戦略コンサルティング

STP策定支援

ペルソナ / CJM /UXフロー策定支援

プライシング再設計支援

KGI / KSF / KPI / ミッションツリー策定支援

SaaSモデル / クラウド化転換支援

新規事業立ち上げ支援

ITコンサルティング

ビジネス部門支援

経営企画・事業企画チーム立ち上げ支援

カスタマーサクセスチーム立ち上げ支援

CS ヘルススコア構築支援

カスタマーサポート対応自動化支援

サービスサイト / ランディングページ構築 / リニューアル支援

オウンドメディア立ち上げ支援

プロダクト部門支援

グロースハック施策企画 / 実行支援

プロダクトロードマップ策定支援

プロダクト開発体制支援

プロダクト運用体制支援

プロダクト組織の強化 / 育成支援

開発部門支援

インフラ(クラウドサーバー)コスト削減支援

開発パートナー会社見極め・選定伴走

CTO採用支援

データ支援

データ基盤(DWH)構築支援

Tableauダッシュボード構築支援

GA4導入 / 活用支援

データ活用人材育成・トレーニング

サービス

AIエージェント開発を始めたら、結局ずっと「要件定義」をしていた

2026/7/23

株式会社deflag CPO / CAO / CIO

中前 秀太

リンクをコピー

  • # AI

  • # AIエージェント

  • # AI開発

AIエージェントを作る、と言うと、何か特別な専門技術の話に聞こえるかもしれません。

私も、正直に言うと、最初は身構えていました。
これは今まで自分がやってきたことと地続きなのか、それとも、まったく新しい世界なのか。近い気はしていたのですが、うまく言葉にできていませんでした。

実際に手を動かしてみて、その正体が分かりました。
やっていたのは、私がずっとやってきた「要件定義」でした。

手を動かして、腹落ちした

一番はっきり感じたのは、お客様の実態を見にいって、高速に作って、試してもらって、直す。これを何度も繰り返しているときでした。

このプロセスに、強い既視感がありました。
プロダクトのPoC(お試し版)を作るとき、新しい機能や新規プロダクトを立ち上げるときに、私が繰り返し繰り返しやってきたループそのものだったからです。

現場に行って、本当に困っていることや実現したいことを見る。
仮説を、動くものにして、目の前で触ってもらう。
反応を見て、違ったら直す。
作っているものがAIエージェントに変わっただけで、やっていることは何も変わっていませんでした。

プロダクトも、業務プロセスも、AIエージェントも

振り返ると、私はこの数年、3つの違うものを作ってきました。
プロダクト。会社の業務プロセス。そして、AIのワークフローとエージェント。

世の中では、この3つは別の仕事として語られます。
プロダクトマネジメント、業務改善、AIエンジニアリング。
求人票も、求められるスキルも、別々に並んでいます。

でも、自分でやってみると、真ん中にある作法は同じでした。
突き詰めると、2つのことをやっているだけです。

1つは、本質的に必要なことを、ピンポイントで特定すること。
お客様の声や現場の実態から、本質的な要求を掘り当てる。言われた要望をそのまま作るのではなく、その奥にある本当に必要なものを見極める作業です。

言われた通りに作ると、大体外します。
「この画面がほしい」の裏には「本当はこの判断を速くしたい」があって、実は画面自体なくてもいいパターンがある。
これを掴めるかどうかで、出来上がるものがまるで変わります。
これはプロダクトでも、業務でも、AIエージェントでも、同じでした。

もう1つは、それを、使いやすい形にちゃんと作り上げること。
大きな塊を、扱えるサイズに分解して、何をやって何をやらないかの境界を引く。

たとえば「やる・やらない」の境界です。
プロダクトなら、初期版で何を載せて、どう線引きをするのか。
業務なら、人がやることと、仕組みに任せることの線。
AIエージェントなら、AIに任せるところと、人が最後に承認するところ。
引いている線の中身は違っても、線を引くという行為そのものは同じでした。

プロダクトの機能を切るのも、業務の工程を整理するのも、AIエージェントのステップを組むのも、私がやっていたのはこの2つでした。
呼び名が違うだけで、頭の使い方は同じだったのです。

つまり「要件定義」だった

言葉にすると、拍子抜けするくらい当たり前かもしれません。
私がAIエージェント開発でやっていたのは、要件定義でした。

何を叶えたいのかを定めて、そこから必要なものを逆算する。
作って、試して、違ったら直す。
プロダクトを作っていた頃と、同じ型の上に立っていました。

やってみて分かったのは、AIエージェント開発でいちばん頭を使うのは、AIの設定そのものではないということです。
AIに何をさせるか、どこまで任せるか、その手前をどう定義するか。ここが決まっていないと、どんなに賢いモデルを使っても、返ってくるものは的を外します。
難しいのは、「何を作るか」の側にありました。

AIエージェントを作る側に回ったとき、私は職種が変わるのかなと思ってました。
でも実際には、PdMとしてやってきた仕事が、名前を変えて続いていただけでした。強いて言えば、プロダクトがプロセスに変わっただけ、かもしれません。

新しい技術に身構える前に、この「要件定義の型」を持っているかどうか。
AIエージェント開発で効いたのは、最新のツールの知識よりも、こちらのほうでした。

ただし、1つだけ大きく変わったことがある

ここまで書くと、全部同じ、で片づけたくなります。
でも、決定的に変わったことが1つだけありました。

自分で、いろいろできるようになったことです。

以前は、要件を定義したら、実装は別のエンジニアに、デザインは別のデザイナーに、などいろんな方にお願いしていました。
私は「何を作るか」を決める人で、「どう作るか」は人に任せる、という分業が前提でした。

AIを使うと、その境界が溶けます。
設計だけでなく、実装も、動かすところまで、自分で手が届いてしまう。
これは、大きな変化でした。

ただ、その分、気をつけることも一気に増えました。
たとえばセキュリティです。
人に任せていた頃は、その人が守ってくれていた領域を、今は自分で意識しないといけない。作れてしまうからこそ、危ないものも作れてしまいます。

設計だけをしていた頃は、この部分は考えなくてよかった、というより、考えられる状態にありませんでした。今は、良くも悪くも、全部が自分の手の中にあります。

そして何より、これまで人にお願いしていた領域を、自分で語れるようにならないと、結局は回らないと痛感しました。
「あとはよろしく」で渡していた部分を、自分の言葉で理解して、判断できる状態にする。
ここができていないと、自分で作れるようになった意味が半分になってしまいます。

作る人と、設計する人の境界が溶ける

まとめると、こうです。

プロダクト作りも、業務プロセスの整理も、AIエージェント開発も、根っこにある設計の作法は同じでした。
本質を特定して、使える形に作り上げる。ずっと要件定義と呼ばれてきた仕事です。

変わったのは、作る人と設計する人の境界が溶けたことです。
設計する人が、そのまま作れてしまう。だからこそ、これまで分業で任せていた領域まで、自分で語れる人の価値が上がっていくのだと思います。

AIエージェント開発と聞いて身構えている方がいたら、伝えたいことは1つです。
もしあなたが、要件を定義して、動くものにして、試して直す、という仕事をしてきたなら、その型はそのまま使えます。名前が変わっただけの、続きの仕事です。

deflagをもっと知りたい方へ

🌐 コーポレートサイトhttps://deflag.net
𝕏 X(Twitter)https://x.com/nakamae__deflag
📝 notehttps://note.com/nakamae_deflag
💼 LinkedInhttps://www.linkedin.com/in/shuta-nakamae-18392828a

株式会社deflag CPO / CAO / CIO

中前 秀太

筑波大学大学院修了。コロプラでスマホゲームのプランナーとして新人賞を獲得後、合同会社MolaTectaを創業。ベーシックでPLG型SaaS事業のプロダクト開発部長を経て、現在はDeflagにてプロダクト戦略の策定・開発をリード。自社業務のAIエージェント化を自ら実践している。

知見・コラム

  • 知見

AI-Readyな企業とは|AI導入止まりの企業との違い

AI活用が一気に広がり、セミナーや記事、SNSで「AI-Ready(AIレディ)」という言葉を見かける機会が増えました。文字面から「AI活用の準備が整った状態」までは想像できるものの、抽象度が高く、自社が具体的にどんな状態になればAI-Readyといえるのか、そもそも「AIをもう色々入れている自社」...

2026/7/24

  • 知見

暗黙知と形式知の違い|暗黙知をAIで活用する方法

AIが業務に入り込むにつれ、AIに渡すデータの中身が回答の質を左右する場面が増えてきました。個人の頭の中にある判断や、議事録や資料に残らない業務のコツを、どうすれば組織で使える状態にできるかは、AI活用の成果に直結する論点になっています。頭の中の判断やコツをどのようにAIに活かすかを理解するには、「...

2026/7/23

  • 知見

AI-Ready Dataとは|ビッグデータとの違いと、満たすべき6つの条件

生成AIの導入自体は、多くの企業で浸透してきました。ChatGPT等のアカウントを配布し、社内問い合わせにチャットボットを置き、資料の要約や文案作成にAIを使う運用は、ベンチャー・中堅企業でも珍しくなくなっています。ところが、いざ自社の業務データをAIに使わせようとすると、次のような場面に多くの推進...

2026/7/22

記事一覧へ

arrow_forward

お役立ち資料

営業部門のAIエージェント活用ガイド|営業現場が変わる10の業務

ダウンロード

お役立ち資料一覧を見る

Contact

まずはお気軽にご相談ください