AI要件定義で変わること｜AIが整理し人が決める範囲
AI駆動開発では、要件定義のうち「整理する作業」をAIが担える場面が増えています。一方で、何を作り、何を作らないかという判断は、これまでと同じく人の仕事です。この記事では、AI要件定義でAIに任せやすい部分と人が決めるべき部分を分けて、新規事業に取り組む会社が押さえておきたい点を解説します。
AI駆動開発で、要件定義の何が変わるのか
要件定義とは、これから作るシステムが「何をできればよいのか」を言葉にして、関係者の間で合意する工程です。基本的な考え方は 要件定義とは？新規事業で抜け漏れとズレを防ぐ進め方 でも整理しています。
従来の要件定義は、ヒアリングをして、議事録をまとめ、要件一覧や画面の構成に落とし込み、関係者で読み合わせるという流れが中心でした。この中には、頭を使うが作業としては重い部分がたくさんあります。話の断片を整理する、似た要件をまとめる、書き漏れを探す、文書の体裁を整える、といった仕事です。
AIが変えるのは、主にこの「重い作業」の部分です。大規模言語モデル（LLM：文章を理解して生成するAI。GPTやClaudeなどが該当します）は、散らばった情報を構造化することや、文章の草案を作ることが得意です。そのため、要件の草案が早く出てくるようになります。
ただし、草案が早く出ることと、要件が正しく決まることは別の話です。AIが速く書けるようになったぶん、「何を作るのか」を決める人の判断が、全体の質を左右しやすくなります。AI駆動開発全体の役割分担は AI駆動開発とは｜AIと人の役割分担と発注側の要点 で扱っているので、ここでは要件定義に絞って見ていきます。
AIが得意な部分：整理・点検・草案づくり
要件定義でAIが力を発揮しやすいのは、次の3つです。
断片的な情報を構造化する
新規事業の初期は、アイデアが箇条書きのメモ、会議の発言、過去の資料などに散らばっています。これをAIに渡すと、「利用者の種類」「やりたいこと」「必要な画面」「扱うデータ」といった項目に分けて整理してくれます。
整理された形になると、人は「ここが足りない」「この表現は意図と違う」と指摘しやすくなります。白紙から書くより、叩き台を直すほうが速く進められる場面は多いはずです。
抜け漏れや矛盾を点検する
要件が増えてくると、同じ機能の説明が箇所によって食い違う、ある機能に必要な前提が別の箇所に書かれていない、といった問題が出てきます。AIは文書全体を読み通して、こうした食い違いや、一般的なシステムで通常考えられる項目（たとえばログインに関わるパスワード再設定、データの削除方法、エラー時の表示など）の書き漏れを指摘できます。
人が読み合わせるときは、どうしても慣れた部分を読み飛ばしがちです。AIによる点検は、人の確認を置き換えるものではなく、人の見落としを減らす補助として使うのが現実的です。
草案を次の工程へ展開する
要件がある程度まとまると、AIは画面の構成案、データの持ち方（DB設計）の案、確認すべき質問のリストなどを作れます。要件定義から設計、実装へ工程をまたいで情報を引き継ぎやすくなるのも、AIを使う利点です。
JustFitが使う開発基盤「LAF」も、要件定義・設計・DB設計・実装・テスト・レビューという工程ごとに専門のAIを置き、チームとして開発を進める考え方です。その中でも、人は「何を作るかを決めること」と「品質の最終判断」を担います。仕組みの全体像は AIエージェントが開発チームになる仕組みと発注の要点 で説明しています。
人が決める部分：目的・優先順位・判断基準
AIが草案を出せるようになっても、次の3つは人が決める必要があります。
何のために作るのか、何を作らないのか
要件定義で最も大切なのは、事業の目的に対して「何を作り、何を作らないか」の線引きです。AIは依頼された範囲で、もっともらしい要件を広げてくれます。しかし、広げることはできても、「今回は見送る」と決めることはできません。
新規事業では、最初から多くの機能を持たせるほど、検証に時間がかかります。最初に作る範囲を絞る考え方は MVP開発の機能の絞り方｜最初に作るものと後回しの基準 で整理しています。AIが出した要件一覧を眺めて、「この中で、事業の仮説を確かめるのに本当に必要なものはどれか」を選ぶのは人の役割です。
事業の仮説と、確かめる指標
新規事業のシステムは、仕様どおりに動けば成功、というものではありません。「この顧客は、この機能にお金や時間を使ってくれるはずだ」という仮説が正しいかを確かめるために作ります。
そのため、要件定義の段階で「何が分かれば次へ進むのか、何が分かれば止めるのか」を決めておく必要があります。これは事業への責任を持つ人にしか決められません。考え方は MVP検証の指標を先に決める方法｜判断基準の作り方 が参考になります。
責任を伴う判断
個人情報をどこまで扱うか、権限をどう分けるか、決済や契約に関わる処理を自社で持つか外部サービスを使うか。こうした判断は、法務・セキュリティ・事業リスクに関わります。AIは選択肢と一般的な注意点を挙げることはできますが、結果に責任を負うのは人です。
AIが生成したものの品質や安全性に人の確認が必要な理由は、AI開発でも品質には人の確認が必要な理由 でも触れています。要件定義の段階でも、同じ考え方が当てはまります。
AIに任せるときに起きやすい落とし穴
AIで要件定義を進めるときに、特に注意したい点が4つあります。
- 文章がもっともらしく見える：整った文章で出てくるため、前提が誤っていても気づきにくくなります。読むときは「これは自分たちの事業の話か」を確かめる必要があります。
- 網羅されている印象を持ちやすい：項目が多く並ぶと、検討が尽くされたように感じます。しかし、一般的な項目が並んでいるだけで、自分たちの事業に固有の論点が抜けていることがあります。
- 要件が膨らみやすい：AIは「あったほうがよい機能」を提案しがちです。そのまま採用すると、最初に作る範囲が広がり、検証が遅れます。
- 言葉の合意で終わってしまう：AIで文書が早く整っても、関係者が同じものを思い浮かべているとは限りません。文書の完成度が上がるほど、合意した気になってしまう点にも注意が必要です。
4つめは、AI以前から開発の認識違いの典型的な原因でした。言葉だけで要件を決めると、できあがってから「思っていたものと違う」となりやすい、という問題です。詳しくは システム開発の認識のズレを防ぐ、実物を見ながらのすり合わせ で扱っています。
実物を見ながら要件を固めるという進め方
AIによって文書は早く作れるようになりましたが、文書で合意することの限界は変わっていません。そこで有効なのが、要件を文書だけで固めきらず、動く実物を先に作って確かめる進め方です。
AI駆動開発では、要件の草案から画面や動作のある試作品までを、短い期間で作れるようになってきました。試作品を触ってみると、文書を読んでいたときには出なかった指摘が出てきます。「この順番では使いにくい」「この情報は一覧に出したい」「この機能は思ったより要らない」といった具合です。
このとき、AIと人の分担は次のようになります。
- 人が、事業の目的と確かめたい仮説を言葉にする
- AIが、要件の草案と動く試作品を作る
- 人が、試作品を触って「違う」「足りない」「要らない」を判断する
- AIが、その指摘を反映して直す
AIが整理と作成を担い、人が判断を担う形です。要件定義と試作を行き来することで、「仕様を先に固めてから作る」従来の順序よりも、手戻りを早い段階で見つけやすくなります。
試作品とMVP、モックの違いは プロトタイプとMVP・モックの違いを整理｜新規事業の使い分け で整理しています。目的に応じて、どの段階の実物を作るかを選ぶ参考になります。
仕様が固まっていなくても進められる
「要件が固まってから発注しなければならない」と考えて、相談が止まっている会社もあるかもしれません。しかし、AIで草案を作りながら進められるのであれば、最初から完成した要件定義書を用意する必要性は下がります。仕様が固まっていない段階でどう相談するかは、仕様が決まってないシステム開発の相談は可能か で扱っています。
発注側が事前に用意しておくと進めやすいこと
AIが整理してくれるとはいえ、材料がまったくないと、出てくるものも一般論になります。次の4点を、完璧でなくてよいので言葉にしておくと、要件定義がスムーズに進みます。
- 事業の目的：誰のどんな困りごとを、どう解決したいのか。1〜2文でかまいません。
- 確かめたい仮説：「こうなれば事業として成り立つ」と考えている点。
- 既にある資料：企画書、競合のメモ、顧客から聞いた声など。AIが整理する材料になります。
- 判断できる人：試作品を見て「これでよい／違う」を言える人。決める人が曖昧だと、指摘が集まらず、要件が前へ進みません。
最後の点は、発注側の役割としてとても重要です。判断する人の置き方は 発注側のプロダクトオーナーとは｜役割と判断のしかた で説明しています。依頼前の準備全般は システム開発を依頼する前の準備と流れ｜新規事業編 も参考になります。
AI要件定義を使うときの確認ポイント
AIを使った開発を外注する場合、要件定義についても、次の点を確かめておくと安心です。
- 要件の草案を、AIだけでなく人がレビューする体制になっているか
- 要件の変更や追加が出たとき、どう扱うのか
- 文書だけでなく、動くものを見て確認する機会があるか
- 最終的な「何を作るか」の判断が、発注側に残る進め方か
- 要件定義の内容が、設計や実装にどう引き継がれるのか
こうした点は、AIを使うかどうかにかかわらず確認したいことですが、AIで工程が速く進むほど、確認の機会を意識して持つことが大切になります。依頼先を選ぶときの視点は AI受託開発に依頼する前に確かめたい6つのこと にまとめています。メリットと注意点を整理して知りたい場合は AI駆動開発のメリットとデメリット｜向く開発と注意点 も合わせてご覧ください。
まとめ
AI要件定義でAIが担いやすいのは、情報の構造化、抜け漏れや矛盾の点検、草案の作成と次工程への展開です。一方、事業の目的、何を作らないかの線引き、検証の指標、責任を伴う判断は、これまでと同じく人が決める部分です。
ポイントを整理すると、次のとおりです。
- AIは「整理する作業」を速くするが、「決める作業」は代わらない
- AIが出す草案はもっともらしく見えるため、自分たちの事業に合うかを人が確かめる
- 要件が膨らみやすいので、最初に作る範囲は人が絞る
- 文書だけで合意せず、動く実物を触って確かめると、認識のズレを早く見つけやすい
- 事業の目的、仮説、判断できる人を言葉にしておくと、AIの出力も良くなる
JustFitは、構想をもとに約1ヶ月で動くプロトタイプを先に開発し、実物を見てから契約を判断していただく受託開発サービスです。独自の開発基盤LAFでは、要件定義から実装、レビューまでを専門のAIが進め、人は「何を作るか」と「品質の最終判断」を担います。仕様が固まっていない段階でもご相談いただけますので、新規事業のアイデアを動く形で確かめたいときは、JustFitのサービス紹介をご覧ください。