開発・業務自動化での生成AI活用(コーディングエージェント・ブラウザ操作)

2027年2月試験 新シラバス版

この記事は、2027年2月試験から適用される新しいシラバス(出題範囲)に対応しています。改訂版の公式テキストの発行後に、内容を見直して改善する予定です。

この記事では、プログラムを作る仕事と、手作業の業務を自動化する仕事で生成AIをどう使うかを扱います。コーディングエージェントの使い方と、AIに作業を任せるときに決めておく範囲(権限)の考え方が分かります。エージェントの仕組みそのものは「AIエージェントのツールと活用事例:コーディングエージェントからディープリサーチまで」で扱っています。

この単元を講義動画で見るIT資格の森の会員向け

講義5-6「開発・業務自動化での活用」の表紙

講義5-6「開発・業務自動化での活用」(8分38秒)。この単元の内容を、動く図解で約9分にまとめています。この回の動画は、IT資格の森の会員向けです。各章の1本目は無料で見られます(5-1「プロンプトエンジニアリングの基礎」)。(IT資格の森とUdemyの違い・料金)

コーディング・アプリ開発

コードの生成

生成AIは、やりたいことを言葉で伝えると、それを実現するプログラムを書けます。これがコードの生成です。「この表の中で、期限を過ぎた行に色を付けるマクロを書いて」「CSVファイルを読み込んで、部署ごとの合計を出すプログラムを書いて」のように、プログラミングに詳しくない人でも、小さな道具なら作れるようになりました。

画面の見た目や機能を伝えて、簡単なWebアプリを丸ごと作らせることもできます。こうしたアプリ開発の支援は、試作品を早く作って関係者に見せる場面で特に役立ちます。

コーディングエージェント

コーディングエージェントは、コードを書くだけでなく、プロジェクトのファイルを読み、コードを書き換え、テストを実行し、その結果を見て直す、という作業を自分で進めるAIです。2026年11月時点では、Claude Code、OpenAI Codex、GitHub Copilot のエージェント機能などが知られています。

コーディングエージェントが力を発揮するのは、フィードバックループが回るときです。コードを書く→テストやプログラムを実行する→エラーや失敗の結果を読む→直す、を繰り返して、正しく動くところまで近づけます。動作を自動で確かめるテストが用意されているほど、このループはよく回ります。

言葉で頼んでコードを書かせるコードの生成と、コードを書く・テストを実行・結果を読む・直すのフィードバックループを回すコーディングエージェントを比べ、最後に人がコードレビューして取り込む図
テストの結果を手がかりに直しを繰り返し、最後は人がレビューします。

コードレビュー

コードレビューは、書かれたコードを別の目で読み、誤りや分かりにくい所を指摘する作業です。人が書いたコードをAIにレビューさせる使い方と、AIが書いたコードを人がレビューする使い方の両方があります。AIが書いたコードも、取り込む前に人がレビューします。

セキュリティとライセンスに気をつける

AIが書いたコードは、動いても安全とは限りません。外から入力された値をそのままデータベースへの命令に使う、といったセキュリティ上の弱点(脆弱性)を含むことがあります。パスワードやAPIキー(サービスを使うための鍵)をコードやプロンプトに直接書かないことも基本です。

ライセンスにも注意が要ります。公開されているソフトウェアのコードには、それぞれ使い方の条件(ライセンス)が付いています。AIが既存のコードとほとんど同じものを出力した場合や、AIが使うよう勧めたライブラリ(部品として使うプログラム)では、その条件に従う必要があります。

AIが書いたコードで確かめる2つ。セキュリティ(外からの入力をそのままデータベースへの命令に使う脆弱性、パスワードやAPIキーを直接書かない)と、ライセンス(既存のコードとほとんど同じ出力、AIが勧めたライブラリは条件に従う)を並べた図
動いても安全とは限りません。セキュリティとライセンスの両方を確かめます。

既存システム・コードベースの調査とリファクタリング

コードベースは、1つのシステムを作っているソースコード全体のことです。長年使われてきたシステムでは、作った人がもう社内にいない、設計書が古い、ということがよくあります。コーディングエージェントに「この機能の処理がどのファイルのどこで行われているか説明して」と頼めば、調査の手間を大きく減らせます。

コンテキストウィンドウの限界

AIが一度に読める量には上限があり、これをコンテキストウィンドウといいます。大きなコードベースは、全部を一度に読み込めません。そのため、コーディングエージェントは、必要なファイルを検索して少しずつ読み、分かったことをメモに残しながら調べていきます。人の側も「まずこのフォルダから」と範囲を示すと、調査の精度が上がります(AIに渡す情報の組み立て方は「AIエージェントの仕組み:計画・ツール実行・メモリ・フィードバックループ」)。

大きなコードベースのうちコンテキストウィンドウに入るのは一部だけなので、必要なファイルを検索し、少しずつ読み、分かったことをメモに残して調べる図
一度に読めない分は、検索して少しずつ読みます。人が範囲を示すと精度が上がります。

リファクタリング

リファクタリングは、プログラムの動きを変えずに、中のコードを読みやすく整理し直すことです。同じ処理が何か所にも書かれているのを1つにまとめる、長すぎる処理を分ける、といった作業です。

リファクタリングでは、直す前と後で動きが変わっていないことを確かめる必要があります。先にテストを用意してから直す、一度に全部を変えず小さく分けて進める、という順番が安全です。

重複したコードを1つにまとめ、長い処理を分けても、出力は同じであることを示し、先にテストを用意し、小さく分けて直し、テストで動きが同じか確かめる手順の図
リファクタリングは動きを変えずに中を整理します。テストを先に用意して小さく進めます。

定型業務の自動化

毎日・毎週、同じ手順で行う仕事を自動で行わせるのが定型業務の自動化です。届いた注文メールの内容を表に転記する、請求書の項目を読み取って会計の仕組みに入力する、といった作業が当てはまります。

決まった画面操作を記録して再生する従来の自動化(RPA)は、書式が少し変わっただけで止まりがちでした。生成AIを組み合わせると、書き方がそろっていないメールや書類からも必要な項目を読み取れるので、自動化できる範囲が広がります。

書き方がそろっていない注文メールを、従来の自動化(RPA)は書式が変わると止まるのに対し、生成AIを組み合わせると必要な項目を読み取って表に転記できることを比べた図
生成AIを組み合わせると、書式がばらばらでも項目を読み取れます。自信がないものは人に回します。

AIをメール・カレンダー・社内の仕組みなどの外部の道具とつなぐ標準の規格として、MCP(Model Context Protocol)が広く使われています(「MCP・Agent Skills と外部連携:A2A・マルチエージェントまで」)。

生成AIは同じ入力でも毎回まったく同じ答えを返すとは限りません。読み取りに自信がないものは人に回す、処理の記録を残す、といった例外の扱いを最初に決めておきます。

ブラウザ操作・Web上の手続きの自動化

生成AIに画面を見せて、Webブラウザをクリックや文字入力で操作させる機能もあります。これがブラウザ操作の自動化です。複数のサイトで情報を調べて表にまとめる、Web上の申請フォームに決まった内容を入力する、といった作業を任せられます。2026年11月時点では、主要な生成AIサービスの多くが、こうした機能を提供しています。

ブラウザ操作を任せる前に決めること。購入・送信・申し込み・削除の直前で止めて人が確かめる、パスワードやカード番号を入力させるか決める、プロンプトインジェクションに備えて知らないサイトを見て回らせない、利用規約で自動の操作が禁止のサイトもある、を示す図
取り消しにくい操作の直前では、必ず止めて人が確かめます。

任せる前に決めておくこと

  • 購入・送信・申し込み・削除のように取り消しにくい操作は、実行の直前で止めて人が確かめる
  • ログインのパスワードやカードの番号を、AIに入力させるかどうかを決めておく
  • Webページの中にAIへの指示が隠されていて、AIがそれに従ってしまう攻撃(プロンプトインジェクション)がある。知らないサイトを自由に見て回らせない(「AIエージェントのリスク・安全性・評価:プロンプトインジェクションと最小権限の原則」)
  • サイトによっては、利用規約で自動での操作を禁じている

複数ツール・複数ステップを横断する複合タスクの自動化

「来週の大阪出張の手配をして」という仕事を考えます。予定表で空いている日を確かめる→移動の手段を調べる→出張申請書を書く→上司に承認を頼む、と、いくつもの道具と手順にまたがっています。生成AIのエージェントは、こうした複合タスクもまとめて進められるようになってきました。

タスク分解

大きな仕事をAIに任せるときは、タスク分解が出発点になります。仕事を小さな手順に分け、手順ごとに何ができていれば完了かを決めます。AIに分解させることもできますが、分けた結果は人が見て、抜けている手順や、順番の誤りがないかを確かめます。手順ごとに結果を確かめられるので、途中で間違いが起きても、どこでずれたのかが分かります。

権限は必要な分だけ渡す

AIにどこまでの操作を許すかを権限といいます。複数の道具をつなぐほど、AIが間違えたときの影響は大きくなります。予定表は読むだけ、メールは下書きまで、送信と承認は人が行う、のように、作業に必要な最小限の権限だけを渡します。これを最小権限の原則といいます。大事な分かれ目で人が確認に入る考え方とあわせて、「AIエージェントのリスク・安全性・評価:プロンプトインジェクションと最小権限の原則」で扱います。

来週の大阪出張の手配を、予定表で空き日を確認・移動の手段を調べる・出張申請書を書く・上司に承認を頼むの4つに分解し、読むだけ・調べるだけ・下書きまで・送信と承認は人、と手順ごとに最小限の権限を渡す図
手順に分けて確かめられる形にし、AIには必要最小限の権限だけを渡します。

この単元のまとめ

  • コーディングエージェントは、ファイルを読み、コードを書き、テストを実行し、結果を見て直すフィードバックループで作業を進める。取り込む前に人がコードレビューする
  • AIが書いたコードは、セキュリティ上の弱点と、ライセンスの条件を確かめる
  • コードベースの調査ではコンテキストウィンドウに入りきらない分を検索して読む。リファクタリングはテストで動きが変わらないことを確かめながら小さく進める
  • 定型業務やブラウザ操作の自動化では、取り消しにくい操作の前に人が確かめ、プロンプトインジェクションに備える
  • 複合タスクはタスク分解で手順ごとに確かめられる形にし、AIには必要最小限の権限だけを渡す

この単元の問題7問

読んだ内容を1問ずつ確かめられます。選ぶとすぐに正誤と、選択肢ごとの解説が出ます。

  1. 1AIにプログラムを書かせる使い方解く →
  2. 2フィードバックループとは解く →
  3. 3AIが書いたコードを取り込む前に解く →
  4. 4大きなシステムのコードを調べさせるとき解く →
  5. 5動きを変えずにコードを整理すること解く →
  6. 6業務やWeb上の手続きを自動化するとき解く →
  7. 7いくつもの道具にまたがる仕事を任せるとき解く →

1問目から順に解く →

生成AIの実践と活用事例の単元

  1. 5-1プロンプトエンジニアリングの基礎(Zero-Shot・Few-Shot・Chain-of-Thought)
  2. 5-2文書作成・コミュニケーション業務での生成AI活用(要約・校正・議事録・翻訳)
  3. 5-3生成AIのビジネス活用:企画・マーケティング業務
  4. 5-4クリエイティブ制作での生成AI活用(画像・動画・音声・モックアップ)
  5. 5-5データ分析・リサーチ業務での生成AI活用(ディープリサーチ・定例レポート)
  6. 5-6開発・業務自動化での生成AI活用(コーディングエージェント・ブラウザ操作)いま読んでいるページ
  7. 5-7業種別に見る生成AI活用(AX・DX)
タイトルとURLをコピーしました