📖 13分で読める

【AI #5】AIエージェント時代の個人開発戦略｜設計の重要性

💡 この記事について AIアシスタントとの対話を元に構成した個人の学習記録です。

はじめに

自分はセブ。東京で個人開発をしています。

ある日、Product Huntで「Genstore」というサービスを見つけました。AIエージェントチームがECストアを自動構築するサービス。Product Hunt #1を獲得し、$10Mのシード調達。2分でストアが完成するという触れ込みです。

セブ
セブ
これ、すごくない？

スピカに聞いてみました。そこから始まった対話は、個人開発者としての本質的な問いへと深まっていきました。

Genstoreの何がすごいのか

マルチエージェント・アーキテクチャ

セブ
セブ
ECの自動化とかGenstoreすごいね。何がすごいか解説して。
スピカ
スピカ AI
一言でいうと「複数の専門AIエージェントがチームとして協調動作する」ってこと。単なる「AIが手伝ってくれるツール」じゃない。「AIがチームを組んで仕事をする」という次元の話。
flowchart TD
  U2["👤 ユーザー"] --> G["👑 Genius
オーケストレーター"]
  G --> D["🎨 Design Agent
デザイン"]
  G --> P["📦 Product Agent
商品"]
  G --> L["🚀 Launch Agent
公開"]
  G --> C["📣 Campaign Agent
マーケ"]
  G --> AN["📊 Analytics Agent
分析"]

なるほど。単一のAIに「ECサイト作って」と言うのと、専門家チームに依頼するのでは全然違いますね。

エージェント一覧

エージェント役割
Genius👑 スーパーエージェント。他のエージェントに指示を出し、情報を集約・配分
Design Agent🎨 レイアウト、ブランディング、アニメーション
Product Agent📦 商品リスティング、説明文、画像生成
Launch Agent🚀 SEO、法令遵守、ドメイン設定、決済・配送設定
Campaign Agent📣 競合分析、割引戦略、プロモーション設計
Analytics Agent📊 日次レポート、売上・流入分析

オーケストレーターの仕組み

特に面白いのは「Genius」というオーケストレーターの存在です。

sequenceDiagram
  participant U as ユーザー
  participant G as Genius
  participant C as Campaign
  participant D as Design
  participant A as Analytics
  participant L as Launch

  U->>G: 週末にバレンタインセールやりたい
  G->>G: 意図を解釈・タスク分解
  
  par 並列実行
      G->>C: セール設計を依頼
      G->>D: バナー作成を依頼
  end
  
  C-->>G: セール条件完了
  D-->>G: バナー完了
  
  G->>A: 効果測定準備を依頼
  A-->>G: 準備完了
  
  G->>L: 公開処理を依頼
  L-->>U: セール開始！

ポイント：

  • 情報の集約と配分: Geniusが全エージェントのコンテキストを把握
  • 依存関係の解決: 「デザインができてからキャンペーン公開」のような順序を自動判断
  • 並列実行: 独立したタスクは同時に走らせる

「AIで作れるのか」問題

ここで本質的な疑問を持ちました。

セブ
セブ
これってClaude Codeに並列処理とかで作れないのかな、Antigravityとか。自分もCloud Dialect（英語学習アプリ）作っててFirestoreとの単なるDB連携でもややこしかったのに。ここらへんの違いを理解したいんだよね。

自分は以前、英語学習アプリ「Cloud Dialect」を開発しました。GCPのFirestoreと連携するだけでも、かなりの時間を取られた経験があります。

スピカ
スピカ AI
変な質問じゃない。むしろ本質的な問いだよ。

⚠️ 注釈: もちろん、Claude Codeで設計からがっちり組んで、複雑なシステムを構築している人たちもいます。AIを使いこなして勝ち筋を見つけている開発者は確実に存在します。以下はあくまで「自分の現時点でのレベル」での話であり、AIの限界というより「自分がまだ使いこなせていない部分」かもしれません。それを踏まえて読んでもらえると嬉しいです。

結論

技術的には作れる。でも「作る」と「正しく動かす」は別次元の話。

flowchart LR
  A1["✅ コードを書く"] -.->|"人間の判断が必要"| B1["🔴 設計判断"]
  A2["✅ APIを叩く"] -.->|"経験が必要"| B2["🔴 エッジケース処理"]
AIが得意AIが難しい
コードを書く設計判断
APIを叩くエッジケース処理
ファイルを生成状態管理
並列タスク実行本番で壊れない設計

Cloud Dialect × Firestoreで大変だった理由

自分がFirestore連携で経験した「ややこしさ」、これ実はAIが苦手な領域の塊だったんですね。

mindmap
root((Firestore連携の難しさ))
  認証フロー
    OAuth vs サービスアカウント
    トークン更新処理
    エラー時のリトライ
  データモデル設計
    ドキュメント vs コレクション
    ネスト vs フラット
    複合インデックス
  セキュリティルール
    読み書き権限
    ルールのテスト
  エッジケース
    オフライン対応
    同時書き込み競合
    クォータ超過

AIは「動くコード」を書ける。でも「正しい設計判断」は人間の仕事。

これが腑に落ちました。Antigravityに「Firestoreと連携して」と言っても、**「どういう設計で?」**という判断は自分がしないといけなかった。だから時間がかかったんですよね。

Genstoreとの決定的な違い

Genstore（製品）Claude Code（ツール）
特化ECに特化汎用
設計何年もかけて設計・テスト設計判断は人間
強み人間が設計を埋め込んだパッケージ簡単なものは速い
体制10M調達 = 専門チーム複雑なものは人間が設計

Genstoreは「製品」で、Claude Codeは「ツール」です。

Genstoreの中のエージェント連携は、専門のエンジニアチームが何年もかけて設計したもの。自分がClaude Codeで「2分で同じものを作る」のは無理です。

でも「Claude Codeを使いながら、設計判断を自分でして、1ヶ月かけて作る」なら可能ですね。

マルチエージェントの「本当の難しさ」

flowchart TD
  A["通信プロトコル"] --> A1["情報の渡し方
タイミング"]
  B["状態管理"] --> B1["誰が何を知ってるか
矛盾の解決"]
  C["依存関係"] --> C1["実行順序
並列可否の判断"]
  D["エラーリカバリ"] --> D1["ロールバック
リトライ"]
  A1 & B1 & C1 & D1 --> F["これはコードの問題ではない"]
  F --> G["アーキテクチャ設計の問題"]

個人開発者の「今ぶつかってる壁」

ここで気づきました。

セブ
セブ
今個人開発も人ぶつかってるところじゃない？逆にいうと差がつくところというか。AIがここどう追いついてくるか…

現状の整理

領域複雑さ判断の必要性現状
コード生成低低✅ AIが得意
単機能実装低〜中低✅ AIが得意
エッジケース処理中高⚠️ 経験者の強み
設計判断高高🔴 人間の領域
複数システム連携高高🔴 人間の領域
領域AIが得意？判断の必要性
コード生成✅ 得意低
単機能実装✅ 得意低
エッジケース処理⚠️ 経験者の強み高
設計判断🔴 人間の領域高
複数システム連携🔴 人間の領域高

今、個人開発者がぶつかってる壁 = AIがまだ苦手な領域

だからこそ、ここを乗り越えた人に差がつくんですよね。

AIはここにどう追いついてくるか

年マイルストーン
2024AIがコードを書ける（Copilot, Claude Code）
2025AIがタスクを実行できる（エージェント元年）
2026ドメイン特化製品の台頭（Genstore等）
2027-2028AIの設計判断能力向上（複雑なシステムも自律設計）

2つのルート：

flowchart TD
  A["現在"] --> B{"進化のルート"}
  B --> C["ルート1: ドメイン特化製品
ECならGenstore
領域ごとに専門製品"]
  B --> D["ルート2: 汎用AIの進化
AIが設計判断を理解
まだ1-2年はかかる"]

個人開発者の戦略

今やるべきこと将来の優位性
設計判断の経験を積むAIを使いこなす力
ドメイン特化の強みを作るニッチでの深い理解
手を動かし続ける正しい判断の土台

まとめ：経験は武器になる

この対話を通じて、自分が日々感じていた「なんでこんなに時間かかるんだ…」という焦りの正体がわかりました。

スピカ
スピカ AI
その「なんでこんなに時間かかるんだ…」って感覚。でもそれ、正しい道を歩いてる証拠だよ。

「動くもの」を作るのは速い 「壊れないもの」を作るのに時間がかかる

やきもきする時間 = 設計力が鍛えられてる時間

graph TD
  A[Firestore連携で苦労] --> B[何がハマりポイントか知る]
  B --> C[次は速くなる]
  C --> D[AIをうまく使える]
  D --> E[競争優位]
  
  F[経験ゼロでAI使用] --> G[何が正しいかわからない]
  G --> H[間違いに気づけない]
  H --> I[動くけど壊れやすい]

結論

今ぶつかってる壁 = 今だからこそ差がつくところ AIが追いついてきたとき = 経験者が圧倒的に有利になる

Cloud DialectでFirestore連携に苦労した経験、そのまま競争優位になると思っています。

今は辛いけど、ここを超えた人が勝つフェーズです。

AIが追いついてくる頃には、自分は「AIをうまく使える人」になっているはずです。

シリーズ目次

  1. OpenClawとは？
  2. スキルとは？
  3. 記憶とMEMORY.md
  4. マルチエージェントAI
  5. AIエージェント時代の個人開発戦略 ← 今ここ
  6. OpenClaw入門：7つのMDファイル