こんにちは、reiです。

AI活用 / AI駆動開発 Advent Calendar 2025 の8日目の記事です。

今年から AI駆動のアプリケーション開発 に挑戦しており、そのひとつとして、プロダクト要求仕様書（以下、PRD）の作成にも生成AIを本格的に活用してみました。
PRD作成は「要求の整理」「論理的な章立て」「整合性チェック」など、作成までに多くの時間と労力を要します。しかし、生成AIを活用することでこれらの負荷を大きく削減することができました。

この記事では、実際に私が PRD作成〜顧客向け資料化まで をAI駆動で作業したフローを紹介します。
PRD作成の効率化に悩む方、AI駆動開発の可能性を探りたいエンジニアの方の参考になれば幸いです。

1. 今回使ったツール

PRD作成〜顧客提出までに使用したツールは次の3つです。

Visual Studio Code（VSCode）
高機能で軽量なソースコードエディタ。私は VSCode＋ClaudeCode で作業しました。
ClaudeCode
PRD作成の中心。（API利用なら、渡したデータをAIモデルの学習には利用されません）
Gamma
テキスト等からスライドを自動生成。

2. なぜ「ClaudeCode」でPRDを作成したのか

今回の作業は、 ClaudeCodeでPRDの初稿(PRD.md)を作成 → そのテキストをGammaに読み込ませてスライド化 という流れで作成しました。
ClaudeCodeを利用した理由は以下の通りです。

2.1. 開発サイクル全体を縦断できる

設計、実装、テストなど開発サイクル全体を通して同じツールで進めることで、コンテキストの連続性が保たれます。

2.2. 大量ドキュメントの構造化が得意

PDF、Excel、会議メモなど形式がそろっていなくても、ClaudeCodeに一括投入すると、

文書間の関係
要件の粒度
隠れた前提条件

まで読み取り「意味のある構造」にしてくれます。
散らばった要件を整理するフェーズの負荷が激減しました。

2.3. ドキュメントとコードの整合性を保てる

ClaudeCodeは指定フォルダ全体を理解した上でPRDを評価できるため、

API仕様との不一致
データ構造との不整合
仕様変更による影響範囲

なども自動的に検出してくれます。
仕様変更時の関連する設計書やコードへの影響が即座に分かるのは非常に大きなポイントです。

3. 実際にPRDを作成するまでのフロー

ここからは、実際に私がPRDを作成したフローを時系列で紹介します。

3.1. 事前準備：素材を全部放り込む

まずはPRDの元となる素材をすべてプロジェクトのフォルダに配置しました。

顧客ヒアリングメモ
要件まとめ資料
参考資料
PoC時の仕様メモ　など

そしてClaudeCodeに、

「これらを読んでPRDを書くための情報をまとめて」

と指示しました。
複数資料を跨いで意味理解をし、不足情報は逆に質問してくれ、情報を整理してくれました。
断片的なメモでも "いい感じにまとめてくれる" ため、前処理コストが一気に下がりました。

3.2. アウトライン生成：PRDの型を作る

次に、PRDのアウトライン（章構成）を次の手順で作成しました。

No	担当	作業内容
①	ClaudeCode	Web検索で複数のPRDテンプレを収集し項目をリスト化
②	ClaudeCode	記載がないと後に影響する項目を理由付きで洗い出し
③	人間	必要・不要の判断を行い、ClaudeCodeに指示
④	ClaudeCode	章構成案と章ごとの概要を生成
⑤	人間	重複や不足がないかレビュー

ClaudeCodeと対話しながら、アウトラインを確定させました。
このプロセスで良かったのは、章構成のゆがみが起きにくいこと です。
人間だけでPRDを書くと、「途中で論点がズレる」「章が冗長化する」問題が起こりがちですが、ClaudeCodeは 全体整合性を維持しながら調整 してくれます。

3.3. PRDのドラフト生成：ClaudeCodeに書かせる

アウトラインが固まったら、いよいよPRDのドラフト作成です。

「アウトラインに沿ってPRD.mdを書いて」

と指示しました。
インプットした内容を参考に、数十秒でPRD.mdのドラフトができあがりました。
AIを使うことで、「書く作業」から「レビューに集中する作業」 へシフトでき、作業速度が大幅に向上しました。

3.4. 要件の抜け漏れチェック

ドラフトが揃った段階で、

「抜け漏れチェックして」

とClaudeCodeに依頼します。

特に今回は 工数見積もり案 を別タスクとして同時に依頼しました。
ClaudeCodeは各要件について、

実装の複雑さ
依存する検討事項
データ加工の手間
不確実性の高い作業
時間がかかりそうな技術領域
事前調査が必要なポイント

などを分析し、現実的な見積もり案 を提案してくれました。
実装工程で発覚するような「遅延リスク」を事前に 短時間で 洗い出すことができた点は、AI駆動開発の魅力そのものだと感じました！

4. PRD.md の最終整形 → スライド生成AIへ

Gammaに読み込ませる際、Markdown形式のままではなく テキストファイルに変換 すると、スライド構造がより安定します。
流れは次の通りです。

① ClaudeCode で PRD.md の最終版を生成
② ClaudeCode に

「このPRD.mdをスライド生成用にテキスト整形して」

　と依頼
③ 出力されたテキストを Gamma にアップロードし、“求めるスライド像”（章構成、強調したいポイント、図表の扱いなど）を指示
④ Gamma が自動スライド生成
⑤ 生成されたスライドをレビューし、必要な部分を調整して完成

ここで特に助かったのは、Gammaが関係図やフローを適切にビジュアル化してくれる点です。ほぼ自動的に見栄えの良いスライドに変換されるのが大きなメリットでした。

5. AI駆動でPRDを書くメリットを振り返る

今回のプロセスで実感した大きな変化は以下の3点です。

① 要件整理が圧倒的に早い
　断片的なメモを一括投入するだけで、曖昧な情報でも意味のある構造に整理される。
② 書く作業時間が減り、判断・レビュー時間が中心になる
　人間は「考える」「判断する」部分に集中できる。
③ 工数見積もり・リスク洗い出しが自動化できる
　とくに複雑な仕様のリスク抽出や見積もりはAIの得意領域。

6. AI駆動でPRDを書く際のTips

最初は「素材を全部入れる」のが最も効率的
影響範囲の大きい部分は、AI自身にもレビューをさせると精度が上がる
AIに潜在リスクの洗い出しを徹底的に依頼する
人間が判断するための材料集め（分析）もAIに依頼する
スライド生成AIを使えば顧客資料の作成負荷は激減
AIが示した内容は必ず「意図通りか」人間が判断する

7. まとめ：PRD作成はAIと協働する時代へ

今回の取り組みを経て、「PRDを人間が一から書く時代は終わった」 と強く感じました。

人間担当：判断とレビュー
AI担当：構造化・整合性チェック・文章生成・資料化

この分担は非常に相性がよく、特に要件定義〜設計フェーズの負荷が重いプロジェクトほど効果が大きいと思います。

以上、AI駆動開発の現場からお届けしました！
今後もAIに関する学びや実践を記事にしていきますので、引き続きよろしくお願いします。