生成AIは、C4モデルの図を自動で完成させるための道具ではありません。一方で、Contextに載せる利用者や外部システム候補を洗い出す、Containerの責任候補を整理する、Component分解の観点を出す、依存関係やレビュー観点を抜け漏れなく確認するといった補助には使えます。
重要なのは、AIが提案したシステム境界、責任分担、データの正本、同期・非同期、非機能要件との対応を、そのまま採用しないことです。C4モデルでは、実際の業務責任やシステム制約を知る人が確認し、図の粒度と設計判断を確定する必要があります。
この記事では、生成AIをC4モデルに補助的に使う方法を、Context、Container、Component、依存関係、非機能要件、レビューまで、具体的なプロンプト例と人が確認すべきポイントを交えて解説します。
C4モデルの意味や基本構造から確認したい場合は、C4モデルとは?を参照してください。人だけで進める基本手順は、C4モデルのやり方で確認できます。
生成AIを使うと効果が出やすい場面
生成AIは、次のような作業で補助役として使いやすくなります。
- 対象システムの利用者・外部システム候補を洗い出す
- Context図の関係候補を文章化する
- Container候補と責任を整理する
- 1つのContainerをComponent候補へ分解する
- データの正本候補を洗い出す
- 同期・非同期を判断するための質問を作る
- 非機能要件をどのContainerが担うか検討する
- 図の粒度が混ざっていないかレビューする
- 設計変更後の更新漏れをチェックする
一方で、次の判断はAIだけに任せない方が安全です。
- システム境界
- 業務上の責任分担
- データの正本
- 本当の可用性・性能要件
- 同期・非同期の最終判断
- 障害時の責任
- セキュリティ要件
- 採用技術の妥当性
- 機密情報を入力してよいか
AIは「候補や問いを出す役」に置き、最終判断は人が行います。
1. Contextの要素候補を洗い出す
最初に、対象システムの概要や業務フローをAIへ渡し、利用者・外部システム・関係候補を整理します。
プロンプト例
以下は受注管理システム刷新の概要です。
- 営業担当者が受注を入力する
- 顧客情報は顧客マスタを参照する
- 在庫は在庫管理システムで管理する
- 与信は外部与信サービスへ問い合わせる
- 受注確定後に請求システムへ情報を渡す
C4モデルのContextレベルで、
- 主な利用者
- 対象システム
- 外部システム
- 主な関係
を候補として整理してください。
内部のAPIやDBはまだ出さないでください。不明点は推測せず質問にしてください。
出力の使い方
AIは、営業担当者、受注管理システム、顧客マスタ、在庫管理、外部与信サービス、請求システムといった候補を出せます。
ただし、「請求システムが本当に外部なのか」「在庫引当まで受注側の責任なのか」は、人が実際の業務・システム境界を確認します。
2. システム境界を確認する質問を作る
Contextで最も重要なのは、何を対象システムの中に置き、何を外へ置くかです。
プロンプト例
次の対象システムについて、責任境界を決めるための確認質問を作ってください。
対象:受注管理システム 候補責任:受注受付、価格計算、与信照会、在庫引当、受注確定、請求連携
条件:
- 各責任の正本はどこか
- 誰がルール変更を管理するか
- 外部システムと役割が重複していないか
- 対象システムの開始点・終了点を確認する
出力の使い方
AIが質問を出したら、業務担当者や既存システム担当者と確認します。
たとえば「与信照会を実行する」のは受注側でも、「与信判定ロジックの正本」は外部与信サービスかもしれません。ここを混同しないことが重要です。
3. Container候補を整理する
Contextが固まったら、対象システム内部をContainerへ分けます。
プロンプト例
受注管理システムのContextは次の通りです。
利用者:営業担当者 外部:顧客マスタ、在庫管理、請求、外部与信サービス 対象システムの責任:受注受付、入力検証、価格計算、与信照会、在庫引当要求、受注確定、請求連携
Container候補を出してください。
各候補について、
- 名前
- 主な責任
- 呼び出し元
- 接続先
- このContainerに置かない責任
を整理してください。
技術名ではなく責任を先にしてください。
出力の使い方
AIは、
- 営業向けWebアプリ
- 受注API
- 受注DB
- 外部連携ワーカー
- メッセージキュー
といった候補を出せます。
人は、Containerが本当に独立した実行・デプロイ単位として妥当か、責任が重複していないかを確認します。
4. Containerの責任重複をレビューする
プロンプト例
以下のContainer定義をレビューしてください。
- Webアプリ:受注入力、価格計算、与信判定、在庫更新
- 受注API:入力検証、価格計算、与信照会、受注確定
- 在庫連携:在庫更新
責任重複、境界の曖昧さ、外部システムとの責任競合を指摘してください。
修正案は候補として示し、最終決定はしないでください。
出力の使い方
AIに重複を指摘させることで、Webアプリと受注APIの双方に価格計算がある、在庫更新責任が受注側に入り込んでいる、といった論点を見つけやすくなります。
ただし、どちらへ責任を置くかは実際の設計方針から人が決めます。
5. Component候補を必要な箇所だけ出す
すべてのContainerをComponentまで分解する必要はありません。
プロンプト例
受注APIだけをComponentレベルへ分解してください。
主な責任:
- 受注受付
- 入力検証
- 価格計算
- 与信照会
- 在庫引当要求
- 受注確定
各Componentについて、
- 主な責任
- 入力
- 出力
- 依存先
- 失敗時の扱い
を候補として整理してください。
責任が細かすぎる分割は避けてください。
出力の使い方
AIが分解候補を出したら、「この粒度で設計判断が進むか」を人が確認します。
単にクラス数を増やすような分割ではなく、責任・依存・失敗時処理が明確になることが目的です。
6. データの正本候補を整理する
プロンプト例
以下のデータについて、正本候補と確認すべき質問を整理してください。
- 受注情報
- 顧客基本情報
- 在庫数量
- 請求情報
関係システム:受注DB、顧客マスタ、在庫管理システム、請求システム
条件:コピーや参照先と正本を区別してください。
出力の使い方
AIは、受注情報は受注DB、顧客基本情報は顧客マスタ、在庫数量は在庫管理、請求情報は請求システム、という候補を出せます。
ただし、実際の更新権限や既存連携が異なる場合があるため、一次情報で確認します。
7. 同期・非同期を考える質問を作る
プロンプト例
受注登録処理について、同期・非同期を判断するための質問を作ってください。
条件:
- 受注登録は通常2秒以内
- 請求連携は数分遅延してもよい
- 外部システム障害時の影響を考える
- 再試行責任を確認する
出力の使い方
AIが、
- 受注確定前に請求連携完了が必要か
- 請求障害で受注受付を止めてよいか
- 再試行は誰が担うか
といった質問を出せば、設計議論を進めやすくなります。
この条件なら請求連携を非同期化する案が考えられますが、最終判断は業務要件と障害時運用を確認して人が行います。
8. 非機能要件を構造へ対応付ける
プロンプト例
次の非機能要件を、C4モデル上で確認すべきContainer / Component候補へ対応付けてください。
- 受注登録は通常2秒以内
- 外部連携失敗は自動再試行
- 受注確定操作は監査可能
- 顧客情報は権限のある利用者だけ参照可能
各要件について、
- 主責任候補
- 関連する依存先
- 確認方法
を出してください。
出力の使い方
AIは、性能は受注API、再試行は外部連携ワーカー、監査は受注確定処理、アクセス制御はWebアプリ/API双方、など候補を出せます。
人は、その責任配置が実際のアーキテクチャと合っているか、抜けがないかを確認します。
9. C4図の粒度混在をレビューする
プロンプト例
次の図要素一覧を、Context / Container / Component / Code のどのレベルに置くべきか候補分類してください。
- 営業担当者
- 受注管理システム
- 在庫管理システム
- 受注API
- 受注DB
- 価格計算Component
- OrderServiceクラス
同じ図に混在させると読みにくくなる組み合わせも指摘してください。
出力の使い方
AIを粒度チェックに使うと、ContextへAPIやDBが紛れ込む、Container図へクラスが混ざる、といったミスを減らせます。
通し例|生成AIをC4モデル作成の補助に使う
受注管理システム刷新で、チームはまず既存資料と業務フローをAIへ渡し、Context候補の洗い出しを行いました。
AIは、営業担当者、受注管理システム、顧客マスタ、在庫管理、請求、外部与信サービスを候補として整理しました。
ここで人が確認し、対象システムの責任を「受注受付から受注確定まで」としました。顧客基本情報、在庫数量、請求確定、与信判定ロジックは外部責任としました。
次にAIへContainer候補を出させ、
- 営業向けWebアプリ
- 受注API
- 受注DB
- 外部連携ワーカー
- メッセージキュー
という案を得ました。
人が責任を確認し、受注DBは受注情報の正本、在庫数量は在庫管理、顧客基本情報は顧客マスタ、請求情報は請求システムを正本としました。
受注登録2秒以内、請求連携は数分遅延可能という条件をAIへ渡し、同期・非同期判断の質問を作らせました。その問いを基にレビューした結果、受注確定までは同期、請求連携はメッセージキュー経由の非同期とする案を採用しました。
さらに、受注APIだけをComponent候補へ分解させ、
- 受注受付
- 入力検証
- 価格計算
- 与信照会
- 在庫引当要求
- 受注確定
の6責任を整理しました。
この段階でAIは、外部与信サービスの失敗時に自動で受注確定まで進める案を含む出力をしました。しかし、人が確認すると業務上は与信未確認で確定できないため、その案は不採用としました。
また、請求連携失敗時は受注そのものを取り消すのではなく、外部連携ワーカーで再試行し、規定回数超過時に運用アラートを出す方針としました。
最後にAIへ、ContextとContainerの粒度混在、データ正本、同期・非同期、非機能要件の対応漏れをレビューさせました。
AIはあくまで候補と質問を出し、責任境界、正本、障害時挙動、性能条件の最終採否は人が確認しました。
そのまま使える記入形式が必要なら、C4モデルテンプレートを使うと、AIの出力をContext、Container、Component、データ所有、非機能要件へ整理しやすくなります。具体的な案件への適用イメージは、C4モデルの具体例が参考になります。よくある失敗を先に確認したい場合は、C4モデルで失敗しやすいポイントも参照してください。
人が必ず確認すべきポイント
システム境界
AIは入力文から「この処理も対象システムだろう」と推測します。実際の責任範囲は、業務ルール、既存システム責任、組織分担を確認して決めます。
データの正本
AIが一般的な構成から正本を推測しても、実際の更新権限と一致しない場合があります。どこが更新責任を持つかを一次情報で確認します。
同期・非同期
性能だけで決めず、業務整合性、再試行、二重処理、障害時の運用まで確認します。
非機能要件
「通常2秒以内」「99.9%」などの数値をAIに作らせてはいけません。正式な要件を入力した上で、構造への対応候補を出させます。
責任分担
AIが技術的にきれいな分割を提案しても、実際のチーム境界や運用責任と合わないことがあります。
生成AIの誤りと限界
存在しないシステムを補うことがある
一般的なアーキテクチャから、認証サーバー、キャッシュ、監視基盤などを勝手に追加することがあります。実在・必要性を確認します。
責任を一般論で分けることがある
「価格計算はAPI」「在庫は別サービス」といった一般論が、実際のシステム責任と一致するとは限りません。
架空の非機能要件を作ることがある
応答時間や可用性の数値を推測させないようにします。
粒度を細かくしすぎることがある
ComponentやCode候補を大量に出すことがあります。詳細化は設計判断に必要な箇所へ限定します。
機密情報の扱いに注意する
顧客情報、内部システム名、IPアドレス、認証方式、脆弱性情報、未公開アーキテクチャを入力する場合は、自社の情報管理ルールに従います。
生成AIに任せすぎないためのチェックリスト
- AIが出したシステム境界をそのまま採用していないか
- Contextに内部構造が混ざっていないか
- Containerの責任が実態と一致しているか
- データの正本を一次情報で確認したか
- 同期・非同期の判断を業務要件で確認したか
- 障害時の再試行責任を決めたか
- AIが架空の非機能要件を作っていないか
- すべてをComponentまで分解していないか
- Code図が本当に必要か確認したか
- AIが存在しないシステムを追加していないか
- セキュリティ責任を確認したか
- 機密情報を不用意に入力していないか
- 設計変更後に図を更新したか
まとめ
生成AIは、C4モデルを効率よく実践するための補助役として使えます。
特に役立つのは、Contextの利用者・外部システム候補の洗い出し、責任境界を確認する質問、Container候補と責任の整理、必要箇所のComponent分解、データ正本の確認観点、同期・非同期の判断質問、非機能要件の対応候補、粒度混在のレビューです。
一方で、システム境界、業務責任、データ正本、同期・非同期、障害時責任、非機能要件の最終判断は人が担う必要があります。
生成AIにC4図を完成させてもらうのではなく、「候補を広げる」「質問を作る」「抜け漏れを探す」ために使うと、C4モデルを実際の業務とアーキテクチャに沿った形で効率よく使いやすくなります。
コメント
コメント一覧 (1件)
[…] 具体的な適用判断をケースで追いたい場合は、C4モデルの具体例も参考になります。よくある失敗を先に確認したい場合は、C4モデルで失敗しやすいポイントを確認してください。生成AIを補助的に使って構成要素候補や抜け漏れを整理したい場合は、生成AIでC4モデルを使う方法も参照できます。 […]