本記事は、AWS Quick 上に構築されたエージェントを活用して製品開発ライフサイクルを改善・迅速化する方法に焦点を当てています。AI によるソフトウェアデリバリーが加速する中で、実装が容易になるほど、上流の製品開発プロセスの重要性が増しています。コーディングエージェントは明確な要件を高速に動作するソフトウェアに変えられますが、間違った製品を作ることを補うことはできません。競争優位性は、適切な顧客課題の発見、追求すべき機会の決定、適切な体験の設計、プロトタイプによる検証という 4 つの上流活動に移行しています。
これらの意思決定に必要なシグナルは、Slack、Salesforce、ServiceNow、SharePoint、Jira、Outlook など、さまざまなツールに分散しています。チームがツール間を移動するたびに、意思決定に必要なコンテキストが切り離され、引き継ぎのたびに失われていきます。AWS Quick は、この断片化された知識をつなぐ層を提供します。カスタムチャットエージェントを接続されたエンタープライズデータに基づかせ、成果物を共有 Spaces に保存することで、ゼロから始めるのではなく、既存の組織知識を活用できます。
AI 駆動型製品開発ライフサイクル(AI-PDLC)は、これらの機能を 6 つの専門スキルを持つ AWS Quick エージェント群を通じて適用するフレームワークです。各フェーズで追跡可能な成果物を生成します。エージェントはコンテキストを収集・構造化し、ギャップを明らかにし、成果物の草案を作成します。チームは判断を提供し、すべての決定を承認します。目的はドキュメントを早く作ることではなく、チームの思考を改善し、各決定の理由を保持し、エンジニアリングとコーディングエージェントに顧客証拠に基づく仕様を提供することです。
アーキテクチャは、分散したエンタープライズシグナルから始まり、AWS Quick エージェントを経てコーディングエージェントへの引き継ぎに至るエンドツーエンドのフローを示します。エンタープライズコネクタが Slack、Outlook、Jira、Salesforce、SharePoint、ServiceNow などからコンテキストを取得します。AWS Quick は、接続されたアプリやフォルダから人、プロジェクト、意思決定をリンクする個人知識グラフを構築できます。これらのシグナルは、Orchestrator を中心とするエージェント群に供給されます。Orchestrator は Discovery、Prioritize、Working Backwards、Spec Generator、Designer を実行します。すべての成果物は、受け入れ基準、ペルソナ、画面、データモデルを含む prototype_spec.md という共通言語に集約されます。すべての決定はソースに遡ることができます。
AWS Quick は、Agent Client Protocol(ACP)を使用して AI コーディングエージェントに開発タスクを委任できます。ACP はベンダーロックインのないオープンな JSON-RPC 2.0 標準です。顧客は Kiro や Claude Code など好みのコーディングエージェントを使用して、AI-PDLC が生成した仕様に基づいて構築できます。すべての段階で人間の承認ゲートが実行されます。ペインポイントを検証し、優先順位を承認し、仕様に署名し、ビルドをゲートし、レビューを受け入れます。生産データは Discovery に戻り、ループが閉じます。エージェントが作業を行い、人間が判断を下します。誰もツールを離れる必要はありません。
AI-PDLC ライフサイクルは 8 つのフェーズに及びます:Discover、Decide、Design、Prototype、Engineer、Ship、Operate、Learn。この記事では、製品チームが作業する最初の 4 つに焦点を当てます。最後の 4 つは、上流フェーズが生成した仕様から構築する Kiro などのコーディングエージェントが処理します。上流フェーズは AWS Quick の 6 つのエージェントとして実装されます。ユーザーは Orchestrator とのみ対話し、Orchestrator は実行時に各専門家の質問フレームワークを読み取り、現在のフェーズに的を絞った質問をし、成果物生成を適切な専門家にディスパッチします。単一の会話がジャーニー全体を駆動し、ワークフローの各ステップで人間の承認を得た後にのみパイプラインが進みます。
フェーズ 1:Discover。Discovery エージェントは、対話型 Q&A、URL 取り込み、Slack、Jira、サポートチケット、Salesforce、リサーチリポジトリなどの接続されたエンタープライズソースからの直接取得を通じて、構造化されたペインポイント分析を導きます。すべてのペインポイントを深刻度と頻度でスコアリングし、Pain Point Board を生成します。これにより、チームは顧客が何に苦労しているかを証拠に基づいて一元的に把握できます。
フェーズ 2:Decide。Prioritize エージェントは、重み付けされた基準に対して各ユースケースをスコアリングします。エージェント型ユースケース用(LLM 能力適合、ツール可用性、ユーザー受容性)と従来型アプリケーション用(実現可能性、ビジネスインパクト、工数)の 2 つの透明な 0〜10 フレームワークを使用します。チームは Scoring Matrix を開き、あるユースケースが別のユースケースより上位にランクされる理由を正確に追跡できます。最上位のユースケースが選択されると、Working Backwards エージェントが Amazon Working Backwards 手法を使用して完全な PR/FAQ を生成します。顧客 FAQ と、ユニットエコノミクス、失敗モード、規制リスク、競争環境をカバーする内部 FAQ が含まれます。コンセプトがこの精査に耐えられない場合、チームはエンジニアリングリソースをコミットする前にそれを紙の上で知ることができます。
フェーズ 3:Design。Spec Generator エージェントは、検証済みのユースケースと PR/FAQ をビルド可能な仕様に変換します。エージェント型とアプリケーション型のユースケース用に別々のテンプレートがあり、UX チーム用の Design Handoff Brief も含まれます。各仕様には、受け入れ基準、ユーザーフロー、制約、およびすべての要件をソースのペインポイント、優先順位スコア、検証した PR/FAQ に遡るメタデータが含まれます。これらの受け入れ基準は二重の目的を果たします。コーディングエージェントが従うビルド契約であり、レビューエージェントが監査するレビュー基準でもあります。以前は複数のスプリントを要したドラフト作成とレビューが、集中的なセッションになり、エンジニアリングが設計仕様から直接ビルドできるほど詳細で、明確化のための会議はほとんどまたはまったく不要になります。
フェーズ 4:Prototype。Designer エージェントは、AWS Quick 内で直接ジャーニーマップ、ワイヤーフレーム、クリック可能な HTML プロトタイプを生成します。Design Handoff Brief、Discovery からのペルソナ、PR/FAQ からのユーザーフロー、設計する画面、ブランドコンテキスト、顧客の声から引き出された感情的目標に基づいて作業します。これにより、チームは Figma などのデザインツールにコミットする前に、ステークホルダーとコンセプトを検証できます。仕様が承認された後、開発のためにエンジニアリングチームにディスパッチされます。ループ全体は反復的で、すべてのゲートで人間がレビューと承認を行います。明示的な承認なしに何も出荷されません。従来数週間かかっていたプロトタイピングと反復が、問題の複雑さに応じて、ガイド付きエージェントコラボレーションにより数日または数時間になる可能性があります。
すべての決定は 2 つのレベルで記録されます。各専門家は、生成する成果物内に自身の決定、スコア、根拠を記録します。Orchestrator は独立してそれらのエントリが存在することを確認し、パイプライン全体で共有ログを保持します。一方の層が抜けても、もう一方が完全な記録を保持するため、承認ゲートが追跡されないことはありません。AI-PDLC は 2 つのペーシングモードで実行できます。Deep Discovery はフェーズごとに 8〜12 の質問をし、曖昧さとエッジケースを追求します。新しい問題領域で徹底的な探索を望むチームに適しています。Fast Track は各フェーズを 3〜5 の必須質問に絞り、すでに保持しているコンテキストからデフォルトを提案し、確認または上書きできるようにします。チームが領域をよく理解し、迅速に進む必要がある時間制限付きセッションに適しています。
エージェント実装の詳細:ステップバイステップ。まず、前提条件として AWS Quick ワークスペースに Desktop クライアントがインストールされていること、およびカスタムエージェントを作成するためのアクセス権と、Slack、Jira、SharePoint などのエンタープライズコネクタが設定されていることが必要です。ステップ 1:AI-PDLC リポジトリをクローンします。完全なエージェントスイート、参照アーキテクチャ、プロンプトテンプレート、セットアップ手順が AI-PDLC GitHub リポジトリで利用可能です。リポジトリには、6 つのエージェントすべてのエージェント命令ファイル、各専門エージェントの質問フレームワークサンプル、設定ファイルとセットアップガイドが含まれています。ステップ 2:専門エージェントを作成します。AWS Quick で、リポジトリの指示に従って専門エージェントを作成します。ステップ 2.1:エージェント構築用の JSON ファイルを GitHub リポジトリからダウンロードします。ステップ 2.2:Quick Desktop → Customize → Agents → Create に移動し、Create from File を選択します。ステップ 2.3:チャットウィンドウが開きます。ステップ 2.4:指示付きの 6 つのエージェントが作成されます。Orchestrator は中心的なアーキテクチャコンポーネントです。実行時に各専門家の指示を動的に読み取ります。ステップ 3:Quick Spaces(成果物リポジトリ)を設定します。パイプライン成果物を保存する共有 Quick Space を作成します。Quick Spaces を開き、Create New Space を選択します。名前:AI-PDLC Artifacts。関連するチームメンバーにアクセス権を付与します。ステップ 4:パイプラインを実行します。AWS Quick Desktop を開きます。エージェントピッカーから AI-PDLC Orchestrator を選択します。「Run the full pipeline」と入力します(または短縮セッションの場合は「Fast Track」)。Orchestrator の構造化された質問に答え、各フェーズを案内されます。各ゲートで成果物が生成されるたびにレビューします。必要に応じて Deep Discovery または Fast Track のペースを選択できます。実際の動作を確認するには、顧客インサイトから 4 つのフェーズすべてを経て動作するプロトタイプまでのライブデモンストレーションを YouTube ビデオウォークスルーでご覧ください。YouTube パート 1:AWS Quick と AI コーディングエージェントによるエンドツーエンドの製品ライフサイクル(51:49)。YouTube パート 2:AI-PDLC エージェントの作成。ビデオでは、エージェントの設定などがカバーされています。