6月18日、ポール・ナシャワティ氏が「Agentic AI Is Reshaping the SDLC: AWS Summit 2026」と題した記事を公開した。この記事では、AWS New York Summit 2026で複数の企業が報告したAIエージェントによるSDLC（ソフトウェア開発ライフサイクル）全体の変革事例について詳しく紹介されている。
コードを書く時間はもはや3割を切り、さらに20%へ
AWS New York Summit 2026では、Net Smart（医療IT）、Avis Budget Group（レンタカー）、Virgin Australia（航空）の3社が、AIエージェント活用の具体的な成果を発表した。
Amazonの内部分析によれば、開発者が実際にコードを書く時間はもともと全体の30%未満に過ぎず、残りの70%は設計・レビュー・デプロイ調整・保守といった周辺作業に費やされていた。この「30%未満」はAI導入以前の数字だ。そこにAIによるコード生成が普及した結果、コーディングに費やす時間はさらに圧縮され、全体の約20%前後にまで低下しつつあるという。つまり「30%未満→20%前後」という二段階の縮小として読むと正確だ。
この数字が示す本質は、「AIでコードを速く書ける」という段階の話ではない。ボトルネックがすでに移動しており、次の主戦場は要件定義・テスト・ガバナンスの各フェーズだという点だ。
Net Smart の数字が示すインパクト
医療IT企業のNet Smartが報告した数値は具体的だ。
- カスタムエージェント導入による開発時間：80%削減
- 25〜30チームにまたがるピアコードレビュー時間：64%削減
- インシデント対応時間（Kiroアシストエージェント使用）：66%削減
- 1年かかる予定だったAngularモダナイズ案件：1人のエンジニアが3ヶ月で完了
- 5ヶ月見込みの別案件：1ヶ月で終了
ここで言及されている「Kiro」は、AWSが2026年に発表したAI搭載IDE（統合開発環境）ツールであり、コード補完・レビュー支援・インシデント対応の自動化などを担う。これらはAmazon DevOps Agentが一般提供される前の数字である点も付け加えておきたい。
「先に移行、次にモダナイズ」—— Avis Budget Group の教訓
Avis Budget Groupは、Amazon Connectへの移行を5フェーズに分けて実施した。最大の教訓は移行とAI機能導入を分離したことだ。移行と同時にAI機能を入れようとすると複合リスクが高まる。同社はカットオーバー時に並行稼働を維持し、基盤を安定させた上で、Amazon Nova Sonic（AWSのリアルタイム音声AIモデル）・Bedrockベースのナレッジベース・生成AIによるIVR機能を順次追加する段階に入っている。
Virgin Australia：16週間で本番稼働したマルチエージェント基盤
最も野心的な事例はVirgin Australiaだ。同社は16週間で以下を本番環境に投入した。
- Bedrock Agent Core（AWSのマネージド型エージェント実行基盤）の主要コンポーネントすべてを本番化
- 6つのエージェントと30以上のMCPツールからなる統合AIエコシステムを構築
- ChatGPT上でのフライト検索を開始（世界で3社のみ）
- 地政学的情報をほぼリアルタイムで経営幹部に届けるツールを2日以内でアイデアから本番化
なお、MCP（Model Context Protocol）とは、AIエージェントが外部ツールやデータソースと標準化された形式でやり取りするためのプロトコルで、Anthropicが提唱しオープンソース化している仕様だ。AWSを含む各社が対応を進めており、マルチエージェント構成の「共通語」として普及しつつある。
アーキテクチャはチャネル・ゲートウェイ・サブエージェント・コネクタ・共有可観測性レイヤーで構成されており、ガードレールとID管理はエージェントごとではなくプラットフォーム側で一括処理する設計だ。最初のコネクタ構築に最も時間がかかったが、共通コントロールレイヤーが承認済みになった後は、後続コネクタの構築時間は大幅に短縮されたという。
CEOが直接スポンサーになったガバナンス体制も速度に貢献した。12のコンプライアンスチームに対応したリスクカテゴリにユースケースを事前分類する枠組みを用意したことで、審査の手戻りを最小化している。
スペック駆動開発という考え方
Amazonストアが採用する「スペック駆動開発」のアプローチも注目に値する実装パターンだ。
- AIで既存コードベースを人間が読める仕様に逆工学する
- その仕様を以降の移行・機能開発の正規ソースとして扱う
- AIが生成した実装を元の仕様に照らしてクローズドループで検証する
このパターンが有効なのは、同じ仕様をJavaからPythonへの移行にも、モノリスからマイクロサービスへの分解にも、オンプレからクラウドへの移行にも使い回せる点にある。AIをインテリジェントな補完ツールとして使うのではなく、「精密な仕様を最初に書き、それに対してAIが実装する」という思考の転換が前提となる。
ガバナンスの期限は2027年12月
EU Cyber Resilience Act（サイバーレジリエンス法）のアプリケーションコンプライアンス要件は2027年12月に施行され、報告義務は2025年9月に開始された。ノーコード・ローコード系ツールで本番ワークロードを構築するナレッジワーカーが増える中、ガードレールなしで開発を進めることは法的リスクになりえる。
3社の事例に共通するのは、コンプライアンス・セキュリティ・データガバナンスをパイプライン末端のゲートではなく、仕様段階から埋め込むという設計思想だ。
ECI Researchの2025年調査では、92%の組織がソフトウェアデリバリーライフサイクルの少なくとも1フェーズにAIを統合済みと回答している（2024年初頭は71%）。今後12〜24ヶ月は、その統合が1フェーズから全フェーズへどこまで広がるかが焦点になる。
詳細はAgentic AI Is Reshaping the SDLC: AWS Summit 2026を参照していただきたい。
