AI CAMPUS #14｜AI CAMPUS #14｜AIは「1つ」より「2つ」使いこなす。アヴァントのマルチモデルレビューとガードレール戦略とは？

こんにちは！アヴァント株式会社 採用担当の旭谷です。今回は、毎月開催している社内勉強会イベント「AI CAMPUS #14」の様子をご紹介します！今回のテーマは、「Dual-AI Synergy：マルチモデルレビューとガードレール戦略」。「生成AIにコードを書かせても、なかなか品質が安定しない……」「AIにチェックさせても、本当にこれで大丈夫なのか不安……」そんな課題に対して、アヴァントのメンバーが実際の業務で試しているAI活用方法を共有しました。今回も、単なる「AIの使い方紹介」ではありません。AIをどう組み合わせ、どうチェックさせ、どこまで任せるのか。現場で実践しているからこそ出てくるリアルな工夫が、たくさん飛び出しました！

オープニング：「AXis（アクシス）」がリニューアル！

イベント冒頭では、社内のAI情報発信プラットフォーム「AXis」のリニューアルについて紹介されました。AIに関する最新情報や社内の活用事例などを共有する場として、これまで運用してきたプラットフォームが、より見やすく、使いやすい形にアップデート。社内でAIに関する情報を蓄積・共有することで、個人の「知っている」「やってみた」で終わらせず、組織全体でAI活用を広げていく取り組みです。今後のさらなる展開にも注目です！

AXis

AXis（エーエックスイズ）は、「AXとは何なのか？」その答えを、ミガロホールディングスの実装現場から解き明かすメディアです。

https://axis.migalo.co.jp/

なぜ、AIを「2つ」使うのか？ 〜マルチモデルレビューという考え方〜

これまで多くの現場では、「AIにコードを書かせる → 同じAIにレビュー・修正させる」という使い方が一般的でした。もちろん便利な方法ですが、1つのAIだけで完結させると、自分が作ったものを自分でチェックするように、AI自身が持っている前提や考え方に引っ張られてしまう可能性があります。そこで今回紹介されたのが、「マルチモデルレビュー」という考え方です。例えば、ClaudeとCodexなど、異なる特徴を持つAIを組み合わせて、お互いにレビューさせる。一方のAIが見落としたポイントを、もう一方のAIが指摘することで、より多角的なチェックが可能になります。つまり、「AIに任せる」のではなく、「AI同士を競わせる・チェックさせる」という発想です。

参加メンバーが実践！ AI活用のリアルな事例

今回のAI CAMPUSでは、AI支援制度を活用しながら、日々の業務でAIを実践しているメンバーから、さまざまな事例が共有されました。

① 「AIの違い」を活かしてバグを見抜く

あるエンジニアメンバーは、ClaudeとCodexそれぞれの特徴の違いに着目。一方のAIに実装を任せ、もう一方のAIにレビューをさせることで、単一のAIだけでは見落とされていた不具合を発見することに成功しました。実際に、「処理の一部が失敗しているにもかかわらず、正常終了したと判断してしまう」という問題を、別のAIが指摘。AIごとの特徴を理解し、役割を分けることで、レビューの精度を高めています。

② 「実装経緯を知らない第三者」にレビューさせる

別のメンバーからは、「自分で作ったものを、自分と同じAIにレビューさせると、どうしてもチェックが甘くなる」という課題に対する工夫が紹介されました。そこで、実装の経緯を知らないAIを「第三者レビューア」として設定。客観的な視点からコードをチェックさせることで、人間のレビューでも見落とされていたセキュリティ上の問題を発見しました。その結果、これまで人間によるレビューで発生していた指摘が大幅に減少。AIを「作業者」としてだけではなく、「第三者のレビュアー」として活用するという好事例です。

③ コードを書く前に、AIに「設計レビュー」をさせる

「バグが発生してから直す」のではなく、「そもそもバグが生まれにくい設計にする」というアプローチも紹介されました。実装に入る前の設計段階で、複数のAIにアイデアや設計内容を検証させることで、事前に問題点を洗い出します。AIを「コードを書くためのツール」としてだけではなく、考える段階から活用することで、開発そのものの進め方を変えていく取り組みです。

④ AIに「やめ時」を教える

AIに資料や設計書をチェックさせていると、「ここも気になる」「この表現も変えたほうがいい」「この部分も修正したほうがいい」と、どこまでも指摘が出てくることがあります。そこで重要になるのが、「どこまでやったらOKなのか」という、人間側のルールです。例えば、重要な問題が解消され、残っているのが言葉のニュアンスなど影響の小さい指摘になった段階でレビューを終了する。AIにすべてを任せるのではなく、人間が「やめ時」を決める。AIを効率的に使うためには、こうした判断も重要になります。

⑤ 非エンジニアでもAIで業務改善

今回、特に印象的だったのが、非エンジニアメンバーによるAI活用事例です。前任者から引き継いだ、複雑なExcel VBAの改修にAIを活用。いきなりコードを書かせるのではなく、「まず現在の仕組みを理解して、説明してください」とAIに問いかけるところからスタートしました。さらに、元データは絶対に上書きしない、既存の業務フローを壊さない、こうなったら「合格」とするといった、業務上守るべき条件を明確に設定。いわゆる「ガードレール」を設けることで、AIに安全に作業を任せ、テストコードまで作成しながら業務改善につなげました。ここで重要なのは、「AIがコードを書けるか」ではありません。「AIに何をさせ、何をさせないかを、人間が設計できるか」ということです。

質疑応答では「AIをどう使い続けるか」についても議論

質疑応答では、実際のAI活用による業務改善の効果についても共有されました。なかには、AI活用による投資対効果（ROI）が2か月連続で400％を記録した事例も。また、AIの最新情報を効率的にキャッチアップする方法として、「X上で注目しているエンジニアをリスト化し、AIを使って最新の投稿や情報を定期的に収集する」という方法も紹介されました。AIを一度使って終わりではなく、「どうすればもっと業務に活かせるか」を日々試行錯誤していることが、当社のエンジニアの特徴です。

AIを「使う」から「コントロールする」へ

今回のAI CAMPUSを通して改めて感じたのは、AI時代に重要なのは、AIそのものの知識だけではないということです。AIに何を任せるのか。どのAIを組み合わせるのか。どこまでチェックさせるのか。そして、何を絶対に守らせるのか。こうしたことを考え、設計する力が、これからますます重要になっていきます。アヴァントでは、AIを一部の詳しい人だけが使うのではなく、社員一人ひとりが実際の業務でAIを試し、成功も失敗も社内で共有する文化をつくっています。エンジニアだけでなく、非エンジニアのメンバーも、それぞれの仕事でAI活用にチャレンジしています。「AIを使う側」から、「AIを使いこなす側」へ。そんな変化を、私たちはこれからも楽しみながら進めていきます。「AIを本気で仕事に活かしてみたい」「新しい技術を試すことが好き」「AI時代に必要とされる人材になりたい」そんな方には、きっと面白い環境だと思います。アヴァントのAI活用に興味を持っていただけた方は、ぜひ私たちの会社も覗いてみてください！