ベルトコンベアから、かんばん方式へ
20世紀初頭、ヘンリー・フォードは自動車生産に革命を起こしました。 ベルトコンベアの上を車体が一方向に流れ、各工程の作業者は 与えられた一つの作業だけを、決められた通りに繰り返す。 在庫は大量に積み上げ、計画は事前にすべて決め、変更は基本的に許さない。 これは驚異的な生産性を実現しましたが、同時に極めて硬直的でした。
半世紀後、トヨタの大野耐一らが生み出したトヨタ生産方式（TPS）は、 この前提を覆しました。 「かんばん」で後工程が前工程に必要な分だけを伝える「引く生産」、 異常があれば誰でもラインを止められる「自働化」、 標準作業を現場が絶えず改善していく「カイゼン」——。 同じ「工場」でありながら、まったく違う哲学で動いています。
2026年に発表された論文 The AI-Native Large-Scale Agile Software Development Manifesto を読んだとき、まさにこの構図が頭に浮かびました。 著者たち（Ricardo Britto, Fredrik Palmgren, Nishrith Saini, Marcus Ohlin）は、 大規模アジャイルフレームワーク（SAFeなど）の現状をこう批判しています。
「大規模アジャイルフレームワークは依然として人間中心・手作業ベースであり、 調整会議、成果物の同期、役割ベースの引き継ぎに大きく依存しているため、 リアルタイムな適応を妨げている。」
論文はこの機能不全を、もう少し具体的に言語化しています。
「分断された調整、知識のサイロ化、品質保証の一貫性の欠如、 そして分散したチーム間で共通理解を維持することの困難さ。」
結果として起きるのは、フィードバックサイクルの遅延、統合コストの増大、 そしてシステムレベルでの俊敏性そのものの侵食です。 個々の開発者はAIによって速くなっているのに、 組織全体としては遅いまま——多くの現場が薄々感じている違和感を、 論文はこう名指ししています。
これは、まさに「フォード式の流れ作業」の姿です。 この現状に対して、論文が掲げる中核ビジョンは、たった一行に凝縮されています。
「Human intent, machine velocity, where human experts direct and AI agents deliver.」
（人間の意図、機械の速度——人間の専門家が方向づけ、AIエージェントが実行する。）
そして著者たちが提案する6つの原則は、 この一行のビジョンを具体化した、ソフトウェア開発版の 「トヨタ生産方式への転換」と言えるものです。
6つの原則を、生産方式の転換として見る
原則①：Parallel Processes（並列プロセス）——サブラインの同時並行生産
自動車工場では、エンジン・車体・内装・タイヤは、それぞれ別のサブラインで 同時並行に作られ、必要なタイミングで最終組立ラインに合流します。 フォードの初期モデルのように「一つの工程が終わってから次の工程へ」という 単線の流れではありません。
論文はこう表現しています。
「計画・実装・検証は、順番に続くフェーズとしてではなく、並行して走る活動として行われる。」
ソフトウェア開発で言えば、要件定義が終わるまでテストコードを書けない、 実装が終わるまでレビューできない、という順番待ちの直列処理をなくすことです。 AIエージェントが仕様分析と並行してテストケースを生成し、 コード生成と同時にドキュメントを更新する——それが「デフォルトで並列」という発想です。
原則②：Intent & Oversight（意図と監督）——かんばんによる「引く生産」
フォード式は「本社が計画した通りに、決められた量を作れ」という押し込み（プッシュ）でした。 TPSの「かんばん」はその逆です。 後工程が「何を・いつ・どれだけ必要か」を前工程に伝えるかんばんカードを渡すだけで、 それをどう作るかの詳細は前工程の裁量に委ねられます。 伝えるのは「欲しいもの（意図）」であり、「作り方の手順」ではありません。
「従来の開発者はコードを書く。AI-nativeな開発者は意図を定義する。実行から方向づけへのシフトだ。」
これは開発者が不要になるという意味ではありません。 むしろ「何を作りたいか」を正確なかんばん（要求）として渡せるかどうかが、 AIエージェントという工程からどれだけ質の高いアウトプットを引き出せるかを左右します。
原則③：Living Knowledge（生きた知識）——巡回し続けるかんばんカード
週次で印刷される紙の生産計画表は、刷った瞬間から現実とズレ始めます。 一方、かんばんカードは工程間を物理的に巡回し続け、 「今この瞬間、どこで何がどれだけ必要とされているか」を常に最新の状態で伝えます。 情報そのものが、工程の中で生き続けているのです。
「AI-nativeな開発は、静的なドキュメントを生きた知識に置き換える。仕様がバージョン管理・追跡可能・置換可能な、真実の源になる。」
多くの現場で、要件定義書やWikiは「書いた瞬間から古くなる紙の生産計画表」になっています。 Living Knowledgeが目指すのは、仕様書を一度書いて終わりの成果物ではなく、 コードやテストと同じように常に最新版が参照される、生きたドキュメントにすることです。
原則④：Verification-First（検証優先）——自働化とアンドン
フォード式では、品質チェックはライン末端の検査工程で行われました。 不良品は最後にまとめて見つかる、つまり「作ってから確認する」順序です。 TPSはこれを覆しました。自働化（じどうか）によって、 異常を検知した機械や作業者は誰でもその場でアンドン（表示灯）を灯し、 ラインを即座に止めます。不良を後工程に絶対に流さないという思想です。
「テストは、コードが一行も書かれる前に、仕様から生成される。受け入れ基準、ブラックボックステスト、ユニットテストのすべてが仕様を検証する。」
従来は「作ってからテストする」順序でした。 Verification-Firstは、合格基準（テスト）を先に定義してから作り始めるという 順序の逆転です。品質を工程の後ろに置くのではなく、最初から工程に埋め込む。 自働化とまったく同じ思想です。
原則⑤：Orchestrated Agents（協調するエージェント）——多能工と班長
TPSの現場を支えるのは、一つの作業しかできない単能工ではなく、 複数の工程をこなせる多能工と、それを束ねる班長です。 各作業者は自分の持ち場で専門性を発揮しながら、 班長のもとで全体のタクトタイム（生産のリズム）に合わせて連携します。
「協調する専門家チーム……あるエージェントが要件分析を担当し、別のエージェントがテストを生成し、また別のエージェントがコードをレビューする。」
これは、一つの万能AIにすべてを丸投げする発想とは違います。 要件分析担当、テスト生成担当、コードレビュー担当——それぞれに特化したエージェントが、 多能工チームのように役割を持って連携する、という考え方です。
原則⑥：Reusable Blueprints（再利用可能な設計図）——標準作業とカイゼン
TPSには「標準作業書」という、全工場・全ラインで共有される手順書があります。 しかしそれは金科玉条ではありません。 各現場のチームはカイゼン（改善）を通じて、標準作業を少しずつ現場の実情に合わせて 磨き上げていきます。骨格は共有しつつ、細部は現場が育てる仕組みです。
「チームはブループリントを採用し、それぞれの領域に合わせてローカルに適応させる……硬直化させずに再利用する。」
組織全体で同じテンプレートを機械的に押し付けるのではなく、 共通の設計図をベースにしながら、各チームのドメインに合わせて調整する余地を残す。 これがTPSの「標準化とカイゼンの両立」であり、Reusable Blueprintsの考え方です。
この先に見える景色：三つの新しい職業
論文は6つの原則の先に、さらに踏み込んだ将来像も描いています。 より自律的なエージェントチーム、業界を横断して共有される設計図の エコシステム、そしてそれに伴って生まれる新しい職業です。
- エージェントオーケストレーション：複数の専門特化したAIエージェントを編成し、連携させる役割。TPSでいう班長にあたる
- ナレッジエンジニアリング：Living Knowledge——常に最新であり続けるべき仕様や制約——を設計・保守する役割
- AIガバナンス：自律的に動くエージェントの振る舞いに、組織としての説明責任を持たせる役割
これらはまだ、どの企業の組織図にも存在しない役職です。 しかしTPSにおいて「班長」や「標準作業書の管理者」が 専門職として確立していった道のりを思えば、 荒唐無稽な予測とは言い切れません。
6原則まとめ表
| 原則 | TPSの対応概念 | ソフトウェア開発での意味 |
|---|---|---|
| Parallel Processes | サブラインの同時並行生産 | 計画・実装・検証を並行して進める |
| Intent & Oversight | かんばんによる「引く生産」 | 開発者はコードでなく意図（要求）を定義する |
| Living Knowledge | 巡回し続けるかんばんカード | 仕様書を常に最新化される「生きた真実の源」にする |
| Verification-First | 自働化とアンドン | コードを書く前にテスト・受け入れ基準を定義する |
| Orchestrated Agents | 多能工と班長 | 専門特化したAIエージェント群が役割分担して協調する |
| Reusable Blueprints | 標準作業書とカイゼン | 共通テンプレートを各チームのドメインに合わせて適応させる |
これは「処方箋」ではなく「宣言」であることに注意したい
ここまで読むと、明日から導入できそうな気がしてきますが、 一つ重要な注意点があります。この論文は、実装事例や定量的な効果測定を含んだ 「実証研究」ではなく、あくまで価値観と原則を提示するマニフェスト（宣言文）です。 著者たち自身も、技術の進化にあわせてこの宣言を定期的に見直す必要があると述べており、 「AIエージェントだけがコードを書く"暗いソフトウェア工場"」になる可能性についても 警鐘を鳴らしています。
つまりこれは完成した設計図ではなく、 2001年のAgile Manifestoが方法論の乱立に「共通の価値観」を与えたのと同じ役割を、 AI時代に向けて果たそうとしている宣言だと捉えるのが妥当でしょう。
2001年のAgile Manifestoとの対比
| Agile Manifesto（2001） | AI-Native Agile Manifesto（2026） |
|---|---|
| 包括的なドキュメントよりも動くソフトウェアを | 静的なドキュメントよりも生きた知識（Living Knowledge）を |
| 契約交渉よりも顧客との協調を | 個人の実行よりも意図の定義（Intent & Oversight）を |
| 計画に従うことよりも変化への対応を | 順序立てたフェーズよりも並列プロセスを |
おわりに
トヨタ生産方式が革新的だったのは、 「大量の在庫と厳格な計画で不確実性を押さえ込む」というフォード式の前提を捨て、 現場に権限を与えながら、品質を工程そのものに埋め込むという発想に転換したことでした。 かんばんは「引く」仕組みであり、自働化は「止める」勇気を現場に与え、 カイゼンは標準を「育てる」文化を生みました。
AI-Native Agile Manifestoが問いかけているのも、同じ転換なのかもしれません。 すべてを人間のチームだけで、会議と成果物の同期を重ねながら順番にこなす時代から、 専門特化したAIエージェントを工程の担い手として迎え入れ、 人間は「何を作りたいか」というかんばんを渡し、品質基準を工程に埋め込む側に回る時代へ。
ただし、それは「人間が不要になる」という話ではありません。 どんなに優れたTPSの工場にも、タクトタイムを決め、標準作業の方向性に責任を持つ 現場監督が必要です。AI時代のアジャイルにおいても、 その役割——意図を定義し、品質に責任を持つ人間——はむしろ重みを増すはずです。
論文自身は、この転換をこう結んでいます。
「AIが機械の速度で開発活動を遂行できるようになるとき、 ボトルネックは実行から方向づけへと移る。」
行き着く先は、人間の仕事を最も価値を生む場所へと引き上げることです。 何を作るべきか、なぜそれが重要か、そして結果が正しいかどうかを判断すること——。 かんばんを渡し、アンドンの紐を引く勇気を持ち、標準を育てる。 それが、AI時代における現場監督の新しい仕事です。
参考：Ricardo Britto, Fredrik Palmgren, Nishrith Saini, Marcus Ohlin, "The AI-Native Large-Scale Agile Software Development Manifesto" (arXiv, 2026)。TPS（トヨタ生産方式）に関する記述は、大野耐一 トヨタ生産方式（1978年）における「かんばん方式」「自働化」「標準作業」の 一般的な解説に基づく。