はじめに
普段は社内SEとして、主にデータ活用や業務の自動化の相談を受けて対応しています。ここ最近はAIの進化もあって、相談を受けてから動くものを見せるまでが、以前よりずっと速くなりました。
この記事では、私が個人開発で使っている進め方を、2つの公開リポジトリを例に紹介します。
- ec-dashboard:EC向けの売上・顧客ダッシュボード。作り始めてからCIが通るまで1時間以内
- gas-business-automation:メールの注文書を取り込むGAS。非エンジニアに引き渡せる形
全体の流れ
1. 悩みを聞く:機能ではなく、困っている場面を聞く
最初に聞くのは「何が欲しいか」ではなく、「どんな場面で困っているか」です。欲しい機能を聞くと、今のやり方の延長の答えになりがちです。困っている場面を聞くと、作るものの条件が見えてきます。
ec-dashboard の例では、次のような場面が出てきました。
- BIツールでダッシュボードを1つ作るたびに、構築の手間が大きい
- 部署ごとに売上の数字が合わない
- 画面を開くたびにデータ基盤の費用が増える
2. 判断の表にする:悩み1つに、設計の判断1つ
聞いた場面を、そのまま「悩み → 判断」の表にします。私のリポジトリの README と記事には、必ずこの表を入れています。
| 現場でよくある悩み | 設計の判断 |
|---|---|
| 部署ごとに売上の数字が合わない | 指標の定義はデータ基盤の1か所。画面は足し上げるだけ |
| 画面を開くたびに費用が増える | 結果を10分キャッシュし、集計してから読む |
この表があると、AIに作業を頼むときの指示になり、できたものを確かめるときのチェックリストにもなります。相手と「何を作るか」を合わせるのにも使えます。
3. 守る条件を決める:AIに任せる前に、人が決めること
AIに作業を頼む前に、次の条件を自分で決めます。ここはAIに任せません。
- 何を作るか、誰のどの悩みに応えるか(上の表)
- 使ってよいデータ(個人開発では架空のデータだけ)
- 扱わないもの(APIキーなどの秘密情報)
- 誰が運用するか(非エンジニアが運用するなら、設定や止まり方まで含めて設計する)
4. AIと分担して作る
分担は次のとおりです。
| 私 | AI(Claude) |
|---|---|
| 何を作るか、守る条件を決める | 設計を提案する |
| 判断の表を確かめる | コード、テスト、CI、README を書く |
| 動いた画面や結果を確かめる | 指摘を受けて直す |
AIに頼むときは、表と条件をそのまま渡します。テストとCIまで最初から作ってもらうのがポイントです。速く作っても、テストがないと直すたびに怖くなり、結局使われなくなるからです。
5. 動くものを見せて直す
話を聞いた日のうちに、動くものを見せます。紙の要件定義より、動く画面のほうが相手の本音が出ます。「この数字はこっちで見たい」「この場合は止めてほしい」といった声は、だいたいここで出てきます。出てきた声は、2の表に戻して判断を足します。
6. 引き渡す:作った人がいなくても回る形にする
最後に、作った本人がいなくても回る形にします。gas-business-automation では、次の5つを1セットにしました。
- 設定は シート に置き、間違いはふつうの言葉で知らせる
- 実行のたびに 実行ログ を残し、失敗と要確認は メールで通知 する
- 怪しいものは推測せず、要確認 に回して理由を残す
- 運用ガイド(毎日やること・止まったときにやること)
- 引き継ぎチェックリスト(持ち主、トリガー、配布の手順)
まとめ
- 機能ではなく、困っている場面を聞く
- 悩み1つに設計の判断1つ、の表にする
- 守る条件は人が決め、作業はAIと分担する。テストとCIは最初から
- その日のうちに動くものを見せ、出てきた声を表に戻す
- 作った人がいなくても回る形にして引き渡す
おわりに
この進め方で一番大事なのは、技術よりも信頼関係だと思っています。ふだんから話しやすい人でいると、困っていることを早めに打ち明けてもらえます。1の「困っている場面を聞く」は、そこから始まります。