Claude で要件定義を効率化｜プロンプト例と実践手順をプロが解説
システム開発プロジェクトにおいて、要件定義は成否に影響する工程です。しかし、担当者の多くが以下のような課題を抱えています。
- ヒアリング内容をどうまとめればよいかわからない
- 要件の漏れが後工程で発覚して手戻りが発生する
- 文書作成に多くの時間がかかる
これらの課題は、情報の整理・構造化や文書作成といったテキスト処理の負担に起因するものが多く、生成 AI による支援と相性が良い領域です。本記事では、 Anthropic が開発した生成 AI である Claude を要件定義に活用する具体的な手順と、すぐに使えるプロンプト例を解説します。
Claude と要件定義の関係
要件定義フェーズでの丁寧な議論は、システム開発プロジェクトの成否に影響します。近年、 Claude をはじめとする生成 AI の活用により、このフェーズを効率化し品質を高めようとする取り組みが広がっています。 AI 活用が有効な理由を基本概念とともに整理します。
要件定義とは何か 開発の基盤となる工程
要件定義とは、開発するシステムやサービスが何をすべきか、どのような機能を持つべきかを明確にする工程です。システム開発のライフサイクルの中でも最初期に位置し、この段階で決定した内容が設計から運用までのすべての工程に影響します。
要件定義には大きく分けて、業務要件、機能要件、非機能要件の3種類があります。業務要件は何のためにシステムを作るのかというビジネス上の目的や達成すべき業務ゴールを定義します。機能要件はそのシステムが何をできるかという機能一覧であり、ログイン機能やデータ検索機能、帳票出力機能など、提供するべき機能を列挙します。非機能要件はどの程度の品質で動作するかというパフォーマンス、セキュリティ、可用性、保守性などの品質基準を定義します。
要件定義が不十分なまま開発に入ると、設計段階や開発途中で意図しない仕様変更や手戻りが発生しやすくなります。開発フェーズで発見される問題は要件定義フェーズで発見するよりも修正コストが大きくなる傾向があるため、適切な要件定義はプロジェクト全体のコストと期間を抑える上で求められます。
要件定義においてよくある課題
要件定義の現場で発生しやすい課題を整理することで、 Claude をどこに活用すべきかが明確になります。
認識のずれが後工程の手戻りにつながる問題
関係者間での認識のずれは手戻りの要因となります。ビジネス担当者が持つシステムのイメージを、エンジニアが別の解釈で受け取ってしまうことがあります。テキストだけでは伝わりにくい操作フローや画面のイメージを共有しないまま進めると、完成したシステムが想定と異なる状況が生じやすくなります。
文書作成にかかる時間と労力
ヒアリングで収集した情報を要件定義書として整理および文書化するには多くの時間が必要です。ヒアリング自体は短時間で終わっても、文書化に数日を要するケースは見受けられます。文書化作業の負担が大きくなると、要件定義の議論に割ける時間が削られ、品質低下につながる懸念があります。
要件の抜け漏れや曖昧な表現
要件定義書の中に「なるべく早く処理する」「適切なエラーメッセージを表示する」といった曖昧な表現が残っていると、開発フェーズでの解釈が担当者ごとに異なり、品質のばらつきや手戻りが発生します。また、エラーハンドリング、権限管理、バックアップポリシーなど、業務担当者が意識しにくい非機能要件が漏れやすい傾向があります。
属人化と標準化の難しさ
経験豊富な担当者が要件定義を主導する場合、その人の暗黙知や経験に依存する部分が大きくなります。担当者が変わることで要件定義の品質が変動するという属人化の問題は、多くの組織で発生しています。
Claude をはじめとした AI が要件定義を変える理由
Claude は、 Anthropic が開発した大規模言語モデルをベースとした生成 AI です。文章理解や生成、構造化の能力を持ち、要件定義の各フェーズで発生する多くの課題に対応できる特性を備えています。
参照：Claude
膨大なテキストを素早く構造化できる強み
ヒアリングの議事録やメモなど、散らばった情報を Claude に入力すると、機能要件、非機能要件、未確認事項として体系的に分類および整理できます。人間が手作業で行なうと数時間かかる整理作業を短時間で処理できます。
多角的な視点でのチェックが可能
Claude は入力された要件に対して、エラー時の処理が未定義である点や性能要件の数値が具体的でない点など、見落としやすい観点からの指摘を行なうことができます。多くのシステム開発事例を学習しているため、担当者が気づきにくい観点を補完する役割を果たします。
非エンジニアとエンジニアの橋渡しを支援
業務担当者が業務視点の記述を Claude に渡すと、エンジニアが理解しやすい機能仕様の形式に変換します。業務知識をシステム要件の言語に翻訳する作業を支援し、両者の認識合わせをスムーズにします。
文書化の下書き作成を高速化
整理した要件をもとに、要件定義書のフォーマットに沿った文章の下書きを Claude に作成させることができます。担当者はゼロから文章を書く必要がなくなり、 AI が生成した下書きの確認や修正に集中することで、文書化作業の工数を削減できます。
Claude 活用による要件定義プロセスの進め方
ヒアリング前の準備から最終的なレビューまでの4つのステップにおいて、 Claude を業務プロセスに組み込む手順を解説します。
ステップ1 ヒアリング設計・質問リスト作成
要件定義の第一歩となるステークホルダーへのヒアリングにおいて、 Claude は事前に何を聞くべきかを設計する段階から活用できます。
ヒアリング質問リストの自動生成
ヒアリング対象のシステム概要や業務背景を Claude に伝えると、押さえるべき質問項目を網羅的にリストアップします。業務要件、機能要件、非機能要件、制約条件、優先順位など、確認すべき観点ごとに質問を整理させることでヒアリング漏れを防ぎます。
役割別ヒアリングシートの作成
経営層、業務担当者、 IT 部門など、対象者の役割によって確認すべき事項は異なります。 Claude に経営層向けや現場担当者向けといった対象者を指定して指示することで、役割ごとにカスタマイズしたヒアリングシートを作成できます。
課題仮説の整理
ヒアリング前にシステムで発生しうる課題の仮説を Claude に整理させておくことで、実際のヒアリング時に潜在的な要件を引き出しやすくなります。
ステップ2 収集した要件の整理と構造化
ヒアリング後に収集した情報を要件として整理し、構造化するフェーズでも Claude は有効です。
議事録・メモの要件定義形式への変換
ヒアリングで取得した非構造化テキスト（議事録やチャット履歴など）を Claude に渡し、業務要件や機能要件に分類して整理するよう指示します。どの要件がどの業務に対応するか、曖昧な点はないかを含めて体系的に整理できます。
優先順位付けと矛盾の検出
収集した要件が多数にのぼる場合、 Claude にビジネスへの影響度、実装の難易度、緊急性の観点から優先順位付けを依頼することで、判断の根拠とともに優先順位の案を提示します。また、要件間の矛盾や競合する部分を検出して指摘させることも可能です。
ユーザーストーリーへの変換
機能要件の一覧をユーザーストーリー形式に変換するよう Claude に指示することで、開発チームが要件をより具体的にイメージできるようになります。要件の見落としや不整合の早期発見につながります。
ステップ3 要件定義書・仕様書の下書き作成
整理した要件をもとに、要件定義書として文書化するフェーズです。
要件定義書テンプレートの生成
Claude にプロジェクトの性質（例：EC サイトの管理システム）を伝えて要件定義書テンプレートの作成を依頼すると、スコープ定義や前提条件、機能一覧などの必要な項目を網羅したフォーマットを素早く生成できます。
整理済み要件からの本文生成
整理した要件リストを Claude に渡し、要件定義書の本文として読みやすい文章形式に変換するよう依頼します。箇条書きのリストが文章として整形された下書きが生成されるため、担当者は内容の確認と修正に集中できます。
画面イメージと要件の紐づけ支援
画面のワイヤーフレームや操作フローの説明を Claude に渡し、関連する機能要件と非機能要件を整理するよう依頼することで、画面ごとの要件一覧を作成できます。完成形に近いイメージを早期に共有することで、仕様変更のリスクを低減できます。
ステップ4 抜け漏れチェックとレビュー支援
完成した要件定義書に対し、開発に入る前の品質確認を行なうフェーズです。
要件定義書の抜け漏れチェック
要件定義書を Claude に渡し、非機能要件やエラー処理、権限管理などの観点から抜け漏れや曖昧な表現がないか確認するよう指示します。特定の処理が未定義である点や性能要件の数値不足など、具体的な指摘を得ることでドキュメントの品質を高められます。
多様なステークホルダー視点でのレビュー支援
Claude に経理担当者やセキュリティ担当者などのロールを指定してレビューを依頼することで、多様な視点からの指摘を受けられます。実際のレビュー会と AI による事前チェックを組み合わせることで、見落としを最小化できます。
用語の統一とドキュメント整合性チェック
要件定義書内で同じ概念が異なる言葉で表現されていると混乱を招きます。Claude に用語の不統一を確認するよう依頼し、用語集の作成支援を受けることで、チーム全体での用語の統一が容易になります。
効果的なプロンプトの書き方と実践例
Claude の出力品質はプロンプトの設計に依存します。要件定義における効果的なプロンプトの基本原則と実践例を紹介します。
要件定義プロンプト設計の基本原則
役割設定を活用する
Claude に「10年以上のシステム開発経験を持つ IT コンサルタント」のように役割を設定することで、専門的な観点での回答が得られやすくなります。経験豊富なシステムアナリストやアジャイル開発の専門家など、必要な専門性をロールとして設定することが有効です。
背景情報を十分に提供する
システムの目的、対象業務、ユーザー層、制約条件などを詳しく伝えることが重要です。コンテキストが明確であるほど、プロジェクト固有の課題に対応した精度の高い回答が得られます。
出力形式を具体的に指定する
表形式や箇条書き、マークダウン形式など出力フォーマットを具体的に指定します。「機能要件は FRxxx: の形式で ID を付与してください」といった詳細な指定も有効です。
段階的に情報を追加する
対話は1回で完結させず、段階的に情報を追加および修正しながら深めていくプロセスが質の高い要件定義を生み出します。
ヒアリング・整理・文書化のシーン別プロンプト例
ヒアリング質問リスト作成のプロンプト例
あなたは経験豊富なシステムアナリストです。
以下のシステム開発プロジェクトのヒアリングに使う質問リストを作成してください。
【プロジェクト概要】
- 目的：中規模製造業（従業員300名）の受発注管理業務のシステム化
- 現状：Excelと電話で受発注を管理しており、入力ミスや情報共有の遅延が課題
- 主なユーザー：営業担当者20名、在庫管理担当者5名、管理職10名
【質問リストの要件】
- 業務要件・機能要件・非機能要件・制約条件の4カテゴリに分けて整理
- 各カテゴリ10問以上
- 現場担当者向けと管理職向けの質問を区別する
- 見落とされやすい観点（セキュリティ・バックアップ・将来の拡張性）も含める要件整理・構造化のプロンプト例
あなたは要件定義の専門家です。
以下のヒアリング議事録から、システム要件を整理してください。
【ヒアリング議事録】
（ここに議事録のテキストを貼り付ける）
【出力形式】
以下の形式で整理してください：
1. 業務要件（達成すべきビジネスゴール）
2. 機能要件（システムが持つべき機能。 FRxxx: の形式で ID を付与）
3. 非機能要件（性能・セキュリティ・可用性など）
4. 未確認事項（追加ヒアリングが必要な点）
5. 懸念事項・リスク（要件として明確化が必要な曖昧な点）
各要件は箇条書きで、なるべく測定可能な基準を含む具体的な表現にしてください。要件定義書下書き作成のプロンプト例
あなたはシステム開発のドキュメント作成の専門家です。
以下の要件リストをもとに、要件定義書の「機能要件」セクションの本文を作成してください。
【要件リスト】
（ここに整理済みの要件リストを貼り付ける）
【作成条件】
- 読み手：エンジニア（システム設計に使用するため、実装を意識した記述）
- 文体：「〜とする」「〜であること」などの仕様書表現
- 各機能には目的・処理内容・入出力・例外処理を含める
- 曖昧な表現は避け、数値基準で記載できるものは数値で記載する抜け漏れチェックのプロンプト例
あなたは品質管理の専門家です。
以下の要件定義書を読み、以下の観点から問題点・抜け漏れ・改善点を指摘してください。
【チェック観点】
1. 非機能要件の完全性（性能・セキュリティ・可用性・保守性・拡張性）
2. エラー処理・例外処理の定義状況
3. ユーザー権限と認証・認可の定義状況
4. 用語の一貫性と曖昧な表現の有無
5. テスト観点（どのようにテストするかが不明な要件）
【要件定義書】
（ここに要件定義書のテキストを貼り付ける）
各問題点は「カテゴリ・具体的な問題・改善案」の形式で整理してください。Claude 活用時の注意点と品質確保の考え方
要件定義への AI 活用には限界があり、適切な品質管理体制が求められます。
AI の限界と人間によるレビューの必要性
組織固有の暗黙知・文化は AI には理解できない
Claude は業界標準の知識を持ちますが、特定の組織の業務ルールや歴史的経緯などの暗黙知を持っていません。組織内部の文脈を反映させるには、業務に精通した人間の関与が必要です。
最終判断は必ず人間が行なう
Claude が生成した要件リストや下書きはたたき台として扱い、担当者や関係者による十分なレビューを実施します。とくにインフラや運用体制に関わる非機能要件は、専門知識を持つ担当者の確認が重要です。
利用規約とデータ取り扱いへの配慮
機密情報を含む要件定義で生成 AI を利用する際は、社内のガイドラインを定めた上で活用することが推奨されます。 Amazon Bedrock 経由で Claude を利用するなど、エンタープライズ向けの環境を選択することも有効です。
情報の正確性確保とハルシネーション対策
生成 AI が事実と異なる情報や誤った情報を、あたかも正確な情報であるかのように生成する現象をハルシネーションと呼びます。
要件定義において特定の法規制や技術仕様に関する情報が出力された場合、公式文書や担当部門への確認を必ず行ないます。 Claude に対して「その根拠を教えてください」と追加質問を行なうことで、情報の不確実性を検知しやすくなります。
要件定義書の中で AI が生成した内容と、人間が確認済みの内容を区別するラベル（「AI生成要確認」など）を用いるプロセスを組み込むことで、品質確保と AI 活用の両立が可能です。
組織で Claude 要件定義活用を推進するために
スモールスタートで始める PoC 的活用
Claude の導入は、小規模なプロジェクトでの試験的導入（PoC）から始めることが推奨されます。
事前に「要件定義期間の短縮」や「レビュー時の修正件数」などの効果指標を設定し、スコープを限定して効果を検証します。 PoC で効果が確認できた段階で、活用シーンをヒアリング設計から要件整理へと段階的に広げることで、チームが無理なく習熟できます。
チームへの展開と標準プロセス化
プロンプト集の整備と共有
効果のあったプロンプトを組織内で整備し、用途別に分類したプロンプト集として共有します。現場のフィードバックを取り入れて継続的にアップデートする体制が、活用品質の向上につながります。
標準プロセスへの組み込み
要件定義プロセスの手順書やチェックリストに、 Claude 活用のステップを明示的に組み込みます。手順を標準化することで有志のツール利用からチーム全体のプロセスへと定着を図ります。得られた知見を振り返りミーティングなどで共有し、組織的なナレッジとして蓄積することが有効です。
cloudpack では、生成 AI を活用したシステム開発の要件定義から構築・運用までサポートしています。 Claude をはじめとする生成 AI の業務活用に関するご相談は、cloudpack までお問い合わせください。