MENU

生成AIでDFD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、DFD(Data Flow Diagram:データフロー図)を自動で完成させるための道具ではありません。一方で、外部実体・プロセス・データストア・データフローの候補を洗い出す、レベル0の初期案を作る、粒度の混在や入出力の不整合を見つける、例外・再送の確認質問を作るといった補助には使えます。

重要なのは、AIが出したDFDをそのまま正解として採用しないことです。どこまでを対象範囲にするか、どのデータが正本か、どの処理が更新責任を持つか、上位図と下位図の入出力が本当に一致しているか、外部連携失敗時に何を保持して再送するかは、実際の業務・システム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DFD作成の補助に使う方法を、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。

DFDの意味や基本構造から確認したい場合は、DFDとは?を参照してください。人だけで進める基本手順は、DFD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、次のような作業で補助役として使いやすくなります。

  • 対象範囲から外部実体候補を洗い出す
  • 主要プロセス候補を同じ粒度で整理する
  • データストア候補を洗い出す
  • データフローの初期案を作る
  • プロセスの入力・出力の抜けを確認する
  • レベル0とレベル1の整合をレビューする
  • 正本とスナップショットの違いを確認する質問を作る
  • 例外・再処理・再送の観点を出す
  • DFDの粒度混在やルール違反候補を指摘する

一方で、次の判断はAIだけに任せない方が安全です。

  • 対象システムの境界
  • データの正本
  • 更新責任
  • 外部実体か内部プロセスかの最終判断
  • 上位/下位図の正式な整合
  • 再送・重複防止の実装方針
  • 監査・保存・セキュリティ要件
  • 最終的なDFDの採否

AIは「候補を出す」「抜けを探す」「質問を作る」役に置き、最終判断は人が行います。

1. 外部実体候補を洗い出すプロンプト

プロンプト例

以下は受注業務の対象範囲です。

  • 顧客から注文を受ける
  • 営業担当者が受注内容を入力する
  • 顧客マスタを参照する
  • 在庫管理システムで在庫確認・引当をする
  • 受注確定後に請求システムへ連携する

DFDの外部実体候補を整理してください。

条件:

  • 対象システムの外側にあるものだけ
  • 人・組織・外部システムを分ける
  • 内部APIやDBは出さない
  • 不明なものは推測せず「要確認」とする

出力の使い方

AIは、顧客、営業担当者、顧客マスタ、在庫管理システム、請求システムなどを候補にできます。

人は、「営業担当者は本当に外部実体か」「顧客マスタは対象システム外か」など、今回の対象範囲に照らして確認します。

2. 主要プロセス候補を同じ粒度で出す

プロンプト例

受注業務のDFDレベル0として、主要プロセス候補を6個以内で整理してください。

対象:

  • 注文受付
  • 顧客・商品確認
  • 在庫確認・引当
  • 受注確定
  • 出荷連携
  • 請求連携

条件:

  • プロセス名は動詞を含める
  • 画面名・API名・クラス名は使わない
  • 粒度をそろえる

出力の使い方

AIが、

  • 注文を受け付ける
  • 顧客・商品を確認する
  • 在庫を確認・引き当てる
  • 受注を確定する
  • 出荷へ連携する
  • 請求へ連携する

と整理すれば、レベル0の初期案として使えます。

人は、1つの箱に責任を詰め込みすぎていないか、逆に細かすぎないかを確認します。

3. データストア候補を洗い出す

プロンプト例

受注管理業務で、対象システム内に保持する論理データストア候補を出してください。

条件:

  • 物理テーブル名は使わない
  • 後続処理や再処理で保持が必要なデータだけ
  • 外部システムが正本のデータは区別する

出力の使い方

AIは、受注情報、商品情報、出荷指示情報、請求連携情報などを候補にできます。

人は、顧客基本情報や在庫数量のように外部システムが正本のものを、対象システム内の正本として誤採用していないか確認します。

4. データフローの初期案を作る

プロンプト例

以下の要素から、主要なデータフロー候補を作ってください。

外部実体:顧客、営業担当者、顧客マスタ、在庫管理システム、請求システム

プロセス:

  • P1 注文を受け付ける
  • P2 顧客・商品を確認する
  • P3 在庫を確認・引き当てる
  • P4 受注を確定する
  • P5 出荷へ連携する
  • P6 請求へ連携する

データストア:受注情報、商品情報、出荷指示情報、請求連携情報

条件:

  • 各矢印に具体的なデータ名を付ける
  • 外部実体とデータストアを直接つながない
  • データストア同士を直接つながない
  • 不明なものは「要確認」とする

出力の使い方

AIは、

  • 顧客 → P1:注文内容
  • P1 → P2:受注入力情報
  • 顧客マスタ → P2:顧客情報
  • P2 → P3:確認済み注文情報
  • P3 → 在庫管理システム:在庫引当要求
  • 在庫管理システム → P3:引当結果
  • P3 → P4:引当結果付き注文情報
  • P4 → 受注情報:確定受注データ
  • P4 → P6:請求基礎データ
  • P6 → 請求連携情報:連携状態付き請求データ

などの候補を出せます。

人は、実際の仕様と照合し、存在しない流れや抜けを修正します。

5. 入力なし・出力なしのプロセスをレビューする

プロンプト例

以下のDFD要素をレビューしてください。

  • P4 受注を確定する:入力「引当結果付き注文情報」、出力「確定受注データ」「出荷依頼データ」「請求基礎データ」
  • P6 請求へ連携する:入力「請求基礎データ」、出力「請求連携データ」

各プロセスについて、

  • 出力を生成するための入力が足りているか
  • 入力だけ受けて消えるデータがないか
  • 必要なデータストア参照が漏れていないか

を確認する質問を作ってください。

出力の使い方

AIは「請求先情報はどこから来るか」「P6で連携状態を保持する必要はないか」といった確認質問を出せます。

AIの指摘をそのまま追加せず、必要性を人が確認します。

6. 正本とスナップショットを確認する

プロンプト例

受注側に顧客名・配送先を保存しています。一方、顧客基本情報の正本は顧客マスタです。

DFD上で、正本と受注時点スナップショットを混同していないか確認する質問を作ってください。

出力の使い方

AIが、

  • 顧客情報の更新責任はどこか
  • 受注側の顧客名は履歴用か現在情報か
  • 顧客変更時に受注履歴まで更新するのか

といった問いを出せます。

人は、業務要件に基づき、顧客基本情報の正本は顧客マスタ、受注側は当時情報のスナップショットといった方針を確定します。

7. レベル0とレベル1の整合をレビューする

プロンプト例

レベル0のP4「受注を確定する」は、

入力:引当結果付き注文情報 出力:確定受注データ、出荷依頼データ、請求基礎データ

です。

レベル1では、

  • P4-1 確認結果を集約する
  • P4-2 受注番号を採番する
  • P4-3 受注情報を保存する
  • P4-4 出荷依頼を生成する
  • P4-5 請求基礎データを生成する

へ分解しました。

上位図と下位図の入出力が一致しているか確認し、不整合候補だけ指摘してください。新しい外部入力を勝手に追加しないでください。

出力の使い方

AIを使うと、下位図で突然「顧客マスタ」「商品マスタ」が外部入力として追加されている、といった不整合を見つけやすくなります。

ただし、上位/下位整合の正式な判断は人が図と仕様を見て行います。

8. 例外・再送の確認質問を作る

プロンプト例

請求システムへの外部連携について、DFDで確認すべき例外・再送観点を整理してください。

条件:

  • 通信失敗
  • タイムアウト
  • 相手システム停止
  • 再送
  • 二重送信防止
  • 連携状態の保持

を含める

出力の使い方

AIが、

  • 失敗時のデータはどこへ保持するか
  • 再送対象をどう識別するか
  • 送信済みか不明な場合にどうするか
  • 二重請求を防ぐキーはあるか

といった問いを出せれば、正常系だけでは見えない運用論点を確認できます。

9. 粒度混在をレビューする

プロンプト例

次の要素を、DFDレベル0に置くべきか、詳細化した下位図に置くべきか、別資料に分けるべきか候補分類してください。

  • 注文を受け付ける
  • 受注入力画面
  • 在庫を確認・引き当てる
  • 在庫引当API
  • 受注番号を採番する
  • OrderServiceクラス

理由も付けてください。

出力の使い方

AIは粒度混在の候補を指摘できます。

人は、図の目的と読者に合わせて最終粒度を決めます。

通し例|生成AIをDFD作成の補助に使う

受注管理システム刷新で、担当者は最初に業務概要をAIへ渡し、外部実体候補を洗い出しました。

AIは、顧客、営業担当者、顧客マスタ、在庫管理システム、請求システムを候補として出しました。

次に、レベル0の主要プロセス候補として、P1注文受付、P2顧客・商品確認、P3在庫確認・引当、P4受注確定、P5出荷連携、P6請求連携を整理させました。

データストア候補として、受注情報、商品情報、出荷指示情報、請求連携情報が出ました。

ここでAIは「顧客情報」を対象システム内のデータストア候補として出しました。しかし、人が確認すると、顧客基本情報の正本は顧客マスタでした。そのため、顧客情報は外部参照とし、受注側には必要な顧客名・配送先だけを受注時点スナップショットとして保持する方針にしました。

次にAIへデータフロー初期案を作らせると、受注確定P4から請求システムへ直接送信する案が出ました。

人が運用担当へ確認したところ、請求システム停止時に再送できるデータ保持が必要でした。そこで、P4からP6へ請求基礎データを渡し、P6が請求連携情報を保存してから外部送信する流れへ修正しました。

さらにP4だけをレベル1へ詳細化し、AIへ上位/下位整合をレビューさせました。AIは下位図で追加されていた商品マスタ参照を不整合候補として指摘しました。

人が確認すると、その参照は本来P2で完了しており、P4へ持ち込む必要はありませんでした。そのため、P4レベル1から削除しました。

最後にAIへ例外・再送質問を作らせ、請求連携失敗時の連携状態、再送起点、二重送信防止キーを確認しました。

この例でAIが担ったのは、要素候補の作成、データフロー初期案、不整合候補の検出、例外・再送の質問生成です。

一方、顧客情報の正本、P4の責任範囲、請求連携情報の保持、上位/下位整合の正式判断、再送設計の採否は人が行いました。

そのまま使える型が必要なら、DFDテンプレートを使うと、AIの出力を外部実体、プロセス、データストア、データフロー、レベル分割、例外・再処理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を見たい場合は、DFD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、DFD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

対象範囲

AIは入力文から勝手に対象システムの境界を推測することがあります。何を内側、何を外側とするかは、プロジェクトの目的と責任分担で決めます。

データの正本

AIが一般的な構成から「このDBが正本だろう」と推測しても、実態と一致しない場合があります。更新責任を一次情報で確認します。

上位/下位整合

AIが形式的に一致していると判断しても、業務上の意味が変わっている場合があります。名称だけでなく内容まで確認します。

例外・再送

再送の有無だけでなく、連携状態、重複防止、部分成功、タイムアウト後の扱いを確認します。

セキュリティ・機密情報

内部システム名、顧客情報、API名、障害情報、認証方式などをAIへ入力する場合は、自社の情報管理ルールに従います。

生成AIの誤りと限界

存在しない要素を補うことがある

一般的なシステム構成から、認証サービス、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。

画面・API・クラス粒度を混ぜることがある

指示が曖昧だと、レベル0に画面やAPIを混ぜることがあります。

正本を誤認することがある

保存されている場所を正本と判断し、参照コピーやスナップショットと区別できない場合があります。

正常系に偏ることがある

明示しないと、在庫不足、外部連携失敗、再送、重複防止などを省くことがあります。

上位/下位の意味的不整合を見逃すことがある

入出力名が似ているだけで整合していると判断する場合があります。

生成AIに任せすぎないためのチェックリスト

  • AIが出した外部実体を対象範囲と照合したか
  • プロセス粒度がそろっているか
  • 物理テーブルを過剰にデータストア化していないか
  • データフロー名を具体化したか
  • 外部実体とデータストアを直接つないでいないか
  • 正本とスナップショットを区別したか
  • 入力なし・出力なしのプロセスがないか
  • 上位/下位DFDの入出力を人が確認したか
  • 正常系だけで終わっていないか
  • 再送データと連携状態を保持しているか
  • 二重送信防止を確認したか
  • AIが存在しないシステムや処理を追加していないか
  • 機密情報を不用意に入力していないか
  • 最終的なDFDを関係者が承認したか

まとめ

生成AIは、DFD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、外部実体・プロセス・データストア候補の洗い出し、データフロー初期案の作成、入力・出力の抜け確認、粒度混在の指摘、レベル0とレベル1の整合レビュー、例外・再送の確認質問です。

一方で、対象範囲、データの正本、更新責任、上位/下位図の正式な整合、例外・再送設計の採否は人が判断する必要があります。

生成AIにDFDを完成させてもらうのではなく、「候補を広げる」「抜けを探す」「レビュー質問を作る」ために使うことで、DFDを業務・システムの実態に沿った形で効率よく作りやすくなります。

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