01
組織のルールを、AIが使える形で共有
設計思想や開発ルール、命名や構成の約束ごとを「組織の決めごとを、AIが読める形にまとめたもの。コーディング規約やレビュー観点などを登録しておくと、AIが作業のたびに参照します。」として定義し、チーム全体で同じ基準を共有します。担当者ごとにAIの使い方がばらつく状態を解消します。
ソリューション ／ AVATAR CODING
ソリューション ／ AVATARシリーズ
AVATAR CODING
AI駆動開発のためのコンテキスト基盤
企業や開発組織が持つ設計思想、開発ルール、技術ナレッジなどをAIと共有し、組織全体でAI駆動開発（AIDD）を実現するためのコンテキスト基盤です。
AVATAR CODINGの画面イメージ。①依頼：佐藤さんがAIアシスタントに、返金処理で同じ依頼が二重に実行されない仕組みの追加を頼みます。②ルール：AIは作業の前に、組織のコーディング規約、エラー処理の方針、過去の実装（決済APIの重複防止）、レビュー観点の4件を参照します。③実装：組織のルールと過去の実装に合わせた変更が作られ、何を変えたかが日本語で説明されます。④レビュー：レビューエージェントがレビュー観点の4項目を確認し、変更はナレッジハブに保存されて、次の開発でも参照できるようになります。
対応モデル・連携
主要なAIモデルと開発ツールに対応しています。
- AIモデル
- その他のモデルにも対応
- 開発環境
- IDE
- ソース管理
- 業務ツール
- AIとツールをつなぐ共通規格（MCP）に対応Slack・Notion・Jira など
こんな課題はありませんか
AIは使い始めた。組織の力にはなっていない。
AIコーディングツールを個人単位で使っており、組織の標準になっていない
AIが出力するコードが、自社の設計思想や開発ルールと合わない
プロジェクトごとに知見が閉じてしまい、次の開発に活かせていない
ベテランが抜けると、経験ごといなくなる
AI活用の効果や利用状況を、組織として把握できていない
機微な情報が、気づかないうちに外へ出るおそれがある
AVATAR CODING の考え方
「AIを導入したか」ではなく、「どう導入するか」。
AI駆動開発を、個人の工夫から組織の仕組みへ。
AIをうまく使えるかどうかが担当者ごとの工夫に委ねられている状態から一歩進み、組織の設計思想や開発ルールをAIと共有します。チーム全体が同じ前提のもとで、AIとともに開発を進められる環境を整えます。
仕組み
組織の前提を、AIに渡す。
組織の
組織のコンテキスト
- 設計思想・方針方針書・設計上の大事な判断について、何を選び、なぜそう決めたのかを残す記録のこと（Architecture Decision Record）。あとから加わった人も、判断の理由をたどれます。
- 開発ルール・規約コーディング規約
- 技術ナレッジ社内Wiki・技術メモ
- 過去の実装・知見コードの変更を取り込む前に、ほかのメンバーに確認してもらうしくみのこと（プルリクエスト）。そのやりとりが記録として残り、過去の判断を知る手がかりになります。・障害対応の記録
集約
AVATAR CODING
組織共通のコンテキスト基盤
- スキル
- エージェント
- コマンド
- フック
- ワークフロー
- ナレッジハブ
- ゲートキーパー
- テレメトリ
- $ avatar init
- 共通スキルライブラリを読み込みOK
- AIエージェント群を起動OK
- 組織ナレッジに接続OK
- セキュリティゲートを有効化OK
- 利用状況の計測を開始OK
- チーム全員の環境が揃いました。
対応LLMClaudeOpenAIGeminiDeepSeekなど
参照
日々の開発
- 設計方針に沿った設計
- 実装規約どおりのコード
- レビューゲートで自動チェック
学びを還元
チームでの活用
入り口は一つ。出口は、全員分。
組織の前提を
要望の例を選ぶと、
1つの共通バックログ全員が同じボードで働く
参加者：お客様、プロキシPO、AVATAR、開発チーム
-
要望1入り口
お客様
#128
予約した日時を、あとから変えたい
進捗
-
仕様1
プロキシPO＋AVATAR
#128AVATARが下書き
予約変更の機能
- 変更は予約日の前日18時まで
- 空きのある枠だけを選べる
- 変更後に確認メールを送る
設計思想・方針を参照
お客様が確認プロキシPOが承認
-
タスク分解3
AVATAR
#128-1
API：予約変更の処理
M#128-2
画面：日時の選び直し
L#128-3
通知：確認メールの送信
T
過去の実装・知見を参照
-
受け入れ条件3
AVATAR
#128AVATARが作成
- 前日18時を過ぎると変更できない
- 満席の枠は選べない
- 変更後、確認メールが届く
開発ルール・規約を参照
-
開発者の手元へ出口
開発チーム
担当ごとに届く
- M#128-1受信
- L#128-2受信
- T#128-3受信
- QA受け入れ条件受信
受け入れ条件つきで
届きました。
コピー＆ペーストなし
お客様の要望を
画面イメージです。実際の
画面イメージ
組織の決めごとを、1か所で見渡せます。
スキル、エージェント、ナレッジハブ、ゲートキーパー。組織で
共有スキルは、AIの「作業マニュアル」です。組織のルールや手順を
エージェントは、工程ごとの「AI担当者」です。設計・実装・レビュー・テストを、
ナレッジハブは、全プロジェクト共通の「記録棚」です。過去の実装や、
ゲートキーパーは、AIの「門番」です。本番データへの
利用状況は、AI活用の「見える化」画面です。AIが
利用モデルは、使うAIの「切り替えスイッチ」です。どのAI（Claude、OpenAIなど）を
共有スキル36件
スキル適用範囲状態最終更新
全チーム共有中9月30日
バックエンド共有中9月25日
全チーム共有中9月18日
インフラ下書き9月11日
ほか32件のスキル
コーディング規約共有中
適用範囲：全チーム
- 関数名は動詞から始める
- エラーは共通の形式で返す
- 外部APIの呼び出しには
再試行の上限を設ける
佐藤 ・ 9月30日に更新
エージェント12件
工程エージェント作業使うスキル
1設計設計エージェント要件から設計案をまとめる
2実装実装エージェント設計にそってコードを書く
3レビューレビューエージェントレビュー観点で確認する
4テストテストエージェントテストを追加して実行する
このほか：セキュリティ監査・ドキュメント作成・不具合調査 など8件
ナレッジハブ
検索語：決済24件
よく使う検索語
- 決済APIの重複防止
payment-api・ 2025年参照8回 - 返金処理のエラー設計
payment-api・ 2025年参照5回 - 外部決済サービスの再試行
booking・ 2024年参照3回
上位3件を表示
ゲートキーパー16件
ルール動作対象
本番データベースへの直接操作ブロック全チーム
APIキー・脆弱性の混入ブロック全チーム
大量のファイル削除確認してから実行全チーム
依存パッケージの追加確認してから実行バックエンド
ほか12件のルール
確認待ち：大量のファイル削除（32件）実装エージェント ・ 10:31
最近の記録
- ブロック本番データベースへの接続を止めました
- 確認済み依存パッケージの追加を、鈴木さんが承認しました
利用状況
今週のAI利用
1,248回
先週 1,106回
利用中のメンバー
36人
登録 42人中
よく使われたスキル
コーディング規約
今週 412回
チーム別のAI利用（今週）単位：回
利用モデル5件
モデル主な用途接続
Claude設計・レビュー接続済み
OpenAI実装の補助接続済み
Gemini調査・要約未設定
DeepSeek実装の補助未設定
LLMゲートウェイその他のモデルをまとめて接続接続済み
画面イメージです。実際の
特長
組織の開発文化を、AIが理解する形に。
02
工程ごとに役割を持つAIエージェント
設計・実装・レビューなど、工程ごとに役割を持つ決められた役割と手順にそって、作業を自分で進めるAIのこと。設計・実装・レビューなど、工程ごとに役割を分けて動かせます。が開発を支援します。組織で決めた進め方を、そのままAIの作業手順として定義できます。
03
コマンドとフック
繰り返し発生する作業をコマンドとして整理し、決めておいたタイミングで、自動で動くしかけのこと。たとえばコードを保存する前に、規約に合っているかを毎回チェックできます。で日々の開発プロセスに組み込みます。
04
ナレッジハブ
プロジェクトで得られた知見を蓄積し、次の開発にそのまま再利用できる形で残します。誰かがドキュメントを書くのを待つ必要はありません。同じ失敗を、二度繰り返しません。
05
ゲートキーパーとテレメトリ
利用範囲の制御と、誰が・どこで・どれだけAIを使ったかを自動で記録し、数字で見られるようにするしくみのこと。による稼働状況の可視化で、AI活用を組織として管理できます。パスワードにあたるAPIキーの混入も、セキュリティ上の弱点も、コードが手元を離れる前に止めます。AIの利用状況が数字で見えるので、投資判断の材料にもなります。
画面イメージです。実際の
標準装備
初日から使える装備。
約束では
SKILLS
50+
すぐ使える
専門スキル AGENTS
20+
役割別の
AIエージェント COMMANDS
50+
自動化された
コマンド SECURITY
24/365
止まらない
セキュリティゲート
選ばれる理由
ツールを配って終わりには、しません。
機能そのものではなく、
-
自社の開発現場で、毎日使っています
弊社のエンジニアが日々の開発で使っている仕組みを、そのまま製品にしました。社内で続かなかったやり方は入っていません。実際の案件で使いながら、必要な部分だけを残してきました。
-
使うAIを、あとから選び直せます
複数のモデルに対応しているため、用途や費用の見直しに合わせて切り替えられます。Claude・OpenAI・Gemini・DeepSeek をはじめとする主要なモデルに対応しており、特定のAIに縛られたまま運用する必要がありません。
-
いまの開発環境の上に、そのまま乗ります
普段お使いのエディタやソース管理と連携して動きます。GitHub・GitLab との連携にも対応しているため、開発の進め方そのものを作り替えていただく必要はありません。
-
開発会社が設計しています
受託開発を続けてきた会社が組み立てているため、レビューや品質の確認など、現場で省けない工程を前提にした作りになっています。導入後の運用についても、開発の実務がわかる担当がご相談を承ります。
導入効果
個人の工夫を、組織の標準に。
横にスクロールしてご覧ください
こんな組織に向いています
- 受託開発・ソフトウェア企業納品の速さと品質を、
案件ごとに ブレさせたくない。 - プロダクト／開発チーム各自バラバラに
AIを使っている 状態を、共通の型に 揃えたい。 - 拡大中の組織人が増えても、
品質と進め方を 保ちたい。
導入フロー
小さなチームから、組織全体へ。
STEP 01
現状の把握
現在の
STEP 02
コンテキストの定義
設計思想や
STEP 03
試験運用
対象チームで
STEP 04
全社展開
対象を
よくあるご質問
導入前に、よくいただくご質問
複数のLLMに対応しているため、現在お使いのモデルを活かせる場合があります。構成については個別にご相談ください。
可能です。まずは現場で共有されている暗黙のルールを洗い出すところから始め、運用しながら定義を育てていく進め方をおすすめしています。
組織の設計思想や規約をあらかじめ共有したうえで出力させ、レビュー工程も含めて運用に組み込みます。基盤側でも利用範囲を制御できます。
あります。人数が少ないほど個人差の影響が大きく、知見が個人の中に閉じやすいためです。小さく始めて広げる進め方が可能です。