AIに質問する前に整理すべき要件！現役SEが実務で使う確認ポイント

AIに要件や仕様を相談すると、短時間でたたき台を作れます。画面仕様、API仕様、テスト観点、議事録の整理など、SEの仕事でも使える場面はかなり増えています。

ただし、AIに質問する前の情報整理が甘いと、回答も曖昧になります。見た目はきれいな文章でも、実務で使おうとすると「この前提は誰が決めたのか」「例外時はどうするのか」「既存機能への影響はどこまで見たのか」といった確認が必要になります。

私が現場でAIを使うときは、いきなり質問を投げるのではなく、先に前提条件を整理します。この記事では、AIに質問する前に整理すべき要件と、実務で起きやすい失敗例をまとめます。

AIの回答がズレる原因は、質問より前提にある

AIに質問して期待と違う回答が返ってきたとき、質問文の書き方だけを直そうとする人は多いです。

もちろん質問の書き方も大切ですが、実務ではそれ以上に前提条件が重要です。AIは与えられた情報をもとに回答するため、前提が不足していると一般論で補完します。

たとえば「会員登録画面の仕様を作ってください」とだけ聞くと、AIは一般的な会員登録画面を想定して回答します。しかし、実際の案件では次のような条件で仕様が変わります。

• 個人向けサービスか、法人向けサービスか
• メール認証が必要か
• 外部ID連携があるか
• 既存会員データとの重複チェックが必要か
• 管理者による承認フローがあるか
• 退会済みユーザーの再登録を許可するか

これらを伝えないままAIに聞くと、文章は整っていても、実務で使えない仕様になりやすいです。

要件定義でAIに任せてよい範囲については「要件定義でAIに任せてよいこと・任せてはいけないこと」でも整理しています。

失敗例1：利用者を決めずに画面仕様を作る

画面仕様を作るときに、最初に確認すべきなのは利用者です。

同じ検索画面でも、一般ユーザー向けなのか、社内担当者向けなのか、管理者向けなのかで必要な項目は変わります。一般ユーザー向けなら分かりやすさが重要ですし、社内担当者向けなら処理状況や管理番号で検索できることが重要になる場合があります。

AIに画面仕様を作らせると、よくある画面項目を並べてくれます。しかし、誰が使う画面なのかを伝えていないと、現場で必要な項目が抜けることがあります。

私が実務で確認するのは、最低限この3点です。

• 主に誰が使う画面か
• その人は何を判断するために画面を見るのか
• 画面を見た後にどんな操作をするのか

この3点が曖昧なまま仕様を作ると、項目は多いのに使いにくい画面になります。

失敗例2：正常系だけで仕様を考える

AIに仕様を相談すると、正常に処理できる流れは比較的きれいに整理されます。

しかし、実務で問題になりやすいのは正常系ではなく例外系です。

• 入力値が不足している場合
• 対象データが存在しない場合
• 権限が足りない場合
• 外部APIが失敗した場合
• 同じ操作が二重に実行された場合
• 処理途中でタイムアウトした場合

これらを後から追加すると、設計やテストの手戻りが大きくなります。AIに相談する前に、最低限どの例外を考えるべきかを整理しておくことが大切です。

テスト観点をAIで広げる方法は「AIでテストケースを作る方法」でも解説しています。

失敗例3：決定事項と未決事項を分けない

AIに要件を整理させると、未決事項まで確定したような文章になることがあります。

たとえば、会議メモに「通知方法はメールを想定」と書かれていたとします。AIに整理させると「通知はメールで行う」と断定されることがあります。

しかし、現場では「想定」と「決定」は大きく違います。ここを混同すると、後で認識違いが起きます。

私が資料を整理するときは、次のように分けます。

AIに整理させる場合も、この分類を明示すると、実務で使いやすい資料になります。

AIに質問する前に整理するチェックリスト

AIに要件や仕様を相談する前に、私は次の項目を確認します。

• 対象の機能は何か
• 主な利用者は誰か
• 利用者は何を達成したいのか
• 現在決まっていることは何か
• まだ決まっていないことは何か
• 正常系以外に考えるべき例外は何か
• 既存機能や既存データへの影響はあるか
• 運用担当が確認する作業はあるか
• 誰の承認が必要か

このチェックリストを埋めてからAIに聞くと、回答の精度が上がります。逆に、この項目に答えられない場合は、AIに聞く前に関係者へ確認した方がよいです。

実務で使いやすい質問テンプレート

AIに質問するときは、次のような形にすると回答を評価しやすくなります。

以下の前提で、画面仕様のたたき台を作成してください。対象は社内担当者向けの注文検索画面です。利用者は注文状況を確認し、必要に応じてキャンセル可否を判断します。決定事項、未決事項、例外系、確認が必要な業務判断を分けて整理してください。

ポイントは、AIに「仕様を書いて」と頼むだけでなく、分類して整理させることです。

特に、未決事項や確認が必要な業務判断を出させると、人がレビューすべき部分が見えやすくなります。

AIの回答をレビューするときの判断基準

AIの回答を受け取ったら、次の観点で確認します。

• 利用者の目的と合っているか
• 決定事項と未決事項が混ざっていないか
• 例外系が正常系と同じ粒度で書かれているか
• 既存機能への影響が考慮されているか
• 誰が判断する内容なのか分かるか
• テストで確認できる形になっているか

ここで違和感がある場合は、AIの回答を直す前に、前提条件を見直します。回答がズレている原因は、質問文ではなく情報不足にあることが多いからです。

AIに作らせた資料をレビューするときの考え方は「AIに作らせた資料をそのまま使うと危ない理由」でも詳しく書いています。

まとめ：AIに聞く前の整理が、回答の質を決める

AIは、要件や仕様のたたき台を作る作業に向いています。白紙から考えるよりも、候補を出してもらうことで作業はかなり早くなります。

ただし、AIに良い回答を出してもらうには、質問する前の整理が必要です。

対象機能、利用者、決定事項、未決事項、例外系、既存機能への影響。このあたりを整理せずにAIへ投げると、きれいだけれど実務では使いにくい資料になります。

現場で大切なのは、AIに答えを決めてもらうことではありません。AIに整理を手伝わせながら、人が判断すべき部分を明確にすることです。

AIを使う前に要件を整理する習慣があると、回答の精度も上がり、レビューや関係者確認も進めやすくなります。