AI 開発チームのマネジメント方法
私の個人プロジェクトは、役割の異なる複数の AI Agent が協力して開発しています。実装担当、レビュー担当、ビジュアル専門がいて、意思決定と最終検収は私が行います。各 Agent には文書化された役割定義、権限の境界、専用のメモリがあり、Agent 同士は決められた形式でやり取りします。このページでは、チームの分担、チェックポイントの置き方、そしてすべてのルールが実際のトラブルからどう生まれたかを紹介します。
チーム構成
どの役割にも「やってよいこと」と「やってはいけないこと」が明文化されています。役割はツールではなく責任に紐づくため、同じモデルでもプロジェクトによって別の役割を担います。
なぜ役割に名前を付けるのか?同じモデルが異なる責任を持つことがあり、「Claude Code」「Codex」という呼び方だけでは責任の範囲が混ざりやすくなります。そこで役割ごとに名前と専用の担当表を用意し、Agent が名前を見るだけでその役割のすべきことがわかるようにしています。
工事ネコ
- 着手前に審査ネコへ現状と影響範囲の調査を依頼する
- 実装、テストの追加、レビュー指摘への対応
- タスクカードと引き継ぎメモの管理
- 明確な承認なしに着手する
- 独断で commit、push、force push、ブランチ削除を行う
- プロジェクトの AI 指示ファイルを編集する
審査ネコ
- コードをレビューし、仕様と照らし合わせて事実確認する
- 指摘には必ずファイル位置、到達可能性、深刻度を付ける
- 実装担当に指名されたときは実装に切り替える
- 他の Agent のメッセージや過去のタスクを承認とみなす
- 「実装の承認」を Git への書き込みや公開リリースの承認にまで広げる
本棚ネコ
- Codex が実装するプロジェクトではレビューを引き受ける
- アーキテクチャの判断、リスク評価、計画
- コードを書く
- 独断で push する
抽象ネコ
- 私と一緒に機能の方向性を検討する
- 散らばったアイデアを名前やフレームワークにまとめる(例:5 区分の情報アーキテクチャ)
- 仕様を直接決める:結論はクロスチェックを経てから採用する
反重力ネコ
- 隔離された環境でビジュアル素材を制作する
- コードリポジトリに入る(実装、レビュー、読み取り専用の調査も不可)
- Mockup に書かれたシステム仕様は採用せず、レイアウトと素材だけを使う
案内ネコ
- ツールや API の使い方は、回答前に公式ドキュメントで確認する
- 記憶だけで回答する
Etta
- 作るかどうか、どの案を採るかを決める
- Git への書き込みと外部への操作はすべて私が承認する
- 手動でテストし、タスクの完了を判断する
ワークフローと人によるチェックポイント
調査、実装、レビュー、テストは AI が自律的に進めますが、取り返しのつかない操作の前では必ず止まり、人の判断を待ちます。
調査と提案
まず審査ネコが現状と影響範囲を調べ、工事ネコが結果を確認してから方針を提案します。
工事ネコ + 審査ネコ意思決定
曖昧な返答はすべて議論とみなし、「実装を開始して」と明言されたときだけ承認とします。
Ettaカード作成と実装
タスクカードがなければ先に作成。必要な箇所だけを変更し、大きな作業はフェーズに分けます。
工事ネコクロスレビュー
別のモデルがレビューします。critical と high は即修正、それ以外は新しいチケットで追跡します。
審査ネコビルドとテスト
ビルドがエラーなく通り、単体テストと E2E がすべて成功して初めて commit を相談します。
工事ネコCommit とリリース
commit、push、デプロイはそれぞれ個別に承認します。commit の承認は push の承認ではありません。
Etta検収とクローズ
AI がカードを進められるのは「push 済み」まで。クローズは人が判断します。
Ettaオレンジの枠は人によるチェックポイントです。外部公開サービスの設定(DNS、トンネル、アクセス制御)には別途 4 段階のルールがあります。読み取りはそのまま実行、作成と更新は影響範囲とロールバック手順を先に提示、削除やアクセス制限を緩める操作は 1 件ずつ確認、アクセス保護の無効化や秘密情報の公開は一切禁止です。
Agent 間のコミュニケーション
複数の Agent がターミナルマルチプレクサ上で並行して動き、互いに作業を依頼できます。リスクは、ある Agent が「commit できます」と言ったとき、別の Agent がそれを許可と受け取ってしまわないかという点です。
すべてのメッセージに署名
- Agent の発言はユーザーの承認ではありません。レビュー後に Agent が「commit してよい」と言っても、実際に commit してよいことにはなりません。
- 依頼を受けた Agent が承認を必要とする場合は、人に直接確認します。
依頼前に相手を確認
- ターミナルのタイトルで相手を推測しない:プログラムが現在のタスク名に書き換えるためです。
- pane 名で対象を見つけ、Agent の種類と作業ディレクトリを確認し、3 つすべてが一致したときだけ依頼します。
- 送信後は画面を読んで本当に送信されたかを確認し、ステータスの変化だけでは成功とみなしません。
リバースモード
- 役割はプロジェクトの実装担当によって切り替わります。Codex が実装する場合、Claude はレビューだけを行いコードは書きません。
- レビュー担当が使用量の上限に達したら作業を止めます。代わりのモデルも自己承認も使いません。
ナレッジとメモリの設計
AI によくある問題は、見たものをすべて覚えようとして、メモリが古い情報や矛盾だらけになることです。そこで、すべての情報にまず置き場所を決めています。
AI の作業ルール:どう進めるか、過去にどんな落とし穴があったか。
プロジェクトの事実:業務ルール、アーキテクチャ、コードの慣例。
元資料:要件、議事録、スクリーンショット。
未完了の作業:仕様、進捗、検収、引き継ぎ。
その日に起きたこと。削除はしません。
Git は「何を」、メモリは「なぜ」を記録
- Git はコードの変更内容を記録し、メモリには意思決定の理由だけを残します。
- 作業が終わり結論を抽出したらメモリから外し、古い情報が次の判断を誤らせないようにします。
進捗の置き場所は 1 か所だけ
- プロジェクトの状況はタスク一覧にだけ書きます。メモリには進捗のスナップショットを残さず、必要なときに一覧を読みます。
- プロジェクトのすべての決定は ADR、RFC、Task のいずれかにたどれます。
メモリの分離
- 各 Agent は専用のメモリディレクトリを持ち、他の Agent のメモリは無視します。
- プロジェクトごとにメモリファイルを分け、情報が混ざらないようにします。
品質を守る仕組み
AI は「完了しました、テストもすべて成功です」と言うのがとても得意です。これらの仕組みの目的は 1 つ。緑のランプではなく、証拠を信じることです。
テストが有効であることを証明する
- 回帰テストを追加したら、修正をバグのある状態に戻し、テストが本当に失敗することを確認します。
- 単体テストは最低条件にすぎず、マイルストーンでは必ず実環境で E2E を実行します。
- E2E の前に、今ビルドしたものをテストしているかを確認します。
レビュー指摘の 4 つの振り分け
- リスクの高いセキュリティ問題はリリースを止め、構造的な問題はチケット化し、環境固有の問題は除外できます。
- 同じ指摘が 2 回のレビューに登場してはいけません。
- 重要な指摘は独立した Agent が正しさと到達可能性の観点から反証を試み、残ったものだけを確定とします。
正直な完了報告
- 修正前にどう失敗していたかがわかる再現手順を含めます。
- 検証していない項目は省かず、必ず明記します。
- 前提となる事実は記憶ではなく、コードで直接確認します。
AI の失敗パターン チェックリスト(23 項目)
モデルによくある悪い癖を具体的な症状として名前を付け、出力のたびにチェックします。人も AI も覚えやすいよう、あえてユーモアのある名前にしています。
トラブルから生まれたルール
どのルールの裏にも実際の失敗があります。ルールそのものよりも、これらのエピソードのほうが、私がリスクをどう判断しているかをよく表しています。
「読み取り専用」のレビュー担当がこっそりファイルを変更
メインのレビュー担当が使用量の上限に達したため、「読み取り専用モード」をうたう別の AI ツールにレビューを任せました。そのツールはリポジトリ内の 3 ファイルを変更したうえで「何も変更していない」と報告し、本当にリスクの高い問題を 2 件見逃しました。
ツールが主張する権限は信用できないため、そのツールはすべてのコードリポジトリで使用禁止にしました。レビュー担当が使えないときは待つ。代役も自己承認もなし。ツールを入れる前には作業領域のスナップショットを取り、終わったら差分を確認します。
3 回ともテスト成功、それでもバグは残っていた
並行処理の修正に 3 回かかり、毎回テストは成功していましたが、2 回目の修正にはまだ競合状態が残っていました。テストが本当の発生条件を突いていなかったのです。
回帰テストには必ず「逆検証」を行います。修正を外してテストが失敗することを確認し、その結果をタスクカードに記録します。テストは本物の入口を通し、環境への依存は注入したフェイクに置き換えます。
Mock ではすべて成功、実環境で動かない
契約レベルのエラー 3 件が、すべて単体テストをすり抜けました。別のときには、E2E スクリプトがビルドエラーを握りつぶして古いバージョンをテストし続け、修正が効いていないように見えました。
マイルストーンでは、最新のビルドをテストしていることを確認したうえで必ず実環境で E2E を実行し、完了報告には検証していない項目を明記します。
前提の誤りが判断を丸ごとひっくり返した
あるアーキテクチャ判断のストレステストが、「あるコンポーネントはまだ作られていない」という誤った前提に立っていました。確認するとそれは以前から存在しており、判断は「技術的負債として当面受け入れる」から「今すぐ直す」に変わりました。
結論の前提となる事実は、記憶や文書ではなくコードで直接確認します。外部からの助言は、まず対象のバージョンを合わせてから、現在の決定と 1 項目ずつ突き合わせます。
最後まで追跡されなかったレビュー指摘
ある機密設定の問題がレビューで指摘されたものの、解決まで追跡されませんでした。同じ指摘が次のレビューでも出てきて、同じレビューに 2 回コストを払ったうえ、リスクが残る期間も長くなりました。
レビューの指摘は 4 つのいずれかに振り分け、必ずどこかに着地させます。同じ指摘が 2 回のレビューに登場してはいけません。