead Work in the Data Layerを参照していただきたい。
