エージェンティックコーディング

AIエージェントが、開発者から与えられた目標に向けて自律的に計画を立て、複数のファイルの読み書き、コマンドの実行、テストの実行と修正を繰り返して開発作業を進めるやり方。人は目標と権限の範囲を設定し、成果物をレビューする役割を担う。

生成AIに自然言語で意図を伝え、出力されたコードを試しながら開発を進める方法。素早く形にできる一方、生成物の妥当性の検証が課題となる。

自然言語で書いた仕様を起点に、AIが実装やテストを生成していく開発手法。仕様書が成果物の正しさを判断する基準として機能する。

機械学習モデルの開発・デプロイ・運用を効率化するためのプラクティスやツール群。DevOpsの考え方を機械学習に適用し、モデルの学習・評価・デプロイのパイプラインを自動化する。

大規模言語モデル等を用いて、テキスト・画像・音声・プログラムコードなどの新たなコンテンツを自動生成するAI技術。業務効率化に活用される一方、ハルシネーション（事実に基づかない出力）やセキュリティリスク、著作権上の課題がある。

システムが実現すべき機能に関する要件。業務処理や画面・帳票の仕様、データ処理など、システムが「何をするか」を明確にする。非機能要件と対比される概念で、ユーザーの業務ニーズを直接反映する。

性能、信頼性、セキュリティ、可用性、拡張性、運用性など、システムの機能以外の品質や制約に関する要件。レスポンスタイムやスループットなどの具体的な数値目標として定義されることが多い。システムが「どのように動くか」の基準を定義する。