## アジャイル開発は要件定義が必要？

アジャイル開発は、反復的かつ柔軟な手法でプロジェクトを進める開発モデルです。従来のウォーターフォール型開発が計画からリリースまでを一連の流れで進めるのに対し、アジャイル開発は小規模な単位での「スプリント」を繰り返し、逐次的に成果物（プロダクト）を完成させます。

「ウォーターフォール型開発では要件定義は必須だが、アジャイル開発では不要」と考える方がいますが、*開発手法に関わらず要件定義は必要です。*この記事では、アジャイル開発における要件定義の重要性や、従来の要件定義との違いについて解説します。

アジャイル開発を学びたい方、アジャイル開発が主流のIT企業への転職を検討している方、ぜひ参考にしてください。

要件定義とは？流れや決め方、作成に必要なスキルをわかりやすく解説

<center>[エンジニア転職を成功させるため ぜひ*『マイナビIT エージェント』*をご活用ください！](https://mynavi-agent.jp/it/?utm_source=and-engineer&utm_medium=content-text&utm_campaign=acv07_2)</center>

## アジャイル開発とウォーターフォール型開発の違い

アジャイル開発とウォーターフォール型開発は、どちらもソフトウェア開発の手法ですが、大きく異なる特徴を持っています。それぞれの特徴と、メリット・デメリットを確認しておきましょう。

**ウォーターフォール型開発は、要件が明確で変化が少ない大規模システムの開発に向いています。**その特徴とメリット・デメリットを見てみましょう。ウォーターフォール型開発の成果物一覧としては、要件定義書、基本設計書、詳細設計書、テスト実施報告書など、各工程ごとに成果物が決まっています。

*■ 特徴*
ウォーターフォール型開発は、全ての工程を順次進める線形的な開発モデルです。要件定義、設計、開発、テスト、リリースの順に、前の工程が完了してから次の工程に移るのが大きな特徴です。アジャイル開発が浸透するまでは、ウォーターフォール型開発がシステム開発手法の中心でした。

*■ メリットとデメリット*
ウォーターフォール型開発の最大のメリットは、工程が決まっており、プロジェクトの計画が立てやすく、進捗管理がしやすい点にあります。

一方、ウォーターフォール型開発のデメリットは、開発の初期段階で全ての要件を決める必要があり、企業や市場の変化に対応しにくい点があり、一旦開発が進んでしまうと、後戻りが難しくなります。

ウォーターフォール開発モデルとは？各工程やメリット・デメリットを解説！

ウォーターフォール開発とアジャイル開発の違いは？メリット・デメリットも解説

システムの開発手法は、ウォーターフォール型開発から始まりましたが、2000年代以降では、アジャイル開発が注目されています。**アジャイル開発は、大まかな仕様が決まったら「まずは作ってみる」という考えで、極力少ない工数と期間で開発を進めます。**

開発の成果物としては、プロダクトバックログ、スプリントバックログ、インクリメントの3種類です。インクリメントとは、最終成果物で、ソフトウエアや新たな機能などです。

*■ 特徴*
アジャイル開発のアジャイル（Agile）は「素早い」を意味する英語で、短期間の反復的な開発サイクルを繰り返す開発モデルです。短い期間（スプリント）で機能を開発し、顧客のフィードバックを基に改善を繰り返します。

*■ メリットとデメリット*
アジャイル開発の最大のメリットは、顧客のニーズに柔軟に対応できることです。早期に製品をリリースし、市場の反応を見ながら改善できる点にあります。

一方、アジャイル開発のデメリットとしては、全体的な計画が立てづらく、またドキュメント化が不十分になりがちな点にあります。

<center>[あなたに合った企業選びをサポート致します。 エンジニア転職のご相談はぜひ *『マイナビIT エージェント』*へ！](https://mynavi-agent.jp/it/?utm_source=and-engineer&utm_medium=content-text&utm_campaign=acv07_2)</center>

## アジャイル開発における要件定義の特徴と重要性

アジャイル開発では、要件定義は変化することを前提にしており、従来の詳細な要件定義書を作成するケースは少なくなります。しかし、プロダクトバックログやユーザーストーリーといった成果物で、*基本的な要件の枠組みを管理することは、プロジェクトの進行に欠かせません。*

ウォーターフォール型開発では、要件定義書として明確な要件を記述し、プロジェクト開始時に詳細に策定します。

一方、**アジャイル開発では、 要件を具体的な文書化は行わず、プロダクトバックログやユーザーストーリーを使って柔軟に管理します。**要件定義の「成果物」としてはリスト化される、プロダクトバックログが主な参考資料になります。

### アジャイル開発における要件定義の特徴

アジャイル開発では、**柔軟で実用的な要件管理が特徴です。**ユーザーストーリーやプロダクトバックログは、開発チームが顧客の要求や目的を理解しやすくするための重要な成果物です。それぞれ見ていきましょう。

*■ ユーザーストーリー*
ユーザーストーリーは顧客視点での要件を表現する手法です。例えば、「As a [ユーザータイプ]、I want to [機能] so that [目的]」という形式で要件を記述します。

*■ プロダクトバックログ*
プロダクトバックログとは、プロジェクトで実現する機能の一覧です。プロジェクトの優先順位ごとに並べられ、要件定義の成果物として活用します。また、各スプリントでは、このリストからタスクを選択し、進捗に応じて内容が更新されます。

*■ スプリント計画*
アジャイル開発のスプリント計画とは、短期間（通常1〜4週間）で完了させるタスクの計画を立て、開発チームが達成するべき具体的な目標を明確にするプロセスです。プロダクトバックログから要件を選定し、具体的なタスクに分割して進めます。

*■ 変化への対応*
アジャイル開発では要件が変更される前提で進められるため、バックログやユーザーストーリーは常に更新され、最新の要求に合わせて変化させやすいのが特徴です。

## アジャイル開発の要件定義のデメリット

アジャイル開発は開発工数が小さく、開発期間が短いのが大きな特徴ですが、デメリットはないのでしょうか？ここでは、アジャイル開発の要件定義のデメリットについて詳細を確認しておきましょう。

アジャイル開発は短期間のスプリントごとに計画や要件を更新し、変化に対応しながら進めるため、詳細な長期計画を立てるのが難しいことがあります。特に大規模プロジェクトや複雑なシステムの場合、*スコープや納期が不確定になりがちで、予算管理も難しくなることがあります。*

### ドキュメント不足になりやすい

アジャイル開発では動作するソフトウェアに価値を置くため、詳細なドキュメントの作成が省略されることが少なくありません。

その結果、進行中のタスクや成果物は最新のものに保たれますが、プロジェクトの経緯や技術的な判断を後で振り返るための資料が不足し、*特にメンバー交代時やプロジェクト終了後に困ることがあります。*

### チームの熟練度や自律性が求められる

アジャイル開発では個々のメンバーがタスクを理解し、自律的に進行できることが重要です。メンバー間のコミュニケーションや協力が求められるため、熟練したエンジニアやリーダーシップを持つスクラムマスターなどが必要であり、*特に経験の浅いチームでは円滑に進まない場合があります。*

### プロジェクトが無期限に継続するリスク

アジャイル開発では次々に要件が追加されたり、顧客の要望に応じて方向性が変わったりすることがあるため、プロジェクトがなかなか完了しないケースがあります。*特に要件が曖昧な場合、終わりが見えずにリソースの消耗を招く可能性があります。*

## アジャイル開発の要件定義のメリット

以上、アジャイル開発のデメリットについて解説しましたが、アジャイル開発の要件定義には、次のようなメリットがあります。デメリットを回避しながらメリットを追求することで、素晴らしい成果を得られるでしょう。

アジャイル開発の要件定義は、顧客やステークホルダーと密に連携し、進行中のプロジェクトに直接反映させるための仕組みです。ユーザーストーリーやプロダクトバックログを用いることで、**顧客が望む機能や要望を分かりやすく整理できます。**

これにより、開発の各段階で顧客からのフィードバックを受け、リアルタイムで要件を調整することが可能となり、顧客満足度が向上します。

アジャイル開発は変化に対応することを前提としているため、**要件の追加・修正に対して柔軟に対応できます。**プロダクトバックログを基に、優先度に応じて取り組むべき機能を調整できるため、最重要な機能から優先的に実装し、他の要件はスプリントごとに評価しながら対応します。

このように、要件が変わりやすいプロジェクトでも適応可能で、リリース直前の大幅な設計変更や調整もスムーズに行うことができます。

アジャイル開発では、スプリントのたびに完成度の高い部分的な機能がリリースされ、実際のユーザや顧客のフィードバックが次のスプリントに反映されます。この反復的なサイクルにより、要件の誤解や欠陥が早期に発見・解決されやすくなり、**最終的なプロダクトの品質向上が期待できます。**

また、スプリントごとにテストを行うため、潜在的なバグや仕様のズレを早期に修正でき、製品リリース後の品質問題を未然に防ぎやすい点もメリットです。

### プロジェクトの透明性が高い

アジャイル開発では、要件定義がプロダクトバックログやユーザーストーリーに整理され、常に全員がアクセス可能な状態で管理されます。このため、チームメンバー全員がプロジェクトの進捗や優先事項をリアルタイムで把握でき、意思決定が透明になります。

また、要件や進行状況が視覚化されることで、**顧客やステークホルダーも現在の状況を把握しやすく、プロジェクトの一体感が向上します。**

アジャイル開発では、短期間のスプリントごとに部分的な機能が完成するため、リリースサイクルが早まります。このため、早期に成果物（MVP：Minimum Viable Product、または部分リリース）を顧客に提供し、早期にフィードバックを受けられます。

特に競争の激しい業界では、他社に先んじて市場投入するメリットが大きく、**リリースのタイミングや製品の方向性を機動的に調整することが可能です。**

<center>[*SE・システムエンジニアの転職・求人情報を見る　＞*](https://mynavi-agent.jp/jobsearch/job1_01/result.php?utm_source=and-engineer&utm_medium=content-text&utm_campaign=acv18)</center>

アジャイル開発の役割を担うシステムエンジニアの年収を見ていきましょう。一般的なシステムエンジニアの平均年収は「マイナビエージェント職種図鑑」によると、431万円（※2024年11月執筆時点）と算出されています。

また、経済産業省2017年発表の「IT関連産業の給与等に関する実態調査結果」における「エンジニア/プログラマ」の平均年収を参考にすると、592万円でした。

国税庁2020年発表の民間給与実態統計調査における民間企業平均年収は433万円ですので、システムエンジニアの平均年収は一般の年収よりも、やや高めであると言えます。

また、アジャイル開発は日本ではまだ十分に浸透しておらず、DX開発などアジャイル開発が適したケースでも、ウォーターフォール型開発手法が使われているケースがあります。そのため、**アジャイル開発の経験やノウハウを有するシステムエンジニアの需要は高まっていくと見られます。**

【参考】：[マイナビエージェント職種図鑑/システムエンジニア](https://mynavi-agent.jp/it/jobindex/04.html?utm_source=and-engineer&utm_medium=content-text&utm_campaign=acv07_2)
※【平均年収 調査対象者】2020年1月から2020年12月の間でマイナビエージェントに登録いただいた方
【参考】：[IT関連産業における給与水準の実態① ~ 職種別（P7）](https://warp.da.ndl.go.jp/info:ndljp/pid/11623215/www.meti.go.jp/press/2017/08/20170821001/20170821001-1.pdf)
【参考】：[民間給与実態統計調査-国税庁](https://www.nta.go.jp/publication/statistics/kokuzeicho/minkan2020/pdf/002.pdf)
【参考】：[アジャイル領域へのスキル変革の指針　アジャイル開発の進め方｜情報処理推進機構 IPA](https://www.ipa.go.jp/jinzai/skill-standard/plus-it-ui/itssplus/ps6vr70000001i7c-att/000065606.pdf)

## アジャイル開発の要件定義の実践

アジャイル開発では従来の詳細な要件定義書を用いず、柔軟かつ継続的に要件を見直すため、実践的な要件定義がプロジェクトの成否を左右します。ここでは、アジャイル開発の要件定義を実践する上で重要な手法やツール、プロセスについて解説します。

**ユーザーストーリーは、アジャイル開発における基本的な要件の単位であり、顧客やエンドユーザーの視点から必要な機能を短い文で表現します。**

これにより、開発チームがユーザの意図を理解しやすくなり、顧客価値に直結する開発が可能となります。ユーザーストーリーを作成するのは主にプロダクトオーナーで、基本的な形式は以下の通りです。

*「As a [ユーザータイプ]、I want to [機能] so that [目的]」*の形で短く記述し、顧客視点での要件を簡潔に記します。必要に応じてタスクを分割し、スプリントで達成可能な単位にまとめます。

 例：「As a shopper, I want to add products to a cart so that I can purchase multiple items at once.」

スプリント計画は、各スプリント（通常1〜4週間）の開始時に行われる重要なプロセスです。プロダクトオーナーがプロダクトバックログから優先度の高い要件を選定し、チームがスプリントでのタスクを設定し、取り組むべき課題を明確にします。

**スプリント計画では、タスクに必要な工数見積もり、目標の明確化、役割分担が決められ、チーム全員が目標を共有し、効率的に進められるよう進行管理を行います。**

アジャイル開発で、バックログ管理やタスクの進捗確認に役立つ代表的なツールを紹介します。これらのツールを使うことで、**プロジェクト全体の要件や進捗状況が可視化され、チーム全員が同じ情報を共有しながらスムーズに開発を進められます。**

*◼︎Jira*
バックログやユーザーストーリー、スプリントの進行状況を視覚的に管理するためのツールです。10ユーザまでは無料で利用可能です。

【参考】：[Jira | 課題 & プロジェクト管理ソフトウェア | Atlassian](https://www.atlassian.com/ja/software/jira)

*◼︎Trello*
カンバン方式でタスクを視覚化し、チーム内で進捗やタスクの状況を簡単に共有できます。Freeプランのユーザ数上限は10名までです。

【参考】：[どこにいてもチームのプロジェクトを管理 | Trello](https://trello.com/ja)

*◼︎Confluence*
要件定義の成果物やユーザーストーリー、バックログの内容をドキュメント化し、チーム全体で参照できるようにします。無料枠はJiraと同じく10名です。

一部では「アジャイル開発に要件定義は不要」という見方がありますが、システム開発において手法を問わず要件定義は必須です。この記事では、アジャイル開発とウォーターフォール開発の要件定義の違いや、アジャイル開発における要件定義の重要性を解説します。

要件定義はプロジェクトの指針となる重要な要素であるため、アジャイル開発でも必要

プロダクトバックログやユーザーストーリーが、アジャイルでの要件管理に活用される

アジャイル開発ではユーザーストーリーの作成とスプリント計画の立案が重要な鍵となる

アジャイル開発の要件定義とは？システムエンジニアの必須知識を解説

*プログラミング言語のPythonは今、もっとも注目されている人気の言語*ですが、注目されている理由はそのシンプルさや学びやすさだけではありません。**DX推進の1つの鍵となっている「AI関連」の開発や機械学習にPythonが利用されていることが人気を集めている秘訣**です。

ここでは、AIエンジニアや機械学習エンジニアを目指す方のために、PythonとAIの関係について掘り下げていきます。

Pythonは1990年にグイド・ヴァン・ロッサム氏が開発して1991年に公開された、比較的歴史のあるプログラミング言語です。*構文が非常にシンプルで、少ないコードで開発できる*点が魅力です。サンプルコードで他言語と比較したサイトなどを見てみると、*Cのサンプルコードと比較して、Pythonは1/4程度の記述で済む*ことが分かります。

**言語のタイプは、オブジェクト指向・スクリプト言語・インタプリタ言語であり、Rubyとよく似ている**と言われます。他、C言語とも相性がよく、また機械学習分野やデータ解析に加えてWebアプリケーション開発にもよく利用され、*使い勝手の良さと汎用性の高さも人気の理由*です。

Pythonはその特性を活かして**AI開発分野の機械学習・深層学習（ディープラーニング）・データ解析処理にもよく利用**されていますが、実はWebアプリケーション開発でもよく利用され、*Pythonで作られたものとしてはYouTube・Instagram・DropBoxなどが知られています*。

その他にも、ゲーム・アプリ、デスクトップ・アプリの開発でもPythonは活用されるなど、その汎用性の高さが際立っています。

**Pythonを学ぶには、AIについて理解しておくことが必要**です。Pythonとは切っても切れない関係にあるAIについて見ていきましょう。

### 第4産業革命の原動力となるAI

今最も注目されている最新テクノロジーとして、AI（人工知能）があります。**デジタル革命による第4次産業革命の時代が到来していると言われる中、AIはその中心的役割**を果たそうとしています。

*AIは、人が持つ知覚や知性を人工的に再現する技術として理解されていますが、AIについて一意に決まった定義があるわけではありません*。まだ各界で議論があるようですが、いずれにしてもAIによって世界を根底から覆すような産業革命が起きているのは間違いありません。

### 特定分野では人を超えるAIが出現

AIはまだ発展途上にあり、全ての領域において人間を超えるようなAIはまだ出現していません。しかし、**特定の分野ではAIが人間をはるかに超える能力を発揮**しているケースもあります。医療分野では、一般的な医師に代わって的確な診断を行えるAIが出現しています。

金融分野でも超高速で、精度の高い取引を行うアルゴリズム取引が市場に浸透していると言われています。タクシードライバーの他、会計士・弁護士・教師までAIに置き換わるとさえ言われているほど、*AI技術の進展には目覚ましいものがあります*。

AIの黎明期である*「第1世代」では、人の経験則をベースにして、人の知的作業の支援をするAIが出現*しました。*「第2世代」では統計/探索のモデルによる最適解の発見がAIの役割*となり、**「第3世代」のAIでは脳モデルに基づいた認識性能の飛躍的向上**を目指しています。

昨今、AIが大きく注目を浴びるようになったのは、この第3世代テクノロジーの出現にあります。

*人間の脳モデルを参考にしたアルゴリズムの「ディープラーニング」（深層学習）がその代表的な例*です。

従来の機械学習ではコンピュータ自身がビッグデータを読み解いて、裏にある相関関係などの特徴を見つけてくれましたが、*ディープラーニングによってコンピュータは人の介在やコントロールを必要とせずに自律的・自発的に学習し、自分で判断することが可能*になっています。

## AI分野でPythonが注目される理由

AI分野や機械学習ではPythonが必要不可欠な言語と言われていますが、何十種類ものプログラミング言語がある中で、特にPythonが注目されるのはなぜなのでしょうか。ここでは、**PythonがAIに欠かせない言語とされる背景、他言語との違いなど**について見ていきましょう。

### 科学技術計算分野で主流の言語に転換

Pythonは元々は分散OSの管理用に開発された言語でしたが、海外の科学者やエンジニアのコミュニティで注目され、科学技術計算の分野で評価を得て、次々と新技術の実装にPythonが利用されるようになりました。

その結果、**ライブラリがさらに充実し、科学技術計算の主流言語である「R」言語の機能がPythonに盛り込まれたことで、それまで「R」を用いていた活動の多くがPythonに置き換えられていった**のです。*これが、Pythonが機械学習やデータ解析などで主流になっていった理由*です。

米国の*コンピュータ・サイエンス分野の教育で、Pythonは圧倒的な使用率*を誇っている言語です。米国の大学では、プログラミング教育にPythonが頻繁に使用されています。さらに日本の大学でも近年、教育用言語としてPythonを採用する大学が増加しています。

これは、**Pythonが無駄を排し、非常にシンプルな構文で、初心者にも覚えやすいこと**があります。このような背景から、結果としてPython人口が拡大し、Pythonがさらに活用され、またPythonの利用が拡大するというスパイラルが生まれていることが挙げられます。

### 機械学習に強いといわれるRとの違い

R言語は元々、データ解析や統計プログラムを目的に開発された言語で、当初から主に学術分野や研究分野で使用されており、これらの分野ではR言語が有利でした。一方、**次第にPythonがR言語が持つ機能を吸収し、安定が進んできたことで、科学計算や機械学習分野ではR言語とPythonの機能に差がなくなり、両方の言語が併存**するようになりました。

とはいっても、データ解析・統計処理・多変量解析などの複雑な計算にはR言語の方が優れた部分もあり、*一部の専門領域ではまだR言語が有利*とされています。

## PythonによるAIの作り方の手順

PythonとAIが不可分の関係にあることは分かりましたが、ではPythonを用いてどのようにAIを開発するのでしょうか。ここでは、**PythonによるAI構築の一般的な手順の概略**について見ていきましょう。

最初に、どのようなAIを構築するのかについてAIの概要設計を行います。**概要設計では、用途や目的によってAIの機能（画像・文字認識機能、予測機能など）を決めて、開発用のPythonライブラリやフレームワークを選定し、AI構築の大枠を作ります**。次に、AIに対する学習モデルの選択を行います。学習モデルには大きく分けて*「教師あり学習」「教師なし学習」「強化学習」の3パターンがあり、この中から最適な学習モデルを選びます*。

次に、コンピュータに学習させるためのデータ収集を行います。**AIは「機械学習」を繰り返すことでその精度が上がるため、「機械学習」用のデータが必要**です。そのデータは学習に最適なデータである必要があります。不良なデータを与えればコンピュータの学習精度は低下します。*学習用のデータは精査され、適したラベルが付けられ、クリーニングされ、最適化*されなくてはなりませんが、最近ではこの作業を自動化する動きも出ています。

こうして整備された**学習用データを用いて、機械学習や深層学習（ディープラーニング）を行います**。これらの学習には多くの場合*「TensorFlow」「Amazon Machine Learning」「Azure ML」などのライブラリーや学習ツールが利用*されます。

**AIの学習が済むと、プログラミングによりAIを製品やサービスに実装**します。最近では、AIの作成ツール、プログラミングに必要な機械学習ライブラリが多く公開されており、*誰もが簡単にAIを作成できる*ようになっています。

【入門編】Pythonの基本構文まとめ！学習方法や年収も解説

## 市場価値の高いエンジニアを目指そう

市場価値の高いエンジニアを目指す上で、プログラミング言語に加え、さまざまなスキルの習得が必要です。**AIや機械学習エンジニアを目指すなら、プログラミングに加えてAIや機械学習に関する知識やスキル、ビッグデータなどに関する知識も必要**です。人気の高いPythonプログラマーは急速に増えていますが、それだけではエンジニアとしての市場価値は上がりません。

今後、AI開発に必須のPythonに関するスキルに加え、*AI・機械学習・深層学習に関する高度なスキル*が益々求められることでしょう。

AIを備えたサービスや製品が増加する中、機械学習を中心にPythonエンジニアの需要が急速に増加しています。*Pythonが組めるだけでは通用しなくなってくる*でしょう。そこで**強みとなるのは、機械学習や深層学習のスキルを有すること**です。

これらを体系に学ぶ方法もありますが、とにかくPythonは机上で学ぶよりは実践を重ねることです。自らPythonを用いたプロジェクトに積極的に関わり、経験を積みましょう。

### データサイエンティストとして活躍

今、注目されている職種の1つにデータサイエンティストがあります。**データサイエンティストとはデータの統計や分析によって、ビジネスに関する戦略策定に寄与する職種**です。

データサイエンティストは統計学や確率、モデリング手法などに関する知識に加えて機械学習関する知識が求められます。機械学習ではPythonの知識が不可欠です。*Pythonを学ぶ人で、統計学などを学んだ経験のある人は、データサイエンティストを目標にするのも良い*でしょう。

Pythonと機械学習を学んでAI時代に対応できるエンジニアに

<center>[【関連情報】「AIを仕事で活用する上で必須! 「コマンドプロンプト」作成のポイント｜CANVAS」](https://mynavi-agent.jp/dainishinsotsu/canvas/2024/08/post-1283.html)</center>

DX推進に欠かせないAI技術ですが、そのAI開発に欠かせないプログラミング言語と言えばPythonです。なぜAIにPythonが欠かせないのか、 AIの機械学習に強いR言語とは何が違うのか、PythonとAIとの関係、AIの仕組みなどについても解説していきます。

AI構築に必要な機械学習や深層学習にはPythonが利用されることが多く、PythonとAIは不可分の関係にある

科学技術計算や分析などはR言語の得意分野だったが、Pythonがその機能を吸収することでPythonが主流になった

Pythonエンジニアは、機械学習やAI分野の知識を併せ持つことで活躍の場が広がる

PythonはAIに必須！AIエンジニアを目指すならPythonを学ぼう

## Vertex AIの活用がGitLabとの提携で推進

**2023年5月2日、GitLabとGoogle Cloudは、カスタマイズ可能な生成AIの基盤モデルで、AI支援機能を拡充することを発表しました。**提携によりGoogle Cloudの「Vertex AI」基盤モデルが、GitLabのAIを活用したセキュリティ機能に活用され、脆弱性の特定や修復をより効率的に行えるようになります。

GitLabでは、DevSecOpsのワークフロー効率を10倍向上させるとしています。

両社は、これまで締結していた戦略的パートナーシップを延長しました。GitLabの企業向けDevSecOpsプラットフォームで、AI支援機能の提供がさらに進むと見られます。

【参考】：[GitLab: GitLab and Google Cloud Partner to Expand AI-Assisted Capabilities with Customizable Gen AI Foundation Models](https://about.gitlab.com/press/releases/2023-05-02-gitLab-and-google-cloud-partner-to-expand-ai-assisted-capabilities.html)
【参考】：[Google Cloud: GitLab and Google Cloud Partner to Expand AI-Assisted Capabilities with Customizable Gen AI Foundation Models](https://www.googlecloudpresscorner.com/2023-05-02-GitLab-and-Google-Cloud-Partner-to-Expand-AI-Assisted-Capabilities-with-Customizable-Gen-AI-Foundation-Models)

*Google Cloudは、Googleが提供するクラウドコンピューティングサービスです。*コンピューティング・ストレージのほか、AIと機械学習（ML）やデータ分析などにも力を入れています。AIが組み込まれたクラウドサービス提供のために、必要なサービスを拡張しています。

チームコラボレーションにも注力し、Google Workspaceは企業向けスイート製品としてプロジェクト管理などにも利用されています。

【参考】：[Google Cloud](https://cloud.google.com/?hl=ja)

エンジニアなら知っておくべき！機械学習とディープラーニングの違いとは？

*Vertex AI（バーテクス AI）とは、Google Cloudの機械学習プラットフォームを指します。*企業向けのAIサービスで、機械学習のツールを統合したプラットフォームです。AutoMLとAI Platformを統合しており、モデルのデプロイおよび維持を迅速に行うことができます。企業の導入事例も、確実に増加しています。

【参考】：[Vertex AI](https://cloud.google.com/vertex-ai?hl=ja)
【参考】：[Vertex AI の概要](https://cloud.google.com/vertex-ai/docs/start/introduction-unified-platform?hl=ja)

*GitLab（ギットラボ）は、ソフトウェアリポジトリなどの開発・運用向けサービスを提供しています。*セキュリティを確保するとともに、ソフトウェア開発ライフサイクルのプロセスを自動化し、ソフトウェア開発の生産性向上をに役立てることができます。

生産性向上では、自動化ツールを提供し、セキュリティスキャンの自動化も可能です。GitLabでは、企業向けワークロードを想定し、サービスを提供しています。

【参考】：[About GitLab](https://about.gitlab.com/)

DevSecOpsとは、開発（Development）・セキュリティ（Security）・運用（Operation）からなるソフトウェア開発の手法を指します。従来のDevOpsにセキュリティ手法を統合したものです。ソフトウェア開発のライフサイクルにおいて、セキュリティの考え方を全員が共有しソフトウェアの安全性を高めていきます。

GitLabは、堅牢な CI／CD（継続的インティグレーション／継続的デリバリー）により自動化を推進します。その下でセキュリティコントロールをDevOpsワークフローに組み入れて、DevSecOpsを実現しています。

*GitLabでは、Googleの生成AI基盤 Vertex AIを活用し、顧客の知的財産やプライバシー保護を推進するとしています。*

【参考】：[AI/ML in DevSecOps Series](https://about.gitlab.com/blog/2023/04/24/ai-ml-in-devsecops-series/)

### DevSecOpsでAIを活用するメリット

DevSecOpsでAIを活用するメリットは、数多くあります。ここでは担当別に解説していきます。

・*開発者のメリット*
開発者は、AIによりコードの生成やサジェスト機能などを利用することができます。コード開発が、効率的でかつ品質の高いコード開発が期待できます。コードのレビューや変更管理も効率向上が期待できます。コード全体の整合性を高めて、マージしメンテナンスの維持に役立てることができます。

・*セキュリティ面のメリット*
ソフトウェア開発のライフサイクルを通じて、安全なコードを書けるような環境を提供します。脆弱性の発見や修正を容易にし、開発者のスキル向上にも役立てることができます。また、テスト工程の反復作業を自動化することで、脆弱性や不具合の発見に貢献します。今回の提携でこちらの強化が期待できます。

・*運用面のメリット*
デプロイにおける評価を自動化し、問題の発見を推進するとともに、コードが理解しやすいようにサポートを受けることができます。

・*プロセス全般のメリット*
プロジェクトの会議にAIが加わり、問題のサマリーを作成し支援します。同様に大量のドキュメントから有益な情報を抽出し、役立てることができます。また、ソフトウェア開発ライフサイクルにおける生産性指標に異常がないか、予測し分析結果から問題を解決することが期待できます。

## GitLabのVertex AIを用いた機能提供とメリット

*GitLabでは、Vertex AIの導入により「Built with Google Cloud AI program」を提供し、活用していきます。*Google Cloudの生成AIモデルを活用した機能は、実験的な機能として提供されます。

「Explain this Vulnerability」により、脆弱性に対して自然言語により問題発見と解決方法を提示し、セキュリティ確保に役立てることができます。開発者は、このメリットを得て効率的にセキュリティの維持が可能となります。

すでに実験レベルの機能として発表した、「Explain this Code」「Summarize Issue Comments」「Summarize Merge Request Changes」に加わり、ソフトウェア開発ライフサイクル全体のワークフロー自動化に役立てられます。

【参考】：[GitLab details AI-assisted features in the DevSecOps platform](https://about.gitlab.com/blog/2023/05/03/gitlab-ai-assisted-features/)
【参考】：[GitLab: ML experiment: Explain this source code](https://about.gitlab.com/blog/2023/04/06/explain-this-code/)
【参考】：[GitLab: ML experiment: Summarizing issue comments](https://about.gitlab.com/blog/2023/04/13/summarize-issues/)
【参考】：[ML experiment: Summarize merge request changes](https://about.gitlab.com/blog/2023/04/20/merge-request-changes-summary-ai/)

### GitLabのVertex AI機能の利用料金

*現時点の提供機能は、「Explain this Vulnerability」という実験的な機能となります。*正式版の利用料金に関しては明らかにされていません。GitLabは、無料プランから有料プランまであります。Vertex AIも通常利用においては、マシンタイプやパイプライン実行に応じて費用が発生します。

【参考】：[GitLab: 料金](https://www.gitlab.jp/pricing/)
【参考】：[Google Cloud: Vertex AI の料金](https://cloud.google.com/vertex-ai/pricing?hl=ja)

### GitLabとVertex AIでAIモデルを構築するには

*GitLabでは、構築チュートリアルとしてPythonベースのクレジットカード取引詐欺検出アプリのデモを用意しています。*このデモにより、連携方法を理解することができます。

デモでは、GitLabはアプリケーションのソースコードをホストし、テストとスキャンを自動的に実行します。Pythonコードを実行し、プログラムの実行結果とアウトプットをGoogle Cloud Storageにアップロードし、Vertex AIでエンドポイントを作成します。

手順としては、GitLabとGoogle Cloudを接続し、Vertex AIにデータをアップロードします。GitLabでCI/CDパイプラインを作成し、品質とセキュリティのテストを行います。トレーニングは、Pythonのスクリプトを実行してモデルを学習します。

その後モデルのトレーニングのために、Vertex AIからデータをフェッチし、モデルをトレーニングしてGoogle Cloud Storageに保存します。

【参考】：[GitLab: Train and deploy AI models with GitLab and Google Cloud's Vertex AI](https://about.gitlab.com/blog/2023/06/08/training-and-deploying-ai-models-with-gitlab-and-vertex-ai/)



## GitLabのVertex AI活用は今後さらに強化されます

今回の発表は、GitLabのDevSecOpsにGoogle CloudのVertex AIを提供し、手始めとして「Explain this Vulnerability」機能を実験的に提供するものです。今後のGitLabのAI機能は、Vertex AIを活用するとしており、開発者に役立つ機能が今後も登場すると見られます。**両社の活動は、AI活用として開発者に注目される機能強化となるでしょう。**

今さら聞けない人工知能（AI）の基礎知識｜AI開発の基本を解説！

【2023年版】AI（人工知能）の学習におすすめの本10選！習得のメリットも解説

<center>[【関連情報】「AIで仕事はどう変わる? AIを使いこなせるかがキャリアの分かれ道に｜CANVAS」](https://mynavi-agent.jp/dainishinsotsu/canvas/2024/06/post-1281.html)</center>

2023年5月2日、GitLabとGoogle Cloudは、生成AIを活用した提供を強化したことを発表しました。Google Cloudの「Vertex AI」が基盤モデルとして提供されます。ここでは、両社の概要や提供の内容について解説していきます。

GitLabとGoogle Cloudは、提携関係を強化し、AI支援機能を拡充すると発表しました

GitLabに、Google Cloudの「Vertex AI」が基盤モデルとして提供されます

「Explain this Vulnerability」という機能に使用され、脆弱性の特定と修復の効率が高まります

Vertex AIをAI支援に活用！GitLabとGoogle Cloudが提携を強化

*[【マイナビITエージェント】あなたの転職活動を無料でサポートいたします](https://mynavi-agent.jp/it/?utm_source=and-engineer&utm_medium=banner&utm_campaign=acv01)*

【関連記事】[*HTMLのtableで表を作成するには？基本用法からCSSまで図解*](https://and-engineer.com/articles/ZyMQ5BEAAB8ATD6M)

## HTML編集ソフト（エディタ）を活用する

HTML/CSSを学び始めると、HTML作成ツールとしてHTML編集ソフトが必要になってきます。ここでは、*HTML/CSSの初心者の方に向けて、使い勝手が良く、GUIに優れたHTMLエディタを紹介していきます。*皆さんに合うHTMLエディタ選定の参考にしてください。

HTMLとは？特徴やできることなど基礎知識を初心者向けに紹介

HTML・CSSとは何か？使い方やできること、独学方法を解説！

**HTMLエディタとは、HTML/CSSの作成や編集を効率的に行えるテキストエディタです。**そもそも「テキストエディタ」とは、ソースや文書ファイルなどを編集するためのプログラムのことです。HTMLエディタはHTMLの作成ツールと考えて良いでしょう。

WindowsやMacに標準搭載されているテキストエディタは、主にテキストの編集を行うためのアプリですが、HTMLエディタにはテキストの編集に加えてソースコードの入力補助・タグの自動補完・エラーチェック・ファイル連携などの機能が備わっています。

これらの機能を用いて効率的なHTML記述やWebページの制作を行えますので、HTML/CSSを日常的に使うエンジニアの方にはHTMLエディタの利用がおすすめです。

HTMLタグとは？HTMLタグ一覧など初心者向けに解説！ 

HTMLのdivタグとは？読み方・目的・使い方などを解説！ 

### なぜHTMLエディタにこだわる必要があるのか

Windows標準の「メモ帳」、Mac標準の「テキストエディット」でもHTML/CSSの作成や編集は可能です。しかし、これらの標準ソフトはHTML/CSSに特化したものではないので最低限の機能しか搭載しておらず、HTML/CSSの作成・編集に最適とは言えません。

ITエンジニア、プログラマーの仕事は常に時間との勝負です。しかも、スピードだけではなく高い品質も求められます。プログラムの品質とボリュームを保ちながら納期までにシステムを完成させなければなりません。

**ITエンジニアは高い生産性が求められる職種であり、それを実現するには使い勝手の良いテキストエディタに出会う必要があります。**自分に合う良いエディタを使うことは、自らの仕事の生産性を上げるために欠かせません。

では、HTMLエディタを使うことで具体的にどのようなメリットがあるのでしょうか？まずはHTMLエディタの一般的なメリットについて確認しておきましょう。

*HTMLエディタには自動補完機能が付いており、入力ミスや入力漏れを防いでくれるため、HTMLの記述をスムーズに行うことができます。*

自動補完機能とは、開始タグを打つと自動的に終了タグが記述されるなど、打ち込んだ記号や文字の関連タグを自動で入力してくれる機能です。この機能があることで、効率的にHTMLの記述作業ができます

HTMLは記述ミスをしても思い通りの表示がされないだけで、プログラムのように重大なエラーにはなりにくいです。そのため、うっかりミスに気付かずに記述を進めてしまうことがあります。しかし、仕事でHTMLを記述する際に、そのようなミスは許されません。

HTMLは階層構造が複雑になればなるほど、記述ミスが起きやすくなります。*HTMLエディタでは、構成要素ごとに異なる色で表示してくれるなど、複雑な階層でも構成が分かりやすくなる機能がついているので記述ミスが減ります。*こうした機能は一般のテキストエディタにはありません。

### Webページをプレビューできる

一般のテキストエディタでHTMLを記述する場合は、Web形式のファイルで一旦保存し、そのファイルをWebブラウザで開き直して正しく表示されているかどうかを確認する必要があります。

一方、*HTMLエディタにはプレビュー機能があり、HTMLを記述しながら同時にプレビュー機能でWeb画面を確認できます。*微調整をする際もすぐに確認ができるので、非常に便利です。

### CSSやJavaScriptの記述に利用できる

最近のWebサイトの作成では、HTMLに加えて「CSS」が必須であり、さらに「JavaScript」も扱うケースが多くなっています。「CSS」はWebのデザインを作るための言語で、「JavaScript」はWebに動きを与えてくれる言語です。

HTMLエディタはCSSやJavaScriptにも対応していることが多いです。複数のプログラム言語を扱えるため、*HTMLエディタを扱えるようになると仕事の効率が一気に上がります。*

言語・開発の記事（5ページ目）