ここでは、従来のAIドリブン開発をさらに進化させた構想として、複数のAIエージェントが役割分担しながら協働する「Multi-AI Driven Development（MADD）」のコンセプトを構想中である。要件定義から設計、実装、レビュー、デザイン変換、さらにはデプロイまで、各工程に適したAIを組み合わせて開発プロセス全体を効率化・高度化する枠組みである。
構成するAIチームと役割
以下は、MADDを構成する代表的なAIとその役割である。
| AI | 役割 | 補足 |
|---|---|---|
| ChatGPT | 要件定義、設計・アーキテクト、実装エンジニア、プロンプト最適化 | 設計・実装フェーズの中心的存在。特に自然言語とコードの橋渡しが得意。Angular/React変換も担当可能。 |
| GitHub Copilot | 実装支援・コードレビュー | 実装時の補完やベストプラクティス提示など。ChatGPTと連携して、実装速度と品質を両立。 |
| Grok | 補助的な設計・実装ナレッジ提供 | ChatGPTの補佐役。情報検索や細かい技術背景の確認を高速でサポート。 |
| Figma + HTML変換AI（いくつか検討中） | デザイン → HTML/CSS 変換 | UIデザインをプロトタイピングし、実装に適した形へ変換。Material Design などUIフレームワークとの整合性に注意が必要。 |
| Google Cloud AI | デプロイ・運用の統合サポート | Gemini や Vertex AI により、クラウド側でのAI連携や自動化を実現。MADDの運用基盤となる。 |
Google Cloud におけるAIとの統合（未評価）
本プロジェクトでは、Google Cloud をデプロイ環境として利用する。以下のようなAI基盤が活用される：
- Gemini：Googleの最先端生成AI。インテリジェントなテキスト処理や提案に活用。
- Vertex AI：統合AIプラットフォーム。AIモデルの学習・デプロイ・管理を一元化し、企業向けAI開発を支援。
これにより、MADDの実行環境としても高度なAI連携が可能となるだろう
命名と思想
このアプローチを「Multi-AI Driven Development（MADD）」とした。複数のAIを意図的に役割分担・連携させる点が特徴であり、従来の「AI補助」ではなく、「AI構成員によるチーム開発」を前提とする。
その意図には、次のような思想が込められている：
- AIを“開発者の道具”としてだけでなく“開発メンバー”として位置づける。
- 複数AIの分担と連携を設計に取り込むことで、開発プロセスを構造化する。
- 人間はディレクターとして、AIに“構造的な問い”と“品質評価”を担う。
分散知能としてのMADDの特徴
MADDは、複数AIによるマルチエージェントシステムの様相を持ち、「分散知能（Distributed Intelligence）」の概念と深く結びついている。各AIは独立したエージェントとして役割を持ち、次のような性質を持つ：
- 各AIは自律的にタスクを遂行するが、他のAIの状態や出力を直接知ることはない。
- 情報の連携や統合は、人間ディレクターを通じて行われる。
- 人間は“知能のハブ”として各AIの成果物を取りまとめ、評価・共有・再分配を行う。
この構造により、AIの協働は「集権的な制御」ではなく「分散協調的な連携」として実現される。MADDは、技術的な連携設計だけでなく、人間の役割再定義をも促す、新たな開発思想といえる。
一般的なマルチエージェントとの比較
MADDは、一般的なマルチエージェントシステム（MAS）とは構造が異なる。
| 項目 | 一般的なMAS | MADD（本構想） |
|---|---|---|
| 指揮系統 | 分散・自律型 | 中央集権型（人間が司令塔） |
| 情報連携 | AI同士が対話・協調 | 人間がハブとして連携・再配分 |
| 実行単位 | AIが対話しながらタスク遂行 | AIは命令ベースで個別対応 |
| 強み | 自動化・拡張性 | 構造化・品質制御・柔軟性 |
| 主体 | AI群 | 人間ディレクター + 専門AI |
この比較からも分かるように、MADDは“人間が構造設計と統合を担う分散知能システム”として位置づけられる。
注意点：一般的MASにおけるリスクとMADDの強み
一般的なMASでは、エージェント同士が自律的に対話・判断を行うため、文脈や設計意図と異なる方向に進行するリスクがある。特に人間の意図が曖昧な場合、それが誇張され、誤った連携や不要なアウトプットが生成されやすい。
一方、MADDでは人間が全体の進行と構造をコントロールする「知能のハブ」として機能するため、こうしたリスクを抑えつつ、AIの自律性と柔軟性を活かした設計が可能である。
人とAIのコラボレーションにおいては、「曖昧さをどう補い合うか」が鍵であり、MADDはまさにその接点として、実用的かつ柔軟なアプローチを提供する。
