概要
https://note.com/make_a_change/n/ncd3791d6a01d
詳細内容
## 「AI駆動PM」と「SDD（仕様駆動開発）」で要件定義書・設計書の精度を劇的に向上させる方法
https://note.com/make_a_change/n/ncd3791d6a01d
SDDフレームワークと複数LLMによる並列評価プロセスを組み合わせ、要件定義書と設計書の曖昧さを排除する具体的なワークフローを提示する。
**Content Type**: 📖 Tutorial & Guide
**Language**: ja
**Scores**: Signal:4/5 | Depth:4/5 | Unique:4/5 | Practical:5/5 | Anti-Hype:4/5
**Main Journal**: 88/100 | **Annex Potential**: 85/100 | **Overall**: 84/100
**Topics**: [[AI駆動PM, 仕様駆動開発(SDD), cc-sdd, マルチLLMレビュー, 要件定義]]
著者は、生成AIを活用したプロジェクトマネジメント（AI駆動PM）と「仕様駆動開発（SDD）」を組み合わせることで、要件定義や設計の精度を劇的に高める手法を提案している。背景には、トランスコスモス社が提唱した「バイブコーディング」における、複数LLMによるレビュー承認プロセスの成功がある。
具体的なワークフローは、まずSDDフレームワーク「cc-sdd」を用い、CursorやClaude Code上で要件定義書のドラフトを作成することから始まる。次に、本手法の核心である「複数LLMによる並列レビュー」を実行する。具体的には、Cursorの別タブで複数のモデル（GPT、Claude、Gemini等）を同時に立ち上げ、同一の要件定義書に対して100点満点での採点と欠陥の指摘を依頼する。各モデルが得意とする観点が異なるため、単一モデルでは見落とされがちな「外部サービス依存の曖昧さ」や「エッジケースの考慮不足」を多角的に炙り出すことが可能となる。
著者は、すべてのLLMで95点以上のスコアが出るまで修正を繰り返すプロセスを推奨しており、これにより後工程でのフィードバックや手戻りが5〜10倍ほど減少したと報告している。さらに、この手法が既存システムへの機能追加において特に威力を発揮すると強調している。その理由は、SDDがコードベースをコンテキストとして利用するため、既存仕様との整合性や影響範囲をAIが正確に把握できるからである。
このアプローチの意義は、PMがこれまで踏み込みづらかった「コードレベルの制約に基づいた要件定義」を可能にし、エンジニアとのコミュニケーションの解像度を極限まで高める点にある。AIを単なる生成ツールではなく、厳格な「品質ゲート」として機能させることで、上流工程の品質を担保する新しい開発標準を提示している。