AI-DLC（AI-Driven Development Lifecycle）— AWSが提唱する次世代開発方法論

AI-DLCとは

AI-DLC（AI-Driven Development Lifecycle）は、**AWSが2025年7月に公開した次世代の開発方法論**。従来のAgileが人間主導・週単位のスプリントだったのに対し、AI-DLCは**AIが計画をリードし、人間がバリデーションを行う形**で、**時間〜日単位の高速サイクル（Bolt）**で開発を進める。単なるAIコーディングツールの話ではなく、**ソフトウェア開発ライフサイクル全体の再設計**を提唱している点が革新的。

Agile以来の開発プロセス再設計

AI-DLCは既存プロセスにAIを後付けするのではなく、ゼロから再設計している点が特徴。

歴史と経緯

AI-DLCは突然生まれたものではなく、AWSでの100以上の顧客実験から導き出された。

2024年〜2025年前半: AWS内部で100以上の顧客実験を実施
2025年7月31日: AWS DevOps Blogで公式発表（Raja SP）
2025年8月: Mediumなどで批評・分析記事が登場
2025年12月8日: AWS re:Invent 2025でライブデモ（DVT214セッション）
2026年〜: コミュニティでの進化・拡張が進行中

提唱者

**Raja SP**（Principal Solutions Architect, AWS）がAI-DLCの主要な提唱者。AWSで18年以上の経験を持ち、Developer Transformationチームを率いている。re:Invent 2025では**Anupam Mishra**（Director of Solutions Architecture）と共同でセッションを担当した。 100社以上の大規模顧客と協働し、AIを活用したソフトウェア開発の実験を重ねた結果として、AI-DLCが体系化された。

既存アプローチの課題 — 2つのアンチパターン

AI-DLCが生まれた背景には、AWSの顧客実験で繰り返し観察された**2つのアンチパターン**がある。

研究データが示す厳しい現実

ThoughtWorks研究: AI使用で生産性向上は10〜15%程度。Meter.org実験: 開発者は23%向上と感じるが、実測では20%低下。

AI-DLCの核心: Plan-Verify-Generateサイクル

AI-DLCの根幹にあるのは、シンプルだが強力なサイクル。 1. **AI: 計画を立てる（Plan）** — AIが作業計画を作成 2. **Human: 計画を検証（Verify）** — 人間が軌道修正 3. **AI: 実装（Generate）** — 承認された計画に基づき実装 4. **Human: 結果を検証** — 人間が結果を確認 5. 繰り返し「AIに全部任せる」でも「AIを補助に使う」でもない、**協働の第3の道**を示している。人間の判断は「コンテキスト理解」「ビジネス要件の把握」に集中させる。

3つのフェーズ

AI-DLCは開発ライフサイクルを3つのフェーズに分ける。

フェーズ間のコンテキスト継承

各フェーズが前のフェーズのコンテキストを継承するため、AIはより精度の高い提案が可能になる。Memory Bankで文脈を永続化。

新しい用語体系

AI-DLCはAgile時代の用語を刷新した。**Bolt（ボルト）**という名称は、稲妻のように短く、強烈なサイクルを表している。従来の2週間スプリントが、AI-DLCでは**数時間〜数日**に短縮される。

対応ツール

AI-DLCは特定のツールに依存しない方法論だが、以下のツールでワークフローが公式提供されている。 **AWS公式サポート:** - **Kiro** — AWS製のAI開発エージェント、AI-DLCネイティブ対応 - **Amazon Q Developer** — Amazon Q Developer Rulesで設定可能 **コミュニティ対応:** - **Cursor** — steering filesでAI-DLC実装可能 - **Cline** — 同上 - **Claude Code** — 同上 - **GitHub Copilot** — 同上 **公式GitHubリポジトリ:** [awslabs/aidlc-workflows](https://github.com/awslabs/aidlc-workflows)

批評と今後の課題

Mediumなどでの批評では、AI-DLCの革新性を認めつつも、いくつかの課題が指摘されている。

理論的説明の不足 — 「なぜ機能するか」の説明が薄く、実装手順に偏重
学習・反省の仕組みが未成熟 — context memoryの詳細が不明確
大規模実証が限定的 — WiproやDunでの事例は紹介されているが詳細データは非公開

評価されているポイント

既存プロセスへの後付けではなくゼロから再設計している点、「AIが計画し人間が検証する」バランスが現在のAI能力に適合している点、Mob Elaboration/Mob Constructionがチーム協働を促進する点。

発表後の実態（2026年2月時点）

2025年7月の発表から約7ヶ月が経過。GitHubリポジトリは非常に活発で、501スター・109フォーク・毎日コミットあり。v0.1.5が2026年2月24日にリリースされた。 **生の声（X / Medium）:** @ry0_kaga: 「AI-DLCが機能するためには、AIに永続的なプロジェクト知識を与えることが必要」 Harsha Sridhar: 「従来の12週間プロジェクトで実際にコードを書くのは5週間だけ。Agile以来の最も重要な進化」 **導入事例:** Wipro・Dun & Bradstreetで10〜15倍の生産性向上が報告されているが、外部での詳細な検証レポートは少ない。 **結論:** コンセプトは革新的だが、実践例はまだこれから。日本では先行者利益を得るチャンス。

AWSは本気で推進中

GitHubリポジトリは毎日更新されており、CodeBuildワークフロー追加・セキュリティ拡張など機能追加が継続。

ソロ開発者への応用

AI-DLCは大規模チームを想定した設計だが、ソロ開発者にとっても学べる要素がある。 **取り入れるべきエッセンス:** 1. **Plan-Verify-Generateサイクル** - 一人でも「AIに計画を立てさせ → 自分で検証 → 実装」は有効 - 「AIに丸投げ」も「AIは補助」もせず、協働のリズムを作る 2. **Bolt（短サイクル）の発想** - 週単位ではなく、数時間単位で完結する作業を設計 - 「今日のBoltで何を達成するか」を明確に 3. **永続的コンテキストの活用** - Memory BankやCLAUDE.mdで、セッションをまたいだ文脈を保持 - AIに毎回説明し直さない

参考リンク

- **公式ブログ:** [AI-Driven Development Life Cycle: Reimagining Software Engineering](https://aws.amazon.com/blogs/devops/ai-driven-development-life-cycle/) - **公式ホワイトペーパー:** [AI-DLC Whitepaper](https://prod.d13rzhkk8cj2z0.amplifyapp.com/) - **GitHub:** [awslabs/aidlc-workflows](https://github.com/awslabs/aidlc-workflows) - **re:Invent 2025セッション:** [DVT214 - Introducing AI-Driven Development Lifecycle](https://www.youtube.com/watch?v=1HNUH6j5t4A) - **Amazon Q Developer Rules:** [公式ドキュメント](https://docs.aws.amazon.com/amazonq/latest/qdeveloper-ug/context-project-rules.html) - **Kiro公式:** [kiro.dev](https://kiro.dev/)