Claude Code要件定義ガイド｜Plan Modeを駆使する4つの実践プロセス

AIによるコード生成は驚異的なスピードを実現しましたが、現場では「生成されたコードが要件と微妙に噛み合わない」「技術的負債を招く実装になる」といった課題が散見されます。Claude Codeを単なる「作業員」として扱うのではなく、設計から実装までを担う「上流担当エンジニア」として組み込むことが、開発効率を飛躍させる鍵です。

本記事では、Claude Codeをプロジェクトの主軸に据え、手戻りを最小化する「スペックドリブン開発（要件主導型開発）」の具体的なワークフローを解説します。

Claude Codeを「ただのコーダー」にしない思考法

多くのチームがAI導入で躓くのは、AIがコードを書く前の「計画」がブラックボックス化しているためです。

計画の不在と曖昧な指示

AIへの指示が「この機能を実装して」という曖昧なものだと、AIは文脈（コンテキスト）を推測して動きます。結果として、アーキテクチャの整合性が取れない、あるいは期待値と異なる実装が生成され、人間による手直しの工数が膨れ上がるのです。

上流担当への再定義

AIを「書かせるだけのツール」と見なすのではなく、要件を理解し、実装計画を策定する「ペアプログラミングのパートナー」として再定義してください。これにより、AIは実装コードだけでなく「なぜそのコードが必要か」という根拠まで生成するようになります。

関連記事：【残業削減】AIエージェントによる業務効率化｜成功事例と導入のコツを解説

Claude Code「Plan Mode」の4フェーズ

手戻りをゼロに近づけるためには、以下の4つのフェーズを厳格に守ることが不可欠です。

ドメイン理解と要件ヒアリング

まず、既存のコードベースや仕様書をAIに読み込ませます。現在のプロジェクト構造（ドメイン理解）をAIと共有し、「今回解決すべき課題」を言語化させます。この段階で、AIがどの程度プロジェクトの背景を理解しているかを確認してください。

Plan Modeと計画レビュー

実装前に必ず/planコマンドを実行します。これにより、AIは実装手順を箇条書きで提案します。人間側は以下の視点でチェックを行います。
- 実装のステップが論理的か？
- 既存のライブラリや規約と矛盾していないか？
- セキュリティ上のリスクを考慮した手順になっているか？

逐次レビューと実装の並走

計画が承認されたら実装を開始します。一気に完成させるのではなく、モジュール単位でコミットを区切り、人間が途中で生成コードをレビューするプロセスを挟みます。

人間によるフェーズゲート

最後に人間が最終承認（フェーズゲート）を行います。AIの提案を鵜呑みにせず、ビジネス要件を正確に満たしているか、テストコードが適切かを確認してコミットを完了させます。

関連記事：【導入検討】Claude Codeの導入で開発スピードはどう変わる？AIエージェント時代に不可欠な3つの承認ルール

CLAUDE.mdとルール管理術

AIに正しく動いてもらうには、プロジェクト特有の「憲法」が必要です。

CLAUDE.mdの構造化

CLAUDE.mdはAIの行動指針となるファイルですが、長すぎるとAIは重要な制約を無視し始めます。基本ルールのみを記述し、詳細は外部ファイルに逃がすのが鉄則です。

.claude/rules/の活用

プロジェクトが複雑な場合、.claude/rules/ ディレクトリ配下にルールを分割して格納します。例えば security_policy.md や api_structure.md のように機能単位でファイルを分け、AIがコンテキストに応じて参照先を切り替えられるように設定します。

docs/specs/の管理

要件定義書自体を docs/specs/ 配下に配置し、Gitでバージョン管理を行います。AIには「直近のスペック定義を読み込め」と指示することで、常に最新の要件に基づいた実装を維持できます。

関連記事：【エンジニア必見】Claude CodeとFigmaの連携でデザイン資産を「正のソース」へ変える方法

MCPを活用した環境構築

MCP（Model Context Protocol）を活用することで、AIを単独のチャットツールから、GitHubやJiraと直結した「エンジニアリング・エンジン」へと進化させます。

GitHub/Jira連携

MCP経由でGitHub Issueを直接読み込ませることで、AIは「Issueを確認し、コードを生成し、プルリクエストを作成する」という一連のフローを自動化できます。

外部ツール接続設定

• GitHub MCP: Issueのステータス変更、ブランチ作成の自動化
• Jira MCP: タスクの優先度に基づく実装優先順位の調整
• Database MCP: DBスキーマを直接参照したマイグレーションコードの生成

関連記事：【2026年最新】MCPサーバーおすすめ活用術！AIエージェントの業務効率を最大化する導入ガイド

AIをリジェクトする判断基準

AIの提案をすべて受け入れる必要はありません。むしろ、積極的にリジェクト（拒絶）することが技術的負債を避ける鍵です。

リスクの検知フロー

以下のような兆候があれば、すぐに中断して指示を修正してください。
- 新規ライブラリの過度な依存（メンテナンスコストの増大）
- ハードコードされた認証情報やセキュリティリスクのある非推奨関数
- 一貫性のないネーミングルールや設計パターンの混在

ビジネス要件の確認

「なぜこの設計を採用したのか？」「他に依存性を抑える設計はないか？」といった批判的な問いを投げかけ、AIに代替案を出させることで、AIの推論能力を最大限に引き出します。

関連記事：【実践テクニック集】AIエージェントを120%使いこなす方法

まとめ｜主導権はエンジニアに

Claude Codeは強力なアシスタントですが、船の舵を取るのは常に人間であるエンジニアです。

• Plan Modeの徹底: /plan で実装前に計画を可視化し、手戻りを防止する。
• ルール構造化: CLAUDE.md と .claude/rules/ を使い分け、AIの判断基準を明確化する。
• フェーズゲートの運用: AIが生成した成果物を人間が批判的にレビューし、品質を担保する。
• MCPの活用: GitHub/Jiraと連携させ、AIを「Workflow Engine」として稼働させる。

AIを使いこなす準備は整いました。今すぐプロジェクトにPlan Modeを取り入れ、設計主導の効率的な開発サイクルを構築しましょう。