斜めから見たカラフルなコードのプログラミング画面
設計と運用

AIエージェント導入でスクラムの見積もりはどう変わるか

目次を見る

スプリント計画で「このタスクはAIエージェントにやらせよう」という話が出たとき、ポイント見積もりをどう扱うか迷った経験はないでしょうか。

AIエージェントとは、指示を受けて自律的に複数の作業ステップを実行するソフトウェアのことです。ChatGPT WorkやClaude Code、Manusといったツールが代表例で、ファイル操作・調査・コード実行までを人の介入なしに連続してこなします。この記事では、スクラムで見積もりや技術的負債をどう扱っているチームに向けて、AIエージェント導入が開発プロセスに及ぼす変化を整理します。

実装の細かい仕組みやインフラ構築には踏み込みません。あくまでチーム運用と見積もりの観点から、今日から確認できることをまとめます。

AIエージェントと「ただの自動化」の違い

まず押さえておきたいのは、AIエージェントが従来の自動化スクリプトと何が違うかです。

従来の自動化は、決まった手順を決まった順番で実行するだけでした。たとえばCIで毎回同じテストコマンドを流す仕組みは、条件分岐こそあっても「次に何をするか」を自分で判断しません。

一方でAIエージェントは、目標だけを与えられると、途中の手順を自分で組み立てます。Claude Code(ファイル操作とコード実行を組み合わせて作業を進める開発者向けツール)であれば、「このバグを直して」という指示に対し、該当ファイルを探し、修正し、テストを実行するところまで自律的に進めます。

この違いは見積もりに直結します。従来の自動化は工数が読みやすい一方、AIエージェントは「どこまで自律的に進んでくれるか」が案件ごとにばらつくためです。

身近な例から見るエージェントの動き方

挙動のパターンを整理すると、チームでの扱い方が見えてきます。代表的な例は次の通りです。

  • ChatGPT Work: 連携アプリとファイルから成果物を作成する
  • Claude Cowork: ファイルとツールをまたいだ知的作業を完了させる
  • Manus: 調査から成果物までを一括で進める
  • Claude Code: ファイル操作とコード実行で作業を完了させる

業務別に見ると、営業ではヒアリング内容からメール下書きまで、マーケティングでは競合調査からレポート作成まで、経理では請求書読み取りから照合まで、AIエージェントが一連の作業をつなげて進めます。

これらに共通するのは、「人が最初に目標を渡し、途中の細かい指示は省略できる」という点です。スクラムのタスク分解の発想とは逆方向の動きだと捉えると理解しやすくなります。

スプリント計画で起きる見積もりのずれ

スクラムでは通常、タスクをストーリーポイントやプランニングポーカーで見積もります。前提は「人が作業する」ことです。

AIエージェントに任せるタスクが混ざると、この前提が崩れます。たとえばコードレビュー対応を1ポイントと見積もっていたタスクが、Claude Codeに任せると数分で終わることもあれば、想定外の仕様に当たって人の確認が何往復も必要になることもあります。

ばらつきの原因は、エージェントの自律性の高さそのものにあります。手順を固定しない分、入力条件や対象システムの複雑さによって所要時間が大きく変動します。

この状況に対応するチームの判断基準は、タスクを「エージェント実行」「人の確認」「例外対応」の3段階に分けて見積もることです。実行そのものはほぼゼロ工数として扱い、確認と例外対応にポイントを振る方法が、見積もりの精度を保ちやすくなります。

AIエージェント導入後の見積もりは「作業時間」ではなく「人の確認・修正にかかる時間」を基準に組み替える発想が実務的です。

技術的負債との付き合い方も変わる

AIエージェントは結果を確かめず仕事を任せると、暴走する恐れがあります。これはチームの技術的負債の扱いにも影響します。

従来、技術的負債はレビューやリファクタリングのタイミングで人が気づいて管理してきました。AIエージェントが大量のコード変更を短時間で生成すると、レビュー側のキャパシティが追いつかなくなる場面が出てきます。

対策として有効なのは、エージェントが生成したコードに対して「結果を確かめて自分で修正する」ステップをスプリントのDefinition of Done(完了の定義)に明記しておくことです。これにより、生成量が増えても品質確認のプロセスが省略されずに済みます。

日本のスクラムチームでよく使われるふりかえり(レトロスペクティブ)の場でも、「今スプリントでエージェントに任せたタスクのうち、確認工数が想定より増えたものは何か」を議題に加えると、見積もり精度の改善につながります。

今日確認できること

導入を検討している、あるいはすでに部分導入しているチームは、次の点を確認してみてください。

  • 直近のスプリントで「エージェント実行」を含むタスクのポイントが実績と乖離していないか
  • Definition of Doneに人の確認・修正ステップが明記されているか
  • レトロスペクティブでエージェント関連タスクの確認工数を振り返る議題があるか
  • 業務別(営業・マーケティング・経理・人事など)でどの工程をエージェントに任せているか棚卸しできているか

これらは新しいツールを導入しなくても、既存のスクラムイベント(スプリント計画・レビュー・レトロスペクティブ)の中で確認できる項目です。

まとめ

AIエージェントは目標だけを渡せば複数の作業ステップを自律的にこなす点で、従来の自動化スクリプトとは性質が異なります。

スクラムの見積もりに組み込む際は、作業時間そのものではなく「人の確認・修正にかかる時間」を基準に組み替えることが実務的です。

技術的負債の管理は、Definition of Doneにレビューステップを明記し、レトロスペクティブで確認工数を振り返る運用に落とし込むと崩れにくくなります。

まずは直近のスプリントで、エージェント関連タスクの見積もりと実績の差分を一度洗い出してみることから始めてみてください。

参考

AIエージェントの例10選!身近なツールから業務別の動きまで解説

AI 駆動開発のご相談は forva AI へ。

まずはお気軽にどうぞ。