Anthropicが開発6工程のAI化指針、承認ゲートと監査証跡の型を提示

Anthropicが開発6工程をAI前提に組み替える指針を公開しました。

Anthropicは2026年8月21日、自社ブログでThe AI-Native SDLC playbookを公開しました。ソフトウェア開発の6工程を、AIエージェントが実装の中心に入った前提で組み替えるための実践集です。士業事務所の日々の業務とは離れたテーマに見えますが、この指針の骨格にあるのは「人間の承認をどこに残すか」と「誰が何を指示し、誰が承認したかをどう記録に残すか」という2つの論点です。本記事は士業のチカラ編集部が、公表されている一次情報のみを根拠に作成しています。

何が公開されたか、6工程の組み替え方

公開されたのは、計画・設計・実装・テスト・デプロイ・保守という6つの工程それぞれについて、AIエージェントを前提にした進め方をまとめた実践集です。著者はAnthropicのLouis Claxtonで、同社のApplied AIチームが社内および顧客企業との取り組みで用いてきた手法を整理したものだと説明されています。

冒頭の問題提起は「コードはもはやボトルネックではない」というものです。Claude Codeのようなエージェント型の開発支援でコードを書く速度が上がった一方、その前後にある承認ゲート、レビュー、引き継ぎ、社内ポリシーの運用は従来のままで、そこに処理が滞留しているという指摘です。原文は「レビュー待ちの列が伸びるか、十分にレビューされないままコードが出荷されるかのどちらかになる」と述べており、規制業種の組織はそのどちらも受け入れられないとしています。

指針が示す解き方は、工程ごとに「次の工程が読める成果物」を1つ確定させ、それをバージョン管理に記録していくというものです。計画工程は意図を書いたファイル、設計工程は仕様、実装工程は計画とコードの差分、デプロイ工程はレビュー所見という形で、工程の終わりに何らかの成果物が残る建て付けになっています。

なぜ重要か、監査証跡と承認ゲートという2つの軸

この指針が実務的に重要なのは、速度の話ではなく統制の話をしているからです。原文は「意図、仕様、計画、差分、レビュー所見が合わさって監査証跡になる」と整理し、コミットの連なりがそのまま「誰が何を求め、エージェントが何を出力し、誰が承認したか」の記録になると説明しています。AIに作業を任せた結果を後から説明するための材料を、作業の副産物として自動的に溜めていく発想です。

もう1つの軸が承認ゲートです。指針では、エージェントが行動する直前に走るスクリプト（フック）を使い、操作を許可する、確認を求める、遮断するという3通りの挙動を工程に組み込む方法が示されています。遮断されたときには理由と承認ルートがその場で表示される設計にすること、チーム単位のゲートと、個々の担当者が解除できない管理者側のゲートを分けることも挙げられています。規制業種向けの設定例では、認証情報や秘密情報を含むパスの読み取りを管理者側で拒否する構成が紹介されています。

一方で、この指針は人間の関与を減らす方向には振れていません。原文は「判断を要するすべての決定について、人間が説明責任を負い続ける」と明記しており、人間の注意を工程の入口から成果物の確認地点へ移すという整理をしています。

士業事務所から見たときの視点

士業事務所にとって、この指針はソフトウェア開発の話としてよりも、統制設計の一例として読める内容です。事務所がAIを業務に入れるとき、論点になるのは処理速度よりも、どの段階で有資格者の判断を挟むか、そしてその判断を後から示せる形で残せるかという点です。工程の終わりに成果物を1つ確定させ、その連なりを記録として扱うという考え方は、案件ごとの作業履歴をどう設計するかを検討する際の参考材料になります。関連する論点はMCPの監査ログを書証として設計する記事でも扱っています。

データの取り扱いについては、今回の指針は開発工程の設計を扱った文書であり、入力データが学習に使われるかどうかについての記述は含まれていません。導入検討にあたっては、各サービスの利用規約とデータ取り扱いに関する公表資料を個別に確認する段階です。Anthropicは監査ログ関連としてCompliance APIのClaude CoworkおよびClaude Codeへの対象拡大も別途公表しています。

今後の動き

指針は6工程を一度に置き換えることを想定しておらず、組織ごとに着手する工程を選べる構成になっています。各実践項目には前提条件が示され、依存関係の図も添えられています。まず人手で各工程を指示し、最終的には確定した成果物が次の工程を自動的に起動する状態を目指す、という段階論が示されています。

AIエージェントを業務に組み込む動きは、8月に入ってからもcomputer use・Skills API・Files APIの正式公開など、実行範囲を広げる方向で進んでいます。実行できる範囲が広がるほど、承認をどこに置き、記録をどう残すかという設計の比重が増していく流れです。

まとめ

Anthropicが公開したAI-Native SDLCの指針は、開発6工程それぞれでAIエージェントを前提にした進め方を示したものです。要点は、工程ごとに成果物を確定させて監査証跡とすること、フックによる承認ゲートを工程に埋め込むこと、そして判断を要する決定については人間が説明責任を負い続けるという建て付けの3点にあります。

参考文献

※士業のチカラでは、生成AIの導入支援から運用最適化まで、貴事務所の業務に合わせたカスタマイズ提案を行っています。無料相談（30分）も実施中ですので、お気軽にお問い合わせください。
https://shigyonochikara.jp/contact/

引用元: Anthropic

本記事の作成体制について

本記事は士業のチカラ編集部が、公表されている一次情報のみを根拠に作成しています。法令の条文はe-Gov法令検索の原文で、行政の見解は各府省庁の公表資料で、それぞれ確認したうえで記載しています。引用元は本文中および参考文献にすべて明示しています。

本記事には特定の資格者による監修は入っていません。個別の事案について法令の当てはめや手続の可否を判断する必要がある場合は、当該分野の有資格者にご相談ください。本記事は一般的な情報提供を目的としたものであり、個別具体的な法律判断・税務判断・労務判断を提供するものではありません。

記載内容に誤りを見つけられた場合は、お問い合わせよりご指摘ください。確認のうえ速やかに訂正し、訂正履歴を記事内に残します。編集方針の詳細は運営者情報をご覧ください。