AI駆動Salesforce開発手法について考える

3 weeks ago

sigulog

2 minutes

AI駆動Salesforce開発手法

AI駆動Salesforce開発手法 – ウォーターフォール工程への実装ガイド

はじめに

AI技術の進化により、Salesforce開発の現場も大きく変わりつつあります。しかし、「AI開発」という言葉には注意が必要です。AIを使った開発とAIを提供する開発は全く異なる概念です。

本記事では、前者の「AIを使った開発」、つまりChat形式のAI(Claude、ChatGPTなど)とコーディングAI(GitHub Copilot、Cursorなど)を活用したSalesforce開発手法について、ウォーターフォール型プロジェクトへの適用を中心に解説します。

Agentforce導入の現状

2025年5月時点で、Agentforceは5,000件以上の契約を獲得しており、そのうち3,000件が有料契約、実際に本番環境で稼働しているのは800社程度です。これはAgentforce顧客全体の約10%が実運用フェーズに到達していることを示しています。

また、過去6ヶ月でAIエージェントの使用が233%増加し、8,000社以上の顧客がAgentforceの導入を契約したという報告もありますが、多くのパートナー企業は依然としてAgentforceを自信を持って販売・提供する方法が明確でないと感じている状況です。

このように、Agentforce(AIを提供する開発)はまだ初期段階であり、多くの企業が導入を検討している段階です。一方で、Chat AIやコーディングAI(AIを使った開発)は既に多くの開発現場で実用化が進んでいます。

AIを活用する前に:システムプロンプトの重要性

AIを開発業務に活用する際、最も重要なのは適切なシステムプロンプト(利用ガイドライン)を設定することです。誤った情報の生成、法令違反、倫理的問題を防ぐため、以下のようなシステムプロンプトを設定しましょう。

1. 基本的な倫理・コンプライアンスプロンプト

あなたはSalesforce開発をサポートするAIアシスタントです。以下のルールを厳守してください:

【必須遵守事項】
1. 法令違反となるコードや設計は絶対に提案しない
2. 個人情報保護法(GDPR、日本の個人情報保護法など)に違反する実装を提案しない
3. セキュリティ脆弱性を含むコードを生成しない(SQLインジェクション、XSS、CSRF等)
4. Salesforceのガバナンス制限(Governor Limits)を考慮した実装を提案する
5. 不確実な情報については必ず「確認が必要」と明示する

【情報の正確性】
- 古いAPI情報や非推奨機能について言及する際は、必ずその旨を明記する
- 最新のSalesforceドキュメントを参照することを推奨する
- 推測ではなく、確実な情報のみを提供する

2. セキュリティ特化プロンプト

【セキュリティ要件】
1. 認証・認可の実装では、Salesforceの共有設定とプロファイル・権限セットを適切に活用する
2. SOQL/SOSLクエリには必ずWITH SECURITY_ENFORCEDまたはUser Modeを使用する
3. 機密データの取り扱いでは、Platform Encryptionやマスキングの使用を検討する
4. 外部API連携では、Named Credentialを使用し、ハードコードされた認証情報を含めない
5. Lightning Web Component (LWC)では、XSS対策として適切なエスケープ処理を実装する

3. コード品質保証プロンプト

【コード品質基準】
1. Apexコードではトリガーハンドラパターンを使用し、ロジックをトリガーから分離する
2. 全てのApexクラスとメソッドに対して、最低75%以上のテストカバレッジを確保する
3. バルク処理を考慮し、ループ内でのSOQL/DMLを避ける
4. エラーハンドリングを適切に実装し、ユーザーフレンドリーなエラーメッセージを提供する
5. コードコメントは英語で記述し、複雑なロジックには必ず説明を付ける

4. Salesforceベストプラクティスプロンプト

【Salesforceベストプラクティス】
1. 設定ファーストアプローチ:可能な限り宣言的開発(フロー、プロセスビルダー)を優先する
2. カスタムメタデータタイプを活用し、ハードコーディングを避ける
3. プラットフォームイベントやChange Data Captureで疎結合なアーキテクチャを実現する
4. Lightning Design System (SLDS)を使用し、一貫性のあるUIを実装する
5. API制限を考慮し、バッチ処理やスケジュール可能Apexを適切に活用する

ウォーターフォール工程におけるAI活用マトリクス

以下の表は、各開発工程におけるAI活用の可能性を示しています。

工程	AI活用可能度	Chat AI活用例1	Chat AI活用例2	Chat AI活用例3	コーディングAI活用例1	コーディングAI活用例2	PJ依存度	注意点
要件定義	◎ 高	要件の整理と構造化	ユースケースの洗い出し	質問リストの生成	要件トレーサビリティマトリクス生成	ストーリーポイント見積もり補助	中	ビジネスドメイン知識が不可欠、顧客との対話は必須
基本設計	◎ 高	データモデル設計の提案	アーキテクチャパターンの提案	設計書レビューとフィードバック	Mermaid記法での図表生成	設計書テンプレート自動生成	中	Salesforceの制約理解が必要、既存システムとの整合性確認
詳細設計	○ 中〜高	ロジックフローの整理	エッジケースの洗い出し	API仕様書作成支援	詳細設計書からコードスケルトン生成	テストケース仕様書の自動生成	高	細かい業務ロジックは人間の確認必須
開発	◎ 非常に高	コードレビューとリファクタリング提案	エラーメッセージの解析	デバッグ支援	Apex/LWCコード生成	定型コードの自動補完	低	生成コードの動作確認は必須、ガバナンス制限の考慮
単体テスト	◎ 非常に高	テストシナリオ作成	境界値分析	テストデータ設計支援	Apexテストクラスの自動生成	モックオブジェクト生成	低	テストカバレッジだけでなく品質を重視
内部結合/外部結合テスト	○ 中	統合テストシナリオ作成	システム間連携のテストケース設計	不具合分析とトリアージ支援	テストデータ生成スクリプト作成	統合テスト用のMockクラス生成	高	実際のシステム構成知識が必要、外部システム仕様の理解が前提
総合テスト	△ 低〜中	テスト計画書レビュー	不具合傾向分析	テスト報告書作成支援	自動テストスクリプト生成(Selenium等)	パフォーマンステストツール設定	高	E2Eテストは人間の判断が重要、業務フロー全体の理解が必須
受入テスト	△ 低	受入基準の明確化支援	テスト手順書作成	ユーザーマニュアル作成支援	–	–	非常に高	顧客の主観的判断が中心、AI活用は補助的
リリース	○ 中	リリースチェックリスト作成	ロールバック手順書作成	リリースノート生成	デプロイスクリプト生成	変更セットの差分確認自動化	中	本番環境への影響を慎重に評価、最終確認は必ず人間が行う

活用度の評価基準

◎ 非常に高/高: AIが大幅な効率化と品質向上を実現できる工程
○ 中: AIが有効だが、人間の専門知識が重要な工程
△ 低: AIの活用は限定的で、人間の判断が中心となる工程

PJ依存度の説明

低: どのプロジェクトでも同様にAI活用可能
中: プロジェクトの性質により活用方法が変わる
高: プロジェクト固有の知識が必要で、AI活用には工夫が必要
非常に高: プロジェクト固有要素が強く、AI活用は補助的

各工程での具体的なAI活用例

要件定義でのAI活用

活用例1: 要件の構造化

プロンプト例:
「以下の顧客からのヒアリング内容を、機能要件と非機能要件に分類し、
優先度を付けて整理してください。また、不明確な点や追加確認が必要な
項目があれば指摘してください。

[ヒアリング内容]
...

活用例2: ユースケース図の作成支援

プロンプト例:
「営業担当者が商談情報を登録する業務について、主要なユースケースを
列挙し、Mermaid記法でユースケース図を作成してください。」

開発工程でのAI活用

活用例1: Apexトリガーの実装

プロンプト例:
「Accountオブジェクトに対して、以下の要件を満たすトリガーを実装してください:
- レコード作成時に業種(Industry)が未設定の場合、デフォルトで'その他'を設定
- レコード更新時に従業員数(NumberOfEmployees)が変更された場合、
  関連するContactレコードのカスタム項目を更新
- バルク処理対応
- トリガーハンドラパターンを使用
- 適切なエラーハンドリングを含む
- テストクラスも合わせて作成

活用例2: Lightning Web Componentの実装

プロンプト例:
「取引先責任者(Contact)の一覧を表示するLWCを作成してください:
- データテーブル形式で表示
- 検索機能(名前、メールで検索可能)
- ページネーション(1ページ10件)
- SLDS準拠のデザイン
- エラーハンドリング
- アクセシビリティ対応

テスト工程でのAI活用

活用例: テストクラスの自動生成

プロンプト例:
「以下のApexクラスに対して、テストカバレッジ100%を達成する
テストクラスを作成してください:
- 正常系、異常系、境界値のテストケースを含む
- バルク処理のテストを含む
- テストデータはTest.loadData()を使用
- アサーションは具体的で意味のあるものにする

[Apexクラスのコード]
...

AIに任せられる業務レベルとリスク管理

AI活用において最も重要なのは、AIに任せられる業務レベルを正確に理解し、リスクがある業務は人間が担当するという原則です。以下、業務レベル別の分類とリスクを詳しく解説します。

AIの業務レベル分類マトリクス

業務レベル	内容	AI活用度	人間の関与	リスク度
Level 1: 定型・単純作業	テンプレート生成、コード補完、ドキュメント整形	◎ 全面的に活用可	最終確認のみ	低
Level 2: パターン化された作業	標準的なCRUD実装、テストクラス生成、設計書作成	○ 積極的に活用可	レビューと修正	中
Level 3: 判断を伴う作業	アーキテクチャ選定、複雑なロジック実装、パフォーマンスチューニング	△ 補助的に活用	主導的に関与	中〜高
Level 4: 戦略的・創造的作業	ビジネス要件定義、システム方針決定、セキュリティ設計	× 活用不可	人間が主導	非常に高

AI活用における主要リスクカテゴリ

1. 技術的リスク

1-1. セキュリティ脆弱性の生成リスク

リスク内容:

SQLインジェクションやXSS脆弱性を含むコードの生成
不適切な権限設定(Sharing設定の未考慮)
機密情報のハードコーディング
セッション管理の不備

具体例:

// AIが生成する可能性がある危険なコード例
String query = 'SELECT Id FROM Account WHERE Name = \'' + userInput + '\'';
List<Account> accounts = Database.query(query); // SOQLインジェクションの危険性

対策:

セキュリティレビューの徹底
静的コード解析ツール(PMD, Checkmarx)の活用
WITH SECURITY_ENFORCEDの使用を必須化

1-2. ガバナンス制限違反リスク

リスク内容:

SOQLクエリ数の超過(ループ内でのSOQL実行)
ヒープサイズの超過
CPU時間制限の超過
DML操作数の超過

具体例:

// 危険なパターン:ループ内でのSOQL
for(Account acc : accountList) {
    List<Contact> contacts = [SELECT Id FROM Contact WHERE AccountId = :acc.Id]; // NG
}

対策:

バルク処理パターンの強制
Governor Limitsを考慮したコードレビュー
性能テストの実施

1-3. 古い情報・非推奨機能の使用リスク

リスク内容:

非推奨APIの使用
サポート終了予定の機能の実装
古いベストプラクティスの適用

対策:

最新のSalesforceリリースノートの確認
生成コードのバージョン確認
Salesforce公式ドキュメントとの照合

2. ビジネスリスク

2-1. 要件誤解・仕様齟齬リスク

リスク内容:

AIが要件を誤って解釈
ビジネスロジックの欠落
エッジケースの見落とし
業界特有の規制への非対応

具体例:

金融業界での利息計算ロジックの誤り
医療分野でのHIPAA準拠要件の見落とし
税務処理での地域特有ルールの未考慮

対策:

要件定義段階での人間による詳細確認
ドメインエキスパートのレビュー
プロトタイプによる早期検証

2-2. データ整合性リスク

リスク内容:

不適切なトランザクション制御
データ整合性制約の見落とし
ロールバック処理の不備
並行処理での競合未対応

対策:

データベーストランザクションの明示的な管理
Savepoint機能の活用
ロック機構の適切な実装

3. コンプライアンスリスク

3-1. 個人情報保護法違反リスク

リスク内容:

GDPR、個人情報保護法への非準拠
不適切なデータ保持期間
同意なしの個人データ処理
データ越境移転の違法性

AIに絶対に任せてはいけない業務:

個人情報の取り扱い方針の決定
データ保持・削除ポリシーの設計
同意取得プロセスの設計

対策:

法務部門との連携
プライバシー影響評価(PIA)の実施
データ分類とラベリングの徹底

3-2. ライセンス違反リスク

リスク内容:

オープンソースライセンス違反のコード混入
Salesforceライセンス規約違反
サードパーティライブラリの不適切な使用

対策:

生成コードのライセンス確認
コピーライト表示の確認
使用許諾条件の遵守

4. 運用リスク

4-1. 保守性低下リスク

リスク内容:

可読性の低いコード生成
ドキュメント不足
命名規則の不統一
複雑すぎるロジック

対策:

コーディング規約の徹底
コードレビュープロセスの確立
リファクタリングの実施

4-2. テスト不足リスク

リスク内容:

不十分なテストカバレッジ
形骸化したテストケース(アサーションの不足)
境界値テストの欠如
統合テストの不足

対策:

テストカバレッジの数値目標設定(最低75%、理想は90%以上)
意味のあるアサーションの実装
テストコードのレビュー

AIに絶対任せてはいけない業務一覧

以下の業務は人間が必ず主導する必要があります:

戦略・方針決定レベル

システム全体のアーキテクチャ決定
- マルチテナント設計の採用判断
- オンプレミスvsクラウドの選択
- セキュリティポリシーの策定
ビジネス要件の最終決定
- ステークホルダー間の利害調整
- 優先順位の決定
- 投資対効果の判断
コンプライアンス判断
- 法令遵守の解釈
- 監査対応方針
- リスクアセスメント

機密・重要データの取り扱い

本番環境への直接操作
- 本番データの削除・更新
- 権限設定の変更
- リリース作業の実行
機密情報を含む実装
- 支払い処理ロジック
- 認証・認可メカニズム
- 暗号化キーの管理

顧客対応・契約

顧客との直接コミュニケーション
- 要件ヒアリング
- 仕様変更の合意
- 納期調整

リスク管理のためのチェックリスト

AI活用前に以下を確認してください:

実装前チェック

☐ 生成されるコードに機密情報が含まれないか
☐ セキュリティ要件が明確に定義されているか
☐ 法令・規制の制約を理解しているか
☐ プロジェクトのコーディング規約を確認したか
☐ エラーハンドリング要件が明確か

実装後チェック

☐ セキュリティレビューを実施したか
☐ 単体テストで十分なカバレッジを達成したか
☐ パフォーマンステストを実施したか
☐ コードレビューで第三者の確認を受けたか
☐ ドキュメントが適切に更新されたか

リリース前チェック

☐ 統合テストで問題が発見されなかったか
☐ 本番データでの動作確認は可能か(Sandbox)
☐ ロールバック手順が準備されているか
☐ 監視・アラート設定は適切か
☐ 利用者への説明資料は準備できているか

AI活用における注意点とベストプラクティス

1. AIの出力は必ず検証する

生成されたコードは必ず動作確認を行う
セキュリティの観点から脆弱性がないかチェックする
Salesforceのガバナンス制限に違反していないか確認する
リスクレベルが高い実装ほど、厳格なレビューを実施する

2. 段階的なAI活用を心がける

最初は低リスクな定型作業から開始
成功体験を積み重ねてから複雑な業務へ
常にリスクとリターンのバランスを評価

3. ナレッジの蓄積とリスク共有

効果的だったプロンプトを社内で共有する
AIで発生したインシデントを記録し、再発防止に活用
失敗事例も含めて学習する

4. 人間の専門知識を軽視しない

AIはあくまで支援ツール
最終的な判断は人間が行う
ビジネス要件の理解はAIでは代替できない
リスクが高い業務は必ず人間が主導する

5. 継続的な学習とリスク評価

AIツールは日々進化している
新機能や改善点を常にキャッチアップする
新しいリスクパターンにも注意を払う
コミュニティでの情報交換を積極的に行う

まとめ

AI駆動のSalesforce開発は、生産性と品質の両面で大きなメリットをもたらします。特に開発工程やテスト工程では、コーディングAIが大幅な効率化を実現します。

ただし、AIを効果的に活用するためには:

適切なシステムプロンプト(ガイドライン)の設定が不可欠
各工程の特性を理解し、AI活用可能な領域を見極める
AIに任せられる業務レベルを正確に理解し、リスクが高い業務は人間が主導する
技術・ビジネス・コンプライアンス・運用の4つのリスクカテゴリを常に意識する
AIの出力を盲信せず、必ず検証する文化を作る
人間の専門知識とAIを組み合わせるハイブリッドアプローチが最適

最も重要な原則

「AIは強力な道具だが、万能ではない」

Level 1-2の定型・パターン化された業務 → AIに積極的に任せる
Level 3の判断を伴う業務 → AIと人間の協働
Level 4の戦略的・創造的業務 → 人間が主導

この原則を守り、リスク管理を徹底することで、AI駆動のSalesforce開発は次のレベルへと進化します。本記事が、皆さんのプロジェクトにおける安全で効果的なAI活用の一助となれば幸いです。

参考情報

Salesforce Developer Documentation: https://developer.salesforce.com/
Salesforce Well-Architected: https://architect.salesforce.com/well-architected/overview
Apex Developer Guide: https://developer.salesforce.com/docs/atlas.en-us.apexcode.meta/apexcode/

#AI #salesforce