AIエージェントに「この帳票をRubyで再現して」と頼んだところ、10分ほどで「できました」と返ってきました。人間が作業すれば丸2日はかかる帳票です。
ところが、出来上がりは40点程度。罫線はずれているし、色も再現されていない。帳票としての形にはなっているものの、元の帳票とは別物でした。
AIは「とりあえず動くもの」を作ってきた
今回の帳票は、複雑な罫線やセルの結合、細かな座標調整が必要なものでした。
人間なら見本と照らし合わせながら線の位置や余白を少しずつ調整していく作業ですが、最初にAIが作ったものは、全体の構成を捉えて形にした程度の仕上がりでした。
「帳票をRubyで再現して」という指示だけでは、どこまで正確に再現する必要があるのかが伝わっていなかったわけです。
完成基準を具体的にしたら、結果が変わった
そこで、指示を次のように変更しました。
「作業時間は優先しなくてよい。正解となるPDFと生成したPDFを実際に見比べ、罫線の位置、色、文字の配置、余白などを確認してほしい。差異があれば修正を繰り返し、正解のPDFとほぼ完全に一致する状態まで仕上げてからPRを出して」
すると、結果が大きく変わりました。
罫線の位置や色、余白などが細かく調整され、完成度は80点程度まで向上。残りを人間が修正し、最終的には約2時間で作業が完了しました。
従来なら丸2日かかっていた作業が、2時間です。
AIに依頼した仕事内容自体は変わっていません。変わったのは、何をもって完成とするかを具体的に伝えたことです。
作らせるだけでなく、検証まで任せる
今回重要だったのは、単に「もっと正確に作って」と指示したわけではないことです。
正解となるPDFがあるのだから、それを基準に生成結果を比較し、違う箇所があれば修正する。この作業までAIに任せました。
弊社で使用しているCursorでは、こうした検証作業を補助エージェントに任せることもできます。
ちなみに、今回使用したモデルはComposer 2.5です。Cursorで利用できるモデルの中でも最上位というわけではありません。
それでも、完成基準を明確にし、検証と修正を繰り返すことで、十分に実用的な結果が得られました。
高性能なモデルを選ぶことも大切ですが、それ以上に、どのような作業をさせ、何を基準に検証させるかが重要だと感じています。
ループエンジニアリングという考え方
こうした「目標を設定し、結果を検証し、必要なら修正を繰り返す」という考え方は、最近注目されている「ループエンジニアリング」にも通じます。
2026年6月、GoogleのAddy Osmani氏が「Loop Engineering」という記事で紹介した考え方です。
従来は、人間がAIに指示を出し、結果を確認し、また指示を出すという進め方が一般的でした。
ループエンジニアリングでは、この繰り返し自体を仕組みとして設計します。AIが結果を検証し、完成条件を満たしていなければ修正する。人間は、その目標や検証方法を設計する役割に回ります。
今回の帳票作成でいえば、正解のPDFが明確な完成基準になります。
それと生成結果を比較し、差異を修正する。この流れを最初から指示に含めることで、人間が何度も細かな修正指示を出す必要がなくなりました。
AIを使いこなすには、完成形を具体的に描くこと
AIに「作って」と頼めば、それらしいものは短時間で出てきます。
一方で、その成果物が実際の業務で使える品質に達しているかは別の話です。
今回の経験で改めて感じたのは、AIに何を作らせるかだけでなく、何をもって完成と判断するかまで具体的に伝える必要があるということです。
特にシステム開発では、見た目が似ている、動作しているというだけでは不十分なことも少なくありません。
AIの性能だけに頼るのではなく、完成基準や検証方法まで設計する。それが、AIを開発業務に活用するうえで重要だと考えています。
弊社では、こうしたAI技術も積極的に取り入れながら、開発品質と生産性の向上に取り組んでいます。
藤沢市で一番技術力の高いシステム開発会社を目指し、これからも技術を磨いていきます。システム開発に関するご相談があれば、お気軽にお問い合わせください。
