その仕組み、AIで大きくしすぎていませんか

先日、あるサービスの紹介メールが届きました。デザインとコードを連携させて管理できる、デザインシステム管理サービスの案内です。チームや事業部ごとの違いを吸収しながら、手作業を介さず、各プロダクトの開発チームへ変更内容を反映できるというものでした。添付資料によると、AIエージェントがUIライブラリやコードだけでなく、ガイドラインやプロダクトドキュメントといったナレッジまで自動で更新してくれるそうです。そのために、Design Tokens やドキュメントの整備も必要だという呼びかけもありました。

こうした案内の背景には、優れたシステム（仕組み）を構築すれば物事はうまく進むという考え方があり、それは昔から変わっていません。むしろ、AIの登場によって、その信念はいっそう強まったようにもみえます。ガイドラインなどの文書を構造化し、MCPやCLI経由で参照・活用できるようにしたうえで、生成された画面をAGENT.mdでレビューし、精度を高める。工程のなかで見つかった課題を次のサイクルで改善していく、「AI時代のデザインシステム」がいくつか登場しています。

• Teaching AI to speak our design language - Inside Atlassian
• Carbon MCP
• Agents Can Mimic Good Design. Ours Know Why It Works

これまで実現できなかった高度な仕組みを構築できるようになった一方で、その管理は以前にも増して複雑になっているように見えます。仕組みを改善するための仕組みや、それらを管理する仕組みまで必要になるうえ、AIが生成した成果物を含め、誰がどこまで責任を負うのかを定めることも難しくなっています。使えるツールやモデルが変われば大幅な見直しも必要になるかもしれません。プロダクトそのものを改善する時間より、そのうちやってくる効率化に向けてずっと仕組みを作り続けるといった状況に陥りやすくなります。

成功事例に憧れるのは、昔から変わらない

ちょっとしたデモではうまく機能する仕組みでも、実際の環境で運用するとなると、難しいケースがほとんどです。過去の判断が蓄積されているからといって、その延長線上にある未来を予測し、エージェントが適切に動作できるとは限りません。

From Hype to Production: The Harsh Reality of Shipping AI Agents Beyond the Demo

Why AI agent demos look nothing like production systems — and the concrete engineering work that bridges the gap.

DEV CommunityTamiz Uddin

以前、監修を務めた書籍『デザインシステムの育て方』の前書きで、私は、組織の現状を見極めながら、自分たちに合ったデザインシステムを少しずつ積み上げていくことが大切だと述べました。

試し読み：『デザインシステムの育て方』 監訳者まえがき｜BNN（ビー・エヌ・エヌ）

2024年8月28日刊行の『デザインシステムの育て方：継続的な進化と改善のためのアプローチ』より、本書の監訳者 長谷川恭久氏による「まえがき」を紹介します。スタートアップから大きな組織まで、さまざまな規模でのデザインシステムに携わってきた長谷川さんの視点から、デザインシステムを「作る」のではなく「育てる」ということ、その重要性について示していただきました。ぜひご一読ください。 監訳者まえがき ─長谷川恭久 プロダクトと捉えたときのデザインシステム デザインシステムを構築するのは容易ではありませんが、それ以上に難しいのは、使い続けてもらうための運用です。そのためデザインシステムは

note（ノート）BNN（ビー・エヌ・エヌ）

さまざまなノウハウや成功事例に憧れてデザインシステムの構築を始めたものの、失敗に終わった組織を数多く見てきた経験からの警告でした。しかし今、AIによって同じような現象が再び起きているようです。 厄介なのは、組織の動きや暗黙知を理解することよりも、目に見える仕組みを作るほうが分かりやすく、説明もしやすい点です。しかも今では、AIを使えば、いかにも実現できそうなデモが簡単に作れてしまいます。そのため、「もしかしたら実現できるかもしれない」と期待して開発を進めた結果、先に挙げたような、仕組みの上にさらに仕組みを重ねる複雑化に陥り、時間を浪費してしまう人も少なくないのかもしれません。

デザインシステムの話ではありませんが、私も似たような仕組みづくりに時間を費やしすぎてしまった経験があります。自分の文体に合った記事を自動生成する仕組みを作ることに没頭して、今年の夏は、ほとんど記事を書くことができませんでした。結局、そんな仕組みは作れず、今もこうして手書きで記事を書いています。

過去の記事を学習・構造化すれば、自分のスタイルに近い文章を生成できる、という見方はよくあります。しかし、それには自分の考え方、ライティングスタイル、文章の組み立て方が、今後も変わらないという前提があります。次に書く記事も、常に過去のスタイルに沿って書くのであれば、そうした仕組みは成り立つかもしれません。ただ、実際には、考え方や表現は少しずつ変化し続けています。そのため、仕組みを作って文章を生成させても、「なんとなく自分らしくない」「実際の自分の考えとは違う」と感じることが、よくありました。

小さな仕組みを積み上げる

これは、AIをライティングに活用できないという意味ではありません。現在も、アイデア出しのブレインストーミングや下書きのレビューにAIを使っています。また、書き始めに苦労することもあるため、最初の一文のヒントを出してもらうこともあります。このように、補助的な使い方にとどめています。アイデアの発案から記事の生成までをAIで一貫して行う、エンドツーエンドのワークフローにはなっていません。 AI を使わないところを決めたことで、ようやく書きやすくなりました。

私が経験したライティングの問題は、デザインシステムでもあります。デモでは、最初から最後まで全て AI に任せたワークフローが作れますし、それをもとに学習させるといったループも作れます。 しかし、私たちの判断、組織内の動き、プロダクトの方向性、市場の動向などは常に動き続けていますし、すべての判断が明文化されているわけでもありません。 そうした中で、ほとんどの工程の自動化を目指してデザインシステムを構築しても、終わりのない複雑な仕組みづくりに追われることになりかねません。組織に貢献するための仕組み作りであっても、かえって現場の動きを縛ってしまうことになります。

だからこそ、仕組みにする範囲は小さく区切って少しずつ積み上げていくべきですが、それらは成功事例としては華やかさに欠けるかもしれません。しかし、そうした小さな仕組みが、プロダクト開発に携わる人たちにとって、実際に役立つ道具になることがあります。身近な困りごとや、日々のちょっとした手間を解消するだけでも、大きな変化につながります。その解決手段の一つとして、AIは大きな力を発揮するはずです。