要件定義をAIに委任！Claude Codeプラグインで作るPdM × AgentTeams

Transcript

1. 2026/11/12 Findy AI Meetup #8 要件定義をAIに委任！ Claude Codeプラグインで作る PdM × AgentTeams ファインディ株式会社 フロントエンド テックリード 新福 宜侑 @puku0x 1
2. サービス紹介 ファインディが展開するエンジニアプラットフォーム © Findy Inc. 2
3. ファインディの現在 • ⽣成AIを活⽤し、今まで以上のスピードで開発 3
4. 実装は速くなった 4
5. 他にボトルネックは？ 5
6. 「何を作るか」を決める 6
7. 「何を作るか」を決める時間 • PdMが企画 → チームで壁打ち • 実装待ちは減った、要件が固まるのを待つ時間はそのまま 「こういう課題があって ...」 「今の実装だと◯◯が△△で ...」 「こういう施策を考えてて ...」 「現行のデザインはこうで ...」 7
8. どうして時間がかかる？ 例えば... • 要件の実現可能性を調査できるのがエンジニアだけ • システム的な制約、対象範囲の広さなど 「このボタンを変えると ...」 「◯◯の機能との影響が ...」 「この画面の仕様って ...」 「調査します（ n日）」 8
9. ファインディの取り組み 9
10. 壁打ちそのものをAIに渡せないか？ • • 壁打ちでやっていることを分解 ◦ 仮説‧検証、データ収集、スコープ分割... ◦ ⼀つ⼀つはAIにもできそう🤔 壁打ちAI → やっていることを整理してスキル化すれば再現できるのでは？ → Claude Codeプラグインで社内標準化も狙えるのでは？ 10
11. 全体像 • ファインディでは3つのプラグインを開発 ◦ PM向け、開発向け、QA向け 今回はこれ！ PM向けプラグイン 開発向けプラグイン QA向けプラグイン 施策提案 → 要件定義 要件定義Issue作成 Issue作成 → 計画 → 実装 スタックPR QA観点 → テストケース 実⾏ https://tech.findy.co.jp/entry/2026/10/16/120000 11
12. 要件定義スキル（１） • ⼈間が「何をしたいか」を⼊⼒ 例 要件定義して LPからの会員登録を増やしたい 要件を整理して https://github.com/Findy/repo/issues/123 このIssueの要件を深掘りして #456 12
13. 要件定義スキル（２） • Agent Teamsで壁打ちを再現 ◦ オーケストレーターを橋渡し役にして複数エージェントを起動 収集担当エージェント 仮説担当 エージェント オーケストレーター 収集担当エージェント 収集担当エージェント ： 13
14. 要件定義スキル（３） • 複数の収集エージェントを並列実⾏ エージェント 役割 データ・コンテキスト収集 IssueやNotionからデータを収集 プロダクト文書 リポジトリのDocsからKPI定義・ポリシーを抽出 コードベース分析 リポジトリの制約・パターンを分析 スコープ分割 MVPと拡張項目への分割 技術的実現可能性評価 解決アプローチの実現可能性を評価 アクセス解析データ収集 GAやSearch Consoleからデータを収集 14
15. 要件定義スキル（４） • 壁打ち結果を要件定義の下書きとして出⼒ ◦ ⼈間が下書きをレビュー 例: 「離脱の増加はフォーム起因」という仮説を立てた場合 ①特に確認すべき点 ②WHY / WHAT 分析 ③補⾜情報 データとの矛盾 : 離脱はフォー ムではなく LP の途中 → 仮説の修正を提案 課題の本質: 確信度 中 背景: 確信度 低 データ裏付け : 裏付けあり 3 / 矛盾 1 / 新規示唆 2 / データ不 足2 未確定: 目標値とKGI MVP: LP の構成と登録ボタンの 位置 / 拡張: フォームの項目を減 らす 技術的実現可能性 : LP は今あ る部品で組み替えられる。計測 の追加が要る 15
16. 要件定義スキル（５） • 承認するとIssue起票 ◦ ⼈間はAIが整えた本⽂を ⾒て承認するだけ ◦ エンジニア以外でも読める ように概要が⽰される ◦ MVPと拡張はSub-issue として分割 そのまま開発に渡せる Issueとして出⼒ 16
17. 使ってみた 17
18. 社内での利⽤状況 • 利⽤リポジトリ: 10 • 利⽤⼈数: 13⼈ • 最初のタスクまで（中央値）: 0.3⽇ • これまでに要件定義した施策: 51件 ◦ MVPと拡張に分けた施策: 23件 ◦ 作らない判断をした施策: 3件 ◦ バリューに照らし合わせた懸念を⼈間が確認: 5件 18
19. 委任したもの、⼈に残したもの • 作業はAI、判断は⼈間 何を作りたい かを書く レビュー 仮説検証 データ収集 承認 要件定義 を清書 Issue起票 要件定義スキルの流れ 19
20. 判断を⽀える⼯夫 • どこまで信じて良いかを⾒せる ◦ データに出典を付ける ◦ 根拠を⽰す ▪ • 📊 データの裏付け / 🤝 壁打ちでの合意 / 🤖 AIによる推測 作らない判断もできるようにする ◦ 業務フローの⾒直しで回避できないか？ ◦ ファインディのバリュー（前向き / 誠実 / チームワーク / スピード / No.1） と合わない施策をやろうとしていないか？ 20
21. 委任して変わったこと • • データと根拠が以前より⼤事になった ◦ データの量が仮説検証の質を上げる ◦ AIによる推測やデータ不⾜が増えるとノイズになる データを残す仕組みを考える必要がある ◦ 計測をあらかじめ組み込む ◦ 決定事項や意思決定の理由をIssueやNotionに残す ◦ KPI定義やポリシーをドキュメントに書いておく 21
22. まとめ（１） • 要件定義スキル ◦ 複数エージェントの並列起動で壁打ちを再現 ◦ PM向けプラグインとして開発＆全社で改善 ▪ 3⽉ 対話18〜29回 → 3回に削減 ▪ 4⽉ データとの突き合わせ‧技術的実現可能性を追加 ▪ 8⽉ Google Search Consoleの収集を追加 ▪ 10⽉ エンジニア視点レビューの追加 22
23. まとめ（２） • AIへの委任 ◦ 調べものは委任しやすい ▪ ◦ 根拠が⼤事 ▪ ◦ 横断的な調査を素早く⾏える データを残す仕組みを 判断は⼈間の仕事 ▪ 時には作らない判断も 23
24. Findy HardTech をよろしくお願いします󰢛 24
25. We’re hiring! https://findy.co.jp/recruit/ 25