生成AIは、受入条件を自動で完成させるための道具ではありません。一方で、正常系・例外・境界値の候補を洗い出す、Given / When / Thenへ整理する、曖昧な表現を見つける、条件同士の矛盾や確認漏れを指摘するといった補助には使えます。
重要なのは、AIが出した条件をそのまま採用しないことです。どの業務ルールを正とするか、在庫不足時に確定不可か仮登録可か、性能条件を何秒にするか、権限不足時にどこまで操作を拒否するか、失敗時にどのデータを残さないかは、実際の業務・システム・監査要件を知る人が決める必要があります。
この記事では、生成AIを受入条件づくり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。
受入条件の意味や基本構造から確認したい場合は、受入条件とは?を参照してください。人だけで進める基本手順は、受入条件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。
- 要件から受入条件候補を作る
- Given / When / Thenへ整理する
- 正常系だけでなく例外候補を出す
- 境界値候補を洗い出す
- 「正しく」「適切に」などの曖昧語を探す
- 条件同士の矛盾候補を探す
- 成功時・失敗時のデータ状態を確認する質問を作る
- 非機能条件の確認観点を出す
- 判定方法の候補を整理する
一方で、次の判断はAIだけに任せない方が安全です。
- 正式な業務ルール
- 合格・不合格の最終基準
- 境界値の正式な数値
- 性能目標値
- 権限・承認条件
- 保存義務・監査条件
- 失敗時に残してよいデータ
- 実際のリリース範囲
AIは「候補を出す」「漏れを探す」「確認質問を作る」役に置き、最終判断は人が行います。
1. 要件から受入条件候補を作る
プロンプト例
以下の要件から、受入条件の初期候補を作ってください。
要件:営業担当者が受注を登録できること。
条件:
- 前提、操作、期待結果に分ける
- Given / When / Thenで書く
- 不明な業務ルールや数値は推測せず「要確認」とする
- 正常系だけでなく、主要な例外候補も別に出す
出力の使い方
AIは、
- 営業担当者がログイン済み
- 有効な顧客・商品を選択
- 数量と納期を入力
- 受注番号が採番される
- 受注状態が確定になる
といった候補を出せます。
人は、実際に必要な前提やデータ項目、確定条件を仕様・業務ルールで確認します。
2. Given / When / Thenへ整理する
プロンプト例
以下の条件をGiven / When / Thenへ整理してください。
- 営業担当者がログイン済み
- A社は取引可能
- 商品Xは有効
- 商品Xの引当可能数量は20
- A社、商品X、数量10、希望納期2026年9月15日で登録する
- 受注番号を採番する
- 受注情報と受注明細を保存する
- 受注状態を確定にする
条件:
- Givenは前提だけ
- Whenは操作だけ
- Thenは観測できる結果だけ
出力の使い方
AIが整理した後、人はThenが本当に観測可能か確認します。
「正常に処理される」のような表現が残っていたら、受注番号、保存件数、状態、表示などへ具体化します。
3. 曖昧な表現を見つける
プロンプト例
以下の受入条件から、判定が人によって変わる曖昧な表現を抽出してください。
- 正しく保存される
- 適切なメッセージを表示する
- 速やかに処理される
- 必要に応じて再試行する
各表現について、何を確認すれば観測可能な条件へ変えられるか質問を作ってください。
出力の使い方
AIが、
- 何件保存されるか
- どのメッセージを表示するか
- 何秒以内か
- どの条件で再試行するか
といった問いを出せば、関係者レビューの材料にできます。
数値やメッセージ文言をAIに勝手に決めさせないことが重要です。
4. 境界値候補を洗い出す
プロンプト例
受注数量の許容範囲は1〜9999です。
受入条件として確認すべき境界値候補を整理してください。
条件:
- 下限、下限直前、上限、上限超過を含める
- 各ケースで受入 / 拒否の期待を候補化する
- 失敗時にデータが残るかも確認項目にする
出力の使い方
AIは、
- 1
- 0
- 9999
- 10000
を候補にできます。
人は、この範囲自体が正式要件かを確認した上で採用します。
5. 例外条件の候補を出す
プロンプト例
受注登録機能について、正常系以外に確認すべき主要な例外候補を出してください。
条件:
- 取引停止顧客
- 在庫不足
- 権限不足
- 必須項目不足
- 外部システムエラー
を含める
各例外について、
- 前提
- 操作
- 期待結果
- 保存してはいけないデータ
- 利用者への通知
を確認する質問を作ってください。
出力の使い方
AIを使うと、正常系だけでレビューが終わるのを防ぎやすくなります。
ただし、「在庫不足ならどうするか」は業務によって異なります。確定不可、仮登録、取り寄せ受注などのどれを採用するかは人が決めます。
6. 失敗時のデータ状態をレビューする
プロンプト例
以下の受入条件をレビューしてください。
在庫不足時:
- エラーメッセージを表示する
不足している観点を、データ状態の観点から質問にしてください。
出力の使い方
AIは、
- 受注ヘッダーは作成されるか
- 受注明細は残るか
- 在庫引当は残るか
- 一時データはどう扱うか
などを確認できます。
人が仕様を確認し、たとえば「確定受注は作らない」「中途半端な在庫引当を残さない」と決めます。
7. 権限条件をレビューする
プロンプト例
受注登録権限を持たない利用者について、受入条件で確認すべき点を整理してください。
条件:
- 画面表示
- 登録ボタン
- API直接実行
- データ更新
- 監査ログ
の観点を含める
出力の使い方
AIが「ボタン非表示だけで十分か」「API直接実行でも拒否されるか」といった論点を出せます。
最終的な権限ルールや監査要件は、人が認可設計と照合して決めます。
8. 非機能条件を具体化するための質問を作る
プロンプト例
受入条件に「十分に速いこと」とあります。
これを判定可能にするために、人が決めるべき項目を質問として整理してください。
条件:
- 応答時間
- データ量
- ネットワーク条件
- 外部システム状態
- 同時利用条件
を含める
出力の使い方
AIは「何秒以内か」「どのデータ量か」「外部システム正常時か」などの確認項目を出せます。
性能数値をAIに作らせず、正式な非機能要件から人が設定します。
9. 条件同士の矛盾を探す
プロンプト例
以下の受入条件に矛盾がないか確認してください。
条件A:在庫不足の場合、受注を登録できない
条件B:在庫不足でも仮受注として登録できる
矛盾がある場合は、解決案を決定せず、確認すべき業務ルールとシナリオ分割候補を出してください。
出力の使い方
AIは「通常受注と仮受注が別シナリオではないか」といった確認観点を出せます。
どちらを採用するかは、人がリリース範囲と業務ルールに基づいて決めます。
10. 判定方法を受入条件へ対応付ける
プロンプト例
以下の受入条件ごとに、判定方法候補を整理してください。
- 受注状態が「確定」になる
- 在庫不足時に確定受注を作らない
- 権限のない利用者は登録できない
- 通常条件で所定時間以内に結果表示する
候補:画面確認、受注照会、検証用データ、権限別操作、性能測定。
出力の使い方
受入条件を書いたのに確認方法が思いつかない場合、その条件が抽象的すぎる可能性があります。
AIを判定方法の洗い出しに使うと、条件と確認手段の対応漏れを減らせます。
通し例|生成AIを受入条件づくりの補助に使う
受注登録機能の要件には、当初次のような記述がありました。
- 営業担当者が受注を登録できること
- 在庫不足時は適切に通知すること
- 権限のない利用者は登録できないこと
- 応答は十分に速いこと
担当者はこの要件をAIへ渡し、まず受入条件候補を作らせました。
AIは、正常系のGiven / When / Then候補として、営業担当者のログイン、有効顧客、有効商品、数量・納期入力、受注番号採番、受注状態確定などを出しました。
人が仕様を確認し、正常系を次のように確定しました。
Given:営業担当者がログイン済み、A社が取引可能、商品Xが有効、引当可能数量20
When:A社、商品X、数量10、希望納期2026年9月15日で受注登録する
Then:受注番号が採番され、受注情報と受注明細が保存され、受注状態が「確定」となり、登録者・登録日時が記録される
次に、AIへ曖昧語レビューをさせました。
AIは「適切に通知」「十分に速い」が判定不能だと指摘し、メッセージ文言と性能条件の確認質問を出しました。
人が業務・非機能要件を確認し、在庫不足時は「在庫が不足しています」と表示し、通常条件で結果表示まで2秒以内としました。
さらに、AIへ例外候補を出させると、取引停止顧客、在庫不足、権限不足、必須項目不足が挙がりました。
人が今回のリリース範囲を確認し、取引停止顧客・在庫不足・権限不足を必須受入条件へ追加しました。
在庫不足についてAIは「仮登録」という案も候補に出しました。しかし、今回の要件では仮受注機能を提供しないため、この案は採用しませんでした。
代わりに、在庫不足時は、
- 受注を確定しない
- 確定受注データを作らない
- 中途半端な在庫引当を残さない
- 在庫不足メッセージを表示する
と人が確定しました。
次にAIへ境界値を洗い出させ、正式な数量範囲1〜9999を入力しました。AIは1、0、9999、10000を候補化し、人が受入・拒否結果を確定しました。
最後に、条件同士の矛盾レビューを行いました。
AIは「在庫不足なら登録不可」と「在庫不足でも仮登録可」という記述の衝突を指摘しました。人が確認した結果、今回の対象では確定不可、仮受注は別要件へ分けることにしました。
この例でAIが担ったのは、条件候補の作成、曖昧語の指摘、境界・例外・矛盾候補の洗い出し、判定方法の整理です。
一方、業務ルール、性能数値、権限、失敗時データ状態、リリース範囲、最終合否基準は人が決めています。
そのまま使える型が必要なら、受入条件テンプレートを使うと、AIの出力をGiven / When / Then、境界、例外、権限、非機能、判定方法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、受入条件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、受入条件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
業務ルール
AIは一般論から「こうするのが自然」と推測します。しかし、在庫不足時の扱い、取引停止顧客、仮登録の可否は業務ごとに異なります。
性能数値
AIが「2秒」「3秒」などをもっともらしく提案しても、正式要件ではありません。数値は非機能要件から決めます。
権限
AIが画面操作だけを見て権限条件を作っても、APIやバックエンドでの拒否が抜けることがあります。
失敗時のデータ状態
エラーメッセージだけでなく、何を保存しないか、部分更新が残らないかを確認します。
最終的な合否基準
AIの出力は候補です。受入条件として正式採用する前に、業務・企画・開発・テストで合意します。
生成AIの誤りと限界
存在しない業務ルールを補うことがある
一般的な受注業務から、仮受注、与信、承認などを勝手に追加することがあります。
境界値や性能値を推測することがある
数値を与えずに質問すると、一般的な値を提案してしまうことがあります。
実装方法へ寄りすぎることがある
受入条件なのに、クラス名、DB、API方式などを含めることがあります。
正常系に偏ることがある
例外を明示しないと、正常系中心の条件しか出ない場合があります。
条件矛盾の背景までは判断できない
矛盾を見つけても、どちらの業務ルールを正とすべきかは決められません。
機密情報の扱いに注意する
顧客情報、内部システム名、権限設計、障害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が作った条件候補を正式要件と照合したか
- Given / When / Thenの役割が分かれているか
- 曖昧語を観測可能な条件へ変えたか
- 正常系だけで終わっていないか
- 境界値は正式な範囲から作ったか
- 主要な例外を確認したか
- 失敗時のデータ状態を確認したか
- 権限条件を画面だけで判断していないか
- 性能数値をAIに決めさせていないか
- 条件同士の矛盾を人が解消したか
- 判定方法を条件ごとに決めたか
- 実装方式を書きすぎていないか
- AIが存在しない業務ルール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
- 最終的な受入条件を関係者が承認したか
まとめ
生成AIは、受入条件を効率よく作るための補助役として使えます。
特に役立つのは、要件から条件候補を出す、Given / When / Thenへ整理する、曖昧語を見つける、境界値・例外候補を洗い出す、失敗時データ状態の確認質問を作る、条件矛盾を探す、判定方法を整理するといった作業です。
一方で、業務ルール、正式な境界値、性能数値、権限、失敗時データ状態、最終的な合否基準は人が決める必要があります。
生成AIに受入条件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、関係者が同じ基準で判断できる受入条件を効率よく作りやすくなります。