なぜ「伝えたはずなのに違う」が起きるのか
システム開発の発注は、多くの中小企業にとって日常的な業務ではありません。「こういうものを作ってほしい」という意図は伝えているつもりでも、開発会社との言葉の定義や前提の違いが積み重なり、完成後に「思っていたのと違う」という事態につながります。
典型的なすれ違いは、次のような場面で起きます。
- 「検索できるようにしてほしい」→ 発注者は「氏名でも住所でも自由検索できる」つもりだったが、開発会社は「IDで検索できる機能」を実装した
- 「承認フローを作ってほしい」→ 発注者は「上長→部長→役員の3段階」を想定していたが、仕様に書いていなかったためシンプルな1段階承認で作られた
- 「外部システムと連携したい」→ 連携先のAPIの仕様確認やコストを考慮していなかったため、追加費用が発生した
こうしたすれ違いを防ぐ最善の方法は、「何を作るか」を開発前に言葉で徹底的に明文化することです。それが要件定義であり、その成果物が仕様書(要件定義書)です。
開発会社が「読んで動ける」仕様書を作るのは専門知識が必要です。しかし「開発会社と認識を合わせるための叩き台」を作るだけなら、AIが大きく手助けしてくれます。
AIに仕様書を「書かせる」とはどういうことか
AIに仕様書を書かせるといっても、「こんなシステムを作って」と一言伝えて完成するわけではありません。ここで言う「AIに仕様書を書かせる」とは、AIとの対話を通じて、発注者の頭の中にある業務知識を言語化し、要件の叩き台を作るプロセスのことです。
AIはあなたの業務を知りません。しかし「どんな情報があれば仕様書らしい文書が作れるか」は知っています。つまりAIは、あなたに的確な質問をしながら、情報を引き出し、整理する「インタビュアー兼ライター」として機能します。
実際にChatGPTやClaudeで試してみると分かりますが、「社内の在庫管理を自動化したい」という漠然とした一文から始めて対話を続けるだけで、数十分後には「誰が使うか・どのデータを管理するか・どんな画面が必要か・外部システムとの連携は何か」といった要点が整理された叩き台が手に入ります。
ステップ1:「やりたいこと」をAIと対話しながら言語化する
まず、自分の言葉で「解決したい問題」と「やりたいこと」を箇条書きにします。完璧でなくて構いません。「受注データの管理が煩雑」「ExcelとメールとFAXがバラバラ」「担当者が休むと状況が分からない」——現場の生の言葉でOKです。
その箇条書きをAIに渡し、次のように依頼してみてください。
- 「このシステムを使う人は誰ですか?どんな場面で使いますか?」
- 「現在の業務フローを教えてください。どこが一番の手間ですか?」
- 「このシステムで管理したいデータの種類を教えてください」
- 「既存のシステムやツールと連携する必要がありますか?」
AIがこうした質問を生成してくれるよう「私の課題を整理したい。不足している情報を質問形式で教えてほしい」と指示するのが手軽です。質問に答えながら業務を整理していくと、自分でも気づいていなかった要件が浮かび上がることがあります。
このフェーズは「AIに書かせる」ではなく「AIと話しながら自分の頭を整理する」フェーズです。業務知識は担当者の中にしかないため、この対話を省略するとAIが作る叩き台が的外れになります。
ステップ2:AIに要件の叩き台を作らせる
ステップ1で整理した内容をまとめてAIに渡し、「システム要件の叩き台を作ってほしい」と依頼します。このとき、出力形式を指定するのがポイントです。
たとえば次のようなプロンプトが効果的です。
「以下の情報をもとに、開発会社に渡す要件定義の叩き台を作ってください。①システムの目的、②主な利用者と使用シーン、③管理するデータの種類、④必要な機能(一覧・登録・検索・出力など)、⑤外部システムとの連携(あれば)、⑥セキュリティ要件(アクセス権限など)の順で、箇条書きと表を組み合わせて整理してください。」
AIはこの指示に従い、あなたの業務に合わせた要件の叩き台を生成します。生成された内容は、そのまま開発会社に渡すのではなく、自分でレビューして「言っていることと合っているか」を確認することが重要です。AIは「もっともらしい内容」を生成しますが、あなたの業務の実態と合っていない部分が含まれることがあります。
よくあるAIの「あるある」出力として、以下に注意してください。
- 「一般的なシステムにありがちな機能」を過剰に盛り込む(自社に不要な機能が含まれている)
- データの属性や型(テキスト・数値・日付など)が実態と異なる場合がある
- 「レスポンスタイム3秒以内」など、根拠のないパフォーマンス要件が入ることがある
生成した叩き台は、業務担当者と一緒に「これで合っているか」を確認する場を設けると、現場の要件を漏れなく取り込めます。
ステップ3:開発会社に渡す前に「非機能要件」を追加する
AIが生成する叩き台は、「何ができるか(機能要件)」に偏りがちです。開発会社との認識ギャップで意外と多いのが、「どれだけの品質・安定性・拡張性で動くか(非機能要件)」に関する部分です。
渡す前に、以下の項目を自分で確認・追記してください。
① パフォーマンス・スケール
何人が同時にアクセスするか、1日何件のデータが登録されるか、データ量は将来どれくらい増えるか。「社内10名が使う」のか「取引先100社が使う」のかで、必要なサーバー構成が大きく変わります。
② セキュリティとアクセス権限
誰がどのデータを見られるか、編集できるか。「営業は顧客情報を見られるが、原価情報は見られない」といった権限設計は、業務フローを知っている発注者側が決める必要があります。
③ 保守・運用の体制
完成後に誰がメンテナンスするか、担当者が変わったときに引き継げるか、バックアップはどのくらいの頻度で必要か。運用フェーズの想定を伝えておくと、開発会社が適切な技術選定をしやすくなります。
④ 予算と優先順位
全機能を一度に作ると費用が高くなります。「必須機能」と「あれば嬉しい機能」を明確に分け、フェーズ分けの希望があれば伝えてください。予算感を共有することで、開発会社も現実的な提案ができます。
AI仕様書を使って、何が変わるか
この3ステップを踏んで開発会社との打ち合わせに臨むと、次のような変化が起きます。
- 打ち合わせの焦点が「何を作るか」から「どう作るか」に移る:要件が整理されているため、技術的な実現方法や工数の議論に時間を使えるようになる
- 認識のズレを早期に発見できる:叩き台を見ながら「この機能はどういう意図ですか?」という質問が増え、打ち合わせ時点で誤解が解消される
- 見積もりの精度が上がる:要件が明確になると開発会社のスコープが定まり、後から「実はこんな機能も必要でした」という追加が減る
一方で、AIがいても変わらないことがあります。それは「なぜその業務があるのか」「なぜその順序でやるのか」という業務の文脈です。AIは「言語化するサポート」をしてくれますが、業務の意図や優先判断は人間にしかできません。叩き台を作った後、「この要件は本当に必要か」を自分で問い直す習慣が、発注の質を長期的に高めます。
仕様書の「精度」より、対話の「質」を上げる
AIが作る仕様書の叩き台は、プロが書いた要件定義書と同じレベルではありません。しかしそれで構いません。目的は「完璧な文書を作ること」ではなく、「開発会社と話すための共通言語を持つこと」だからです。
叩き台があることで、開発会社は「この要件についてはどう考えていますか?」「この部分は3つのやり方がありますが、どれが合いそうですか?」という具体的な質問を返しやすくなります。その問いに答えながら仕様を詰めていくことが、認識のすれ違いを防ぐ最も確実な方法です。
AIを「仕様書生成ツール」として使うのではなく、「業務を言語化するための対話パートナー」として使う——この視点の転換が、発注前の準備を大きく変えます。
よくある質問
仕様書を作ったことがない担当者でも、AIを使った要件整理はできますか?
AI作成の仕様書を開発会社に渡すことに問題はありますか?
どのAIツールを使うのが適していますか?
AIで作った仕様書があれば、開発費用は安くなりますか?
関連記事:自分たちでアプリを作る選択肢|バイブコーディングで変わる社内ツールの調達方法
株式会社DnDでは、要件定義の壁打ちから開発・運用まで、中小企業のシステム構築を一貫してサポートしています。「何から手をつければいいか分からない」という段階からでも歓迎です。