11月12日、Develocity（Gradle社が提供するビルド・テスト分析プラットフォーム）が「A Model of the AI-Native SDLC」と題した記事を公開した。この記事では、コーディングエージェント時代に対応したソフトウェア開発ライフサイクル（SDLC）を8段階のモデルとして再設計するフレームワークについて詳しく紹介されている。

問題の核心：コードは速くなったが、デリバリーが追いつかない

AIコーディングエージェントの普及により、コードを書く速度は劇的に短縮された。しかし現在のほとんどの組織では、SDLCのボトルネックはコーディングではなく、エージェントが生成したコードの検証とレビューに移っている。

Develocityはこの状況を「delivery-limited（デリバリー制約）」と呼ぶ。エージェントが大量のコードを吐き出しても、それを確認・検証・リリースするプロセスが旧来のままであれば、スループットは改善されない。この記事が提示するAIネイティブSDLCは、エージェントが何をできるかを前提にプロセス全体を再構築するアプローチだ。

8段階モデルの全体像

モデルは以下の8ステージで構成される。各ステージは独立した関門であり、変更の種類やリスクに応じて一部をスキップすることも想定されている。

• Intent（意図）: 要求を「何を・なぜ作るか」に整理し、着手を承認する
• Specification（仕様）: プロダクト側が要件と正解の定義を決定する
• Implementation plan（実装計画）: どのファイルを・どの順番で・どのテストで証明するかを決める
• Coding（コーディング）: エージェントがコードを書き、チェックが通るまでループで検証する
• Code review（コードレビュー）: PRビルド、レビューエージェント、人間、マージビルドが変更を確認する
• Release（リリース）: リリース候補を再ビルドし、追加検証と承認を経る
• Deploy（デプロイ）: パイプラインがロールバックパスとともに候補をデプロイする
• Maintain（維持）: 本番の異常をエージェントが診断し、修正案を新しいIntentとして起票する

バグ修正のような変更はSpecificationをスキップし、シンプルな変更はImplementation planもスキップする。一方で、リスクの高い変更では実装計画を事前にレビューすることで、コードを書いてから方向を修正するコストを大幅に削減できる。計画フェーズで強力なモデルを使い、コーディングは安価なモデルに任せるという分業も可能になる。

最も重要な論点：「検証」がコスト・スループット・信頼の要になる

記事が最も深く掘り下げているのがVerification（検証）の扱いだ。

検証とは、ビルド・テスト・静的解析など「固定ルールが結果を決める」チェック全体を指す。エージェントのレビューとは異なり、同じコードに対して毎回同じロジックを適用する決定論的なプロセスだ。

なぜ検証がエージェント時代にとくに重要になるのか。記事は3点を挙げる。

第一に、テストスイートはコードベースの「記憶」だ。 人間のエンジニアがコードに加えた無数の判断——閾値、丸め規則、過去に壊れた箇所——はドキュメント化されていないことが多い。テストはその記憶を機械的に保持する。エージェントはテストが通るまで作業を続けるため、「暗黙知をルールとして強制する」役割を果たす。

第二に、エージェントは人間よりはるかに多くの変更を加える。 記事はAIの導入がデリバリーのスループットを高めると同時に、デリバリーの不安定性も高めると指摘する。検証がなければ、この不安定性を制御できない。

第三に、検証の品質がコストに直結する。 エージェントはビルドとテストを人間より頻繁に実行する。検証に求められる3つの性質として記事は「速度」「結果のコンテキスト（なぜ失敗したか）」「信頼性（フレーキーテストの排除）」を挙げる。フレーキーテストによる誤検知は、時間・トークン・計算コスト・エンジニアの調査時間をすべて無駄にする。

2つの補助ループ：Verification HealthとEval

通常のSDLCステージに加え、このモデルは2つのループをステージの横に設ける。

Verification health loop（検証健全性ループ） は、すべての検証実行を監視し続ける。フレーキーなテストや遅いビルドを検出し、エージェントが自動修正する。

Eval loop（評価ループ） は、エージェント自体をテストする。モデル・ハーネス・外部ハーネスが変更されるたびに、その変更が意図しない影響を持っていないかを評価し、問題があれば変更を止めるゲートとして機能する。「AIによるレビューを人間のレビューの代替とできるか」は、このEvalの信頼性にかかっている。

人間のレビューはどこに残るか

記事は、人間のレビューを「削除するもの」ではなく「徐々に縮小するもの」として位置づける。リスクや規制が求める変更には人間が残り続ける。ただし役割は変化する。

Kief Morrisの表現を借りて、記事は人間の役割を「ループの中（in the loop）」から「ループの上（on the loop）」への移行と説明する。個々の変更を確認するのではなく、全プロジェクトにわたるシステム全体を監視し、エージェントの仕様・チェック・ガイダンスを調整する役割だ。説明責任は引き続き特定の人間が持ち、何をどう検証したかの記録が監査可能性を担保する。

最終的なボトルネックは「何を作るか」

Andrew Ngは「エージェントによるコーディングでは、何を作るかを決めることが新しいボトルネックになる」と述べている。記事はこれを支持しつつ、現時点ではほとんどの組織がまだデリバリー制約の段階にあると指摘する。

AIネイティブSDLCのゴールは、検証・レビュー・リリースをコーディングのペースに追いつかせ、ボトルネックを「実装」から「何を作るべきか」という意思決定に移すことだ。

詳細はA Model of the AI-Native SDLCを参照していただきたい。