株式会社renue
renueについて
renueは、AIで業務を実装する会社です
AIコンサルティングから図面AI・広告運用エージェント・コールセンターAIまで、実際に動いているサービスをご覧いただけます。renueが何をしている会社か、まずはサービス一覧からご確認ください。
システム開発とは何か？基本概念と2026年の動向
システム開発とは、ビジネス課題を解決するためのソフトウェア・情報システムを企画・設計・構築・テスト・運用するプロセス全体を指します。要件定義から設計、開発、テスト、リリース、保守・運用まで一連の工程を体系的に進めることで、高品質なシステムを効率的に提供します。
2026年現在、システム開発はAIの登場によって大きな変革期を迎えています。例えば富士通は2026年2月、要件定義・設計・実装・結合テストをAIエージェントで自動化する開発基盤を発表しました。2026年1月から医療分野の法改正対応ソフトウェア改修に適用したと説明しています（富士通の公式発表）。
システム開発の主要工程
1. 企画・要件定義
最も重要な工程です。「何を作るか」「なぜ作るか」「誰が使うか」「どう使うか」を明確化します。業務フロー分析、ステークホルダーヒアリング、要件の文書化（要件定義書）を行います。要件定義の品質は、設計・実装・テストとともにシステム全体の品質に影響します。
AI活用のポイント：ヒアリング議事録の自動要約、要件の矛盾検知、ユーザーストーリー自動生成、公開・利用許諾された資料の要件参照などにAIを使う方法があります。顧客固有の情報は権限と利用目的を確認して扱います。
2. 基本設計（外部設計）
要件を実現するシステムの「外から見える姿」を設計します。画面・帳票設計、機能仕様、データフロー設計、外部インターフェース設計などが含まれます。ユーザーが実際に使うシステムの姿をここで確定させます。
3. 詳細設計（内部設計）
プログラマーが実装できるレベルの詳細な仕様を設計します。データベース設計、クラス・モジュール設計、アルゴリズム設計、API設計などが含まれます。
AI活用のポイント：設計ドキュメントの自動生成、コードとドキュメントの一貫性チェック、データモデルの提案にAIを使う方法があります。生成結果は要件・制約に照らして確認します。
4. 開発（実装）
設計書に基づいてプログラムを作成します。GitHub CopilotやCursorなどのAIコーディングツールは、コードの下書きや修正案の作成に利用できます。定型作業を支援させながら、開発者がアーキテクチャ設計、レビュー、品質管理を担う分担を設計します。効率化の程度はタスクや検証の負担により変わるため、実際の工程で評価します。
5. テスト
単体テスト、結合テスト、システムテスト、受入テスト（UAT）の各フェーズで品質を検証します。AIでテストケースやバグ原因の候補を作成し、自動テストと組み合わせる方法があります。要件に対する網羅性や期待結果は担当者が確認します。
6. リリース・デプロイ
開発したシステムを本番環境に展開します。CI/CD（継続的インテグレーション・継続的デリバリー）でビルド・テスト・配備を自動化する方法があります。本番反映まで自動にするか、承認を挟むかはリスクや運用方針に合わせて設計します（DevOpsの開発・提供・運用）。
7. 保守・運用
本番稼働後の障害対応、機能追加・改修、パフォーマンス監視、セキュリティ対策を継続的に行います。AIによるログ分析や障害候補の抽出、復旧手順の提案も検討できます。自動復旧を行う場合は、実行できる操作と人の承認が必要な範囲を定めます。
システム開発の手法と設計・運用の考え方
ウォーターフォールやアジャイルは開発の進め方、DevOpsは開発・運用の協働や実践、マイクロサービスはシステム構造の設計方式です。異なる分類なので、以下から一つだけを選ぶ必要はなく、組み合わせて採用できます（DevOpsの定義、マイクロサービスの定義）。
| 手法 | 特徴 | 向いているプロジェクト |
|---|---|---|
| ウォーターフォール | 工程を段階的に進め、成果物や合意事項を確認する | 要件が明確・変更が少ない基幹系システム |
| アジャイル（スクラム等） | 短いサイクルで開発・改善。スクラムでは1か月以内の固定長スプリント | 要件変更が多い・スピードを重視するシステム |
| DevOps | 開発と運用を統合し高頻度リリースを実現 | 継続的な改善が必要なWebサービス・SaaS |
| マイクロサービス | 機能を独立したサービスに分割して開発・運用 | サービスごとの独立展開が必要で、分散運用の複雑さに対応できるシステム |
AI活用によるシステム開発の変革
コード生成AIの普及
GitHub Copilot、Cursor、DevinなどのAIコーディングツールにより、定型的なコード生成、バグ修正、テストコード作成が自動化されています。効果を示す研究例として、2023年公表のGitHub Copilotの対照実験では、JavaScriptでHTTPサーバーを実装する課題で、利用群の完了時間が対照群より55.8%短くなりました。単一の実装課題の結果であり、CursorやDevinを含む全製品・全工程の生産性向上率を示すものではありません（研究論文）。
AIによる要件定義・設計支援
LLM（大規模言語モデル）を活用して、ヒアリング内容から要件定義書の骨子を自動生成したり、設計パターンの提案や矛盾候補の検出を支援する使い方が考えられます。ただし、業務固有の知識が必要な部分は人間の確認が不可欠です。
AI駆動開発（AI-Driven Development）
公開された取り組みとして、富士通は大規模言語モデル「Takane」等を用い、複数のAIエージェントが要件定義から設計・実装・結合テストまでを協調して進める基盤を発表しています。同社の2026年2月17日の発表では、1月から診療報酬改定に伴う改修へ適用を始め、2026年度中に医療・行政分野の全67業種ソフトウェアの改修へ適用する方針を示しています。導入済みの範囲と今後の計画を区別し、自社への適用可否は要件・データ・品質確認の体制に基づいて評価します（公式発表）。
システム開発の費用と開発期間の見積もり
費用・期間は、機能、品質要件、外部連携、移行作業、開発体制などで変わります。IPAが紹介する工数積上げ等の考え方を参考に、作業ごとの工数と単価、クラウド・ライセンス等の費用を分けて見積もります。下表は市場価格の断定ではなく、規模別に確認すべき項目です（IPAの見積り手法）。
| 規模 | 費用の主な算定対象 | 期間を左右する条件 |
|---|---|---|
| 小規模（業務ツール・MVP） | 必要最小限の機能、画面、データ保存、テストの工数と単価 | 機能数、確認・修正の回数、利用開始に必要な準備 |
| 中規模（業務システム・Webアプリ） | 業務要件、権限管理、外部連携、移行・運用準備の工数 | 関係部門の調整、連携先の準備、受入テスト |
| 大規模（基幹システム・プラットフォーム） | 複数システムの連携、非機能要件、データ移行、段階切替の工数 | 依存するシステム、検証範囲、停止可能時間と切替計画 |
| AI機能組み込み追加費用 | データ整備、モデル評価、API利用、監視・改善の費用 | 必要な精度、評価データの準備、再評価・改善の回数 |
見積もりを比較するときは、税の扱い、初期開発と保守・運用の区分、APIやクラウドの継続費用を揃えます。人月の工数とカレンダー上の期間は別の指標であり、要員を増やした分だけ期間を短くできるとは限りません。
システム開発の失敗を防ぐポイント
- 要件定義に十分な時間をかける：要件の不確実性、外部連携、品質上のリスクに応じて、要件定義・設計とレビューに必要な工数を見積もる。一律の配分率ではなく、計画と実績を比較して調整する（見積りに影響する要因）
- スコープを明確にする：「やらないこと」を明文化して追加要件の無制限な拡大（スコープクリープ）を防ぐ
- プロトタイプで早期検証：本開発前にプロトタイプ・モックアップでUIUXを確認する
- テストを後回しにしない：テスト駆動開発（TDD）やCI/CDによる自動テストを早期から組み込む
- 非機能要件を定義する：性能・可用性・セキュリティ・保守性の要件を明確化する
- ユーザーを巻き込む：定期的なユーザーレビューでズレを早期に発見する
外注先選び・開発パートナーの評価ポイント
- 類似プロジェクトの実績と成果物の品質
- 使用する技術スタックの適合性
- AIツール活用による開発効率化への対応
- コミュニケーションの頻度と透明性
- 保守・運用サポートの体制
- 内製化支援・ナレッジ移転への姿勢
よくある質問（FAQ）
Q1. 要件定義と要件仕様書の違いは何ですか？
要件定義は「何を作るか」を明確化するプロセスそのものを指し、要件仕様書はその成果物（ドキュメント）です。要件定義プロセスには、ステークホルダーヒアリング、業務分析、要件の優先度付け、関係者間の合意形成が含まれます。
Q2. アジャイル開発とウォーターフォール開発、どちらを選ぶべきですか？
要件が明確で変更が少ない場合（基幹システム刷新など）はウォーターフォール、要件が変化しやすく速いリリースが必要な場合（スタートアップのMVP、Webアプリなど）はアジャイルが適しています。全体計画や契約の枠組みを定めつつ、個々の機能開発を反復するなど、両者の考え方を組み合わせる方法もあります。
Q3. AIを組み込んだシステム開発は通常の開発より費用が高くなりますか？
AI機能の実装（LLM API連携、機械学習モデル組み込みなど）は通常の開発に比べて追加コストが発生します。ただし、AIコーディングツールによる工数低減と、レビュー・再生成・評価の追加工数を合わせて考える必要があり、一概に総費用が高くなるとは言えません。AI機能の複雑さと独自性（カスタム開発 vs APIサービス利用）によって大きく変動します。
Q4. 小規模な業務ツールをAIで作る場合、どんな技術を使うのが一般的ですか？
OpenAI API（GPT-4oなど）やAnthropic API（Claudeなど）をバックエンドに組み込み、Next.jsやFastAPIでWebアプリを構築する方法があります。Vercel/Azure/GCPなどのクラウドサービスを使う場合は、モデルの提供状況、利用量、通信・保存・監視を含めた料金を確認し、必要な品質と予算に合わせて構成を選びます。
Q5. システム開発の外注失敗を防ぐための契約上のポイントは？
主に3点です。①仕様を詳細化した上で固定価格か、変動部分は時間精算かを明確にする。②マイルストーンごとの成果物と検収基準を定義する。③著作権・ソースコードの帰属、保守条件を明記する。「完成基準」や検収方法を具体化し、変更が生じた場合の合意手順も定めることが重要です。例えばIPAのモデル取引・契約書では、仕様・プロジェクト管理・検収方法等について、契約時に共通理解を持つことを重視しています（IPAのモデル契約書）。
Q6. システム開発にAIを活用することで開発期間はどれだけ短縮できますか？
短縮率は、対象作業、既存コード、担当者の経験、確認・手戻りの工数によって変わるため、一律の目安は示せません。本文で紹介したCopilot研究は、単一のHTTPサーバー実装課題の完了時間を測ったものです。要件定義・設計・テストでもAIを利用できますが、関係者の合意や品質確認は必要です。実際の工程別に、作業時間・レビュー・修正を含めて比較し、作業の依存関係や待ち時間も踏まえて全体の期間を見積もります（研究の対象範囲、見積りの考え方）。