「上流工程がコーディングのように管理できる」――バクが生成AIで挑む要件定義の構造改革

学生起業からIPA未踏ターゲット事業の修了、システム開発の炎上現場までを歩いてきた、バク代表の小路 真矢氏には、ある確信がある。「上流工程がコーディングのように管理できる方法が、生成AIでやっと見つかった」。

同社の「開発AIコア」は、議事録やRFP、要件定義書といった非構造化データを構造化し、システム開発の上流工程に「残す・確かめる・たどる」を持ち込むプロダクトだ。直近では、営業・提案設計向けに「開発AIコア Fit&Gap」も展開し、支援領域を要件定義の手前までに範囲を広げた。3件の特許とハーネス設計を武器に、汎用LLM時代のSIをどう変えるのか――小路氏が描く、上流工程の再現性ある未来像を聞いた。

「作りたい人」と「作る人」の溝――炎上現場から始まった上流工程への問い

千葉大学で物理学を学びながら在学中に起業した小路氏のキャリアは、システム開発の現場と並走してきた。データサイエンティストのインターン、IPA未踏ターゲット事業の修了、AKATSUKIプロジェクトでのプロジェクトマネージャー。個人としても会社としても、両方の立場で多くの開発に関わってきた。そのなかで小路氏が痛感したのは、コーディングそのものの難しさではない。「コーディング自体はスキルがあればできる。本当に難しいのは、システム開発というものが『作りたい人』と『作る人』に分かれていることです。」（小路氏）

技術者の言葉と、事業側の自然言語のあいだにあるギャップが、認識のズレを生む。これを埋める情報基盤こそが必要だ――その問題意識が開発AIコアの出発点になった。

決定的だったのは、自社で経験したシステム開発の炎上案件だった。原因をたどると、問題は上流工程に集中していた。下流工程はGitHubでコードのバージョン管理ができる一方、上流工程の要件定義は管理できていない。Excelに番号を振って管理しようとしても限界がある。要件定義は、非構造化データだからだ。

要件は自然言語と合意形成、暗黙知の上に成り立っているため、コードと同じ厳密さで扱うのは難しい。ただ、生成AIによって自然言語を構造化できるようになり、状況が変わった。「自然言語を構造化して扱えるようになって、ようやく上流工程にも情報管理基盤を持ち込めるようになったんです。」（小路氏）

「開発AIコア」の焦点は3つある。

• プロジェクトの経緯・論点・要求・要件・修正履歴を構造化して蓄積する「残す」。
• 未定義の要件や矛盾、過去の指摘との差分をレビューの観点として示す「確かめる」。
• そして、各要件や判断が、どの資料・議論・修正の経緯に基づくかを追跡できる「たどる」。

担当者が変わっても、検討の前提を引き継げる。属人化しがちな上流工程に、再現性を持ち込もうという発想だ。

バクは2020年12月の設立。「コンピュータ誕生以来の未解決問題を解決する」をビジョンに掲げ、AWS、Google for Startups、Microsoft for Startupsの支援プログラムに採択されてきた。当初は受託開発も手がけていたが、渋谷のCampus Tokyoを拠点に活動を広げるなかで転機が訪れる。業界の担当者へ話を聞いてみると、企業規模を問わず同じ課題を抱えていることがみえてきた。「それならば、このプロダクト一本でいこう」。学生起業から始まった会社は、ここでプロダクト企業へ舵を切った。

「再現性が生み出せる」――10分で要件定義書、1時間でキャッチアップ

Claude Codeなどのコード生成AIが下流工程に普及するなかで、開発の現場では新たな課題もみえ始めている。「下流工程でClaude Codeのようなツールが広く使われ始めると、エンジニア一人ひとりが独自のやり方で取り入れていく。指示の出し方も人によって違うし、出来上がる成果物も違ってしまう」（小路氏）。SIerやベンダー、IT子会社、情シス部門は標準化と品質の担保を望んでいるが、現場では「便利だから」と個人利用が先行していく――小路氏は、そんな現場の実情を数多く見てきた。

開発AIコアは、生成AIの個人利用が広がることを前提に、上流工程の情報管理基盤を組織として整える発想で設計されている。要求・要件のわかりやすい形での見える化、過去のトラブル事例との照会によるリスク検知、資料間の矛盾や抜け漏れの検出、変更履歴の自動記録によるトレーサビリティ。「シニアがこれまで担っていたレビューを、新人でも一定水準でできるようになる。なぜこの要件定義になったのか、なぜ仕様が変わったのか、その根拠を追跡できるし、引き継ぎもしやすくなる。何より"再現性"が生まれる」と小路氏は語る。

現場では、心理的な変化も起きている。「リスク検知機能で、今の要件定義にどのような問題や矛盾があるかをAIが指摘してくれる。それによって、『背中を押される感じがする』と言ってくださる方もいた」。

時系列で要件の変遷を追える点も評価されている。「『なんでこの要件があるんだっけ？』『この要件、消えたんだっけ？』というやり取りは、規模が大きくなると人の記憶だけでは追いきれない。必要なときに、必要なだけ追跡できることに価値を感じていただいている」。

同社は直近、こうした仕組みを営業・提案設計の段階まで広げた「開発AIコア Fit&Gap」も展開し、要件定義の手前から構造化を始められる体制を整えた。

カスタマイズが増えるほど、属人化も増していく――その矛盾を解く基盤

個人がシステムを作れる時代は、現場に新たな矛盾も持ち込む。「個人がシステムを作れるようになるほど、カスタマイズの数は増える。だが、要件定義を担う人が変われば、その人に情報が属人化していく。カスタマイズが増えるほど、属人化もむしろ増していく」（小路氏）。

記録や追跡の仕組みがないままカスタマイズが積み重なると、「誰が、なぜ、こう作ったのか」が個人の頭のなかに閉じてしまう。開発AIコアは、この矛盾を解くために作られている。情報を一箇所にまとめ、誰でも要件や判断の経緯をたどれる状態を作る。その土台になろうとしている。

同社の設計思想の中心にあるのが、「ハーネス」と呼ぶ独自の仕組みだ。汎用LLMの性能は今後も向上していく。その進化を取り込みつつ、出力のばらつきを抑える層を上に被せる――それがハーネスの考え方である。

要件定義レビューや判定根拠の追跡など、文脈理解が必要な部分だけをLLMへ任せ、それ以外の業務フローは、常に結果が同じになる従来型のプログラムで処理する。「個別の成果ではなく、全体として一定品質の出力を再現することが重要。それを会社としてやりきる仕組みを作っている」（小路氏）。

この設計を裏で支えるのが、3件の特許だ。

• 1つ目の「カード化」は、議論や資料に散らばった要求を、テーマ単位で束ねる仕組みである。たとえばログイン認証で、「メールアドレス認証」「Googleログイン追加」「やはり不要」と議論が変化しても、関連発言を1枚のカードとして追える。
• 2つ目の「意味的整合性」は、業界のベストプラクティスや関連資料と現在の要件を照合し、ズレや抜けを検出する。
• 3つ目の「根拠追跡」は、それぞれの要求・要件が、どの議事録のどの発言に基づいているのか、あるいはどの資料のどの記載に基づいているのかをたどる仕組みだ。

AIが上流工程まで担う時代に、人間に残る役割について、小路氏は「ニュアンスで伝わる良き理解者」という言葉を使う。「組織の中で、AIと常時会話をすることが仕事になる人もいれば、依然として人を動かす、人と話すことが仕事である人もいると思います。そして、ニーズの起点は事業側、つまり人と話すことが仕事の人であることが多い。システムを作りたい人の言葉と、技術的な言葉の間には、どうしてもギャップがある。それを埋める存在が必要です。AIは支援できますが、"ニュアンスで伝わる良き理解者"をやるのは、最後は人という部分は変わらない」。――小路氏は、性能競争よりも、人とAIの間に立つ役割こそが本質だとみている。

「方眼Excelはそのままでいい」――AI要件定義サミットで伝えたいこと

人とAIをどうつなぐか――それは、個社の取り組みを越えて業界全体で問われるテーマになりつつある。AI要件定義サミットで、小路氏が伝えたいメッセージはシンプルだ。「皆さんがずっと苦しんできた領域である上流工程を、コーディングのように管理できる方法が、生成AIでやっと見つかった」。下流ではすでに進んだ生成AIによる変革の波が、今度は上流へ押し寄せようとしている。その実感を持ち帰ってほしいという。

もう1つ、小路氏が触れたいテーマがある。日本のシステム開発の現場で長く使われてきた「方眼Excel」だ。同社のソフトを導入した企業でも、方眼Excelで仕様書を書いている人はまだ多い。ただ、それでも構わない、というのが小路氏の考えである。「要件定義のフォーマットを変えてください、というのは現場にとってものすごくハードルが高い。そこは今まで通りでいい。それを開発AIコアに入れていただければ、そのまま残すことも、チェックも、たどることもできるようになる。プロセスはあまり変えなくても、これが可能になる」。

既存のフォーマットを否定するのではなく、その上に追跡と再現性のレイヤーを重ねる。現場のプロセスを大きく変えずに、上流工程の情報管理に変革を起こす――それが、小路氏の描く未来像である。「ソフトウェア開発は昔から、大規模になるほど“いつ完了するか分からない”という問題がずっとあった。それを解決できる時代が、ちょうど今来ているのだと思う」。生成AIによる変革は、いま上流工程へ向かい始めている。