医療情報システムの開発現場では、AI駆動開発でスピードを上げたいという期待と、遵守すべき業界ガイドラインの多さという現実が正面からぶつかります。厚生労働省・経済産業省・総務省による、いわゆる3省2ガイドラインをはじめ、目を通すべき文書は膨大です。AWSの公式ブログ「Kiroとともに医療情報システムのガイドライン遵守開発に挑む」（2026年7月2日公開、著者はソリューションアーキテクトの吉村寛昭氏）では、AIネイティブIDEであるKiroをチームの一員として育て、ガイドライン遵守と開発効率を両立させる実験的なアプローチが示されています。

本記事では、AWSサーバーレスと生成AIを主軸に開発を進めるRagateの視点から、その要点をエンジニア目線で整理します。Kiroの機能であるAgent SkillsとAgent Steering、そして人間とAIの協働フローが、どのように「ガイドラインの壁」を越える助けになるのかを見ていきます。

医療情報システム開発が抱える「ガイドラインの壁」

医療領域のシステムは、患者情報という機微なデータを扱うため、安全管理に関する要求が非常に高くなります。中心となるのが3省2ガイドラインで、厚生労働省の「医療情報システムの安全管理に関するガイドライン」は現在第7.0版まで版を重ね、概説編・経営管理編・企画管理編・システム運用編・保守委託機関編という5編で構成されています。これに経済産業省・総務省の事業者向けガイドラインや、電子カルテ標準仕様なども加わり、開発者が押さえるべき文書は幾重にも積み重なります。

ここでAIに頼ろうとしても、単純に全文を読み込ませる方法には限界があります。ブログによると、これらのガイドラインは合計で160ページを超え、厚生労働省ガイドラインの1編だけをClaude Opus 4.8（コンテキストウィンドウ100万トークン）に添付しても、それだけでコンテキストの約29%を消費するとされています。大量の情報を一度に詰め込むほど、モデルが本当に必要な内容を見失いやすくなるという課題は、Context Rotなどの研究でも指摘されています。

ブログが提示する本質は、すべてを投げ込むのではなく、必要なときに必要な情報を必要な分だけ動的に渡すコンテキスト管理にあります。この考え方を支えるのが、次に紹介するKiroの2つの機能です。

Kiroとは何か ― 仕様駆動のagentic開発環境

Kiroは、仕様駆動開発に対応したagenticな開発環境です。単にコードを生成するツールではなく、プロンプトから実行可能な仕様を組み立て、人間とエージェントが協働してソフトウェアを設計・実装していくプラットフォームとして位置づけられています。

機能面では、複数エージェントの並行作業、MCP（Model Context Protocol）による外部連携、手書き図やプロトタイプを取り込めるマルチモーダル入力、ドキュメント添付などに対応します。これらを組み合わせることで、企画段階の壁打ちから実装・テストまでを一貫してKiroとともに進められます。医療情報システムのように前提知識が多い領域では、この一貫性が特に効いてきます。

Agent Skills ― ガイドライン知識を動的に渡す

Agent Skillsは、ガイドラインのような大量の知識をKiroへ動的に提供する仕組みです。膨大な文書を丸ごと抱え込むのではなく、Markdownファイルとしてトピック単位に分割し、必要な場面でだけ読み込ませる点が特徴です。

分割の切り口は、扱う領域に応じてネットワーク、認証、データ管理、セキュリティといったトピックに整理します。エントリとなるSKILL.mdから関連する参照ファイルへたどれるように構成し、開発中の話題に合わせて該当スキルだけがコンテキストへ載るようにします。これにより、先ほどの約29%というコンテキスト消費の問題を避けながら、ガイドラインの該当箇所をピンポイントで参照できます。補助的にAgent Hooksを併用すれば、特定の操作を起点に必要な確認を促すこともできます。

Agent Steering ― 開発標準をチームで共有する土台

Agent Steeringは、ワークスペース全体の開発標準を定義し、Kiroに常時意識させる仕組みです。プロダクトの前提、技術スタック、ディレクトリ構成やコーディング規約などを、product.md・tech.md・structure.mdといったMarkdownファイルに記述します。

Agent Skillsが必要時に読み込まれるのに対し、Agent Steeringはセッションごとに自動でコンテキストへ読み込まれます。そのため、毎回同じ前提を指示し直す必要がありません。次の表に両機能の違いを整理します。

いずれの機能もMarkdownで記述するため、Gitで版管理してチーム全体に共有できます。既存の開発ワークフローを置き換えることなく後付けで導入できる点は、現場に負担をかけにくい大きな利点です。

人間とAIの協働フロー ― 4フェーズと共通制御ループ

ブログでは、Kiroとの協働を企画・準備・開発・改善という4つのフェーズで捉えています。企画フェーズでは手書き図やプロトタイプを使ってKiroと実現可能性を検討し、準備フェーズでAgent SkillsとAgent Steeringを整備します。開発フェーズはAI-DLC Workflowに沿って要件定義から設計・実装・テストへ進み、改善フェーズでガイドラインの改定に追随して仕組みを強化します。

各フェーズに共通して回るのが、人間とAIの制御ループです。人間がタスクを依頼し、AIが計画を作成、人間がレビューして必要なら計画を見直し、承認のうえでAIが実行、最後に人間が成果物を検証するという流れを繰り返します。ここで重要なのは、AIが計画に不明点があれば[Question]タグで逆質問し、人間が[Answer]で意図を明確化する運用です。曖昧なまま実装へ進めず、合意した計画だけを実行に移すため、後戻りのリスクを抑えられます。

組織全体を底上げする非侵襲的アプローチ

このアプローチがもたらす価値は、単なる個人の生産性向上にとどまりません。ブログは大きく3つの効果を挙げています。まず、企画担当から実装者まで同じ前提を備えたKiroと協働できるため、ロールを横断して指示の精度がそろいます。次に、MarkdownベースのAgent SkillsとAgent Steeringは既存の流れを壊さず後付けできます。そして、共有されたKiroによって担当者ごとの差が縮まり、組織全体としてより良い結果へアクセスしやすくなります。

Ragateでは、仕様駆動開発とバイブコーディングを組み合わせ、「何を作るか」は人間が制御しながら実装をAIに委ねるハイブリッドな進め方を重視してきました。ガイドラインという明確な制約が存在する医療領域は、まさにこの考え方と相性がよい領域だといえます。人間が守るべき基準を仕組みとして与え、AIがその範囲で高速に手を動かす構図です。

なお、このブログのアプローチはあくまで実験的なものとして紹介されており、各組織が自らの状況に合わせて取捨選択し、カスタマイズすることが推奨されています。ガイドライン遵守が求められるシステム開発にAIをどう組み込むか悩んでいる方は、まずは手元のドキュメントを小さくMarkdownに分割するところから、Kiroとの協働を試してみてはいかがでしょうか。