AIエージェントは要件定義をどう変えるか？現場で見えた3つの変化

# AIエージェントは要件定義をどう変えるか？現場で見えた3つの変化

「要件定義だけは、人間がやるしかない」——つい半年前まで、私たちのチームでもそう考えていた。

コード生成やテスト自動化にAIを使うのは当たり前になった。バイブコーディングでプロトタイプを爆速で作れるようになった。でも、上流工程の要件定義はどうか。ここだけは、ベテランのSEやPMが会議室にこもって、ホワイトボードに向かう世界のままだった。

ところが2025年後半、Claude Code、Gemini、Devinといった自律型AIエージェントの性能が一段上がった。私たちはある受託プロジェクトで、要件定義フェーズにAIエージェントを本格投入してみた。その結果、予想していなかった変化が3つ起きた。

変化1：属人化していた「暗黙知」が可視化された

要件定義が難しい理由の一つは、ドメイン知識の属人化だ。10年選手のSEだけが知っている業務フローの例外処理。口頭でしか伝わらない「あの画面のあの挙動」。こうした暗黙知は、ドキュメントには残らない。

私たちが試したのは、過去の議事録・仕様書・Slackログをナレッジベースとして構造化し、AIエージェントにコンテキストとして渡す方法だ。Claudeに「この業務フローで、例外的なパターンを洗い出して」と指示すると、人間が見落としていたエッジケースが出てくる。

正直、最初は半信半疑だった。しかし実際に出力されたリストをベテランSEに見せたところ、「あ、これ確かにあるわ。忘れてた」という反応が複数あった。

ポイントは、AIが"正解"を出すことではない。抜け漏れを減らすための壁打ち相手として機能する点が大きい。人間だけでレビューすると、同じ思考パターンに陥りやすい。AIは違う角度から質問を投げてくれる。

変化2：自然言語の要件が構造化仕様に変換される

要件定義のもう一つの課題は、自然言語で書かれた要件をシステム仕様に落とし込む工程だ。「ユーザーが商品を検索できること」という一文を、画面仕様・API仕様・データモデルに分解する作業は、地味に時間がかかる。

ここで仕様駆動開発（SDD）のアプローチが効いてくる。私たちは要件をAIエージェントに渡し、SDD形式の構造化仕様に変換する運用を始めた。具体的には、要件定義の議事録をClaudeに読ませ、以下のような構造で出力させる。

• 機能要件の一覧（優先度付き）
• 画面ごとのユーザーストーリー
• API仕様のドラフト（エンドポイント・入出力）
• 考慮すべき非機能要件（性能・セキュリティ）

もちろん、出力そのままでは使えない。しかし「ゼロから書く」のと「ドラフトを修正する」のでは、工数がまったく違う。あるプロジェクトでは、仕様書の初稿作成にかかる時間が従来の約40%に短縮された。

この話に興味がある方は、「バイブコーディングに仕様書は不要？現場で痛感した「書くべき仕様」の正体」も参考にしてほしい。仕様を構造化する重要性について、より詳しく書いている。

変化3：レビューの質が上がった

3つ目の変化は、意外にもレビュー工程で起きた。

従来の要件レビューは、分厚いドキュメントを関係者に配って「何かあればコメントください」というスタイルが多い。正直、全部読む人は少ない。結果として、後工程で「これ要件に書いてなかったですよね」という手戻りが発生する。

AIエージェントを使うと、仕様書の整合性チェックを自動化できる。たとえば「画面Aで入力した値が、画面Bの表示に反映されるか」「このAPIの戻り値で、画面のすべてのフィールドを埋められるか」といったクロスチェックだ。

人間が目視で確認すると半日かかる作業が、AIなら数分で終わる。しかも見落としが少ない。

ある案件では、AIによるレビューで指摘された不整合が12件。うち8件は、人間のレビューでは見つかっていなかったものだった。

では、AIエージェントに任せられないことは何か

ここまで読むと「AIに全部任せればいい」と思うかもしれない。でも、そうはいかない。

AIエージェントが苦手なのは、ステークホルダー間の利害調整だ。営業部門は「この機能がほしい」、開発部門は「工数的に厳しい」、経営層は「予算内に収めろ」。この三者の落としどころを見つけるのは、今のところ人間の仕事だ。

もう一つは、ビジネス判断を伴う優先順位づけ。どの要件を先に実装するかは、市場環境・競合動向・社内政治を含む複合的な判断だ。AIに「全部の要件を出して」と言えばリストは出る。でも「どれを捨てるか」を決められるのは、事業の文脈を理解した人間だけだ。

つまり、AIエージェントは要件定義を代替するものではなく、人間の判断力を増幅するツールとして捉えるべきだろう。

実践するための3ステップ

「自社でも試してみたい」という方に向けて、私たちが実際にやった導入ステップを紹介する。

ステップ1：過去の仕様書をAIに読ませてみる。いきなり新規プロジェクトで使うのではなく、完了済み案件の仕様書でAIの出力品質を検証する。既に答えを知っているので、評価がしやすい。

ステップ2：議事録の構造化から始める。要件定義の会議後、議事録をAIに渡して要件リストに変換する。これだけでも、抜け漏れの発見と工数削減の効果を実感できる。

ステップ3：SDDの仕組みに組み込む。仕様駆動開発のワークフローにAIエージェントを組み込み、仕様の自動生成とレビューを定常運用にする。「バイブコーディングとAI駆動開発の違い」で解説したように、体系的なアプローチと組み合わせることで効果が最大化される。

まだ「上流は人間の領域」と思っているなら

AIエージェントの進化は速い。半年前にできなかったことが、今はできる。要件定義という"聖域"も例外ではない。

もちろん、すべてをAIに委ねるべきではない。しかし「AIには無理だ」と決めつけて試さないのは、もっともったいない。まずは完了済みプロジェクトの仕様書を一つ、AIに読ませてみてほしい。きっと、何か発見があるはずだ。

株式会社Atsumellでは、AIエージェントを活用した要件定義・仕様駆動開発の導入支援を行っている。「自社の上流工程にAIを組み込みたい」という方は、お問い合わせページからお気軽にご相談いただきたい。