■ 1. AI開発のボトルネックの変化
- 従来はAIとのコミュニケーション部分がボトルネックとされていた
- 近年はAPIリクエストのクレジット数が制限要因となっている
- Claude Opusのコスト倍増によりトークン数の節約が重要な課題となった
- 日本語は情報伝達が速い一方、英語はトークン効率が高いというトレードオフが存在する
■ 2. AI-DLCワークフローの課題
- AmazonのAI-Driven Language Comprehensionアプローチを試した結果、ドキュメント作成が重くなることが判明
- 細部まで質疑応答が必要となり、ウォーターフォールモデルを強制されるような疲労感が生じた
- AIが大量生成したドキュメントを人間が確認する流れは、AIの「解読が得意」という特性に反する
■ 3. AI時代のドキュメント設計思想
- 構成の改善:
- 人間が読みやすい従来形式からAI理解に適した形式へシフト
- 穴埋め式テンプレートではなく、柔軟な構造化が必要
- セマンティックウェブの概念を応用
- 読み込みの改善:
- リンク構造で小分割化し、コンテキスト消費を削減
- RAGより直接リンク参照が効率的
- スクリプトによる自動リンクチェックを実施
- 完全性の後回し化:
- アジャイルと同様に、必要な要件だけを先行実装
- バックログで未完了要件を管理
- アーキテクトスキルを持つ人間による優先度判定が効率的
■ 4. Spec Compiler Skillの開発
- 著者がGitHubで公開したツールの特徴:
- デフォルトドキュメント種別を定義
- テンプレートは最小限に抑える
- 英語本文と日本語説明を組み合わせた形式
- JSONLインデックス出力でDuckDBに対応
- ドキュメント間のリンクを自動生成
- 効果:
- コンテキストの節約
- ローカルWiki的な運用が可能
■ 5. AI用ドキュメントの活用方式
- 仕様確認はAIへの質問で対応
- 修正依頼はAIへの指示で対応
- 要件補完はAIへの相談で対応
- ドキュメントはコンテキスト節約のため英語で記述するが、日本語での問い合わせに対応
- 実装フェーズではゴール機能を用いて完了まで一気に依頼可能
■ 6. 今後の課題
- OpenTelemetryを活用したスキル検証
- テスト連携の強化
- 従来形式ドキュメントの自動生成