2026.07.21 セミナー
IT・システム開発現場における
AI活用
そして、半年後・1年後の未来に向けて
株式会社SYN Japan 代表取締役
大谷 剛弘
本日の問い
半年後、あなたの会社の仕事は
どう変わっているか?
① AIの時計
② 開発現場の型
③ 事業の初速
④ フィジカルAI(ロボット)
⑤ 半年後・1年後
自己紹介
評論家ではなく、実践者として
大谷 剛弘
株式会社SYN Japan 代表取締役
- IT × 人材の2本柱で受託開発を経営
- AI駆動開発を自社の現場で実践中
ドバイ・Fintech
暗号資産PF「Okami」を大規模開発(1,267コミット規模)
AI駆動開発
現場導入+自社AIプロダクト(Teian ほか)を運用中
フィジカルAI
家庭用ロボット AIEO — 2027年1月クラファンへ
出典: 社内リポジトリ実測(okami-production git log ほか)
この半年で起きたこと
ソフトの会社が、モノを作り始めた
出典: 各プロジェクトの git log / WORKLOG(社内一次資料)。●ティール=ソフトウェア、●アンバー=フィジカルAI
AIの時計は、3ヶ月で2倍
まず、いま何が起きているかを実測データで押さえます
PART 1 — AIの時計
AIが自律でこなせるタスクの長さ
89日
で2倍(当初「7ヶ月で2倍」→ 2024年以降加速)
最強モデルは推定16〜20時間級のタスクに到達。このペースなら2027年に「1ヶ月タスク」
出典: METR Time Horizons(metr.org/time-horizons)。METR = AIの自律作業能力を測定する米国の第三者評価機関。2027年の値はトレンド外挿による予測
PART 1 — AIの時計
コードは、もう誰が書いているか
Anthropic
生産コードの80%超を Claude が記述
エンジニアのマージ量は 2024年比 8倍
Google
新規コードの約75%が AI 生成
(Pichai CEO。2024年末の25%から急増)
Claude Code 開発責任者
「2ヶ月以上、1行も書いていない。100% AI」
(2026年1月・Fortune)
補足: 企業の生成AI利用の 51% が「コーディング」— 最大のユースケース
出典: VentureBeat 2026-05 / Pichai CEO 発言 / Fortune 2026-01 / MindStudio 調査 — いずれも報道ベース
PART 1 — AIの時計
日本は「導入前夜」— まだ差がついていない
世界はもう動いている
Fortune 500 の 28% が MCP(AIと業務システムをつなぐ共通規格)サーバーを実装済み
Gartner: 60%超が2年以内に AI エージェント導入予定
これから半年で差がつく
出典: 矢野経済研究所 2026 / Digital Applied MCP統計 2026 / Gartner CIO調査 2026
PART 1 — AIの時計
ただし、乗るだけでは失敗する
40%超
agentic AI プロジェクトが2027年末までに中止(Gartner予測)
理由: コスト増・不明確なROI・リスク管理不足
出典: Gartner プレスリリース 2025-06(agentic AI プロジェクト中止予測)
AIを、"部下"として
マネジメントする
開発現場で半年かけて作った「管理の型」の話
PART 2 — 開発現場の型
issue駆動 7ステップ — 全工程をコマンド化
issue(イシュー)= 仕事を1件ずつチケット化した「作業指示書」。以降、すべてこの単位で回します
出典: SYN Japan dev-workflow スキル(社内運用ドキュメント)
PART 2 — 開発現場の型
AIの「ズル」を防ぐ3つの仕組み
1. Red/Green 検証ゲート
壊れた状態→直った状態をログで証明しないと PR(成果物の提出)は禁止。
「テストを弱めて通す」という AI のズルを明文で禁止。
2. 判断トレース
AI の判断・問答を全部 issue に記録。
後から「なぜそうしたか」を人間が監査できる。
3. モデルルーティング
上位モデルは判断、下位モデルは作業。人件費ピラミッドと同じ発想。
実装コストは上位モデル比 約1/3。効果の実測値はこの後の Part 3 で。
経営者の組織論 — 権限設計・監査・人件費配分 — がそのまま AI に使える
出典: SYN Japan dev-workflow(redgreen / traceability / model-routing)
PART 2 — 開発現場の型
並列開発 — 4回目の挑戦で50%短縮
50%時間短縮(3エージェント並行 20分 / 直列推定40分)
正直に — 成功は試行錯誤4回目
- 1回目: git 競合(同じファイルの取り合い)で衝突
- 2回目: 権限拒否で停止
- 3回目: 作業場所の指定誤り
- 4回目: 作業場所の完全分離(worktree)+ 権限事前設定で成功
出典: PARALLEL_AGENT_GUIDE.md(salesListCreater 実績: 3エージェント並行・約20分・トークン約1.5倍)
PART 2 — 開発現場の型
Fable Katamari — 48エージェント・2.5時間で公開
ブラウザ3Dゲームを 設計→実装→レビュー→公開 まで人手コーディングゼロで完遂
48
エージェント(設計4 / 実装7 / レビュー36 / デプロイ1)
36% 棄却
レビュー指摘25件中9件を「敵対的検証」で偽陽性として棄却
遊べる実物: fable-katamari.pages.dev(外部アセットゼロ・全ジオメトリと音をコード生成)
遊んでみる ↗
出典: fableDemoGame docs/worklog/00-overview.md(フェーズ別エージェント数・トークン・所要時間の実記録)
PART 2 — まとめ
AIの生産性は、モデルではなくマネジメントで決まる
| あなたの会社の組織論 | AI 組織ではこうなる |
| 採用 | モデル選定 |
| オンボーディング | ルール文書(CLAUDE.md) |
| 権限設計 | マージ(リリース判断)は人間だけ |
| 監査 | 判断トレース(全判断を issue に記録) |
| 人件費配分 | モデルルーティング(上位=判断 / 下位=作業) |
Gartner「2027年末までに agentic AI プロジェクトの40%超が中止」— その反対側に入るための答え
出典: SYN Japan dev-workflow 運用実績 / Gartner プレスリリース(2025-06)
AIは、事業の数と初速を増やす
提案書 106秒・事業計画 1日・プロダクトが 3日
PART 3 — TEIAN
Teian 誕生 — 現場の困りごとから2日
約106秒提案書1式の生成時間(従来: 数日がかり)
実測: 36秒で提案構成 + 70秒でモック並列生成
出典: 社内 GitLab issue(aidrivenbusinessimprovement #12)/ salesMaterialGenerator docs/architecture.md(2026-04 実測)
PART 3 — TEIAN
Teian — 問い合わせ文を貼るだけ
- 提案書スライド + 触れるモック + 概算見積を一式生成
- 見積は機能ON/OFFでリアルタイム変動
- 見送った機能は「次フェーズ提案」の種に
AIが動的生成した業務画面モックの例 — 客先でその場で触れる
出典: salesMaterialGenerator README(teian.app として運用中)
PART 3 — TEIAN デモ
触ってみる — AIが生成したモック
ライブで開く ↗
画面はいずれも Teian(Claude)が動的生成した業務モック(スライドに同梱・オフライン動作)。「ライブで開く」は teian.app 本体(要ネットワーク・社内トンネル稼働時)
PART 3 — TEIAN
裏側 — AIがAIを使い、AIが検証する
AIがAIを呼ぶ
プロダクト自体が Claude Agent SDK で提案書とモックを生成。開発もAI駆動(issue駆動の型そのまま)
AIがモデル選定を検証
モデル比較ベンチ12種をAI自身が実行。安いモデル+設計書参照が最上位モデルを上回る結果に
$21 → $2/月
モック生成コスト 10倍削減(実測)
見積式もAI前提
実工数 = 基礎工数 × (1 + 人間関与度)。AI駆動開発を前提に見積の式から作り直した
出典: salesMaterialGenerator docs/mock-generation-benchmarks.md(2026-04)/ README 見積ロジック
PART 3 — TEIAN
Teian のいま — 社内ツールから SaaS 事業へ
3.5ヶ月191コミット / 166 issues / 72 PR(提出物)
87%事業計画上の粗利
8.6xLTV/CAC(顧客の生涯利益 ÷ 獲得コスト)
4社収益分岐(Lean 体制)
- 2026-07-06 サブスク SaaS 化ロードマップ起票(16 issues)
- 役割分担: 実装はAI、与信・決済・規約など事業判断は人間
出典: salesMaterialGenerator issue #138(2026-07-06)/ issue #154 ユニットエコノミクス(事業計画値)
PART 3 — まとめ
初速の実話3段 — 「今の人数のまま、事業を3つ増やせるとしたら?」
世界の先行例: Medvi — 実質2人 + AIツール群で初年度売上 $401M と報じられている(※報道ベース)
出典: Teian architecture.md 実測 / ChillEye refrigeratorMonitor CHANGELOG(2026-06-15)/ AIEO WORKLOG.md(2026-07-02〜05)/ Medvi: Forbes・PYMNTS 報道ベース
デジタルで起きたことは、
物理世界でも起きる
フィジカルAI — ソフトの会社が、モノを作り始めた
PART 4 — フィジカルAI
ロボットの民主化カーブが始まった
$299 で買える
Hugging Face「Reachy Mini」— 予約開始24時間で1,000台超を販売
"ロボティクスのAndroid"
NVIDIA がオープンなヒューマノイド参照設計を発表(2026年6月)
年産100万台目標
Tesla Optimus、2026年後半に量産開始と報じられている(報道ベース)
部品と設計の土台が、「誰でも手が届く」側に降りてきた — うちもこの半年、布石を打ってきた(Part 1 年表)
出典: VentureBeat(Reachy Mini)/ NVIDIA 発表 2026-06 / Optimus は報道ベース(The Robot Report ほか)
PART 4 — フィジカルAI
AIEO(アイエオ)— 家族の末っ子ロボット
「まだ『う』が言えない、家族の末っ子ロボット」
¥19,800素体価格 — 競合最安クラス(Romi ¥55,000 / LOVOT ¥45万〜)
- おふだトークン・知能モジュール・乗り物ドックを「宿す」ほど育つ
- 全部集めると完全体 — 初めて「あいうえお!」と言える
AIEO — キャラクタービジュアルもAIで生成
出典: AIEO README / LP(aieo-robot.pages.dev)/ 競合価格は 2026-07 市場調査(issue #14)
PART 4 — AIEO デモ
https://aieo-robot.pages.dev — 企画3日目に公開した実物の LP(※この埋め込みのみ要ネットワーク)
PART 4 — フィジカルAI
AIEO はこう作った — 3日間・20エージェント
20AIエージェント並列設計(設計6/敵対的検証12/整合1/統合1)
168件検証指摘を全件台帳化して裁定
AIの検証が設計を覆した例: おふだの誤飲リスク寸法 40×30mm → 45×35mm / ドック給電 1.5A → 3.0A
出典: AIEO WORKLOG.md / ISSUE_LEDGER.md
PART 4 — フィジカルAI
ハードのビジネス設計 — 「魂はローカル」
教訓: 米 Moxie($799)はサーバー停止で"文鎮化"(報道ベース)
AIEO は魂はローカル — サーバーが止まっても基本機能は生きる設計
出典: AIEO DESIGN_SPEC §6 / issue #13 ユニットエコノミクス / Moxie は報道ベース(Aftermath 2025-01)
PART 4 — フィジカルAI
ロードマップ — 2027年1月、クラウドファンディングへ
初回500台は SYN Vietnam の手組み — オフショア開発の資産が、そのまま製造の供給網になる
出典: AIEO issue #13 ロードマップ(R2/R3 決定事項)
半年後・1年後の
未来に向けて
予測ではなく、既に発表されているスケジュールから逆算する
PART 5 — 半年後
半年後(2027年初頭)— 発表済みスケジュールから見える未来
エージェント内蔵が標準に
エンタープライズアプリの最大 40% がタスク特化型AIエージェントを内蔵(2025年は5%未満)
MCP 標準化が完了フェーズへ
Linux Foundation 傘下で運営。新仕様のリリース候補は 7/28 — このセミナーの1週間後
マルチエージェントが当たり前に
2027年には agentic AI 実装の 1/3 がマルチエージェント構成に
ロボットの量産が始まる
Tesla Optimus 量産開始・NVIDIA 参照設計ロボ発売(2026年後半 ※報道ベース)
出典: Gartner 2025-08 / 2025-06 プレスリリース、MCP 公式ブログ(2026-07-28 リリース候補)、Optimus・NVIDIA は報道ベース
PART 5 — 1年後
1年後(2027年半ば)— 時計の乖離が事業モデルを直撃
1ヶ月かかるタスクをAIが自律遂行(METR外挿)
Anthropic CEO Amodei は「2027年にも“天才の国”級AI」と主張
- 日本の受託・SIer: 工数×単価モデルでは「生産性向上=売上減」という自己矛盾
- 実例: Teian の見積式は既に AI駆動開発前提(基礎工数 × (1 + 人間関与度))に書き換え済み
出典: METR Time Horizons(89日で2倍の外挿)/ Amodei「The Adolescence of Technology」2026-01 / 日経クロステック / Teian README 見積ロジック
PART 5 — 示唆
経営者への示唆 — 明日からの3つ
① 型を作る
まず自社の1業務から(営業資料・議事録・見積)。
ツール購入ではなく「issue化 → 検証 → 記録」の型を作る
② 権限を設計する
AIに任せる範囲と、人間が握るボタン(=マージ / 承認)を先に決める
③ 時計を合わせる
3ヶ月ごとに前提を更新する場を持つ。
AIが任せられる仕事の長さは約3ヶ月で2倍(METR実測)
今日の話は、すべてこの3つに畳めます
出典: METR Time Horizons(自律タスク長が89日で2倍)
PART 5 — 種明かし
このスライドも、AIが作りました
{"timestamp": "2026-07-19T18:09:20Z", "command": "issue-create", "issue": 1, "repo": "aieo-product/seminar0721-slides", "result": "success"}
人間に残る最後の椅子は、承認と責任
出典: seminar0721-slides Issue #1(2026-07-19T18:11:10Z 起票)/ .agent/logs/workflow-2026-07.jsonl 実ログ
CLOSING
未来の話ではなく、
来週の話です。
3日後 7/24(金)、AI Dev Day 2026(大手町)に
ロボットブースを出展します。
株式会社SYN Japan 代表取締役 大谷 剛弘
aieo-robot.pages.dev ・ fable-katamari.pages.dev
ご清聴ありがとうございました。続きは懇親会でぜひ。