AIが4人チームを組んで開発する時代｜Telegram＋カンバンで動くマルチエージェント開発の仕組みを読む

AIが「チーム」を組むとはどういうことか

ソフトウェア開発の現場には、プロジェクトマネージャー、バックエンドエンジニア、フロントエンドエンジニア、テスターという役割分担がある。この構造を、AIエージェント4体でそのまま再現した実装例がX（旧Twitter）で注目を集めた。ゴールをTelegramで送ると、AIのPMがタスクに分解し、それぞれの担当エージェントに割り振る。カンバンボードが全エージェントの「共有メモリ」として機能することで、単なる4つのAIの集合体ではなく、文字通りのチームになっている。

これを「どうせエンジニアの話でしょ」と思って読み飛ばすのは少し惜しい。この仕組みが示しているのは、AIの使い方が「1対1の質問応答」から「役割を持った複数エージェントの協調作業」へ移行しつつあるという方向性だ。その変化は開発の世界にとどまらず、ビジネスプロセス全般に波及していく可能性がある。

4つのエージェントは何をしているか

PMエージェントが全体を設計する

この仕組みの中核はプロジェクトマネージャー役のエージェントだ。Telegramに「ユーザー認証機能を作る」といったゴールを送ると、PMエージェントはそれをタスクに分解し、依存関係を整理した上でカンバンボードに書き込む。「バックエンドのAPIが完成してからフロントエンドの画面を作る」という順序関係も、PMが明示的に定義するため、他のエージェントは自分のタスクが終わったら次に何をすべきかを迷わない。人間のPMが行うWBS（作業分解構造）の作成に相当する工程を、AIが自律的に行っている点が重要だ。

「クラッシュしても死なない」カンバンの役割

この実装で特徴的なのが、カンバンボードをデータの永続化先として使っている点だ。各タスクは行（row）として書き込まれ、エージェントのプロセスが落ちても状態が残る。エージェントがタスクを完了したとき、次のエージェントへの引き継ぎとして「何を作ったか」「次に何が必要か」のサマリーも書く。これによって、各エージェントは前のエージェントが何をしたかを知った状態で作業を始められる。

この「共有カンバン」こそが、4つの個別AIをチームに変換しているポイントだ。共通の文脈なしに複数エージェントを並べても、それぞれがバラバラに動くだけになる。コンテキストの共有と引き継ぎの仕組みをどう設計するかが、マルチエージェント実装の核心であることがよくわかる。

「4エージェントチーム」の構成を整理する

この実装の構成要素を整理すると、以下のようになる。それぞれの役割と依存関係を見ると、人間のソフトウェア開発チームの構造をほぼそのまま写し取っていることがわかる。

この依存関係の整理は、人間チームでもAIチームでも変わらない。何かを自動化しようとするとき、まず「誰が何に依存しているか」を明確にしないと、並列化も分業もうまく機能しない。この原則はソフトウェア開発以外でも成り立つ。

会社員がこれをどう読むか

「AIに任せる」の単位が変わっていく

現時点で多くの会社員がAIを使うとき、「ChatGPTに文章を書かせる」「調査を依頼する」という1対1のやりとりが中心だ。しかしこのマルチエージェントの発想は、タスクをより大きな単位で任せることを可能にしていく。たとえば経営企画部門で働く40代のマネージャーが、「来期の部門戦略をまとめたい」というゴールを入力すると、情報収集エージェント、分析エージェント、資料構成エージェント、レビューエージェントが順番に動いてドラフトを仕上げる——そういう使い方が数年のうちに現実のものになりつつある。

もう少し現実的な例で言えば、人事部の採用担当者が「次の採用要件の骨子を作りたい」と入力したとき、求人票のドラフト、競合他社の給与水準調査、JDの法的チェック、面接評価シートの作成を、それぞれ専門のエージェントが分担する構成は技術的に近い将来実現しうる。プロンプトエンジニアリングの基礎を押さえていれば、こうした仕組みを自分の業務に組み込む下地は今から作れる。

Telegramをインターフェースにした理由

この実装がTelegramから操作できる設計にしているのは、開発の利便性だけが理由ではない。チャット形式でゴールを送るというUIは、技術的な知識のないユーザーにとっても直感的に使いやすい。「システムへの指示」という行為が、LINEや社内チャットにメッセージを送る感覚と同じになることで、利用のハードルが大幅に下がる。AIエージェントが普及する際のUXとして、チャットインターフェースが主流になるのはほぼ確実な流れと見てよい。

マルチエージェントの「落とし穴」も知っておく

一方で、このアーキテクチャには現段階での課題も正直に見ておく必要がある。エージェントが増えると、それぞれのLLM呼び出しコストが積み上がる。4エージェントがそれぞれ複数ターンやり取りすれば、API費用はシングルエージェントの数倍になりうる。また、PMエージェントのタスク分解の精度が低いと、後続のエージェント全員が誤った方向で作業してしまう「上流バグ」のリスクがある。

加えて、エージェント間の引き継ぎサマリーがどこかで不正確になると、チェーン全体が崩れる可能性もある。カンバンへの書き込みを「真実の唯一の源」として使うアプローチはその対策として有効だが、完全な解決策ではない。現時点では、人間が途中でサマリーの内容を確認する「ヒューマン・イン・ザ・ループ」を残しておく設計の方が実用的な場面が多い。ChatGPTをどこまで業務に使えるかを考えるときと同じで、どこに人間の確認を挟むかの設計が、AIを使う上での核心的な判断になる。

まとめ

このマルチエージェント開発チームの事例が示しているのは、AIとの関わり方の「粒度」が変わりつつあるという事実だ。1つのAIに1つの質問をする使い方は変わらず有効だが、それと並行して、ゴールを渡せば役割分担・依存関係管理・引き継ぎまで自律的に行うチームを構成するという使い方が現実のものになってきた。今すぐ4エージェントシステムを構築する必要はないが、「自分の業務で、どの工程を誰（何）に任せられるか」を分解して考える習慣は、今日からでも持てる。その分解思考こそが、マルチエージェント時代に自分の仕事のやり方を更新するための最初のステップになる。