バイブコーディング・スペック駆動を超えて「仮説駆動」開発へ。真のAIネイティブ開発は「Why」からはじめる

バイブコーディング・スペック駆動を超えて 「仮説駆動」開発へ 真のAIネイティブ開発は「Why」からはじめる 宮田 大督（miyatti）@miyatti777 生成AI Conf 2025年11月11日 1

自己紹介 宮田 大督（miyatti）@miyatti777 株式会社EXPLAZA CPO（Chief Product Officer） プロダクトマネージャー × AIエンジニア AIPM System（AI Product Management）開発者 今日のテーマ 「真のAIネイティブ開発とは何か？」を問い直す そして、実践的な答えを提示する 2

Part 1：理論編 なぜ「仮説駆動」なのか？ AI開発手法の歴史と現在地を整理し、 新しいパラダイムの必要性を明らかにします 3

2025年、AI開発現場の混乱 よくある会話 エンジニア側 「スペック駆動開発、いいね！」 「AIで実装できる！」 「効率的だ！」 PM側 「え、仕様って中間成果物では...？」 「その前にやることが...」 「Why が抜けてる...」 なぜ、このすれ違いが起きるのか？ 4

AI開発手法の完全タイムライン ● 2023年初頭：バイブコーディング自然発生 ● 2023年後半：ガードレール模索期 ChatGPT爆発的普及 → 「とりあえずAIに聞く」時代 ✓ 直感的、参入障壁低い ✗ 不安定、方向性不明確 「これ、不安定すぎない？」 → Cursor Rules、Knowledgeの工夫 ✓ 体系化の動き ✗ 標準化されていない 5

AI開発手法の完全タイムライン（続き） ● 2025年2月：バイブコーディング概念化 ● 2025年7月：スペック駆動開発登場 Andrei Karpathy（元Tesla AI責任者）がXで命名 → 3月：ウェブスター辞典掲載 問題が明確化される Kiro（AI IDE） リリース + GitHub Spec Kit 「仕様がSingle Source of Truth」 ✓ 安定、再現性高い ✗ Why（仮説）が抜ける 参考：Wikipedia - バイブコーディング | Zenn - Spec Kit記事 6

AI開発手法の完全タイムライン（続き） ● 2025年7月〜現在：PM×エンジニアのすれ違い エンジニア：「スペック書けばいいんだ！」 PM：「え、でもそれ中間成果物では...？」 新たな"すれ違い"が発生 なぜ？ スペック駆動開発は、ある意味 「ウォーターフォールの再発明」だから 7

重要な気づき すべては「XX駆動AI開発」 略称 正確な名称 特徴 バイブコーディング バイブ駆動AI開発 直感的、不安定 スペック駆動開発 スペック駆動AI開発 安定、Why抜け 仮説駆動開発 仮説駆動AI開発 全フェーズAI活用 すべて「AI開発」の話。 だからこそ、AIをどこから使うか？が重要 8

既存概念との関係 AI時代以前の優れたフレームワーク 概念 提唱者 時期 内容 アジャイル開発 アジャイルマニフェスト 2001年 短サイクル検証 リーンスタートアップ Eric Ries 2011年 Build-Measure-Learn ユーザーストーリーマッピング Jeff Patton 2014年 Opportunity→Story ✓ これらはすべて、仮説検証を含む ✗ でも、AI活用は含まれていない 9

Jeff Pattonフレームワークの構造 ユーザーストーリーマッピング（2014年） ● ● ● ● Opportunity（機会発見） Sense（感知） Focus（戦略・優先順位） Story（ストーリー・仕様） この構造が、私のフレームワークのOrigin 10

スペック駆動AI開発の限界 AIをどこから使うか？ スペック駆動AI開発 Opportunity発見 ↓（人間） Sense/Discovery ↓（人間） Spec作成 ★AIここから ↓（AI） Implementation PMとエンジニアが分断 仮説駆動AI開発 Opportunity発見 ★AIここから ↓（AI） Sense/Discovery ↓（AI） Spec作成 ↓（AI） Implementation 全フェーズでAI活用 11

「仮説駆動AI開発」の提唱 定義 仮説駆動AI開発とは Jeff Pattonの「ユーザーストーリーマッピング」フレームワークを AI時代に進化させ、全フェーズでAI活用を前提とした プロダクト開発手法 3つの特徴 1. Why（なぜ）からはじめる - Opportunityの発見から 2. 全フェーズでAI活用 - Why、What、How、実装すべて 3. PM×エンジニアの協働 - 分断ではなく、一体化 12

3つの開発手法の比較 観点 バイブ駆動 スペック駆動 仮説駆動 Why（仮説立て） なし 手作業 AI活用 What（戦略） なし 手作業 AI活用 How（スペック） 曖昧 AI活用 AI活用 実装 AI活用 AI活用 AI活用 PM参加 △ 不明確 △ 分断 一体化 再現性 低い 高い 高い 方向性 不明確 △ 後付け 明確 仮説駆動 = バイブの柔軟性 + スペックの安定性 13

スペック駆動開発の3つの問題 1. PMとエンジニアの分断 PM側： スペック書いたら終わり エンジニア側： Why（なぜ？）が分からない 2. スペックが「ゴール」になる 本来：手段 → 現実：目的化 → 結果：方向性の迷子 3. 後付けのWhyでは遅い 実装後に「あれ、本当に必要？」 → 手戻りコスト大 14

仮説駆動開発の3つのメリット 1. PMの価値が最大化される PM本来の役割：Why（なぜ？）を考える戦略家 スペック駆動：PM = スペックライター 仮説駆動：PM = 戦略家として輝く 2. 圧倒的なスピード 競合調査：手作業（数日） → AIで3分 3. 手戻りゼロ（Why明確だから） 15

仮説駆動AI開発の構造 階層構造として体系化 ● ● ● ● Why（なぜ？） - 仮説を立てる 人間 × AI What（何を？） - 戦略・優先順位 人間 × AI How（どうやって？） - スペック作成 人間 × AI 実装 - コード生成・テスト AI × 人間 ゴールデンサークル × AI 16

Part 2：実践編 どうやって実現するのか？ AIPM Commands Editionを使った 具体的な実践方法を紹介します 17

AIPM Commands Edition 25コマンドで実現する仮説駆動AI開発 Sense（6コマンド） Focus（4コマンド） 競合調査 顧客調査 データ分析 トレンド分析 ペインポイント分析 Opportunity発見 市場規模推定 ターゲット選定 OKR作成 ロードマップ作成 ※ 詳細は後続スライド参照 18

AIPM Commands Edition（続き） Discovery（8コマンド） ペルソナ作成 ストーリーマップ 仮説検証計画 プロトタイプ設計 ユーザーテスト 課題定義 ソリューション定義 検証結果分析 Delivery（7コマンド） 仕様書作成 タスク分解 実装 テスト デプロイ モニタリング 改善提案 19

実践例：Why Phase（仮説立て） 競合調査コマンドの実行 コマンド： /aipm/sense/competitor-research 🖼️ **［SS挿入予定］** 出力例 競合5社の自動収集、強み・弱み分析、差別化ポイント提案 所要時間：約3分 20

実践例：What Phase（戦略決定） OKR作成コマンドの実行 コマンド： /aipm/focus/okr-generate 🖼️ **［SS挿入予定］** 出力例 Objective自動生成、3-5個のKR提案、測定指標設定 所要時間：約2分 21

実践例：How Phase（スペック作成） ストーリーマップ作成 コマンド： /aipm/discovery/story-map 🖼️ **［SS挿入予定］** 出力例 ユーザージャーニー可視化、優先順位付け、MVPスコープ提案 所要時間：約5分 22

実践例：実装Phase 仕様書 → 実装 → テスト 1. 仕様書作成 2. 実装 /aipm/delivery/spec /aipm/delivery/implement 🖼️ **［SS挿入予定］** 自動生成仕様書 / API設計 🖼️ **［SS挿入予定］** React + TypeScript / テストコード 全工程：約1時間で完了 23

成功事例1：SmartTodo 3時間でMVP完成 使用コマンド 1. /aipm/sense/competitor-research 2. /aipm/focus/okr-generate 3. /aipm/discovery/story-map 4. /aipm/delivery/spec 5. /aipm/delivery/implement 成果 競合5社分析 OKR設定 30ストーリー生成 実装完了 デプロイ完了 合計：3時間 🖼️ **［アプリ完成画面のスクリーンショット挿入予定］** 24

成功事例2：CrossPM 1日でフル機能MVP完成 PM向けクロスファンクショナルコラボレーションツール 午前: Why + What → 昼: How → 午後: 実装 成果: 全機能実装完了 🖼️ **［SS挿入予定］** 25

仮説駆動AI開発の効果 開発スピードの比較 工程 従来手法 仮説駆動AI開発 短縮率 競合調査 2-3日 5分 99% 市場規模推定 1-2日 3分 99% ペルソナ作成 半日 5分 98% ストーリーマップ 1日 10分 99% 仕様書作成 2-3日 10分 99% MVP実装 2週間 1日 93% 平均 95% の時間短縮 26

仮説駆動AI開発がもたらすもの 3つの大きな変化 ● 1. PMの役割の変化 手作業の調査・分析から解放 → 戦略的思考に集中 ● 2. エンジニアとの協働 仕様書の「壁」がなくなり → Whyから一緒に考える ● 3. プロダクト開発の民主化 専門知識不要 → 誰でも仮説検証型開発ができる 27

Jeff Pattonへの敬意 私の提唱は「巨人の肩の上」 Jeff Patton（2014年）: ユーザーストーリーマッピング → Opportunity → Sense → Focus → Story 宮田（2025年）: 仮説駆動AI開発 → Jeff Pattonフレームワーク + AI活用 + 階層化 完全に新しいものではなく、偉大な先人の知見を「AI時代に適応」 28

今後の展望 仮説駆動AI開発の未来 短期（2025年） AIPM System普及 企業導入事例増加 中期（2026-2027年） 業界標準化 教育カリキュラム化 長期ビジョン すべてのプロダクト開発が仮説駆動に 29

まとめ 真のAIネイティブ開発とは ● ✗ スペックからAIを使う（スペック駆動） ● ✗ とりあえずAIに聞く（バイブ駆動） ● ✓ Why（なぜ）からAIを使う（仮説駆動） 「Why」からはじめよう それが、真のAIネイティブ開発 30

ありがとうございました！ リンク・連絡先 Twitter/X: @miyatti777 GitHub: github.com/miyatti777/aipm AIPM System: [リンク準備中] 質疑応答 31

付録 補足資料 32

付録1：AIPM Commands 全リスト Why Phase（仮説立て）（6コマンド） 1. /aipm/sense/competitor-research - 競合5社の自動調査 2. /aipm/sense/customer-research - 顧客インタビュー分析 3. /aipm/sense/data-analysis - データ分析とインサイト抽出 4. /aipm/sense/trend-analysis - 業界トレンド分析 5. /aipm/sense/pain-point-analysis - ペインポイント分析 6. /aipm/sense/opportunity-discovery - Opportunity発見 33

付録2：AIPM Commands 全リスト What Phase（戦略決定）（4コマンド） 1. /aipm/focus/market-sizing - 市場規模推定（TAM/SAM/SOM） 2. /aipm/focus/target-selection - ターゲット顧客選定 3. /aipm/focus/okr-generate - OKR自動生成 4. /aipm/focus/roadmap-create - プロダクトロードマップ作成 34

付録3：AIPM Commands 全リスト How Phase（スペック作成）（8コマンド） 1. /aipm/discovery/persona - ペルソナ作成 2. /aipm/discovery/story-map - ユーザーストーリーマップ作成 3. /aipm/discovery/hypothesis-validation - 仮説検証計画 4. /aipm/discovery/prototype-design - プロトタイプ設計 5. /aipm/discovery/user-test - ユーザーテスト計画 6. /aipm/discovery/problem-definition - 課題定義 7. /aipm/discovery/solution-definition - ソリューション定義 8. /aipm/discovery/validation-analysis - 検証結果分析 35

付録4：AIPM Commands 全リスト 実装Phase（7コマンド） 1. /aipm/delivery/spec - 仕様書自動生成 2. /aipm/delivery/task-breakdown - タスク分解 3. /aipm/delivery/implement - 実装（コード生成） 4. /aipm/delivery/test - テストコード生成 5. /aipm/delivery/deploy - デプロイ準備 6. /aipm/delivery/monitor - モニタリング設定 7. /aipm/delivery/improvement - 改善提案 36

付録5：参考文献・リンク 主要参考文献 1. Jeff Patton（2014）: 『ユーザーストーリーマッピング』 2. Eric Ries（2011）: 『リーン・スタートアップ』 3. アジャイルマニフェスト（2001）: アジャイル開発宣言 Web資料 1. Wikipedia - バイブコーディング https://ja.wikipedia.org/wiki/バイブコーディング 2. Zenn - Spec Kitで試してみた https://zenn.dev/redamoon/articles/article24-spec-kit 3. Andrei Karpathy X投稿（2025/2/2） 37

• https://ja.wikipedia.org/wiki/バイブコーディング
• https://zenn.dev/redamoon/articles/article24-spec-kit

付録6：よくある質問（FAQ） Q1: Jeff Pattonとの関係は？ A: Jeff Pattonの「ユーザーストーリーマッピング」が私のフレームワークの**Origin（起源）**です。彼の 「Opportunity → Sense → Focus → Story」という構造を、AI時代に適応させ、全フェーズでAI活用できるよ うに体系化しました。 38

付録7：よくある質問（FAQ） Q2: リーンスタートアップとの違いは？ A: リーンスタートアップ（Eric Ries, 2011）の「Build-Measure-Learn」サイクルは素晴らしい概念ですが、AI 活用が前提になっていません。 仮説駆動AI開発は、リーンの「仮説検証」の思想を継承しつつ、全フェーズでAI活用を明示的に組み込んで います。 39

付録8：よくある質問（FAQ） Q3: AIPM Commandsの導入方法は？ A: 1. GitHub: github.com/miyatti777/aipm （準備中） 2. Cursorへのインストール: .cursor/commands/ に配置 3. 設定: プロジェクトルートで初期化 4. 使い方: /aipm/[phase]/[command] 形式で実行 詳細ドキュメントは近日公開予定です。 40

付録9：よくある質問（FAQ） Q4: スペック駆動を否定している？ A: 否定していません。スペック駆動開発は素晴らしいアプローチです。 ただし、スペックに至る前のプロセス（Why発見、Discovery）もAI活用すべき、と主張しています。 スペック駆動は「仮説駆動の一部」として位置づけられます。 41

付録10：よくある質問（FAQ） Q5: アジャイル開発と併用できる？ A: もちろん併用できます。 アジャイルは「開発サイクルの回し方」、仮説駆動AI開発は「AIをどう使うか」の話です。 むしろ、アジャイルの短いサイクルと仮説駆動AI開発の高速性は非常に相性が良いです。 42

付録11：用語集 用語 説明 バイブコーディング Andrei Karpathyが命名。AIに直感的に指示してコード生成する手法 スペック駆動開発 仕様をSingle Source of Truthとし、そこからAI実装する手法 仮説駆動AI開発 Why発見から実装まで、全フェーズでAI活用する手法 AIPM System 仮説駆動AI開発を実装した25コマンドシステム ゴールデンサークル Why→What→Howの思考フレームワーク（Simon Sinek） Why Phase Opportunityを発見し、仮説を立てるフェーズ What Phase 戦略を練り、優先順位を決めるフェーズ How Phase スペックを作成し、具体化するフェーズ 実装Phase コードを生成し、テストし、リリースするフェーズ 43

付録12：SmartTodoの詳細 開発タイムライン 時間 フェーズ コマンド 成果物 0:00-0:05 Why competitor-research 競合5社分析 0:05-0:08 What okr-generate OKR設定 0:08-0:18 How story-map 30ストーリー 0:18-0:28 実装 spec 仕様書10ページ 0:28-2:28 実装 implement React実装 2:28-3:00 実装 test + deploy テスト＆デプロイ 合計：3時間 44

付録13：CrossPMの詳細 開発タイムライン 時間 フェーズ 作業内容 09:00-10:00 Sense 競合調査、市場規模推定 10:00-11:00 Focus OKR、ロードマップ 11:00-12:00 Discovery前半 ペルソナ、課題定義 13:00-14:00 Discovery後半 ストーリーマップ、検証計画 14:00-15:00 Delivery前半 仕様書、タスク分解 15:00-17:00 Delivery後半 実装、テスト 17:00-18:00 Delivery完了 デプロイ、ドキュメント 合計：8時間（1営業日） 45

付録14：技術スタック AIPM System の構成 フロントエンド 言語: TypeScript フレームワーク: React + Next.js スタイリング: Tailwind CSS 状態管理: Zustand バックエンド 言語: Python フレームワーク: FastAPI 46

付録15：今後のロードマップ 2025年Q1-Q2 [ ] AIPM System v1.0 正式リリース [ ] オープンソース化 [ ] ドキュメント整備 [ ] コミュニティ立ち上げ 2025年Q3-Q4 [ ] 企業向けエンタープライズ版 [ ] VS Code拡張機能 47

再度、ありがとうございました！ miyatti (@miyatti777) Let's build the future of AI-native development together! 48

49