AI時代の「システム設計図」！もう迷わない、新しい要件定義のコツ
公開日: 2026/4/12 | 更新日: 2026/4/12
AI技術、すごいスピードで進化していますよね！私たちの生活だけでなく、会社でのシステム開発のやり方も大きく変わってきています。特に、プロジェクトの土台となる「要件定義」、つまり「どんなシステムを作りたいか」を明確にする作業は、これまで通りのやり方ではうまくいかない時代になってきました。
「AI時代に、このシステム設計図（要件定義）ってどう書けばいいの？」この疑問は、多くの会社がデジタルの力で成長を目指す（DX推進）中で、とても大切なテーマになっています。
この記事では、これまでのシステム設計図と、AIを前提にしたシステム設計図がどう違うのかを分かりやすく解説します。さらに、AIがちゃんと動くための「指示の出し方」や、AI開発プロジェクトを成功に導くための具体的なコツを、一緒に見ていきましょう！
あれ？昔のやり方じゃAI開発は難しい？従来の「システム設計図」の悩み
これまでのシステム開発では、「要件定義」は、システムがどんな働きをするか、どんな性能が必要か、といったことを細かく、抜け漏れなく書き出すことが大切でした。まるで一度決めたら変えられない「設計図」のように、ウォーターフォールモデルという方法で、一つずつ順番に作業を進めるのが一般的だったんです。
でも、このやり方だと、AI開発、特にAIに学習させる機械学習プロジェクトでは、いくつかの問題が出てきてしまいます。
結果が読めないことが多い：AIは与えられたデータによって性能が大きく変わります。そのため、開発の最初から「最終的にどれくらいの精度が出るか」を完璧に予測するのは、かなり難しいんです。
試しながら見つける性質：AIが一番良い動きをするための方法（アルゴリズムやモデル）は、実際に色々な方法を試しながら見つけていくことが多いです。だから、途中で「こうしたい」という要望が変わることもよくあります。
AIには直接伝わらない：これまでの紙やデータで書かれた設計図は、人間が読んで理解するためのものです。AIモデルが直接「読んで理解する」ことはできません。
このようなAIならではの特性があるため、「AI開発におけるシステム設計図」のあり方を考え直す必要が出てきました。これまでの「一度作ったら変えない設計書」の作り方では、AIを開発するスピード感や、状況に合わせて変えていく柔軟性についていけないのが現実なんです。
AIと一緒にシステムを作る！考え方をガラッと変える「要件定義」の新しい形
AI時代にシステム設計図を作るときは、AIの特徴をよく理解し、その「結果が読めないかもしれない」という前提で、柔軟に対応できるやり方が求められます。これは単に使う道具が変わるだけでなく、開発の進め方や、私たちがどう考えるか、そのものに「大きな変化」が起きている、ということなんです。
AIに「こう動いて！」と伝えるには？カギは「データ」と「指示の言葉」！
これまでのシステム設計図は、私たち人間が読んで理解することを目的としていました。しかし、AIを使うシステムの設計図では、AIが直接「学習」したり、「考えて答えを出す」ための「入力情報」をハッキリさせることがとても大切になります。そのために欠かせないのが、「データ」と「プロンプト（AIへの指示の言葉）」なんです。
「データ」から始める考え方：AIの動きは、私たちが与えるデータに大きく左右されます。だから、「どんなデータを集めるか」「どうやって準備するか」「AIが理解できるようにどう印をつけるか」といったこと自体が、システムの「設計図」になるんです。「例えば、こんなデータが入ってきたら、AIにはこう答えてほしい」という具体的な例をたくさん見せてあげることが、AIにとって一番分かりやすい「指示」になります。
AIへの「指示の言葉」を工夫する（プロンプトエンジニアリング）：特にChatGPTのような生成AI（文章や画像を生み出すAI）を使う場合、AIにどんな指示を出すか、どんな制約を設けるか、という「プロンプトエンジニアリング」という技術が、そのまま「システムの設計図の書き方」につながります。「どんな情報をAIに与えて、どんな形（箇条書き、要約など）で答えてほしいか」を正確に決めることが、AIに期待通りの動きをしてもらうために、とっても重要なんです。
AI開発は「試しながら改善」がベスト！アジャイル開発が相性抜群なワケ
AIが「試しながら答えを見つける」という性質を持っていることを考えると、「アジャイル開発」というやり方がとても効果的です。これは、短い期間で「作っては試す」を繰り返し、利用者からの意見（フィードバック）をもらいながら、どんどんシステムを良くしていく方法です。先の読めない部分が多いAI開発プロジェクトには、まさにピッタリなんです。
作りっぱなしにしない「学びと改善」：AIは、完成してリリースした後も、新しいデータや使ってくれた人からの意見を取り入れて、性能を上げていく必要があります。だから、システム設計図作りも、最初の一回だけで終わりではなく、システムを使い続ける期間（運用フェーズ）まで見越して、ずっと続けていくプロセスとして考えることが大切です。
「お試し版」から始める（MVPアプローチ）：まずは「これだけは動かせる」という最小限の機能を持つAIモデルを、早く作ってしまいます。そして、実際に使ってもらう人や市場の反応を見ながら、少しずつ機能を追加したり改善したりしていくんです。こうすることで、無駄なやり直しを減らし、本当に価値のあるAIシステムを効率的に作ることができます。
AIプロジェクトを成功させる！新しい「要件定義」を実践する3つのポイント
AIを使ったシステム設計図作り（AI要件定義）を成功させるには、これまでのシステム開発で培ってきた知識に加えて、新しい考え方やスキルが必要です。ここでは、特に大切な3つのポイントをご紹介しますね。
1. 「データ」を一番に考える！データファーストを徹底しよう
AIの性能は、データの質と量によって大きく変わります。だから、システム設計図を作る最初の段階から、次の点をしっかり考えることが欠かせません。
どんなデータが必要か見極め、集め方を計画する：「何のために、どんなデータがいるのか」「どうやって集めるのか」「個人情報はどう守るか」といったことまで、しっかり考えましょう。
データの質を高く保つ：データに抜けがあったり、間違った情報が混ざっていたり、偏り（バイアス）があると、AIはうまく動きません。データの品質を良くするためのルールをはっきりさせることが重要です。
AIに教える「教師データ」の準備：AIが学習するための正確な見本データ（教師データ）を、どうやって用意するか。例えば「この画像には猫が写っている」といった印付け（アノテーション）のルールや、その作業の流れを決めておきましょう。
2. AIへの「指示の言葉」を工夫する！プロンプトエンジニアリングの原則
特にChatGPTのような生成AIを使うAI開発プロジェクトでは、AIへの「指示の言葉（プロンプト）」をどう設計するかが、そのままシステムの「設計図」になります。AIが上手に動くための効果的な指示の書き方には、次のようなコツがありますよ。
はっきりと、具体的に伝える：AIに「何をしてほしいのか」「何を生み出してほしいのか」を、曖昧な言葉ではなく、誰にでも分かるように具体的に書きましょう。
役割を与え、ルールを設ける：AIに「あなたは〇〇の専門家として答えてください」といった役割を与えたり、「〇文字以内でまとめてね」といった制約（ルール）を設けたりすることで、AIが出す答えをコントロールできます。
答えの形を細かく指定する：「箇条書きで」「表にして」「友達に話すようなトーンで」など、AIにどんな形で答えてほしいかを具体的に伝えましょう。
例をいくつか見せる（Few-shot Learning）：AIに「こんな質問には、こんな風に答えてほしい」という具体的な例をいくつか見せてあげると、AIはもっと深く意図を理解し、期待通りの答えを出してくれるようになります。
3. 「成功の基準」と「ずっと使い続ける計画」を最初に考える
AIモデルはまるで人間のように振る舞うので、その性能を評価する方法は、これまでのシステムとは少し違います。だから、システム設計図を作る段階で、「このAIが成功した！」と言えるための具体的な目標（評価指標）を、しっかり決めておくことが大切です。
大切な目標（KPI）を決めよう：AIがどれだけ正確か、どれだけ多くの正しい情報を見つけられるか、使ってくれた人がどれだけ満足するか、など、ビジネスの目標に合った評価の基準（KPI）を選びましょう。
「公平さ」や「倫理」にも配慮する：AIが出す答えが、もし誰かを差別したり、偏った内容になってしまわないか？という、倫理的な視点からの評価基準も忘れずに考えましょう。
AIをずっと管理する仕組み（MLOps）：AIモデルを実際に動かしたり、その動きを監視したり、新しい情報を加えて学習させ直したり、といった運用していくためのプロセスも、システム設計図の一部として考えておくことが、AIを長く成功させるためには欠かせません。
まとめ：AI時代に求められる「システム設計図」の新しいスキルと心構え
まとめると、AI時代のシステム設計図（要件定義）は、ただ書類を作る作業ではなく、AIを使ってビジネスの課題を解決していくための、「試行錯誤しながらデータ中心に進める」プロセスへと進化しています。これまでの設計書作りのスキルだけでなく、データを分析する力、AIへの指示を工夫する力（プロンプトエンジニアリング）、そしてアジャイル開発のような柔軟な考え方が、これからのシステム設計担当者には強く求められるようになります。
この「システム設計図の変化」に対応し、AIが持つ可能性を最大限に引き出すことこそが、会社のデジタルトランスフォーメーション（DX）を成功させ、さらには社会全体の発展に貢献する鍵となるでしょう。AIと一緒に新しいものを作り出す開発プロセスを理解し、実践することで、もっと価値のあるAI（機械学習）プロジェクトを実現していきましょう！
よくある質問（FAQ）
Q1. AI時代の要件定義とは何ですか？
AI時代の要件定義は、AIの不確実性を前提とし、データとプロンプトを通じてAIが直接理解できる「仕様」を明確にする柔軟なアプローチです。従来の静的なドキュメント作成から、探索的でデータドリブンなプロセスへと進化します。
Q2. 従来の要件定義がAI開発とミスマッチを起こすのはなぜですか？
AI開発はデータ依存性が高く不確実で、最適なモデルは試行錯誤を通じて見つかるため、初期段階で要件を固定しにくいからです。また、従来のドキュメントはAIが直接理解できる形式ではありません。
Q3. AIが理解できる「仕様」とは具体的にどのようなものですか？
AIが理解できる仕様とは、AIモデルが直接学習・推論するためのインプットです。具体的には、「こんなデータが入力されたら、この出力を期待する」というデータ例や、LLMに対する指示・制約を記述するプロンプトが該当します。
Q4. AI開発プロジェクトにおいて、アジャイル開発が有効なのはなぜですか？
AI開発は不確実性が高く、最適な結果が試行錯誤で得られるため、短いイテレーションでフィードバックを取り入れながら要件を洗練させるアジャイル開発が適しています。継続的な学習と改善、MVPアプローチが成功に繋がります。