MENU

生成AIでCRUDマトリクスを使う方法|プロンプト例と人が確認すべきポイント

生成AIは、CRUDマトリクスを自動で完成させるための道具ではありません。一方で、業務・機能候補やデータ候補の洗い出し、C/R/U/Dの初期案づくり、更新責任の重複チェック、参照漏れの確認、レビュー質問の作成には使えます。

重要なのは、AIが出したCRUDをそのまま正解として採用しないことです。どのデータが正本か、誰が更新責任を持つか、取消がDなのかUなのか、どのロールに権限を与えるかは、実際の業務・システム・監査要件を知る人が確認する必要があります。

この記事では、生成AIをCRUDマトリクスに補助的に使う方法を、具体的なプロンプト例、出力の使い方、人が確認すべきポイント、誤り・限界まで含めて解説します。

CRUDマトリクスの意味や基本構造から確認したい場合は、CRUDマトリクスとは?を参照してください。人だけで進める基本手順は、CRUDマトリクスのやり方で確認できます。

目次

生成AIを使うと効果が出やすい場面

生成AIは、次のような場面で補助役として使いやすくなります。

  • 業務・機能候補を洗い出す
  • データ候補を洗い出す
  • CRUDの初期案を作る
  • C/Uの重複を探す
  • Rの漏れ候補を探す
  • Dが本当に削除か確認する質問を作る
  • 正本候補を整理する
  • 権限設計の確認観点を出す
  • As-IsとTo-Beの差分をレビューする

一方で、次の判断はAIだけに任せない方が安全です。

  • データの正本
  • 更新責任
  • 業務上の例外
  • 取消・無効化・物理削除の区別
  • ロール別権限
  • 監査・保存義務
  • 最終的なTo-Be CRUD

AIは「候補を出す役」「漏れを探す役」に置き、最終判断は人が行います。

1. 業務・機能候補を洗い出すプロンプト

プロンプト例

以下は受注業務の概要です。

  • 顧客を登録する
  • 見積を作成する
  • 受注を登録する
  • 在庫を引き当てる
  • 出荷を指示する
  • 請求システムへ連携する
  • 受注を取り消すことがある

CRUDマトリクスの業務・機能軸に使える候補を、同じ粒度で整理してください。

画面名、API名、物理テーブル名は混ぜないでください。

出力の使い方

AIは、顧客登録、見積作成、受注登録、在庫引当、出荷指示、請求連携、受注取消などの候補を出せます。

人は、業務粒度が揃っているか、対象外の業務が混ざっていないかを確認します。

2. データ候補を洗い出すプロンプト

プロンプト例

次の受注業務に対して、CRUDマトリクスのデータ軸に置く論理データ候補を出してください。

業務:顧客登録、見積作成、受注登録、在庫引当、出荷指示、請求連携、受注取消

条件:

  • 企画・業務設計レベルの論理データにする
  • 物理テーブル名にしない
  • 類似データはまとめる

出力の使い方

AIは、顧客、商品、見積、受注、在庫、出荷指示、請求連携データなどを候補にできます。

実際に必要な粒度かは、人がプロジェクト目的に合わせて調整します。

3. CRUDの初期案を作る

プロンプト例

以下の業務とデータについて、CRUDの初期案を作ってください。

業務:

  • 顧客登録
  • 見積作成
  • 受注登録
  • 在庫引当
  • 出荷指示
  • 請求連携
  • 受注取消

データ:

  • 顧客
  • 商品
  • 見積
  • 受注
  • 在庫
  • 出荷指示
  • 請求連携データ

各セルについて、C/R/U/D候補と、その理由を短く付けてください。

不明な箇所は推測せず「要確認」としてください。

出力の使い方

AIが、

  • 顧客登録 × 顧客:CU
  • 見積作成 × 顧客:R
  • 受注登録 × 受注:C
  • 在庫引当 × 在庫:RU

などの初期案を出せます。

ただし、これは仮説です。実際の仕様、業務ヒアリング、APIや画面の挙動と照合します。

4. C/Uの重複をレビューする

プロンプト例

以下のCRUDをレビューし、同じデータにC/Uが複数ある箇所を抽出してください。

  • 顧客登録:顧客CU
  • 見積作成:顧客RU、見積CRU
  • 受注登録:顧客RU、受注C、在庫RU
  • 在庫引当:在庫RU

各重複について、

  • 正本はどこか
  • 更新責任を分ける理由があるか
  • 二重更新の可能性があるか

を確認する質問を作ってください。

出力の使い方

AIは、顧客Uが複数、在庫Uが複数という論点を見つけられます。

人は、「複数Uだから悪い」と機械的に判断せず、業務上の理由と正本を確認します。

5. Rの漏れを探す

プロンプト例

次の業務について、参照すべきデータが抜けていないか確認してください。

受注登録:顧客R、受注C、在庫R

条件:

  • 商品や価格に関する参照が必要ではないか検討する
  • 手入力で代替している可能性も指摘する
  • 不明点は質問にする

出力の使い方

AIが商品Rの可能性を指摘したら、実際に商品マスタや標準単価を参照しているか確認します。

参照漏れは、入力ミスやマスタ不整合につながるため、C/UだけでなくRもレビューします。

6. Dの意味を確認する

プロンプト例

「受注取消:受注D」というCRUDがあります。

これが本当にDeleteかを確認するための質問を作ってください。

条件:

  • 物理削除か
  • 論理削除か
  • 状態更新か
  • 監査履歴を残す必要があるか
  • 取消者・取消日時・理由を残すか

を確認してください。

出力の使い方

実際に受注状態を「取消済み」へ変更し、履歴を残すならDではなくUです。

AIは確認観点を出せますが、保存義務や監査要件は人が確認します。

7. 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、正本候補と確認質問を整理してください。

  • 顧客
  • 商品
  • 見積
  • 受注
  • 在庫
  • 出荷指示
  • 請求連携データ

正本と参照コピーを区別し、更新責任が複数ある場合は警告してください。

出力の使い方

AIは、顧客は顧客管理、在庫は在庫管理、といった候補を出せます。

ただし、実際の更新権限・システム責任が異なる場合があるため、一次情報で確認します。

8. 権限設計の確認に使う

プロンプト例

次のCRUDをロール別権限の観点からレビューしてください。

  • 営業担当:受注C、顧客R、商品R、在庫R
  • 顧客管理担当:顧客CU
  • 営業マネージャー:一定条件で受注U

確認してください:

  • U/Dに承認が必要ではないか
  • 一般担当者に過剰権限がないか
  • 監査ログが必要な操作はどれか

出力の使い方

AIは過剰権限の候補を出せます。

最終的な権限は、人事・職務分掌・監査要件と合わせて判断します。

9. As-IsとTo-Beの差分をレビューする

プロンプト例

以下の変更案をレビューしてください。

As-Is:

  • 見積作成:顧客RU
  • 受注登録:顧客RU、在庫RU
  • 受注取消:受注D

To-Be:

  • 見積作成:顧客R
  • 受注登録:顧客R、在庫R
  • 受注取消:受注U

各変更について、

  • 何の責任を集約したか
  • 運用上の不便が増えないか
  • 代替導線が必要か

を確認してください。

出力の使い方

AIに差分の論点を出させることで、「正本を集約した結果、現場操作が不便にならないか」といった運用面の確認も行えます。

通し例|生成AIをCRUDマトリクスの補助に使う

受注業務の見直しで、担当者はまず業務概要をAIへ渡し、業務・機能候補とデータ候補を洗い出しました。

AIは、顧客登録、見積作成、受注登録、在庫引当、出荷指示、請求連携、受注取消と、顧客、商品、見積、受注、在庫、出荷指示、請求連携データを候補として出しました。

次にCRUD初期案を作らせたところ、

  • 顧客登録:顧客CU
  • 見積作成:顧客RU、商品R、見積CRU
  • 受注登録:顧客RU、商品R、受注C、在庫RU
  • 在庫引当:受注R、在庫RU
  • 受注取消:受注D、在庫U

という案になりました。

この案をAIに重複レビューさせると、顧客Uが複数、在庫Uが複数、受注取消がDという3点が論点として出ました。

人が実際の業務責任を確認した結果、顧客基本情報の正本は顧客管理でした。そのため、見積作成・受注登録から顧客Uを外し、Rへ変更しました。

在庫については、受注登録と在庫引当の双方がUする必要はないと判断し、実際の更新責任を在庫引当に集約しました。受注登録は在庫Rだけにしました。

受注取消は、監査上受注番号・取消日時・取消者・理由を残す必要があるため、DではなくUへ変更しました。

さらに、AIへRの漏れを確認させた結果、商品マスタの参照をレビュー項目として確認できました。人が仕様を確認し、標準単価は商品マスタR、例外価格だけ承認付き変更とする方針にしました。

最後に、As-IsとTo-BeをAIへ比較させ、顧客U集約による操作性低下を指摘させました。そこで、受注画面から顧客変更画面へすぐ遷移できる導線を用意し、正本を分散させず現場の利便性を保つようにしました。

この例でAIが担ったのは、初期候補の作成、重複・漏れの発見、確認質問の作成です。正本、更新責任、取消の意味、権限、最終的なTo-Beは人が決めています。

そのまま使える型が必要なら、CRUDマトリクステンプレートを使うと、AIの出力をCRUD本体、正本、責任、権限、改善案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、CRUDマトリクス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、CRUDマトリクス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

正本

AIは一般的なシステム構成から正本を推測します。実際の更新責任と一致するとは限らないため、既存仕様や業務責任で確認します。

C/Uの重複

複数Uがあっても、引当と取消のように異なる責任なら妥当な場合があります。数だけで判断しません。

Dの意味

取消・無効化・論理削除を物理削除と混同しないようにします。

権限

CRUD上U可能でも、すべての利用者がUできるわけではありません。ロール・承認条件を確認します。

例外業務

通常フローだけでなく、取消、訂正、再処理、障害復旧も確認します。

生成AIの誤りと限界

存在しない業務やデータを補うことがある

一般的な受注業務から「配送先」「決済」などを勝手に追加することがあります。実在する対象だけ採用します。

CRUDを一般論で決めることがある

「受注取消=D」のように、言葉だけで判断することがあります。実際の処理を確認します。

正本を誤ることがある

複数DBがある場合、どこが正本かは入力文だけでは分からないことがあります。

例外を見落とすことがある

通常フローだけでは、取消時の在庫Uや再処理時の更新責任を見逃す可能性があります。

機密情報の扱いに注意する

内部システム名、顧客情報、テーブル名、権限情報などを入力する場合は、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が出した業務・データ候補を実態と照合したか
  • CRUD初期案を仕様で確認したか
  • C/Uの重複を数だけで判断していないか
  • 正本を一次情報で確認したか
  • Dが本当に物理削除か確認したか
  • Rの漏れを確認したか
  • 例外業務を確認したか
  • ロール別権限と突き合わせたか
  • As-IsとTo-Beを分けたか
  • AIが存在しない業務やデータを追加していないか
  • 最終的なTo-Be CRUDを人が承認したか
  • 機密情報を不用意に入力していないか

まとめ

生成AIは、CRUDマトリクス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、業務・データ候補の洗い出し、CRUD初期案の作成、C/U重複の検出、R漏れの確認、Dの意味を確認する質問、正本候補の整理、権限レビュー、As-IsとTo-Beの差分確認です。

一方で、正本、更新責任、取消・無効化・物理削除の区別、ロール権限、監査要件、最終的なTo-Be CRUDは人が判断する必要があります。

生成AIにCRUDマトリクスを完成させてもらうのではなく、「候補を出す」「漏れを探す」「確認質問を作る」ために使うことで、CRUDマトリクスを業務・データ責任の整理へ効率よくつなげやすくなります。

よかったらシェアしてね!
  • URLをコピーしました!
  • URLをコピーしました!
目次