仕様駆動開発×Claude Codeで1週間β公開を実現──防災備蓄SaaS「おすそぐら」開発事例に学ぶ高速開発の設計思想

防災備蓄管理サービス「おすそぐら」が、着手からわずか1週間でβ公開ラインに到達しました。開発者のゆきひろ氏が採用したのは、**仕様駆動開発とClaude Codeのペアワーク**という手法です。

この事例が注目に値するのは、単にスピードが速いからではありません。多くの個人開発プロジェクトが「とりあえずコードを書き始める」アプローチで迷走する中、明確な仕様設計を先行させることでAIの能力を最大限に引き出した点に本質的な価値があります。

従来、AIコーディングツールは「コードの自動補完」や「バグ修正の支援」といった部分最適に使われがちでした。しかし本事例は、開発プロセス全体の設計から見直すことで、AIを真の「ペアプログラマー」として機能させる道筋を示しています。

開発の背景と課題認識

ゆきひろ氏は防災意識の高まりから備蓄を始めたものの、すぐに以下の課題に直面しました:

開発手法の核心:仕様駆動×Claude Code

プロジェクトの特徴は、**コードを書く前に仕様を固める「仕様駆動」アプローチ**にあります。これをClaude Codeと組み合わせることで、以下の開発フローが実現しました:

1. **仕様文書の作成**:機能要件、画面遷移、データ構造を明文化

2. **Claude Codeへの仕様提示**:自然言語で書かれた仕様をAIに理解させる

3. **AIによるコード生成**:仕様に基づいた実装をAIが提案

4. **人間によるレビューと修正**:生成コードを検証し、必要に応じて調整

このサイクルを高速で回すことで、1週間という短期間で以下を実装:

GitHub CopilotやCursorとの本質的な違い

Claude Codeと他のAIコーディングツールを比較すると、**対話の「粒度」と「文脈理解の範囲」**に明確な差があります。

GitHub Copilotは行単位・関数単位のコード補完に優れていますが、プロジェクト全体の設計思想を理解してコードを生成する能力は限定的です。Cursorは複数ファイルを横断した編集に強みがありますが、依然としてコードベースが中心です。

一方、Claude Codeは**自然言語で書かれた仕様書を起点に開発全体を進められる**点が決定的に異なります。これは「AIに何をどう伝えるか」という人間側の設計能力が問われることを意味します。

仕様駆動がAI開発で機能する3つの理由

**理由1:AIの「曖昧さへの弱さ」を補完**

AIは与えられた情報の範囲内では高精度な出力を生成しますが、暗黙知や「察する」能力は限定的です。仕様を明文化することで、AIが迷わず実装に集中できる環境が整います。

**理由2:手戻りコストの劇的な削減**

コード先行型開発では、「作ってから仕様の矛盾に気づく」ケースが頻発します。AIによる高速実装では、この手戻りが致命的なボトルネックになります。仕様駆動は、この無駄を根本から排除します。

**理由3:人間の認知負荷を適切に分散**

開発者は「何を作るか」(What)に集中し、「どう作るか」(How)の大部分をAIに委譲できます。これは単なる効率化ではなく、**創造的思考と実装作業の分離**という質的な変化です。

この手法が向いている人・プロジェクト

**最適な適用場面:**

**注意が必要な場面:**

見落としてはいけない「仕様設計力」の重要性

本事例で最も重要なのは、**ゆきひろ氏が「良い仕様」を書ける能力を持っていた**という前提です。AIツールの性能向上により、「コーディングスキル」の重要性は相対的に低下していますが、**「何を作るべきか設計する能力」の価値は逆に上昇**しています。

仕様駆動開発を成功させるには:

これらは一朝一夕には身につきません。「AIがあればプログラミング経験ゼロでも開発できる」という言説の危うさが、ここに表れています。

アクション1:ミニ仕様書テンプレートを作成する

次回の小規模プロジェクトで、以下の項目だけでも事前に文書化してみてください:

# プロジェクト名

## 解決したい課題
(3行以内で)

## 主要機能(3〜5個)
- 機能A:〇〇ができる
- 機能B:△△を管理する

## データ構造(主要エンティティのみ)
- ユーザー:名前、メールアドレス
- アイテム:名称、期限、保管場所

## 画面遷移(簡易図)
ログイン → ダッシュボード → 詳細画面

この程度でも、AIへの指示精度は大幅に向上します。

アクション2:Claude Codeで「仕様レビュー」を依頼する

作成した仕様書を、実装前にClaude Codeに読ませて以下を質問してください:

AIを「レビュアー」として使うことで、仕様の穴を事前に発見できます。

アクション3:1機能だけ「仕様→実装」サイクルを体験する

既存プロジェクトの新機能追加で、以下の流れを試してみてください:

1. **30分**:機能仕様を箇条書きで作成(画面、データ、処理の流れ)

2. **60分**:仕様をClaude Codeに提示し、実装を依頼

3. **30分**:生成コードをレビューし、修正点を指摘して再生成

合計2時間で、「仕様駆動×AI」の感触を掴めます。最初は小さな機能から始め、徐々に適用範囲を広げることが成功の鍵です。

---

この情報は @ゆきひろ さんの投稿を参考にしています。