BLOG
ブログ
AI仕様書・システム開発DX・AI駆動開発（AIDD）など、日本のIT業界を変革する最新情報をお届けします。
AI要件定義ツールの選び方で迷うチーム向けに、入力、出力、レビュー、権限、開発連携の5軸を整理する。
バイブコーディングと仕様駆動開発の違いを、チーム開発のレビュー責任と品質保証の観点で整理する。
AI社員とは何かを、AIエージェントや生成AIとの違い、導入前に決める役割・権限・評価の観点で整理します。
生成AI PoCを本番化につなげるため、成功基準、Go/No-Go、運用体制、停止条件を判定会議で確認できる形に整理します。
SlackをAIエージェントの業務OSにする全8部連載の第1部。UI、実行基盤、権限、安全性から全体像を整理します。
Slack AIエージェント基盤の第2部。CLIエージェントをサーバーで動かし、Slackから安全に呼び出す設計を整理します。
Slack AIエージェント基盤の第3部。複数CLIを切り替え、ワーカープールで並行実装を回す設計を整理します。
Slack AIエージェント基盤の第4部。Slackの1メッセージを安全な実行ジョブへ変えるライフサイクルを整理します。
Slack AIエージェント基盤の第5部。自然文の依頼から適切なスキルを選ぶセマンティックルーターを整理します。
Slack AIエージェント基盤の第6部。短期文脈、長期ナレッジ、ユーザー設定に分けた記憶設計を整理します。
Slack AIエージェント基盤の第7部。投稿を待たず、点検・催促・再調査を行う定期実行の運用設計を整理します。
Slack AIエージェント基盤の第8部。成果物管理、安全性、観測性を整え、社内導入できる形へまとめます。
Slack AIエージェント基盤の全8部を、実行基盤、並行処理、記憶、定期実行、安全性の設計として総まとめします。
AIエージェ ントの要件定義で変更が入ったときに、何を先に決めれば手戻りを減らせるかを、差分・影響・再合意・版管理の順で整理します。
AI要件定義で迷いやすい版管理の論点を、入口・差分・再合意・戻し先の順で整理する。現場で使えるチェックリストもつけた。
AI要件定義では機能一覧より先に依存関係を決めた方が、手戻りを減らしやすい。入力・権限・状態・評価の順番を実務で整理する。
AIエージェントの入力設計を、目的・制約・参照文脈の3層で整理する。現場で迷いやすい論点を、実務で使える順番にまとめる。
AIエージェントの要件定義で停止条件を、権限・状態・不確実性の3軸で整理する。変更管理の入口と再開条件まで決めると、運用は崩れにくい。
AI社員の役割分担で迷いやすい論点を、読む・書く・確認するの3層に分けて整理します。現場で使える順番とチェックリストつきです。
AI要件定義では画面より先に状態遷移を決める。申請、承認、差戻しなどの流れを閉じると、AIの補完が運用に寄りやすい。
AI要件定義で先に閉じるべきなのは機能一覧ではなく例外条件。権限・状態・外部接続の線引きで手戻りを減らす。
AI要件定義では、できることを並べる前に禁止条件を決めた方が事故を減らしやすい。情報漏洩、権限外操作、曖昧入力時の挙動を先に固める実務手順を整理する。
AI要件定義では機能一覧より先に受け入れ条件を決める方がぶれにくい。完成条件、禁止条件、例外条件、判定方法を先に置く実務手順を整理する。
AIエージェントの入力と出力をJSONスキーマで固定すると、責任分界が明確になり、評価と実装が安定する。
AIエージェントが途中で崩れる原因は、モデルの賢さより状態管理にある。業務の途中経過をどう設計するかを整理する。
要件定義から設計・開発までをAIでつなぐなら、1本の長い指示ではなく3つの引き渡し箱に分ける。成果物、判断、テストを分離して手戻りを減らす。
要件定義を設計に渡す前に、AIが勝手に補完しないための3つの境界を整理する。入力、判断、停 止条件を分けて手戻りを減らす。
AI要件定義で先に決めるべきなのは、読む・書く・送るの権限境界。入力と出力を分けると、危険操作を止めやすくなる。
AI要件定義で先に決めるべきなのは機能一覧ではなく、現状と目標の差分。入力、判断、出力、権限、停止条件を分けると要件がぶれにくくなる。
AI上流工程では、仕様書を増やす前に論点を3つに圧縮する。成果物、責任分界、検証方法を先に決めると後工程が軽くなる。
AI要件定義で先に決めるべきなのは機能一覧ではなく、正常系・例外系・危険操作のテストケース。曖昧な仕様を実務で使える形に変える。
AIエージェントの要件定義で先に決めるべきなのは、機能一覧ではなく評価設計。成功条件、失敗条件、確認方法を具体化する。
AI 社員を作るなら、1体目の役割、評価設計、権限境界を先に決める。現場で詰まりやすい順番を実務ベースで整理する。
社内AIエージェントを作る前に、業務範囲・参照権限・実行権限をどう決めるか。要件定義で詰めるべき実務論点を整理する。
バイブコーディングで設計書を全部捨てると何が起きるのか。AI開発で本当に残すべき設計書の境界線を、変更理由・制約・テスト観点から整理する。
要件定義AIで差がつくのは、文章力よりレビュー設計だ。複数エージェント時代に必要になる受け入れ条件、差分確認、エスカレーション設計を実務目線で整理する。
AIに仕様書を渡すと意図と違うものができる。その原因の多くは書き方にある。AIが誤解しやすい5つのアンチパターンと改善策を解説する。
AIエージェントに要件定義を任せるとき、何を渡して何を渡さないべきか。粒度の境界線を実務視点で整理する。
設計者が去った後に残るレガシーコードから、AIで仕様書を再構築する3ステップを解説。コード構造解析・業務ヒアリング補完・ドラフト生成の実践的なアプローチ。
バイブコーディングへの関心は高いがSIerの現場ではなかなか定着しない。その理由は技術的な問題ではなく、契約構造・品質保証・多重請負 という組織の仕組みにある。仕様駆動開発（SDD）がなぜその解答になるのかを解説する。
AIエージェントに要件定義書を渡しっぱなしにすると失敗する。3つのフィードバックループ（前提確認・構造検証・粒度調整）を設計することで、AIとの共同作業の精度が回を追うごとに高まる実践方法を解説。
コード生成AIを最初に導入しても、要件定義が曖昧なままでは手戻りが増えるだけ。上流工程からAIを使い始めるべき3つの理由と、最初のステップを解説する。
FigJamとMiroがClaudeと連携し始めた。AIが業務フロー図を生成する時代に、SIer・DX担当者は何を準備すべきか。上流工程の変化と、AI生成フローを「使える仕様」にするための考え方を整理する。
Cursor SDKのリリースは単なる新機能追加ではない。AIによるコーディング支援を「外部から操作できる」時代の到来が、開発ワークフローと仕様書の役割をどう変えるかを考察する。
AI導入の本当のボトルネックは「生成速度」から「検証速度」に移りつつある。NTT DATAの事例とCursor SDKリリースから読み解く、エージェント時代の開発設計。
AIエージェントに要件を正しく「引き出させる」ためのヒアリング設計を解説。質問の構造化・暗黙知抽出・矛盾検出ループという3つのポイントで、AIのヒアリング精度を上げる実践的アプローチ。
Google Cloud Nextで発表されたAgentic Data Cloudが示す通り、AIエージェントが動かない本当の理由はモデル性能ではなくデータ構造にある。SIer・IT部門が今すべき準備とは。
AIに要件定義を任せると何が起きるか。現場で繰り返してきた失敗パターンを整理し、AI時代に要件定義を機能させる条件を考える。
「AI駆動開発」と「バイブコーディング」はどう違うのか。現場で混同されがちな2つの概念を定義・手法・適用場面・限界の4軸で比較し、使い分けの判断基準を示す。
AIが高速にコードを書いてくれる時代、テストはどうなるのか。バイブコーディングの品質保証における盲点と、仕様駆動開発との組み合わせで品質を担保するアプローチを解説する。
AWS Bedrock AgentCoreが「設定だけで動くAIエージェント基盤」を発表した。クラウド大手がAIエージェントをインフラとして提供し始めた今、開発チームに何が問われるのか。
GoogleがリリースしたDESIGN.mdは、デザイントークンをYAMLで、設計意図をMarkdownで記述するAIネイティブな設計書フォーマット。この構造が、要件定義・機能仕様にも波及しつつある。
AIに設計書・コード・テストをすべて任せると何が起きるか。半年間の実験から得られた教訓と、上流工程にAIを正しく活かすためのアプローチを解説する。
プロンプトを渡してAIエージェントを動かす。それは作業の置き換えに過ぎない。AIを組織の競争優位に変えるには、振る舞いを設計し続ける仕組みが必要だ。
Model Context Protocol（MCP）は、AIエージェントが外部ツールやデータソースと連携するための標準規格。Anthropicが提唱し、急速に普及しつつあるこの仕組みを、SIer・IT部門向けにわかりやすく解説する。
CC-SDD（Claude Code × 仕様駆動開発）とは何か。コードと仕様書をAIと一緒に書く開発手法を、現場の知見から実践的に解説します。
AIを要件定義に導入しても成果が出ないプロジェクトには共通する構造的な問題がある。上流工程でAIが機能しない3つの原因と、現場で使える処方箋を解説する。
エージェント駆動開発（ADE）の概念と、バイブコーディング・AI駆動開発との違いを整理。AIエージェントに「仕事を任せる」ための要件定義・仕様設計の考え方を解説する。
AIエージェントに仕様書を渡しても「意図通 りに動かない」のはなぜか。Karpathyが提唱する知識ベース設計の考え方を軸に、構造化されたドキュメントの重要性を解説する。
AIはコードを読めるのに仕様書は苦手——この非対称性の解決策は、仕様書の「書き方」にある。AIが理解しやすい仕様書を書くための3つの設計原則と、具体的な書き換え例を紹介する。
バイブコーディングは最初の爆速感がある。でも、一定の規模を超えると必ず壁にぶつかる。その3つの理由と、壁を超えるためにエンジニアが選んでいるアプローチを整理する。
AIを使えるメンバーだけが速くなり、成果がばらつく。この「できる人だけ問題」を組織の課題として捉え直し、横展開するための具体的なアプローチを解説する。
AI活用プロジェクトがPoCで止まってしまう3つの根本原因を解説。上流工程の設計不足、品質基準の曖昧さ、組織の受け入れ準備不足という構造的な問題と、本番化を成功に導く処方箋を現場視点で紹介する。
AIエージェントを開発チームに導入するとき、技術的な実装より先に決めなければならないことがある。意思決定・承認・ナレッジ管理のチームOSをどう設計するか。
RDRAとAIエージェントを組み合わせると要件定義の現場が変わる。構造化された要件にAIが乗ることで、ヒアリングから仕様ドラフトまでのリードタイムを劇的に短縮できる理由を解説する。
GitHub CopilotやCursorを導入したのに期待ほど生産性が上がらない。その理由はツールではなく「前提条件」にある。AIコーディングが本当に活きる開発プロセスとは何か。
要件定義は長年、属人化・曖昧さ・ドキュメント乖離という3つの壁に阻まれてきた。AIエージェントはこの構造的な問題にどこまで切り込めるのか。現場で実際に起きている変化を整理する。
AIはコードを驚くほど正確に読む。なのになぜ、要件定義や仕様書になると途端に精度が落ちるのか。その構造的な理由と、現場での対処法を解説する。
AIエージェントがコードを理解する仕組みを解説。テキスト検索の限界から、LSP・AST・Tree-sitter・コードグラフまで、AI開発現場で使われる技術を整理する。
少数精鋭のAI活用成功を全社展開しようとしてうまくいかない理由を解説。ツール導入だけでは解決しない、組織変革としてのAI駆動開発の実践アプローチ。
AI要件定義・AI要求定義の現場で、AIエージェントがもたらす変化を実務経験から解説。属人化の解消、仕様の自動構造化、レビュー品質の向上という3つの変化と実践方法を紹介する。
バイブコーディングで仕様書は本当に不要か？3つのプロジェクトで失敗と成功を繰り返した経験から、AIに渡すべき仕様書の書き方と実践テンプレートを公開する。
AIエージェント導入を検討する企業に向けて、スモールスタートで成果を出すためのユースケース選定基準と具体例を解説。PoC頓挫を避け、最初の一歩を確実に踏み出す方法を紹介する。
バイブコーディングとAI駆動開発は似ているようで本質が異なる。両者の定義・適用範囲・限界を整理し、2026年の開発現場で成果を出すための選び方を解説する。
バイブコーディングで素早く作ったコードが保守不能になる前に。AI時代のリファクタリング戦略を5つのステップで解説。仕様書という設計図を後から作る逆転の発想とは
「要件がまだ曖昧だから」でAI開発を止めていないか？AIエージェントと人間が要件定義を分担する問いかけ設計術を、実務経験から解説する。
AIエージェントで自動化できた業務と導入効果を紹介。コンテンツ制作、データ分析、営業支援の変化を実例で整理します。
AIエージェントに会社の文脈を覚えさせる方法を解説。MEMORY、GOALS、SOULで社内知識と目標を管理する設計を紹介します。
Gartnerが予測する「40%のAIエージェントPJTが頓挫」。では本番で動くエージェントの条件とは？トヨタ・NRI・サイバーエージェントの事例と、受託開発の現場で掴んだ設計原則を語る。
OpenClawから自社AIエージェントへ移行した理由を解説。コスト、モデル活用、社内運用の違いから導入判断を整理します。
Slackでチーム全員がAIエージェントに指示を出す仕組みを解説。チャンネル文脈、定期タスク、承認フローで集合知を作ります。
Slack、Claude、GitHubで社内AIエージェントを構築した構成を解説。記憶、スキル、承認フローまで設計の全体像をまとめます。
中小企業がAIエージェントを社内常駐させる理由を整理。記憶・目標・権限を持つAI社員を作る前に決めたことを紹介します。
中小企業向けにAIエージェントの導入ロードマップを整理。小さく始め、記憶、権限、自律実行、複数体制へ進む手順をまとめます。
人月モデルの先にあるSIerの武器は「仕様力」。仕様駆動開発（SDD）がSIerにフィットする3つの理由を、テックファームやKDDIの事例とともに現場目線で解説する。
CursorやCopilotが進化する裏で、富士通・電通総研・KDDIが要件定義のAI化に動いている。AI開発ツールが上流へ向かう理由と仕様駆動開発の位置づけを現場目線で考える。
AI導入の95%は成果が出ない。原因はツールではなく「何を自動化するか」の見極め不足。業務選定の具体的な方法と、現場で使えるフレームワークを紹介。
生成AIがSIerの人月商売を構造的に破壊しつつある。生産性50%向上の裏で何が起きているのか、現場視点で解説する。
バイブコーディングで作ったプロダクトが3ヶ月で行き詰まる原因と、仕様駆動開発（SDD）との実践的な使い分けを現場視点で解説。
バイブコーディングは本当に使えるのか？脆弱性混入率62%、3ヶ月の壁、Apple拒否問題。現場で見えた限界と、仕様駆動開発（SDD）という選択肢を解説。
仕様駆動開発（SDD）を実際のプロジェクトで使ってみた。バイブコーディングとの違い、導入のコツ、チーム開発での効果を現場目線で解説。
代表・山口が語る、Atsumellのカルチャーと採用方針。スタートアップならではの魅力と、一緒に働きたい人材像について。
日本のIT業界が抱える構造的課題「多重下請け構造」の実態と、Atsumellがテクノロジーで解決に挑むアプローチを解説。
代表・山口のキャリアストーリー。東京海上日動、コンサル、eスポーツチーム経営を経てAIスタートアップを創業するまでの道のり。
