ソフトウェアファクトリーとは、AIエージェントが課題の起票から検証・マージまでを組織の工程として回し、人は基準づくり・検査・判断を担う開発の仕組みです。元の意味との違い、ハーネス・ループとの違い、エンジニアの役割の変化、コストと導入判断までを整理します。
AIエージェントにコードを書かせる段階を超えて、組織としてどう回すかが問われ始めています。ソフトウェアファクトリー(Software Factory)とは、AIエージェントが課題の起票から検証・マージまでを組織の工程として回し、人は基準づくり・検査・判断を担う開発の仕組みです。本記事では、元の意味との違い、ハーネス・ループとの違い、人の役割、コストと導入判断までを整理し、自組織に必要かどうかを判断する材料を示します。
この言葉はもともと、1960年代に生まれた工業化の発想を指していました。ソフトウェア開発でAIの活用が進んだいま、新たな意味を帯びて再び注目されています。
1. ソフトウェアファクトリーとは?時代で変わる2つの意味
ソフトウェアファクトリーという言葉には、大きく分けて2つの意味があります。1つは1960年代に生まれた標準化・再利用・生産管理の取り組み、もう1つは近年、AIエージェントの普及で注目されているAI型です。
本記事では、後者のAI型を中心に扱います。

元の意味と歴史
元の意味でのソフトウェアファクトリーは、人が働く組織のなかで、ソフトウェアを工業製品のように作ろうとする発想でした。
| 年 | 出来事 |
|---|---|
| 1968年 | Bob Bemer氏が、IFIP Congress 1968への寄稿「The economics of program production」で、当時の勤務先であるGE(General Electric)にソフトウェアファクトリーの開発を提案したとされる※1 |
| 1969年 | Cusumano氏は、ソフトウェアの組織に「工場」と名付けた最初の企業は日立だと述べている※1。なお、日立自身は、「世界で最初のソフトウェア専門事業所」と説明している※2 |
| 1975〜77年ごろ | 日立に続いて、米国のSystem Development Corporation(1975年)と、東芝・NEC・富士通(1976〜77年ごろ)が、同じ組織の形を取ったとされる※3※4 |
| 2004年 | 書籍『Software Factories』(Greenfield氏ら4名、Wiley)が、再利用できる資産(ドメイン固有言語、パターン、フレームワーク)を組み立てる考え方を体系化※5 |
| 2019年 | 米国防総省のCIOが、Reference Design(Version 1.0、2019年8月12日付)で、ソフトウェアファクトリーを「複数のパイプラインで、最小限の人手で、デプロイ可能な成果物を作る組立工場」と定義(DevSecOps型)※6 |
Bemer氏の構想は、標準化したツールとコンピュータによる環境、財務や管理の統制に使う履歴データベースを揃え、プログラマーの生産性のばらつきを減らすものでした※1※7。当時の発想には、標準化、再利用、品質管理、生産管理が含まれていました。Bemer氏の焦点は標準化したツールと管理にあり、再利用はMcIlroy氏の論点として、これとは分けて語られています※1。近い概念にソフトウェアプロダクトラインがあり、共通の資産から似た製品群を効率よく作る考え方を指します※8。
以降の本文では、後者のAI型を「ソフトウェアファクトリー」、略して「ファクトリー」と表記します。
2. AI時代のソフトウェアファクトリーとは
定義
現在主に語られているソフトウェアファクトリーは、AIエージェントが課題の起票から検証・マージまでを組織の工程として回し、人は基準づくり・検査・判断を担う開発の仕組みです。個人が手元でAIを使う段階を超えて、組織として再現性を保ちながらソフトウェアを作ることが狙いです。
ここでの「ファクトリー」という呼び名は、工場の工程になぞらえたものです。課題の起票は製造ラインへの仕掛品(ワーク)の投入に、検証ゲートは検査に、人の承認は出荷の判断にあたります。
ソフトウェアファクトリーに取り組むfreeeは、個人でAIを使う段階では、環境づくりやAIの扱いが得意な人だけが速くなりがちであり、この個人差を個人の工夫に任せず、全社の仕組みで埋めることが狙いだと語っています※9。
本記事で使う用語について
以降の解説で使う用語を先に整理します。
| 用語 | 意味 |
|---|---|
| ハーネス | 1つのエージェントを動かす周辺の環境※10。ツール、制約、検証ゲートなど※11。ここでは、スキルや記憶も含めて扱います |
| ループ | ハーネスの上で、AIエージェントを自動で繰り返し動かし、結果を検証して、次の作業を与え続ける仕組み※10※11 |
| 検証ゲート | テスト、静的解析、セキュリティスキャン、AIレビューなどの検証に通らなければ、次に進めない関門 |
| 承認ゲート | 人が確認して、次に進めてよいかを決める関門 |
ソフトウェアファクトリーとして整っているかを確かめる5つの目安
ソフトウェアファクトリーという言葉の使われ方はまだ厳密には定まっていません。そこで本記事では、AIエージェントを組織の工程に組み込んだ運用が、どこまで整っているかを確かめる目安として、次の5つを挙げます。なお、これらは各種の資料をもとに本記事でまとめたものであり、すべてそろわないとファクトリーと呼べないという定義ではありません。
- 課題(AIに任せる作業の単位)がキュー(順番待ちの列)に積まれ、優先順位をつけて、割り当てられる
- 複数の作業が並列に進み、競合や依存が調整される
- 作業環境が課題ごとに分けられ(たとえば、作業ディレクトリや仮想マシン)、検証ゲートを通らないと出荷されない
- 課題の起票から出荷まで、責任者と承認ゲートが決まっている
- 予算の配分と、止める判断の基準が決まっている
なお、自律的な起動、隔離、検証ゲートでの終了判定は、ループがすでに備えています。
また、ループを1つ動かしている状態とファクトリーとの差異は、課題の割り当て、承認の責任、予算の判断を、組織として決めて運用しているかどうかです。
ループとの違いについては、この章の後半で詳しく説明します。
なぜソフトウェアファクトリーが注目されるのか
背景として、4つの変化が挙げられます。
1つ目は、AIエージェントでコードを書く手間が減り、ボトルネックが生成から検証へ移ったことです※14※15。コードを書くのは短時間で済んでも、テストの実行や動作確認、セキュリティチェック、既存コードとの統合といった検証の工程に、全体の時間が移っていきます。
2つ目は、コードを書く速さが読む速さを追い越す例が出てきたことです。たとえば、朝出社すると、エージェントが作ったPRが何十件も積み上がっていて、レビューだけで午前中が終わる。そんな状況も起こり得ます。米国Imprint社のWill Larson氏はブログで、エンジニア1人あたりのマージ数が約2年前の約4倍になった一方、PRのレビュー所要時間の中央値は約33分から約77分に延びたと報告しています※16。
3つ目は、実行ごとのトークン消費のばらつきが避けられないことです。LLMの出力は確率的で、同じタスクでも実行ごとにトークン消費が変わります。Bai氏らの論文は8モデルを評価し、同じタスクを4回実行すると、同じ問題での最高と最低の差が典型的には約2倍、最大では30倍になった例を報告しています※17。コストに上限を設ける必要があるのはそのためです(4章)。出力の品質も実行ごとに一定とは限らないため、テストや静的解析のような客観的な検証を軸に工程を組む設計が有効です。
4つ目は、カンファレンスでの関心の高まりです。2026年6月29日から7月2日のAI Engineer World’s Fairでは、6月30日に「Software Factories」をテーマにした一連の発表が行われました※18。カンファレンスや各社の発信では、次のような先行事例がよく取り上げられます。
- Ralph Loop: 同じタスクを完了条件まで繰り返しエージェントに与える手法で、ループの事例にあたります。
- Factory社: エージェント型の開発プラットフォームです。製品として提供されており、概念としてのファクトリーとは区別されます。
- Stripe Minions: Stripeは、社内のコーディングエージェントが生成した、人が書いたコードを含まないPRが、週に1,000件を超えてマージされていると公表しています(2026年2月9日の記事時点)。ただし、マージの前のレビューと承認は、人が担っています※19。
とはいえ、ファクトリーがどの規模や条件でも成り立つというわけではありません。
ソフトウェアファクトリーに向く組織と向かない組織
再利用できる資産と検証の仕組みが整い、需要が見込める領域がある組織は、まずその領域でファクトリーを検討するとよいでしょう。
また、ファクトリーに取り組む段階にはまだ至っていない組織なら、ハーネスで十分に進められる場合があります。Googleを経て現在はAnthropicでClaude Codeの開発に従事するAddy Osmani氏も、同じ見方を示しています※20。
また、既存の仕様や業務ルールが明文化されておらず、業務が属人化した領域には、ファクトリーは向きません。freeeも、自社でファクトリーが成り立つ理由を、需要確実性、市場拡大期、再利用可能資産、要求品質の掛け合わせと説明しています※13。
ソフトウェアファクトリーとハーネス・ループの違い
比較表
| 観点 | ハーネス | ループ | ファクトリー |
|---|---|---|---|
| 対象 | 1つのエージェントが動く環境(ツール、制約、検証ゲート、記憶) | ハーネスの上で、AIエージェントを自動で繰り返し動かし、検証し、次の作業を与え続ける仕組み | 課題の割り当て、承認の責任、予算の判断を組織として決め、ループを多数並べて工程として運用する |
| 人が決めるもの | ルールやツールの設計 | 目標と停止条件の設計 | 基準、承認、責任、予算の設計 |
| 設計する対象 | 実行環境 | 起動条件、検証ゲートによる完了の判定、停止条件、記憶 | 工程全体、ロール、承認ゲート、改善の仕組み |
| 入口 | CLAUDE.mdなどにルールを書く※11 | CIの修復など、検証できる小さなタスク※11 | キュー、ロール、承認ゲートの位置を決める(本記事の考え) |
AI駆動開発は、この3つを含む、AIを使った開発全体の総称です。ハーネス、ループ、ファクトリーの順に、扱う範囲が広がります。
層の整理
本記事では、ハーネス、ループ、ファクトリーを、この順に層が積み上がるものとして扱います。
当社が以前公開したループエンジニアリング記事(2026年7月3日公開)では、ループをハーネスの1つ上の階層に置いています※11。ループは、ハーネスの上で動くAIエージェントを、時刻やイベント、条件で自律的に起動し、検証ゲートで終了を判定する制御レイヤーです。なお、この記事はプロンプト、コンテキスト(AIに渡す情報環境)、ハーネス、ループの4世代で注目された概念を整理していますが、ソフトウェアファクトリーという言葉は使っていません。

出典: 当社ループエンジニアリング記事※11
ハーネス、ループ、ファクトリーの関係を整理するうえで、次の2点を前提にします。
- ループが動くには、ハーネスが必要である: Osmani氏は「Loop Engineering」で、ループはハーネスの1階層上にあると書いています※10。codecentricの記事も、ハーネスがなければループは回らないと述べ、コンテキスト、ハーネス、ループの順に積み上がるとしています※21。
- ファクトリーは、組織の工程として運用する上位の層である: 1つのエージェントやループとは、範囲が異なります。belongの記事は、ファクトリーを、複数のハーネスを組織のプロセスとして束ねるものとしています※14。Osmani氏の別の記事(Software Factories, Light and Dark)も、多数のハーネス付きのループを同時に動かすものとして描いています※12。
ループエンジニアリングも言葉の使われ方はまだ厳密には定まっていないため、ループの指す範囲は、資料によって異なり、同じ著者の記事どうしでも違いがあります※10※12。それでも、ハーネスがなければループは回らないという依存関係は共通です。以降は、この依存関係を前提に、ハーネスの上にループが積み上がる順序で話を進めます。
ループには、規模の違いがあります。Ralph Loopのように、1つのタスクを完了条件まで反復するものを小さなループ、キューから複数の課題を取り出して並列に流し続けるものを、ファクトリーが扱う大きな工程と整理します。
ループとファクトリーの関係は、典型的にはループを多数並べて実現する形だと考えます。ただし、ループを持たず、課題からPRまでを1回で回す型もあり得るため、ループが必須とまでは言いません。
必要な層は、各層の条件がそろうかどうかで決まります。途中の層で足りる組織もあります。codecentricの記事では、判断の目安を次のように示しています※21。
- 単一のタスクで信頼できない場合は、コンテキストを改善する。
- 動くが、基準を外れる場合は、ハーネスを拡張する。
- 数時間から数日、人の逐次の起動なしで動かしたい場合は、ループを導入する。
- 検証の自動化と再利用できる資産があり、需要が見込める領域が複数ある場合は、ファクトリーを検討する(この項目は、本記事で加えた目安です)。

判定の目安
本記事では、ループを1つ動かしているだけでは、ファクトリーとは呼びません。次の表では、いまの状態が何に相当するかを確認できます。
| 現在の状態 | 呼び方 |
|---|---|
| 人がプロンプトで起動し、1つのエージェントが動く | ハーネス |
| 自動で繰り返し起動し、検証して、停止条件で止まる | ループ |
| 課題の割り当て、承認の責任、予算の判断が組織として決まり、キューから複数の課題が並列に流れて、検証と承認ゲートを通る | ファクトリー |
では、実際のファクトリーは、どのような工程で動き、人はどこに判断を残すのでしょうか。次の章で見ていきます。
3. ソフトウェアファクトリーの仕組みと人の役割
ファクトリーでは、工程をAIエージェントが回し、人には基準づくりや検査、出荷の判断の役割が残ります。
工程と構成要素
多くの事例で、工程は課題の起票、仕様、実装、検証、マージ、監視という流れで示されています※14※22。
検証に通らない場合は、実装に戻して再試行し、失敗が続くときは止めて人に引き継ぎます。この流れは、停止条件として先に決めておきます(4章)。監視や振り返りで見つかった問題は、テストやルール、ハーネスの改善に戻します(「ファクトリー自身の改善」)。この再試行、引き継ぎ、改善への戻りは、本記事の整理です。
主な構成要素は、キュー(課題の待ち行列)、隔離された実行環境、ハーネス、検証、記憶(ナレッジ)、人の承認ゲートです。
人の承認ゲートを、どの工程に置くかは、組織ごとに決めます。たとえば、仕様と出荷の2か所に置く例やマージの1か所だけに置く例などです。
隔離された実行環境の例として、課題ごとにgit worktreeで作業ディレクトリを分ける方法があります。ただし、git worktreeは新しいチェックアウトにすぎず、DB、キャッシュ、ポート、依存関係は、エージェントごとに分ける必要があります。本格的に並列化する条件として、エージェントごとに独立したVMを与える例も紹介されています※14※22。作業状態を分けることと、安全に隔離することは別です。git worktreeは作業ツリーを分けるだけで、プロセス、ネットワーク、認証情報までは分けません。権限や機密の扱いは、コンテナやVMなどの実行環境の隔離と、4章の「権限・機密」で別に決めます。
複数の課題を並列に流すと、競合や依存の調整、実行順の決定、キューが詰まったときの優先順位づけが必要になります。これらは先に決めておくことをおすすめします(4章の並列時の運用)。
これらの要素は、1つの層に収まりません。たとえば検証は、ハーネスの中にもループにも、ファクトリー全体にもあります。層ごとに何を設計するかは、2章の層の図で示します。
ファクトリーの検証ゲートや実行基盤は、1章で触れた2010年代のDevSecOps型の流れを引き継いでいます。

人の判断をどこに残すか
どこに人の判断を残すかに決まった答えはなく、設計の問題です。人の関与の置き方は、事例によって大きく異なります。
人の関与の置き方を語るときは、次の2つの言葉がよく使われます。ダークファクトリー(Dark Factory)は、人がコードを読まず、機械だけで検証して出荷する運用形態です。製造業の「消灯工場」にたとえた呼び方で、lights-outともいい、lights-offと書く資料もあります※12。一方、ライトファクトリー(Light Factory)は、人の判断が重要になる箇所に明かりを残し、出荷前に人が出力を読む状態です。判断は、上流の設計などに置きます。Osmani氏の記事では、lit factoryと表記されています※12。
次の表は、人が見る範囲が大きい順に事例を並べたものです。確認する対象や回数の軸が事例ごとに違うため、成熟度の序列ではなく、上下は目安です。
| 関与の置き方 | 人が関与する箇所 | 例 | 成立する前提(本記事の考え) |
|---|---|---|---|
| 全部見る | すべての工程で、人が確認する | Osmani氏の記事※12では、すべてを人がレビューする状態をall litと呼び、レビューが追いつかずボトルネックになる失敗として挙げています | レビューの人手を確保できる(確保できないと、ボトルネックになる) |
| 判断が要る点だけ | AIが人に確認するのは、4種類の判断(事業判断、利用者の挙動、他チームとの契約、不可逆なリスク) | freeeでは、AIが人に確認を求める場面を、この4つに絞っています※9 | 人が見る量を減らす設計がある |
| 2か所で承認 | 2か所(仕様、出荷)。人が承認しないと、次の工程に進めない | gaipackの解説記事は、仕様と出荷の2か所に人の承認ゲートを置くやり方を紹介しています※23 | 仕様と出荷の2点に、責任を置ける |
| プレビューのみ | 2か所(デザイン、公開)。コードは見ず、画面のプレビューで確認する | Qiitaの筆者が自作した、触れるモックアプリを作るファクトリーの例です※24 | 対象が、小さなモックに限られる。本番品質は別の問題 |
| マージのゲートのみ | 1か所(マージ)。マージしてよいかを、人が判断する | AimanaVoの記事は、人がマージの関門に立つ形を、Firecrawlの定義として紹介しています※22 | 検証の自動化が進んでいる |
| コードを人が見ない | コードは見ない(仕様・方針を決める) | StrongDM(公式サイトで自社のSoftware Factoryを公開)は、コードを人が書かず、レビューもしないことを原則としています。ダークファクトリー側の運用形態の例です※25 | 検証を機械で完結できる。理解の負債のリスクを引き受ける |
どの置き方を選ぶかは、自動検証の整備度、変更のリスク、ロールバックのしやすさ、規制の有無などで考えます。
Claude Codeチームの例を見てみます。変更の内容から、リスクを自動で判定し、3段階に分けて、承認を変えています。
- 低リスク: 自動レビューとセキュリティチェックが通れば、承認は要りません。ただし、この軽い経路を使えるのは、リポジトリの信頼リストに載った作者に限られます。それ以外の作者には、別の1人の承認が必要です。
- 中リスク: 1人が承認します。
- 高リスク: 2人が承認します。
リスクの段階は、作者ではなく、変更の内容で決まります。エージェントが書いたPRでは、指示した人が必須レビュアーの1人になり、AIの承認は、人の承認に数えません。ただし、指標が悪化したときに、承認を自動で厳しくする仕組みは、まだないと書かれています※26。
AIレビューの限界を測った研究もあります。2026年10月に公開されたYang氏らの論文は、コードレビューエージェントのバグ検出力を1,800のタスクで評価しました。最良のモデルでも、上位5件の指摘に正解のバグが含まれる割合は、OSSのリポジトリで約72%にとどまり、企業の独自リポジトリでは検出力が最大で25.5%下がります。論文は、人がレビューしないlights-offを支持できるのは、範囲が狭く影響の小さい変更に限ると結論づけています※27。レビューを通ったことを前提にせず、リリース後の監視やロールバックも設計する必要があります。
また、承認のゲートを置くだけでは、安全にはなりません。承認の件数が増えれば、見ずに通す状態に陥るおそれがあると考えます。Anthropicの事例で人が見るのは、変更の意図と証拠です※26※28。freeeは、設計書をAI向けと人向け(全体像・事実・理由・問い)に分け、人は判断が必要なところだけを見ています※9。
エンジニアの役割はどう変わるか
ファクトリーによって、エンジニアの役割はどう変わるのでしょうか。
人の判断は不要にならず、上流と下流に移ります。Osmani氏は、上流を何を作るか、設計、品質基準とし、下流を検証の証拠、リスク、出荷後の所有責任としています※20。当社のループエンジニアリング記事は、人は1つ上の抽象化レイヤーに移って実行層から外れ、目標の定義と停止条件の設計、例外処理、最終判断に残ると整理しています※11。
| 役割 | 内容 |
|---|---|
| 上流を決める人 | 何を作るか、受け入れ条件、品質基準※20※22 |
| 検査と基準を設計する人 | どの検証を信頼するか、ラインを止める条件(freeeではFactory Ownerと呼んでいる)※9※15 |
| ファクトリーを運用・改善する人 | 工程を足す、スキルを直す、部品を増やす(Qiitaの筆者は「工場長」と呼んでいる)※24 |
| 出荷の判断と責任を持つ人 | 証拠を読み、出荷してよいかを決める(freeeではOutcome Ownerと呼んでいる)※9※20※26 |
役割が変わると、組織として向き合う課題として、理解の維持、育成、評価・採用の3つが出てきます。
理解の維持: 誰が、なぜこの変更が存在するのかを説明できるでしょうか。AIが速く書くほど、人の理解は追いつかなくなります。近い概念を、資料ごとに別の名前で呼んでいます。Osmani氏はcomprehension debt※20、当社のループ記事は理解の負債※11、和田卓人氏は認知負債※29です。
AIに任せるほど、速度の体感や理解度が実態とずれる例が、個人の作業や学習を対象にした調査で報告されています。経験豊富な開発者がAIを使ったMETRの実験(2025年7月)では、本人は約20%速くなったと感じていたのに、実測では作業時間が19%長くなりました※30。新しいライブラリを学ぶAnthropicの研究(2026年1月)でも、AIの支援を受けた群の理解度クイズの平均は50%で、手作業の群の67%を下回りました※31。
育成: コードを書く機会が減ったとき、基準づくりや検査、判断ができる人材をどう育てればよいでしょうか。freeeの講演の質疑でも、ジュニアの育成と、ファクトリーを作る人の確保に関心が集まりました※9。Anthropic社内では、技術部門のジュニア比率が2025年初頭の21%から14%に、技術職の新規採用に占めるジュニアの比率が27%から9%に下がったと報告されています。出典はAnthropic Instituteの報告書(2026年10月16日公開)で、図1の推移は2025年3月ごろから2026年5月ごろまでです。記述的な分析で、Anthropic社内のデータのため、一般化はできません※32。
評価・採用: 個人の生産量だけでは評価できません。当社のループ記事は、ループの設計品質を、組織が見るべき新たな観点に挙げています。求める人材も、プロンプトが書ける人からループが設計できる人へ変わると述べています※11。和田氏は、生産性の指標を上げること自体が目的になる共犯関係に注意を促し、人事評価制度を更新する必要性を指摘しています※29。

ファクトリー自身の改善
個別の成果物を直すだけで終わらせず、指摘をファクトリーに反映します。反映を重ねて、人の手がかかる場面を減らす設計を目指します。
freeeの事例では、人がレビューで問題を見つけても、その場では直しません。指摘をフィードバックとして渡し、ファクトリーの途中から作り直させています※9。
また、Qiitaの記事は、ファクトリーを育てる工場長の仕事を3つ挙げています※24。
- 工程(タスク)を足す
- マニュアル(スキル)を直す
- 部品(コンポーネント)を増やす
振り返りのタスクで、ファクトリー自身の指示を直すPRを作る例も紹介されています。ファクトリー自身を書き換えるタスクは、工場長のレビューを必須にしています※24。
kagaya氏は、作る、学ぶ、仕組み自体を改良するという3つのループを組織で共有し、知識と改善が積み重なる姿を描いています。本記事のループとは別の意味です※33。当社のループ記事も、ループが1周するたびに、得られた知見をSkillsやハーネスに還元することを勧めています※11。
ファクトリーを育てる役割が特定の人に偏ると、その人が抜けたときに止まってしまいます。スキルや基準の変更をレビューの対象にし、更新の担当を決めておくことが有効です。
運用の実例
ここでは、Findy主催のイベント「AI×開発組織Summit 2026」(2026年10月16日開催)でのfreeeの登壇と、Findy Tech Blogの実践を、例として紹介します。
| 事例 | 要点 |
|---|---|
| freee | 方針は「人が直すのではなく、工場を直す」(40を超えるプロダクトを持つ大規模な組織で、需要の見込みと共通基盤がある)。ロールは、Factory OwnerとOutcome Owner。PR数は前年同月比1.90倍、AI生成コードの割合は89.6%(2026年9月、freee社内の計測。量と採用度の指標)※9。開発・企画のリードタイムは60〜90%短縮と報告(freeeの計測。測定の範囲と定義は不明)※13 |
| Findy Tech Blog | 複数のエージェントの役割分担、権限の分離、人の判断の位置(「ソフトウェアファクトリー」という言葉は使っていないが、参考例として紹介)※34 |
| StrongDM | 人がコードを書かず、レビューもしないという原則(同社の発表。実際の支出額は公表されていない)※25 |
freeeが目指すのは、判断が要るところだけを人が見て、それ以外はAIと機械に任せる形です※13。人を完全に排除した形でも、人が全工程を見続ける形でもありません。この章の冒頭で紹介したライトファクトリー(判断が重要な箇所に人を残す状態)に近い考え方です。
AIが仮に決めた判断は未確定事項として残し、人の承認と区別して追跡します。誤りが見つかったときは、誤りが混入した工程を特定し、上流から修正します。残る課題としては、品質面でまだリリースできると言い切れないことと、AIが高速に書き上げても人が読み終えられないことを挙げています※13。
Findy Tech Blogの記事は、AIに任せる範囲と人が判断する範囲を切り分けています。人が最終判断をするのは、施策の採択、設計方針の決定、実行計画の確認、マージ、QAの確認の5点です。権限も分けており、計画エージェントはコードの編集とGitHubへの書き込みをせず、リベースの権限は組み立てエージェントだけが持ちます。QAでは、ブラウザで自動実行するテストケース(Auto)と、人が目視で確認するもの(Manual)に分け、判断に迷うケースは人の確認に寄せています※34。
では、こうした仕組みは、事業として続けられるのでしょうか。次の章では、コストと導入の面から見ていきます。
4. ソフトウェアファクトリーは事業として成り立つか
ファクトリーが事業として見合うかは、採用された変更1件あたりのコストと、その価値で判断します。ただし、導入でコストに見合う成果を数字で示した公開事例は、本記事の調査範囲では見当たりませんでした。
「作れること」と「事業として続けられること」の違い
続けられるかどうかは、コストが何にかかり、何を成果とみるかで決まります。以下の数字は、各社の報告や発表によるものです。
- 予算の統制: 米国のUberは、年間のAI予算を約4か月で使い切り、従業員ごと、エージェント型コーディングツールごとに月1,500ドルの上限を設けたと、2026年6月に報じられています※35。個人のツール利用の例ですが、予算の統制が必要になる場面があります。
- 予測の難しさ: 2章の論文は、実行ごとのコストのばらつきが大きく、入力トークンが総コストを左右すると報告しています※17。
- 検証・レビューの負荷: 2章のImprint社では、PRのレビュー所要時間の中央値が約33分から約77分に増えました。1社の報告で、人の作業時間とは限りません。工数への換算は、各組織で行ってください※16。
- 無人運用の規模感: StrongDMは、エンジニア1人あたり1日1,000ドル分のトークンを使っていなければ、ファクトリーに改善の余地があるという基準を示しています。同社の考え方であり、一般的な予算の水準ではありません。実際の支出額は公表されていません※25。
- 作りすぎない判断: kagaya氏は、月に1,000件のPRを作れても、事業に必要なのが500件なら止めるという考え方を書いています。仮定の例です※33。
コストは、変動費、固定費、人件費、隠れコストの4種類に分けられます。
| 種類 | 何にかかるか |
|---|---|
| 変動費 | AIモデルの利用料(トークン代)、CI・実行環境 |
| 固定費 | ファクトリーの構築・保守、基準やナレッジの整備 |
| 人件費 | レビュー・検証、運用 |
| 隠れコスト | 手戻り、理解の負債、事故対応 |
固定費の例として、freeeは、入口を整える組織(超速企画プロジェクト)と、中身を作る組織(CTO室の超速開発ラボ)を分けています※13。Skillsや外部ナレッジの整備は、品質だけでなくコスト管理にも効きます。当社のループ記事も、同じ点を挙げています※11。隠れコストの例は、3章で見た理解の負債※20と、理解度クイズの結果です※31。
コストを測るときの分母は、作成したPR数ではなく、採用された変更、つまりマージされ、リリースされた変更です。マージとリリース(本番への反映)は別の段階なので、何を1件と数えるかを先に決める必要があります。Osmani氏は、マージされたPR1件あたりのコストとコードの寿命を、理解の負債を測る指標として挙げています※20。ここでは、コストを測る分母の考え方に応用します。考え方の例として、次の式が使えます。数値は置いていません。
採用された変更1件あたりのコスト(円/件) = 対象期間の総費用(円) ÷ 同期間の採用された変更の数(件)
総費用には、AIモデルの利用料、CI・実行環境、レビュー・運用にかかる人件費、構築・保守・基準整備の費用の配賦、手戻り・障害対応の工数を、すべて金額に換算して、重複しないように含めます。
この値は、導入前に人が同種の変更を作っていたときの1件あたりのコストと比べます。ハーネスやループの段階で足りる場合は、その段階とのコスト差も比べると判断しやすくなります。変更の大きさはそろわないため、種類別に見るなどの補正も要ります。コストを左右するのは、失敗率と採用率です。事業として見合う条件は、2章の「ソフトウェアファクトリーに向く組織と向かない組織」を参照してください。
自組織で見積もる項目は、ファクトリーに向く作業の月間量、レビューや検証に割ける人員、1件あたりの許容コスト、止める条件、回収期間です。

見るべき指標と先に決めておくこと
うまくいっているかは、速さだけでは判断できません。自律的に動く仕組みでは、誰が責任を持ち、どこで止めるかも先に決めておきます。
見るのは、品質、コスト、価値の3点です。速さや負荷は、この3点を支える指標として扱います。
- 品質: 任せる範囲を広げても、障害や手戻りが許容できる範囲か。
- コスト: トークン、CI、人の確認を含めて、1件を届けるのに何がかかるか。
- 価値: 速く届けたものが、顧客の利用や事業の成果につながっているか。
指標の例を表にまとめます。
| 見るもの | 例 |
|---|---|
| 速度 | リードタイム、スループットなど(当社ループ記事の「開発資本」では、Speedの観点にあたる)※11 |
| 品質 | 手戻り率、revertの割合、変更失敗率、復旧時間 |
| 負荷 | レビュー所要時間、人の介在率※9※13※16 |
| コスト | 採用された変更1件あたりのコスト※20 |
| 価値 | 機能の利用率、顧客の問題の解決件数(例)。変更1件には割り当てにくいため、プロダクトや四半期の単位で見る |
「品質」では、Claude Codeチームが、マージされたPRが2倍以上になった一方で、revertされた割合が40%以上減ったと報告しています(2026年6月〜9月)※26。負荷では、freeeが人の介在率をKPIにして、人が見なくてよい範囲を広げています※9※13。
「価値」は品質やコストより測りにくく、因果の切り分けも難しい指標です。品質とコストが改善したときに、それが価値につながっているかを定期的に見直してください。どの指標も代理指標であり、単独では判断できません。PRの数などの量を見るときは、revertの割合など品質の指標もあわせて確認します。
先に決めておくことを表にまとめます。表中で出典を示した項目以外は、本記事で整理したものです。パイロットでは、少なくとも責任分界、停止条件、検証の信頼性を決めておくことを勧めます。
| 項目 | 決めておくこと |
|---|---|
| 責任分界 | 出荷された変更ごとに、責任を持つ人を決める(書いた者にかかわらず)※26 |
| 権限・機密 | エージェントに渡す権限、接続してよい外部ツールの基準 |
| 監査・追跡 | 誰が何を承認したか、何をもとに作られたかを、後から追えるようにする(ログ、テスト結果、変更履歴。追跡可能性の観点)※36 |
| 停止条件 | 1回あたりのコストの上限、失敗が続いたときの停止 |
| 観測性 | どのループが何をしたかを、後から追える状態にする |
| 検証の信頼性 | 実装と検証の主体を分ける。テストの書き換えを検知する。検証で見えない領域は、人の承認に回す |
| 入力の信頼境界 | 誰がキューに課題を入れられるか。実行環境の隔離の範囲 |
| 並列時の運用 | マージ競合、課題どうしの依存と実行順序、CIの待ちと容量、キューが詰まったときの扱い。実行環境の分離(ポートやDBなどの衝突の回避)※22 |
| 失敗の前提 | すり抜けた不具合への備え。段階的なリリース、ロールバックの手順、障害時の連絡と判断の担当 |
導入の考え方
最初の原則は、全部を一度にファクトリー化しないことです。最初の一歩は、検証を自動化できる小さなタスクを1つ選び、そこに検証ゲートを置くことです。
この一歩は、ハーネスやループを使い始める入口と変わりません。ここで効果が出てから、並列化やキュー化、つまりファクトリー化を検討します。人の関与の段階は、当社のループエンジニアリング記事が次の3つに整理しています※11。
- L1(報告のみ): AIが実行し、結果を人に報告します。実行自体は止めません。
- L2(承認制): AIが提案し、人が承認してから実行します。
- L3(条件付き自動実行): 明確な検証ゲートを通ったものに限り、承認なしで実行します。
最初の一歩は、次の順序で進められます。
- 検証を自動化できそうなタスクを1つ選ぶ。目安は、自動で検証できる、失敗時にロールバックできる、停止条件を数値で定義できる、の3つです。
- そこに検証ゲートを1つ置く。置く場所は、手戻りの多い工程を選びます※22。
- 人の関与は、報告のみのL1から始める。当社ループエンジニアリング記事の例は、ログの巡回点検や依存関係の脆弱性検知など、コードの変更を伴わない調査・報告タスクです※11。
- コストの上限を決める。
- 広げる条件を、始める前に決めておく。たとえば、手戻りやrevertの割合が導入前の水準以下で、人の確認の負荷が許容内で、1件あたりのコストが想定内である状態が、あらかじめ決めた期間続いたら、範囲を広げます。
検証ゲートは、成果物が基準を満たすかを判定する関門です。L1〜L3は、その結果をふまえて、実行を人がどこまで握るかの段階です。L3が検証ゲートを通ったものに限って承認なしで実行するのは、そのためです。
ナレッジが薄い領域には、ファクトリーは向きません。freeeも、同じ点を挙げています※13。探索的な開発も、同じ理由で向かないと考えます。
始める前に、次の点を確認してください。体制や撤退の基準は事例が少ないため、各組織で決める項目です。
- 所有者は誰か
- パイロットの範囲と期間はどうするか
- 成功の条件と撤退の基準は何か
- 自作するか、既存のサービスを使うか
自作か既存かを考える材料として、Qiitaの記事は、サービスは買い、タスクは作るという方針を示しています※24。kagaya氏は、内製の意味は規模によると述べています※33。
詳しい導入手順は、ループエンジニアリング記事をご覧ください。
5. よくある質問
ここまでの内容のうち、特に挙がりやすい疑問を、短く整理します。
ソフトウェアファクトリーとは何ですか?
AIエージェントが工程を回し、人は基準づくり・検査・判断を担う開発の仕組みです。この言葉の使われ方は、まだ定まっていません(2章)。
なぜソフトウェアファクトリーが注目されているのですか?
コードを書く手間が減り、ボトルネックが生成から検証へ移ったことが背景にあると指摘されています※14※15。書く速さが読む速さを追い越す例が出ていること、実行ごとのばらつきへの対処が必要なこと、カンファレンスで専用の発表が行われたことも、背景にあります(2章)※18。
ソフトウェアファクトリーとAI駆動開発の違いは何ですか?
AI駆動開発は、AIを使った開発全体の総称です。ファクトリーは、そのなかで組織の工程として運用する形態です(2章)。
ハーネス・ループとの違いは何ですか?
扱う範囲が違います。本記事では、ハーネスの上にループが積み上がり、ループを多数並べて組織の工程として運用する形を、ファクトリーと呼びます(2章)。
ダークファクトリー(Dark Factory)とは何ですか?
人がコードを読まず、機械だけで検証して出荷する状態です。製造業の消灯工場にたとえた呼び方で、lights-outとも呼ばれます※12。ファクトリーの運用形態の一つです。人が出力を読む運用(ライトファクトリー)と対比されますが、呼び方は資料によって異なります(3章)。
ソフトウェアファクトリーが有効な組織はどんな組織ですか?
再利用できる資産や検証の仕組みがあり、需要が見込める領域がある組織は、検討する価値があります(2章)。自動で検証できる範囲が狭い、検証に割ける人員が足りない、処理したい課題が少ないといった場合は、ファクトリーの前に、ハーネスやループで効果と負荷を確かめるほうが現実的です。
何から始めればよいですか?
検証を自動化できる小さなタスクを1つ選び、そこに検証ゲートを置くことから始めます。人の関与は報告のみから始め、効果が出てから範囲を広げます(4章)。
6. まとめ
ポイントは、次の4つです。
- ソフトウェアファクトリーとは: AIエージェントが課題の起票から検証・マージまでを組織の工程として回し、人は基準づくり・検査・判断を担う開発の仕組みです。1960年代に生まれた工業化の発想を指す言葉が、AIの活用とともに新たな意味で使われています。
- ハーネス・ループとの違い: ハーネスは1つのエージェントの環境、ループはそれを自動で繰り返す仕組みです。ループを1つ動かすだけでは、ファクトリーとは呼びません。課題の割り当て、承認の責任、予算の判断を組織として運用しているかが、差異です。
- 人の役割: 人の判断は不要にならず、上流の基準づくりと、下流の検査・出荷の判断に移ります。どこまで人が見るかは設計の問題で、事例によって置き方が異なります。
- 導入判断: 採用された変更1件あたりのコストに見合う価値が出るかで判断します。まずハーネスやループで足りるかを確かめ、検証を自動化できる小さなタスクから始めます。
ファクトリーを導入するかどうかは、リードタイムや変更失敗率、復旧時間といった指標を、導入の前後で比べて判断します。経営と開発現場をつなぐAI時代の開発資本プラットフォーム「Findy Team+」は、Four Keysに代表される開発生産性の指標のほか、AIツールの利用状況やAIによる開発生産性への効果の分析機能を搭載し、自動的に計測・可視化が可能です。導入前後の比較に活用できます。
AI時代の開発資本プラットフォーム
関連記事
- ループエンジニアリングとは?既存の手法との違いからAIエージェント時代の開発組織マネジメント・導入ステップまでを解説
- 施策立案からQAまで:AIエージェントで回す開発フローの全体像とアーキテクチャ(Findy Tech Blog)
参考・出典
本文中の※番号は、次の資料に対応します。
- ※1 Bob Bemer「The Software Factory Principle」(Computer History Vignettes。Cusumano「The software factory: a historical interpretation」IEEE Software、1989年3月号の引用を含む。Wayback Machineの保存版)(2001年4月6日(保存日))
- ※2 日立 ソフトウェア事業の沿革
- ※3 Wikipedia「Software factory」
- ※4 Cusumano「Factory Concepts and Practices in Software Development」 Annals of the History of Computing 13(1)、pp.3-32(1991)
- ※5 Greenfield他『Software Factories』(Wiley、2004)(2004)
- ※6 DoD Enterprise DevSecOps Reference Design v1.0(DoD CIO)(2019年8月12日)
- ※7 Robert W. Bemer「The economics of program production」(IFIP Congress 1968への寄稿。Information Processing 68)(1968)
- ※8 Clements & Northrop『Software Product Lines: Practices and Patterns』(Addison-Wesley)(2002)
- ※9 freee「AI×開発組織Summit 2026 freee CAIO横路の登壇レポート」(2026年10月28日)
- ※10 Addy Osmani「Loop Engineering」(2026年6月7日)
- ※11 Findy Team+「ループエンジニアリングとは?」(2026年7月3日)
- ※12 Addy Osmani「Software Factories, Light and Dark」(2026年7月20日)
- ※13 freee「freeeにおける大規模ソフトウェアファクトリーの実践」(2026年10月16日(登壇日))
- ※14 belong「Software Factory とは何か」(2026年7月8日)
- ※15 nishimu「ソフトウェアの産業革命」(2026年10月20日)
- ※16 Will Larson「Speeding up code review with small-change」(2026年10月17日)
- ※17 Bai他「How Do AI Agents Spend Your Money?」(2026年4月(v3は10月2日))
- ※18 AI Engineer World’s Fair 2026(2026年6月29日〜7月2日)
- ※19 Stripe「Minions」(2026年2月9日)
- ※20 Addy Osmani「Human judgment doesn’t leave the software factory. It relocates.」(2026年8月21日)
- ※21 codecentric「Loop Engineering, Harness Engineering, Context Engineering: what’s the difference?」(2026年7月5日)
- ※22 AimanaVo「AIソフトウェアファクトリーとは何か、1969年の日立から読み直す」(2026年10月18日)
- ※23 gaipack「ソフトウェアファクトリーとは?2026年の動向と承認ゲート」(2026年10月28日)
- ※24 Qiita「AI駆動開発の次の段階: ソフトウェアファクトリー」(2026年11月4日)
- ※25 StrongDM Software Factory(Justin McCarthy氏)(2026年2月6日)
- ※26 Anthropic公式ブログ(claude.dev)「How the Claude Code team does code review」(2026年10月15日)
- ※27 Yang他「(When) Should a Software Factory be Lights-off? Benchmarking Code Review Agents on Bug Detection」(2026年10月9日)
- ※28 Anthropic「Redesigning source control at Anthropic」(2026年10月13日)
- ※29 和田卓人「負債のメタファと2026年」(2026年9月17日)
- ※30 METR「Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity」(2025年7月10日)
- ※31 Anthropic「How AI assistance impacts the formation of coding skills」(2026年1月29日)
- ※32 Anthropic「How employment is changing at Anthropic」(2026年10月16日)
- ※33 kagaya「ソフトウェアファクトリーとは何で、何ではないのかを考える」(2026年10月18日)
- ※34 Findy Tech Blog「施策立案からQAまで」(2026年10月16日)
- ※35 TechCrunch「Uber caps employee AI spending after blowing through budget in 4 months」(2026年6月2日)
- ※36 こぎそ「ソフトウェアファクトリーとは何か」(2026年8月13日)