VOICE
「AIを使っているのに、チーム全体の開発スピードが変わらない」——そんな感覚を持ったことはないでしょうか。個人のタスクはずいぶん速くなったはずなのに、ソフトウェアがリリースされるまでの時間は以前とほとんど変わらない。この現象には名前があります。「AIパラドックス」と呼ばれるものです。
本記事では、AIパラドックスが生まれる構造的な原因を整理し、”マルチエージェント”と”ハーネスエンジニアリング”という2つのアプローチがどのようにこの状況を改善するかを解説します。GitLabとジークスが共同で開催したウェビナーの内容をもとにまとめています。
90%が使っているのに、リードタイムが縮まらないチームが多い理由
DORA（DevOps Research and Assessment）の調査によると、90%以上の開発者が業務の一部にAIを活用しています。これだけ広く普及しているにもかかわらず、計画から設計・開発・テスト・リリースまでの一連の流れという、チーム全体の開発リードタイムが明確に短縮されたチームは、まだ一握りにとどまります。
この差がAIパラドックスと呼ばれる現象の正体です。個人でAIを使うときには、プロンプト生成・確認・修正の一連のプロセスが自分の頭の中で完結するため、引き継ぎや待ち時間がゼロに近い状態を保てます。ところが、複数人でAIを活用しようとした途端に構造が変わります。
たとえば、AさんがAIを使ってコードを書き、Bさんがレビューするという構成を考えてみてください。Aさんの作業時間は確かに短縮されます。ただ、Bさんへのハンドオフが発生した瞬間に「待ち時間」が生まれます。この待ち時間は、各メンバーの作業効率化でいくら圧縮しても、工程間の引き継ぎそのものが残る限り解消できません。
支援現場でよく見る光景があります。AIの導入によってコードの量が増えたことで、かえってレビューの山が積み上がってしまうというケースです。「AIを使って作ることは速くなったけど、レビューが追いつかない」という声は、今や開発チームで広く共有される課題になりつつあります。
バリューストリームで見ると、「待ち時間」が圧倒的に大きい
この構造を可視化するのに役立つのが、バリューストリームという考え方です。価値が生まれる一連の流れを時間で分解すると、実際の作業時間（プロセスタイム）と、次の工程が始まるまでの待ち時間（ウェイトタイム）に分かれます。
あるチームの例で考えます。Aさんのコード作成が2時間、Bさんのレビューが2時間と10分——それぞれの作業自体は効率化できているとします。ところが、AさんからBさんにタスクが渡るまでに2日、BさんからCさんに渡るまでに3日かかっているとすれば、合計のリードタイムは約5日間にもなります。プロセスタイムの合計は4.8時間なのに、フローの効率は5.3%にとどまる——これがAIパラドックスの実態です。
DORAのレポートでも「AIは増幅器である」という言葉が使われています。優れたワークフローや明確なコラボレーションの仕組みがあるチームでは、AI導入の効果がさらに大きくなります。一方、工程間の引き継ぎに時間がかかる構造が残ったままでは、AIを導入しても課題がより鮮明になるだけです。つまり、AIの投資効果を最大化するには、ツールの選択だけでなく、組織のワークフロー自体を戦略的に見直すことが求められます。
マルチエージェントが解消するのは「人と人の引き継ぎ」
この課題に対するアプローチが、マルチエージェントです。複数のAIエージェントが、人間の引き継ぎなしに工程をつないでいく仕組みです。
エージェントAがタスクを受け取り、コードを生成します。次にエージェントBがそのコードをレビューし、さらにエージェントCがセキュリティスキャンを実行する——この流れを、人間のウェイトタイムなしに連続して行えるようになります。最終的な承認や意思決定は引き続き人間が担いつつ、工程間の引き継ぎをエージェントが自動処理することで、バリューストリーム全体の流れを格段に速くできます。
ここで重要な問いが生まれます。「AIエージェントにどこまで任せて大丈夫なのか？」という不安は、多くのチームが抱えるものです。この問いに答えるのが、ハーネスエンジニアリングという考え方です。
ハーネスエンジニアリング——AIを「使いこなす」ための設計思想
ハーネスエンジニアリングとは、AIが自律的かつ組織のルールに従って動けるように、制御機構（ハーネス）を設計・改善していく考え方です。エージェントは「モデル＋ハーネス」で構成されると整理されており、モデルの良し悪しではなく、その周りにある制御の仕組みをいかに設計するかが成否を分けます
ハーネスには2つの軸があります。
1つ目はフィードフォワード制御です。エージェントが動く前に、正しい方向を示すガイドを用意しておく仕組みです。組織固有のコーディング規約や仕様の書き方をAIに事前に教えておく「スキル」の設計が、これに当たります。
2つ目はセンサー・フィードバック制御です。エージェントが出力した結果を自動でチェックし、修正するフィードバックループを回す仕組みです。CIパイプラインでのテスト自動実行やセキュリティスキャンがこれに相当します。
人間の役割はコードを書く量を増やすことから、このハーネスを設計・改善し、エージェントを正しい方向に舵取りすることへと移っていきます。あなたのチームでは今、どちらに多くの時間を使っているでしょうか。
「一気通貫」できるAI開発支援は、どの類型に当たるか
マルチエージェントとハーネスエンジニアリングの重要性は理解できても、「そもそも自分たちのチームに合ったアプローチはどれか」と迷うことがあります。ここでは、現在市場に存在するAI開発支援の類型を3つに整理してみます。
コーディング支援型は導入のハードルが低く、既存の開発環境を変えずに使い始められる利点があります。ただし、改善できるのはコーディングの工程に限られるため、チーム全体のリードタイム短縮には直結しにくい構造です。ツール連携型は、すでに複数のSaaSツールを導入している組織で情報を横断検索したり、工程をまたいで作業を自動化したりするのに適しています。一方で、データが分散したままAIをつなぐ設計のため、AIが参照できるコンテキストの範囲はツールの接続状況に左右されます。
プラットフォーム統合型は、計画からセキュリティまでのすべてのデータが最初から一か所に存在するため、AIが開発工程全体のコンテキストを読み込んで動くことができます。これが、マルチエージェントで工程全体を自動化する上での基盤となります。GitLab Duo Agent Platformはこの類型に位置づけられます。
GitLab Duo Agent Platformが実現する5層のアーキテクチャ
GitLabが提供するGitLab Duo Agent Platform（DAP）は、このハーネスエンジニアリングの考え方を実装するための基盤として設計されています。プラットフォームの構成は、5つの層に分かれています。それぞれの役割を順番に見ていきましょう。
① 統合データモデル＋ナレッジグラフ（最下層／コンテキストの基盤）
GitLab上に蓄積されたすべての開発データを、AIが参照可能な形で統合する層です。
- ソースコード・イシュー・マージリクエスト・CIパイプラインの実行結果・セキュリティスキャン履歴を一元管理
- ナレッジグラフが情報同士の関連性をインデックス化し、AIが必要なコンテキストへ素早くアクセスできる
- 余計な情報の参照を防ぎ、AIクレジットの消費を最小化
コード単体ではなく、「なぜそのコードが書かれたか」まで含めた文脈全体をAIが読み込める点が、他の構成と異なる根本的な差です。
② エージェント（インターフェースと自律実行）
エージェントは役割ごとに使い分けられます。GitLabが標準で用意しているものだけでも、以下のような選択肢があります。
- GitLab Duo：コード全体を対象にした汎用エージェント
- プランナー：プロジェクトの進捗・計画管理に特化
- セキュリティアナリスト：脆弱性の優先順位付けと修正提案を自動化
さらにClaude CodeやCodex、Amazon Q、Geminiといった外部エージェントとの連携も可能で、役割に応じた最適な組み合わせを構成できます。
③ スキル（組織固有のドメイン知識）
スキルは、汎用モデルを「自社専用のエージェント」に変えるための仕組みです。Markdownファイル（SKILL.md）にコーディング規約・レビュー観点・セキュリティ要件を記述しておくだけで、以下の効果が得られます。
- ClaudeでもCodexでもGeminiでも、同じスキルで一貫したアウトプットを実現
- 組織の品質基準をモデルの選択に依存せず維持できる
- 新しいモデルに切り替えてもスキルを継承できるため、乗り換えコストを抑えられる
④ フロー（ワークフローと自動化）
フローは、エージェントとスキルを組み合わせて工程を自動実行するパイプラインです。GitLabが標準で提供する主なフローは次の3つです。
- デベロッパーフロー：イシューの内容を理解→ブランチ作成→コード修正→MR作成
- コードレビューフロー：MR検知→行レベルの自動レビューコメント投下
- SASTフロー：脆弱性スキャン→偽陽性の自動排除
フローの実行中、人間の承認が必要な箇所では承認モーダルが表示されます。承認か拒否かを選ぶだけで、処理を続けるかどうかを人間がコントロールできる設計です。
⑤ AIカタログ（エージェントの組織展開）
エージェント・スキル・フローをひとつのパッケージとしてカタログに登録しておくことで、別のプロジェクトへの適用が「有効化するだけ」で完了します。バージョン固定の仕組みもあり、スキルの更新によって予期せぬ挙動が起きることを防げます。ハーネスを組織全体へ安全に展開するための最終層です。
コストと品質——数字で見るインパクト
GitLab Duo Agent Platformを使ったコードレビューの効果について、具体的な数字が出ています。エージェントによる一次レビューを導入すると、シニアエンジニアがレビューに着手する時点で、すでに細かい指摘の多くが処理された状態になります。GitLabのデータから確認できている主な効果は以下の通りです。
- レビュー時間：1件あたり約20分削減
- レビューコスト：$0.25（約40円）/件
- 汎用AIとの比較：同等の処理を汎用AIで行うと$20〜25/件——約100倍のコスト差
コストだけでなく、レビューの質にも特徴があります。GitLab Duo Agent Platformは、コードの変更が要件定義やイシューの意図と合っているかまで確認できます。コード単体を見るのではなく、開発工程全体のコンテキストを踏まえた上でのレビューが可能なため、「人間のレビューを上回る」という評価を受けているのはこうした理由からです。
ジークスは2016年からGitLabを社内で活用し続けており、現在は160名規模で日常の開発に使っています。GitLabを熟知しているからこそ、「どのフローから始めるか」「スキルをどう設計するか」という実装の勘所をお伝えできます。
まとめ
AIを個人で使うと速くなります。しかしチームでは速くならない——この矛盾の正体は、AIツールの質ではなく、工程間の引き継ぎと待ち時間にあります。
マルチエージェントとハーネスエンジニアリングは、この構造的な課題に正面からアプローチするものです。エージェントが工程をつなぎ、スキルが組織の知識を共有し、フローが処理を自動化する。その土台として、GitLab Duo Agent Platformはソースコード・イシュー・CI/CD・セキュリティのすべてが統合された単一のデータ基盤を提供しています。
あなたのチームの開発リードタイムは、今どこで詰まっているでしょうか。まず一つのフローから試してみることが、チーム全体の開発スピードを変える第一歩になります。
ジークスのGitLab Duo Agent Platform導入支援について
ジークスは、GitLabを10年以上社内で活用した経験をもとに、GitLab Duo Agent Platformの導入から定着まで一貫してサポートしています。ライセンス販売だけでなく、ハーネスの設計・スキルの整備・フロー構築まで含めた伴走型の支援を提供しています。まずはお気軽にご相談ください。
出典：GitLab・ジークス共催ウェビナー「GitLab Duo Agent Platformで実現するマルチエージェント開発」（2026年）、DORA「Accelerate State of DevOps Report」（2024年）、GitLab社 Duo Agent Platform製品データ