AI駆動開発入門
【はじめての LSHC×AI駆動開発】0-4:AI 駆動開発とは — 肝はハーネスの設計

0-3 では、LLM のしくみと、そこから来る弱点を見ました。知識に期限がある、渡していないことは分からない、もっともらしく間違える、答えがばらつく、の4つです。この回は、その弱点を抱えた LLM で、どうやって業務に使えるアプリケーション(以下、アプリ)を作るのかを見ます。鍵になる言葉は「ハーネス」です。第0章の最後の回で、ここで見る地図が、この連載全体の地図になります。
1. この回の用語
| 用語 | ひとことで |
|---|---|
| ハーネス(harness) | モデル(LLM)の周りにあって、ツールを提供し、モデルが見るコンテキストを管理する仕組み。Claude Code は、Claude の周りのハーネスに当たる(出典[1]) |
| ツール(tool) | ハーネスがモデルに渡す機能。ファイルを読む・書く、コマンドを実行する、Web を検索する、など。ツールがないと、モデルは文章で答えることしかできない(出典[1]) |
| エージェントループ(agentic loop) | 情報を集める → 行動する → 結果を確かめる、をモデルが自分で繰り返して、目標まで進める流れ(出典[1]) |
| AI 駆動開発(AI-driven development) | 人が仕様と判断を持ち、ハーネスを設計し、その中で AI に実装させる作り方(この連載の定義) |
| バイブコーディング(vibe coding) | AI が書いたコードを読まず、動いた結果だけを見て、頼み直しながら作るやり方。2025年2月に Andrej Karpathy が名づけた(出典[4]) |
2. 場面:弱点だらけの AI で、アプリが作れるの?
3. ハーネス:モデルの周りの仕組み
ハーネス(harness)は、もともと馬具のことです。馬に付けて、その力を車や鋤に伝え、向きを操るためのツールです。AI の分野では、モデル(LLM)の周りにあって、モデルの力を実際の作業に結び付ける仕組みをこう呼びます。
Claude Code の公式ドキュメントは、Claude Code の作業は「推論するモデル」と「行動するツール」の2つで動いていて、Claude Code はモデルの周りにある層として、ツールを渡し、モデルが見るコンテキストを管理する、と説明しています。そして、この周りの層が「ハーネス」という言葉の指すものだ、としています(出典[1])。
ハーネスの部品は、0-3 で見た弱点と、ちょうど対になっています。Anthropic の技術ブログも、ハーネスの部品の1つ1つは、モデルが自分だけではできないことを前提にして作られている、と述べています(出典[2])。

たとえば、知識に期限があるなら、Web を検索するツールを渡せば最新の情報を取ってこられます。渡していない資料は分からないなら、作業するフォルダを開いて、その中のファイルを読ませます。もっともらしく間違えるなら、テストのように、Claude が自分で実行して合っているかを確かめられる仕組みを付けます。公式のベストプラクティスも、Claude が実行できるチェックを渡すことを、真っ先に挙げています(出典[3])。
ツールがあるとき、Claude は 0-3 で見たように文章を書くだけではなくなります。ファイルを読み、編集し、コマンドを実行し、その結果を見て次に何をするかを決める。これを繰り返して目標まで進む流れを、エージェントループと呼びます(出典[1])。
4. AI 駆動開発とは:肝はハーネスの設計
ハーネスが分かると、AI 駆動開発をはっきり定義できます。「AI 駆動開発」は、まだ業界で定義が1つに決まった言葉ではありません。この連載では、次の3つがそろった作り方を AI 駆動開発と呼びます。

肝は2つめです。同じモデルを使っても、どんなツールを渡し、どんな指示を読ませ、どう確かめさせるかで、できあがるものは大きく変わります。Anthropic の技術ブログでも、長い時間をかけてアプリを作らせる仕事で、プロンプトとハーネスの設計によって Claude の成果を基準より大きく引き上げた、という報告があります(出典[2])。
そして、ハーネスの設計は、業務を知っている人に向いた仕事です。何をしてはいけないか(権限)、毎回どの手順を守るか(指示)、何ができていれば合格か(検証の仕組み)は、業務のルールそのものだからです。プログラムを書くのは AI に任せられても、この3つを決めるのは、現場の人にしかできません。
いま、この作り方が求められるのは、作りたいものに対して作れる人が足りないからです。経済産業省の調査では、日本の IT 人材は2030年に、中位の見通しで約45万人、高位の見通しで約79万人不足すると試算されています(出典[7])。部門の毎月の集計や転記は、後回しにされがちです。そこを、業務を知る人が自分でハーネスを組み、AI に作らせて形にできるのが、AI 駆動開発です。
5. AI 駆動開発で作れるもの
0-2 で見たとおり、アプリは画面・処理・データでできています。AI 駆動開発では、そのどれでも作れます。ライフサイエンス・ヘルスケアの仕事でよく出てくるのは、次の6種類です。

6つめは見落とされがちですが、効き目の大きい使い方です。前の担当者が残したマクロや分析のプログラムを Claude Code に読ませ、「何をしているか」「どこで数字を作っているか」を説明させてから直せます。公式のベストプラクティスでも、コードについて、ほかのエンジニアに聞くのと同じように質問してよい、とされています(出典[3])。
6. バイブコーディングとの違い
AI にコードを書かせる作り方は、AI 駆動開発だけではありません。2025年2月、AI 研究者の Andrej Karpathy は、AI の提案を読まずに受け入れ、エラーが出たらそのまま AI に貼り返して作るやり方を「バイブコーディング」と名づけました(出典[4])。この言葉は、英国の Collins 英語辞典が2025年の「今年の言葉」に選ぶほど広まりました(出典[6])。
ソフトウェア開発者の Simon Willison は、AI が書いたコードを人が読み、テストし、ほかの人に説明できるなら、それはバイブコーディングではなく、AI の助けを借りたソフトウェア開発だ、と線を引いています(出典[5])。ハーネスの言葉で言い直すと、違いはもっとはっきりします。

バイブコーディングは悪いやり方ではありません。自分だけで使う、捨ててよい試作なら、いちばん速い作り方です。困るのは、その試作が、指示も検証の仕組みもないまま、部署で使われ始めたときです。
7. どのやり方で作るか
どの作り方を選ぶかは、AI を使うかどうかに関係なく、ソフトウェア開発で一般に考えることと同じです。決め手は2つあります。誰が使うのか(自分だけか、ほかの人も使うのか)と、間違えたときの影響がどれだけ大きいか(人の健康・お金・法令にかかわるか)です。影響が大きいシステムほど、作る前に決めることと、作ったあとに確かめて記録することを増やします。

ライフサイエンス・ヘルスケアでは、2つめの問いに、規制という具体的な形があります。医薬品の品質や安全性にかかわる業務(GxP の業務)で使うシステムは、決めたとおりに動くことを、計画・試験・記録で示すこと(CSV:Computerized System Validation、コンピュータ化システムバリデーション)が求められます(出典[8])。副作用の報告を受け付けて回す仕組みは、その代表です。AI が書いたかどうかにかかわらず、こうしたシステムは品質保証や情報システムの部門と一緒に作ります。
8. やってみよう:ツールを使うかどうかで、答えが変わる
ハーネスの効き目を、claude.ai で確かめます。0-3 と同じく、準備は要りません。claude.ai を開き、右上のおばけの印でシークレットチャットにします。
claude.ai の Claude は、ウェブ検索というツールを、必要だと判断したときに自分で使います。ここでは、ツールを使わせないときと使わせるときを、頼み方で切り替えて比べます。まず、次の頼みを送ります。
ウェブ検索は使わずに、あなたが学習した知識だけで答えてください。今週発表された、医薬品に関する主なニュースを3つ、出典つきで教えてください。
Claude は、今週の出来事は学習していないので答えられない、と返します。0-3 で見た知識の期限です。もっともらしいニュースや出典を作ることはできるが、それは捏造になるので出さない、とも書いてきます。0-3 のハルシネーションの話そのものです。
続けて、同じチャットで「ウェブ検索を使ってよいので、調べて答えてください。」と送ります。今度は Claude がウェブを検索し、その結果をもとに、出典のリンクを付けて答えます。
▶ デモ動画(31秒・字幕あり・音声なし)

モデルは同じ Claude です。変わったのは、ツールを使えるかどうかだけです。それだけで、できることが変わりました。この連載では、この「ツールや指示を足して、できることを変える」を、章ごとに1つずつ行っていきます。
9. この連載で組み立てるハーネス
この連載は、第1章から、ハーネスの部品を1つずつ組み立てていく順番になっています。

第1章「環境を整える」では、作業フォルダとツールをそろえます。フォルダとパス、ターミナル、VS Code、Git を入れ、最後に Claude Code を動かします。ここで、ハーネスの土台ができます。第2章で、そのハーネスの中で最初のアプリを作ります。第3章では、Claude Code という出来合いのハーネスを使うだけでなく、Claude API を使って、自分のアプリの中に小さなハーネスを作ります。いわゆる生成 AI アプリです。第4章からは、任せ方、ツールのつなぎ方、指示の守らせ方、頼み方、検証の仕方と、ハーネスを1部品ずつ厚くしていきます。
10. よくある思い込み
思い込み:賢いモデルを使えば、それだけでよいアプリができる
実際は:同じモデルでも、ツール・指示・権限・検証の仕組み(ハーネス)で結果は大きく変わる
思い込み:ハーネスの設計は、エンジニアの仕事
実際は:何をしてはいけないか、どの手順を守るか、何ができれば合格かは、業務のルールそのもの。業務を知る人の出番
思い込み:AI にコードを書かせたら、全部バイブコーディング
実際は:AI が書いても、ハーネスの中で作り、人が仕様・計画・差分・テストを確かめていれば AI 駆動開発
思い込み:全部勉強してから始めるもの
実際は:ハーネスは、作りながら1部品ずつ組み立てればよい。この連載もその順番で進む
11. 理解度チェック
問1
「ハーネス」の説明として、最も適しているのはどれか。
- A. モデルの学習に使う、大量の文章のこと
- B. モデルの周りにあって、ツールを渡し、モデルが見るコンテキストを管理する仕組み
- C. モデルが答えを作るときの、ばらつきの大きさを決める設定
- D. モデルが一度に読める文章の量の上限
正解:B。公式ドキュメントは、Claude Code はモデルの周りの層として、ツールを渡し、モデルが見るコンテキストを管理し、この層がハーネスという言葉の指すものだ、と説明しています(出典[1])。A は事前学習のデータ、C は温度、D はコンテキストウィンドウの説明です。
問2
Claude が最新の情報を知らないという弱点を、ハーネスで補う方法として、最も適しているのはどれか。
- A. もっと大きなモデルに切り替える
- B. 同じ頼みを何度も送り直す
- C. 温度を下げて答えを安定させる
- D. Web を検索するツールを使えるようにする
正解:D。知識の期限は、学習した時点で決まります。Web 検索のツールを使えるようにすれば、Claude は最新の情報を取ってきて答えられます(8節)。A でも学習の期限は残ります。B と C は、知らない情報を補いません。
問3
次のうち、バイブコーディングに当たるものはどれか。
- A. AI が書いたものを読まずに、動いた画面だけを見て頼み直す
- B. 仕様を決め、テストを用意してから、AI に作らせる
- C. 作業の指示を CLAUDE.md に書き、AI に毎回読ませる
- D. AI が書いたコードの差分を読み、テストを通してから使う
正解:A。バイブコーディングは、AI が書いたものを読まず、動いた結果だけを見て作るやり方です(出典[4][5])。B・C・D は、指示や検証の仕組み(ハーネス)を用意し、人が確かめているので AI 駆動開発です。
12. 現場で使うなら
自分の部門で、毎月同じ手順を繰り返している作業を1つ選び、5節の6種類のどれに当たるかを考えてみてください。次に、その作業を AI に任せるとしたら、3節の図のハーネスの部品のうち、何を用意しなければならないかを書き出してみましょう。たとえば、見せてよい資料はどれか(作業フォルダ)、守るべき手順は何か(指示)、何ができていれば合格か(検証の仕組み)です。それが、あなたの業務のハーネスの設計図の下書きになります。
次回予告:1-1「ファイル・フォルダ・パス」
- ファイルとフォルダと、パスの書き方
- 拡張子と文字コード(UTF-8・Shift_JIS)
- 作業用のフォルダを1つ作る
出典(2026年11月17日に確認)
- Anthropic「Claude Code の仕組み」Claude Code Docs
- Anthropic「Harness design for long-running application development」Engineering at Anthropic
- Anthropic「Claude Code のベストプラクティス」Claude Code Docs
- Andrej Karpathy「vibe coding についての投稿」X(2025年2月2日)
- Simon Willison「Not all AI-assisted programming is vibe coding (but vibe coding rocks)」(2025年3月19日)
- CNN「‘Vibe coding’ named Collins Dictionary’s Word of the Year」(2025年11月6日)
- 経済産業省(委託先:みずほ情報総研)「IT 人材需給に関する調査 調査報告書」(2019年3月)
- 厚生労働省「医薬品・医薬部外品製造販売業者等におけるコンピュータ化システム適正管理ガイドライン」(平成22年10月21日 薬食監麻発1021第11号)

