データブラウザ

登録済みのプロセス・サブプロセス・アクティビティ・アウトプット・アクションを
シンプルなテーブル形式で一覧確認できます。

5Process

20SubProcess

49Activity

31Output

339Action

プロセス一覧

ID	Slug	名前	説明	AI進化方向性
1	design	デザイン	AIはデザインの「手を動かす」部分を自動化するが、ユーザーリサーチに基づく戦略的判断、ブランドアイデンティティの保護、文化的コンテキストの理解は依然として人間の専門性が不可欠。デザイナーは「何を作るか」ではなく「何が正しいかを判断する」役割にシフトする。	Figma AIやStitchにより意図入力だけでUIが自動生成され、デザイナーはキュレーター・クリエイティブディレクターへ進化。Vercel v0等のコード生成と連携し、デザインから実装までがシームレスに
2	development	開発	2025年の業界成熟の軌跡は、年初の「Vibe Coding」から年末の「コンテキストエンジニアリング」へ移行。「欲しいものを記述するだけ」から「AIが信頼できる出力を生み出すために必要な情報文脈を体系的に管理する」へ。Anthropicが2025年9月に形式化、Gartner・MIT Technology Reviewも定義的トレンドとして認定。	Claude Code・Cursor・Devin等のAIエージェントが設計〜実装〜テストを自律実行し、人間はアーキテクチャ決定と戦略オーケストレーションに集中。Vibe Codingにより自然言語だけでプロダクト構築が可能に
3	testing	QA・テスト	AI テストの最大のメリットは「セルフヒーリング」。UI要素が変更されてもAIが代替セレクターを自動識別し、テスト実行を継続する。従来テストの最大の負債であったメンテナンスコストを根本から解消する。	AIが未知のテストパスを自動探索・自己修復し、品質保証は予測型・自律型へ根本変革。自然言語でテストケースを記述し、ビジュアルAIが視覚的回帰を自動検出
4	operations	デプロイ・運用	Gartnerは2026年までにITOpsチームの80%がAIOpsプラットフォームを採用すると予測。ただしAIOpsの最大の課題は「データ品質」。きれいで標準化された完全なデータセットが前提となるため、導入にはデータ基盤の整備が不可欠。	AIOpsエージェントが異常予測・自動修復・RCA（根本原因分析）を自律実行し、MTTRを分単位へ短縮。インフラのセルフヒーリングとインテリジェントなキャパシティ最適化が標準に
5	growth	グロース	顧客獲得コスト最大50%削減、収益5〜15%増加、マーケティングROI 10〜30%向上。AI活用企業は獲得33%増・維持22%増・クロスセル49%増。ただし過度なパーソナライゼーションのプライバシーリスクとGDPR/CCPA準拠が不可欠。	AIが1:1ハイパーパーソナライゼーションをリアルタイム実行し、獲得・維持・LTVを飛躍的に向上。予測アナリティクスとAI多変量テストにより、マーケティングROIが劇的に改善

サブプロセス一覧

ID	サブプロセス名	概要	AI進化方向性	包含アクティビティ
101	リサーチ・戦略	ユーザーインタビュー・行動観察・市場分析を通じてターゲットの課題と動機を深く理解し、市場機会の特定・プロダクト戦略の策定・情報構造の定義を行うフェーズ。以降の全設計判断の根拠となる。	AIリサーチエージェントが定性・定量データを自動統合し、合成ペルソナによるシミュレーション調査が実ユーザーリサーチを補完。LLMが自然言語の意図記述を構造化された要件に自動変換する。	ユーザーリサーチインテント定義情報設計市場・競合分析プロダクト戦略策定
102	UIデザイン	ワイヤーフレームからビジュアルデザインまで、画面レイアウト・コンポーネント配置・色彩・タイポグラフィを設計するフェーズ。AI生成と人間のキュレーションを組み合わせ、ブランドアイデンティティを体現するUIを完成させる。	Figma AI・Midjourney等がプロンプトから複数のUIバリアントを秒単位で自動生成。デザイナーはAI候補のキュレーション（選択・編集・ブランド適合性判断）に専念し、「作成者」から「クリエイティブディレクター」へ役割が進化する。	レイアウト設計ビジュアルデザイン
103	プロトタイプ・検証	インタラクティブなプロトタイプを作成し、ユーザビリティテストで実ユーザーからフィードバックを取得するフェーズ。操作性の検証と改善を反復的に行い、UX品質を段階的に向上させる。	v0・Bolt.new等のAIツールが自然言語プロンプトからクリック可能なプロトタイプを数分で生成。AIユーザビリティチェックと合成ユーザーシミュレーションにより、実テスト前に品質を事前検証する。	プロトタイピングデザイン検証
104	デリバリー	デザイン成果物を開発チームに引き渡すフェーズ。デザインスペック（スペーシング・アニメーション・レスポンシブ仕様）の共有、またはコード直接出力により、デザインと実装の橋渡しを行う。	Design-to-Code AIがFigmaデザインからReact/SwiftUIコードを直接生成し、ハンドオフプロセス自体が不要に。デザイントークンの自動同期によりデザイナー・開発者間の摩擦がゼロに近づく。	デザインデリバリーデザインシステム管理
105	企画・設計	機能要件・非機能要件の定義からアーキテクチャ設計、スプリント計画までを行うフェーズ。ユーザーストーリーの構造化、技術スタック選定、AIが参照するコンテキスト情報の体系的整備を含む。	AIが過去プロジェクトとユーザーフィードバックから要件を自動抽出・構造化。コンテキストエンジニアリングにより、CLAUDE.md等にAIが最適なコードを生成するための情報文脈を体系的に管理する手法が標準化。	要件定義コンテキスト設計アーキテクチャ設計スプリント計画
106	実装	アーキテクチャ設計に基づきコードを作成するフェーズ。手動コーディング・AIペアプログラミング・Vibe Codingを組み合わせ、機能を実装する。開発速度と品質のバランスを最適化する。	Claude Code・Cursor等のAIエージェントが設計〜実装を自律実行し、人間はアーキテクチャ判断とプロンプト設計に集中。Vibe Codingにより自然言語だけでアプリケーション構築が可能になり、非エンジニアも開発に参加可能に。	コーディングAIペアプログラミングVibe Coding
107	レビュー・テスト	コード品質を多層的に検証するフェーズ。AIによる自動レビューと人間によるピアレビューを組み合わせ、セキュリティ・パフォーマンス・設計整合性を確認。テストケースの生成・実行も含む。	AIコードレビューがセキュリティ脆弱性・パフォーマンス問題をPR作成時に即座に自動検出し、人間レビューの品質を底上げ。AIテスト生成がカバレッジギャップを自動検出・修復し、テスト記述の工数を大幅削減。	コードレビューテスト記述
108	ドキュメント・保守	技術ドキュメント（API仕様書・README・ADR）の作成・維持と、バグ修正・リファクタリング等の継続的な保守活動を行うフェーズ。チーム内の知識共有とコード品質の長期維持を担う。	AIがコードベースからAPIドキュメント・README・アーキテクチャ図を自動生成し、コード変更に連動して自動更新。AIデバッグエージェントがエラーログから根本原因を自動特定し、修正パッチと再発防止テストを提案。	ドキュメントバグ修正
109	テスト戦略・設計	テスト戦略・スコープ・優先度・リソース配分を定義し、テストケースを設計するフェーズ。リスクベースアプローチで重点領域を特定し、AIによる探索的テストと予測的テスト選択で網羅性を最大化する。	AIがリスクベースのテスト計画を自動策定し、過去のバグパターンから重点テスト領域を予測。AIエージェントがアプリを自律的に巡回し、人間が想定しないテストパスとエッジケースを自動発見する。	テスト計画テストケース設計
110	テスト作成・実行	テストケースの実装と実行を行うフェーズ。手動テスト・自然言語テスト・自動テスト・AIテスト生成を組み合わせ、効率的にテストカバレッジを拡大する。	自然言語でテストシナリオを記述するだけでAIが実行可能コードに変換し、非エンジニアもテスト作成に参加可能に。AIがコード変更の影響範囲から必要なテストケースを自動生成し、カバレッジギャップを即座に解消。	テスト実行自動テスト作成
111	回帰テスト・検証	コード変更による既存機能への影響を検証するフェーズ。リグレッションテスト・ビジュアルテスト・セルフヒーリングにより、テストスイートの安定性と信頼性を維持する。	ビジュアルAIがUIの意味的変化を自動検出し、セルフヒーリングがUI変更に対しテストロケーターを自動修復。テスト保守コストが90%以上削減され、CI/CDパイプラインの安定性が飛躍的に向上。	リグレッションテストビジュアルリグレッション検証
112	不具合管理・保守	バグの報告・分類・優先度付け・追跡と、テストスクリプトの継続的な保守・更新を行うフェーズ。テスト自動化の最大のコスト要因であるメンテナンス負荷を管理する。	AIがバグレポートを自動分類・優先度付けし、過去バグとの相関を自動検出。セルフヒーリングによりテストスクリプトの劣化を自動検知・修復し、テスト保守が受動的対応から予防的自動最適化に進化。	バグ報告・追跡テスト保守
113	ビルド・デプロイ	ソースコードのコンパイル・コンテナ化・インフラ構成管理・CI/CDパイプラインを通じた本番環境へのデプロイを自動化するフェーズ。カナリアリリース・ブルーグリーンデプロイ等の安全なリリース戦略を実施する。	AIがビルド失敗パターンを学習し事前に問題を検出・自動修復。IaCの自然言語からの自動生成、デプロイリスクの自動評価とカナリアリリース・ロールバック判断の自律実行により、リリース速度と安全性が両立。	ビルド自動化IaCコンテナ管理CI/CDパイプライン
114	監視・分析	アプリケーション・インフラのメトリクス収集・ダッシュボード表示・ログ分析・アラート管理を行うオブザーバビリティのフェーズ。異常の早期検知と原因分析の基盤を提供する。	AIが異常パターンをリアルタイム学習し障害発生の数分〜数時間前に予測アラートを発報。大量のアラートをAIがグループ化・重要度判定してノイズの90%以上を自動フィルタリングし、アラート疲れを根本解消。	モニタリングログ分析
115	インシデント管理	インシデント発生時のトリアージ・根本原因分析・復旧対応・再発防止を行うフェーズ。オンコール体制の管理とエスカレーション、ポストモーテムによる継続的改善を含む。	AIエージェントが障害を自動検知し、ランブックに基づく修復手順を自律実行。ログ・メトリクス・トレースの横断分析によるRCAを数分で完了し、予測モデルがインシデント発生前に予防策を自動提案。	インシデント対応ポストモーテム・再発防止
116	キャパシティ管理	現在のリソース使用量とトラフィック予測に基づき将来のインフラキャパシティを計画し、コスト最適化とパフォーマンス保証のバランスを維持するフェーズ。	AIがトラフィックパターン・季節変動・ビジネスイベントから将来の需要を自動予測し、リザーブドインスタンスの最適配分とオートスケーリング戦略を自動実行。コスト最適化とパフォーマンス保証を自動バランシング。	キャパシティ計画コスト最適化
117	市場調査・分析	市場規模・トレンド・競合動向・ユーザーセグメントを調査・分析し、データドリブンな戦略的意思決定の基盤を構築するフェーズ。定量分析と予測モデルを活用してビジネスKPIを継続的に監視する。	AIが市場トレンド・競合動向・消費者センチメントをリアルタイム自動分析。行動データ・心理データ・コンテキストデータを統合した動的マイクロセグメントを自動生成し、予測アナリティクスが将来のKPIトレンドを自動予測。	市場調査セグメンテーションアナリティクス
118	コンテンツ・キャンペーン	ターゲットセグメントに向けたキャンペーン企画・コンテンツ制作・配信を行うフェーズ。チャネルミックス・メッセージング・クリエイティブの最適化を通じて、ユーザー獲得とエンゲージメント向上を実現する。	LLMがセグメント別に最適化されたコピー・画像・動画スクリプトを大量自動生成し、制作速度が10倍以上に。AIが過去キャンペーンデータから最適なチャネルミックス・タイミング・メッセージングを自動提案。	キャンペーン企画コンテンツ制作
119	テスト・最適化	A/Bテスト・多変量テスト・リアルタイム最適化を通じて、コンテンツ・UI・オファーのコンバージョン率を継続的に改善するフェーズ。統計的有意性に基づく意思決定と自動トラフィック配分を行う。	AIが数百変数を同時テストする多変量テストを自動実行し、最適な組み合わせをリアルタイムで発見。統計的有意性の自動判定と勝者バリアントへの自動切替により、テスト設計から結果分析まで全工程をAIが自律管理。	実験・テストリアルタイム最適化
120	SEO・パーソナライゼーション	検索エンジン最適化と個別ユーザーへのパーソナライズド体験の提供を行うフェーズ。オーガニック流入の最大化と、ユーザーごとに最適化されたコンテンツ・オファーの動的配信を両立する。	AIがユーザーの検索意図を深層理解し、個別最適化されたコンテンツを自動生成・配信するパーソナライズドSEOが台頭。AIハイパーパーソナライゼーションにより1:1マーケティングが大規模に実現。	SEOAIハイパーパーソナライズ

アクティビティ一覧

ID	アクティビティ名	概要	AI進化方向性	サブプロセス	アウトプット	アクション
68	市場・競合分析	市場機会と差別化ポイントを特定するために、ターゲット市場のセグメント定義・競合プロダクトの調査・市場トレンド分析を行い、プロダクト戦略の基盤となるデータを収集・構造化する	—	リサーチ・戦略	市場調査レポート競合分析マトリクス	ターゲット市場セグメントの定義競合プロダクトの機能・UX調査市場トレンド・技術動向の分析差別化ポイントの仮説設定調査結果のレポート作成
1	ユーザーリサーチ	ユーザーインタビュー・アンケート・行動観察を通じてターゲットの課題・動機・行動パターンを把握し、ペルソナとエンパシーマップを作成する	AIリサーチエージェントが競合分析・市場トレンド・ユーザーレビューを自動収集・統合。合成ペルソナによるシミュレーションインタビューが初期仮説検証を加速	リサーチ・戦略	ペルソナユーザーインタビューレポートエンパシーマップ	ユーザーインタビュー実施（1対1の深掘り調査）アンケート配信と統計分析（定量データ収集）フィールド観察・エスノグラフィー調査競合サービス分析とベンチマーク調査ペルソナ・ジャーニーマップの作成
69	プロダクト戦略策定	プロダクトビジョン・KGI/KPI体系・バリュープロポジション・事業モデルを構造化し、リーンキャンバスとブランドコンセプトを通じてプロダクトの方向性と成功指標を定義する	—	リサーチ・戦略	リーンキャンバスKPI設計書ブランドコンセプトシート	プロダクトビジョン・ミッションの定義KGI/KPI体系の設計バリュープロポジションの策定リーンキャンバスの作成ブランドコンセプトの定義
8	インテント定義	プロダクトの目的・ターゲットユーザー・達成したい体験を自然言語で明確に記述し、AIによるデザイン生成の起点となる要件を構造化する	LLMが自然言語の意図記述をデザイン要件に自動変換。コンテキスト理解AIがビジネス目標とユーザーニーズの最適バランスを提案	リサーチ・戦略	—	デザイン目標の言語化（誰のための何を解決するか）機能要件・制約条件の記述ブランドガイドライン・参照事例の提供ターゲットユーザー特性の明記優先順位・重要度の指定
2	情報設計	サイトマップ・ユーザーフロー・コンテンツ階層を設計し、情報の発見可能性と理解容易性を最大化する構造を構築する	AIがコンテンツ関係性とユーザー動線を分析し、最適なIA構造を自動生成。カード分類AIが大規模サイトの構造設計を数分で完了	リサーチ・戦略	ユーザージャーニーマップサイトマップユーザーフロー	コンテンツインベントリ作成（既存コンテンツ棚卸し）カードソーティング実施（ユーザー主導の分類）サイトマップ設計（全体構造の可視化）ユーザーフロー図作成（タスク遂行経路）ナビゲーション体系の設計
3	レイアウト設計	UIエレメントの配置・画面構成・ナビゲーションパターンを設計するレイアウト工程。手動設計とAI自動生成を組み合わせ、デザインシステムとの整合性を確保する	AIがレスポンシブレイアウトとコンポーネント配置を自動提案。デザインシステムとの整合性チェックもAIが実行し、一貫性を保証	UIデザイン	ワイヤーフレーム	主要画面のレイアウト設計（グリッド配置）UI要素の配置とサイズ決定コンテンツ優先順位の視覚化基本的なインタラクションフロー定義ステークホルダーレビュー・修正プロンプト入力とパラメータ調整複数バリエーション一括生成（10-50案）スタイル・レイアウトパターンの探索コンポーネント自動配置・最適化生成結果のバッチレビュー
4	ビジュアルデザイン	Figma/Sketchでカラー・タイポグラフィ・アイコンを適用した高忠実度モックアップを作成し、ブランドアイデンティティを体現するUIを完成させる	AIカラーパレット生成・タイポグラフィ最適化・アイコン自動生成により、ビジュアルデザインの初稿作成が秒単位に。スタイル転写で参考デザインの世界観を即座に適用	UIデザイン	UIモックアップデザインシステムスタイルガイド	ビジュアルスタイル探索（ムードボード作成）カラーパレット・タイポグラフィ定義UIコンポーネントライブラリ構築高忠実度モックアップ制作（全画面）デザインシステム文書化生成候補の評価・比較（基準に基づく選択）選択デザインの部分修正指示ブランド整合性チェックと調整反復的なプロンプト改善・再生成
5	プロトタイピング	Figma・InVision等でクリック可能なインタラクティブプロトタイプを作成し、画面遷移・アニメーション・マイクロインタラクションを再現する	AIが操作フローを自動シミュレーションし、ユーザビリティ問題を事前検出。プロトタイプの改善提案をリアルタイムで生成し、テスト前の品質を大幅向上	プロトタイプ・検証	インタラクティブプロトタイプ	画面間のインタラクション設定（タップ、スワイプ等）トランジション・アニメーション実装条件分岐フロー構築（if/thenシナリオ）マイクロインタラクション詳細化デバイス実機での動作確認デザインからコード自動変換インタラクション・アニメーション自動実装レスポンシブ対応の自動生成実機・ブラウザでの動作確認
6	デザイン検証	プロトタイプの操作性・品質を検証するフェーズ。実ユーザーテスト・AIユーザビリティチェック・アクセシビリティ監査を組み合わせ、UX品質を段階的に改善する	AIがセッション録画を自動分析し、ペインポイントとインサイトを抽出。合成ユーザーテストが実ユーザーテストの予備検証として定着	プロトタイプ・検証	ユーザビリティテストレポート	テストシナリオ・タスク設計参加者リクルーティング（5-8名/ラウンド）モデレート付きユーザビリティテスト実施行動観察・発話思考法の記録発見事項の分析・優先順位付けアクセシビリティ自動監査（WCAG準拠）コントラスト比・文字サイズ自動チェックUIパターン一貫性検証AI駆動ユーザビリティヒューリスティック評価
7	デザインデリバリー	デザイン成果物を開発チームに引き渡す工程。仕様書共有・Design-to-Codeによる直接コード生成など、手段を問わずデザインと実装の橋渡しを行う	デザイントークン自動同期・コード自動生成により、デザイナーと開発者の引き継ぎ摩擦がゼロに。AIがデザインスペックと実装の差分を自動検出	デリバリー	ハンドオフ仕様書	デザイン仕様書の詳細化（余白、サイズ等）アセットエクスポート（各解像度対応）デザイントークン定義（CSS変数等）開発者向けウォークスルー実施実装中のQA・デザインレビューフレームワーク選択・出力設定（React/Vue/HTML等）クリーンコード生成・最適化デザイントークン・CSS変数自動抽出コンポーネント化・再利用可能構造化
70	デザインシステム管理	デザイントークン・コンポーネントライブラリ・ガイドラインを一元管理し、デザインと実装のトークン同期およびコンポーネント一貫性レビューを通じてUI品質を維持する	—	デリバリー	デザインシステムドキュメントデザイントークン定義	デザイントークンの定義・更新コンポーネントライブラリの整備ガイドラインドキュメントの作成デザインと実装のトークン同期コンポーネント一貫性のレビュー
14	要件定義	機能要件・非機能要件を網羅的に定義し、ユーザーストーリーマップ・受入基準を含む要件定義書を作成する。ステークホルダーとの合意形成を図る	AIが過去のプロジェクトデータとユーザーフィードバックから要件を自動抽出・構造化。自然言語からユーザーストーリーを自動生成し、抜け漏れをAIが検出	企画・設計	要件定義書ユーザーストーリーマップ	ステークホルダーインタビューとビジネス要求のヒアリングユースケース図・ユーザーストーリーの作成機能/非機能要件（性能、セキュリティ、可用性）の文書化要件の優先順位付けとスコープ定義要件レビュー会議と承認プロセス
22	コンテキスト設計	CLAUDE.md・.cursor-rules等にプロジェクト仕様・コーディング規約・アーキテクチャ方針を体系的に記述し、AIが高品質なコードを生成するための情報文脈を最適化する	LLMが技術要件とユーザー意図を統合的に理解し、最適なアーキテクチャコンテキストを自動設計。システム境界とデータフローの提案を自動生成	企画・設計	—	AI読み込み用の構造化仕様書作成（Markdown/YAML形式）コーディング規約のプロンプトテンプレート化プロジェクト固有のコンテキストファイル整備プロンプトライブラリの構築とバージョン管理
15	アーキテクチャ設計	マイクロサービス境界・技術スタック・インフラ構成・データフローを設計し、ADR（Architecture Decision Record）で意思決定の根拠を文書化する	AIがシステム要件からマイクロサービス境界・技術スタック・インフラ構成を自動提案。ADR（Architecture Decision Record）をAIが自動生成し、意思決定を高速化	企画・設計	アーキテクチャ図技術仕様書ADR（Architecture Decision Record）	アーキテクチャパターンの選択（マイクロサービス、モノリス等）技術スタック選定（言語、フレームワーク、DB）データモデル設計とER図の作成API設計とシステム間インターフェース定義セキュリティアーキテクチャ設計
23	AIペアプログラミング	Claude Code・GitHub Copilot等のAIエージェントとIDE/ターミナル上でリアルタイムに協調し、コード提案・リファクタリング・バグ修正を効率的に実行する	Claude Code・GitHub Copilot等のAIエージェントがリアルタイムでコード提案・バグ修正・リファクタリングを実行。人間は設計意図の伝達とレビューに集中	実装	—	AIコード補完を活用した実装自然言語コメントからのコード生成AI提案のレビューと採用判断リファクタリング提案の適用ターミナルでのAI支援CLI操作
16	スプリント計画	バックログからスプリントゴールを設定し、ベロシティデータに基づくストーリーポイント見積もりとタスク割当を行うアジャイル計画プロセス	AIがベロシティデータと依存関係を分析し、最適なスプリント計画を自動提案。リスク予測に基づくバッファ配分もAIが実行	企画・設計	—	バックログの優先順位付けとストーリーポイント見積もりスプリントゴールの設定とタスク分解チームキャパシティの確認とアサイン依存関係の特定とリスク分析デイリースタンドアップとレトロスペクティブの計画
24	Vibe Coding	自然言語で意図を伝えるだけでAIがアプリケーション全体を生成するVibe Codingアプローチ。Claude Code・Cursor・Bolt.new等で非エンジニアもプロダクト構築に参加可能	自然言語の意図記述だけでアプリケーションを構築するVibe Codingが台頭。Claude Code・Cursor・Bolt.new等により、非エンジニアもプロダクト開発に参加可能に	実装	—	自然言語での機能要求記述AI生成コードのプレビューと反復改善生成UIコンポーネントのカスタマイズ複数の生成案の比較と選択生成コードのプロジェクトへの統合
17	コーディング	IDE上でコードを記述しアプリケーションを構築する開発プロセス。手動コーディング・AI支援を適宜組み合わせ、品質を担保する	AIコーディングアシスタントの普及により、手動コーディングはAIが苦手な創造的設計・複雑なアルゴリズム・レガシーシステム統合に特化。AI生成コードの理解・編集スキルが新たな必須能力に	実装	—	ビジネスロジックの実装とアルゴリズム記述データベースアクセス層の実装APIエンドポイントの作成とルーティング設定エラーハンドリングとバリデーションの実装コーディング規約の遵守とリファクタリング
18	コードレビュー	Pull Requestベースでチームメンバーがコードを相互レビュー。設計判断・ロジック正確性・コーディング規約の遵守を人間の目で確認する	AIが事前にコード品質チェックを完了した上で、人間レビューは設計判断・ビジネスロジック整合性・チーム規約に特化。レビュー速度が数倍に向上	レビュー・テスト	—	プルリクエストの作成と変更内容の説明コードの可読性・保守性の確認ロジックエラーとセキュリティ脆弱性のチェックコーディング規約遵守確認レビューコメントへの対応と修正PRへのAI自動レビューコメント生成セキュリティ脆弱性の静的解析コーディング規約違反の自動検出パフォーマンス改善提案の生成人間レビュアーへの重点箇所提示システムアーキテクチャの妥当性評価セキュリティ設計の最終確認ビジネスロジックの正確性検証長期保守性・拡張性の評価AIの誤判断・バイアスの検出と修正
19	テスト記述	JUnit・Jest・pytest等のフレームワークでユニットテスト・統合テストを手動作成し、コードの正確性と堅牢性を検証する	AIテスト生成の補完として、人間はエッジケース・ビジネスクリティカルなシナリオ・探索的テストに集中。テスト戦略の立案は人間の重要な役割として残存	レビュー・テスト	—	ユニットテストケースの設計と実装統合テストシナリオの作成テストデータ・モックオブジェクトの準備エッジケース・異常系のテストケース追加テストカバレッジの測定と改善ソースコードからのユニットテスト自動生成エッジケース・境界値テストの提案モック・フィクスチャの自動作成テストカバレッジギャップの分析
20	ドキュメント	OpenAPI仕様書・README・アーキテクチャ図・ADR等の技術ドキュメントを作成し、チーム内の知識共有とオンボーディングを支援する	AIがコードベースを分析し、APIドキュメント・README・アーキテクチャ図を自動生成。コード変更に連動したドキュメント自動更新が標準化	ドキュメント・保守	API仕様書	API仕様書の作成（Swagger/OpenAPI等）READMEファイルとセットアップガイドの記述コードコメントとインラインドキュメントの追加アーキテクチャ図・シーケンス図の更新
21	バグ修正	バグレポートに基づき根本原因を調査・修正し、リグレッションテストを追加するイテレーティブなデバッグプロセス	AIデバッグエージェントがエラーログ・スタックトレースから根本原因を自動特定し、修正パッチを提案。再現手順の自動生成とリグレッションテストの自動追加も実行	ドキュメント・保守	—	バグレポートのトリアージと優先順位付けデバッガー・ログを使用した原因調査修正コードの実装とローカルでの検証リグレッションテストの実施バグ修正のドキュメント化
28	テスト計画	テスト戦略・スコープ・優先度・リソース配分を定義するテスト計画書を作成。リスクベースアプローチで重点テスト領域を特定する	AIがリスクベースのテスト計画を自動策定し、過去のバグパターンから重点テスト領域を予測。テストリソース配分の最適化をAIが自動実行	テスト戦略・設計	—	テスト対象範囲の特定と優先順位付けテストアプローチ（手動/自動、ブラック/ホワイトボックス）の選定テストチーム編成と役割分担テスト環境要件の洗い出しスケジュール策定とリスク分析コミット差分と過去の不具合相関をML分析リスクスコアに基づくテストケース優先順位付け高リスク領域のテストを優先選択・実行実行結果フィードバックによるモデル改善
29	テストケース設計	要件・仕様書から等価分割・境界値分析・状態遷移法を適用してテストケースを手動設計。テストマトリクスで網羅性を確保する	AIがユーザーストーリーと仕様書からテストケースを自動生成。等価分割・境界値分析・状態遷移をAIが自動適用し、テスト設計工数を大幅削減	テスト戦略・設計	—	要件仕様書から機能単位でテストシナリオを抽出同値分割・境界値分析などの技法を適用テストデータ（正常系・異常系）の準備各テストケースに期待結果を明記レビュー会議での妥当性確認AIエージェントがアプリ全体を自動巡回クリック可能要素・フォーム・遷移パターンの自動検出重要ビジネスフローの自動識別未テスト領域のハイライト提示
30	テスト実行	テストケースに従いアプリケーションの動作を検証するプロセス。手動操作・探索的テストにより、自動テストでは捕捉しにくい品質問題を発見する	AIが手動テストの実行ガイダンスをリアルタイムで提供し、見落としやすいチェックポイントを自動警告。手動テストの品質と一貫性が向上	テスト作成・実行	—	テストケースに従ってアプリケーションを順次操作実行結果（Pass/Fail）の記録と証跡取得不具合発見時の再現手順確認テスト実行ログの作成と進捗管理
31	自動テスト作成	Selenium・Cypress・Playwright等のフレームワークでE2Eテスト・統合テストを自動化し、CI/CDパイプラインに組み込んで継続的に品質を検証する	AIがテストコードを自動生成・最適化し、テストスイートの実行時間とカバレッジのバランスを自動調整。テストのフレーキネス（不安定性）もAIが自動診断・修復	テスト作成・実行	—	自動化対象テストケースの選定テスト自動化フレームワーク（Page Object Model等）の設計Selenium/Cypress/Appiumでのスクリプトコーディングテストデータ管理機構の実装CI/CDパイプラインへの組み込み平易な日本語・英語でテストシナリオを記述AIがシナリオを実行可能なテストステップに変換必要なセレクタやアサーションをAIが自動推論テスト実行とリアルタイム結果フィードバック要件仕様書をAIが自然言語処理で解析コードカバレッジとロジック分岐を解析境界値・異常系・組み合わせパターンを自動抽出優先度付けされたテストケースセットを自動生成
32	リグレッションテスト	コード変更のたびに既存テストスイートを再実行し、新機能追加による既存機能への影響（デグレード）がないことを確認する回帰テスト	AIが変更影響範囲を精密に分析し、最小限かつ最効果的なリグレッションテストセットを自動選定・実行。テスト実行時間を大幅短縮しつつ品質を維持	回帰テスト・検証	—	過去テストスイートから実行対象の選定手動または自動テストの再実行デグレード発見時の影響範囲分析前回リリース時との差分比較ベースライン画像の自動キャプチャと登録新ビルド時に同一画面のスクリーンショット比較意味のある差分と無視すべき差分をAIが判別複数ブラウザ・デバイスでの一括ビジュアルテスト
71	ビジュアルリグレッション検証	UIの視覚的変化をスクリーンショット差分比較とAI意味的判定で自動検出し、意図しないビジュアル変更を本番リリース前に捕捉する	—	回帰テスト・検証	ビジュアルリグレッションレポート	ビジュアルベースラインの取得スクリーンショット差分比較の実行AIによるUI意味的変化の判定検出差分の承認・棄却の判断ビジュアルテスト結果レポートの作成
33	バグ報告・追跡	JIRA・Linear等のバグ追跡ツールで不具合を登録・分類・優先度付けし、修正状況を追跡。再現手順・スクリーンショット・ログを体系的に管理する	AIがバグレポートを自動分類・優先度付けし、関連する過去のバグとの相関を自動検出。再現手順の自動生成と修正担当者の自動アサインも実行	不具合管理・保守	—	不具合チケットの起票（再現手順、環境情報記載）重要度・優先度の設定開発チームとの詳細確認ミーティング修正後の検証テスト実行不具合統計レポートとトレンド分析
34	テスト保守	UI変更・依存ライブラリ更新・環境変更に伴うテストスクリプトの修正・更新作業。テスト自動化の最大のコスト要因となる継続的な保守活動	AIがテストコードの劣化を自動検知し、セルフヒーリングでロケーター・アサーションを自動更新。テスト保守が受動的な対応から予防的な自動最適化に進化	不具合管理・保守	—	UI変更箇所の特定と影響テストスクリプトの洗い出しセレクタ（XPath、CSS Selector）の更新仕様変更に伴うテストケース内容の修正テストデータの更新と整合性チェック定期的なテストコード品質レビューAIが複数の要素特定戦略（XPath、CSS、テキスト）を自動試行機械学習モデルが要素の同一性を高精度で判定テストスクリプト内のセレクタを自動更新修正内容と信頼度スコアの記録・通知
41	ビルド自動化	Jenkins・GitHub Actions・CircleCI等でソースコードのコンパイル・パッケージング・アーティファクト生成を自動化。ビルド結果の通知と履歴管理も実施する	AIがビルド失敗パターンを学習し、事前に問題を検出・自動修復。ビルド最適化AIが依存関係分析とキャッシュ戦略を自動調整し、ビルド時間を大幅短縮	ビルド・デプロイ	—	Jenkinsfile/GitHub Actions YAMLでパイプライン定義コミット/PR発生時の自動トリガー設定コンパイル、依存関係解決、アーティファクト生成単体テスト・静的解析の自動実行ビルド成功/失敗の通知設定
42	IaC	Terraform・CloudFormation・Pulumi等でインフラ構成をコードとして定義し、環境のプロビジョニング・変更・バージョン管理を自動化する	AIがインフラ要件を自然言語から自動生成し、セキュリティベストプラクティスとコスト最適化を自動適用。IaCのドリフト検出と自動修復もAIが実行	ビルド・デプロイ	—	インフラ要件をTerraform HCL/CloudFormation YAMLで記述Gitによるバージョン管理とレビュープロセス確立terraform plan/applyで変更プレビューと適用ステート管理とロック機構の設定環境ごとのパラメータ管理とモジュール化
43	コンテナ管理	Docker・Kubernetes・ECS等でコンテナイメージのビルド・レジストリ管理・オーケストレーション・スケーリングを管理。マイクロサービスの基盤運用を担う	AIがコンテナイメージの脆弱性スキャン・リソース最適化・スケーリング戦略を自動管理。Kubernetes運用の複雑性をAIが吸収し、開発者体験を大幅向上	ビルド・デプロイ	—	Dockerfileでアプリ実行環境をコード定義Docker Composeでローカルマルチコンテナ構成管理Kubernetes Deployment/Service/Ingressマニフェスト作成Helmチャートによるパッケージングローリングアップデート、ロールバック実行
44	CI/CDパイプライン	ソースコードのビルド→テスト実行→ステージング環境デプロイ→本番デプロイの一連のパイプラインを自動化。カナリアリリース・ブルーグリーンデプロイに対応する	AIがデプロイリスクを自動評価し、カナリアリリース・ロールバック判断を自律実行。パイプライン全体の最適化と障害予測をAIが継続的に実施	ビルド・デプロイ	—	パイプラインステージの定義と依存関係設定品質ゲート（カバレッジ閾値、セキュリティスキャン）設定環境別デプロイ戦略の構築Blue-Green/Canaryデプロイの実装パイプライン実行監視とボトルネック分析
45	モニタリング	Prometheus・Grafana・Datadog等でアプリケーション・インフラのメトリクス収集・ダッシュボード表示・アラート設定を実施するオブザーバビリティの基盤	AIが異常検知・相関分析・予測分析を統合し、オブザーバビリティを自動化。ダッシュボードの自動生成とインサイト抽出により、監視工数を大幅削減	監視・分析	—	Prometheus Exporterでメトリクス収集Grafanaダッシュボード作成と可視化アラートルール定義とAlertmanager設定ログ収集とメトリクスの統合監視機械学習モデルが正常時ベースラインを自動学習複数メトリクスの時系列データをリアルタイム解析季節性・周期性を考慮した動的閾値の自動調整異常検知時の自動アラート発報と影響範囲推定時間的・空間的に関連するアラートの自動クラスタリング根本原因アラートと派生症状アラートの分離ビジネスインパクトに基づく優先度自動スコアリングノイズフィルタリングとコンテキスト情報の自動付加
47	ログ分析	ELK Stack・Splunk・CloudWatch Logs等でアプリケーション・インフラのログを収集・パース・検索し、障害調査やセキュリティ監査に活用する	AIが大量のログデータから異常パターン・セキュリティ脅威・パフォーマンスボトルネックを自動検出。自然言語クエリでログ分析が可能になり、運用効率が飛躍的に向上	監視・分析	—	Logstash/Fluentdで分散サーバーのログを中央集約Elasticsearchへのインデックス作成と検索クエリ設計Kibanaダッシュボードでの可視化エラーログのパターン抽出と手動分析
46	インシデント対応	PagerDuty・OpsGenie等でオンコール体制を管理し、インシデント発生時のトリアージ・エスカレーション・コミュニケーション・復旧対応を実施する	AIがインシデント発生時に自動でランブック実行・影響範囲特定・コミュニケーション生成を実施。人間はエスカレーション判断と事後レビューに集中	インシデント管理	—	PagerDuty経由でのアラート受信とエスカレーションオンコールエンジニアによる初動トリアージログ・メトリクス確認による手動根本原因調査復旧作業（ロールバック、リソース増強等）ポストモーテムミーティング実施過去インシデントとメトリクスの相関分析障害予測モデル構築と精度向上高リスク状況での早期警告アラート自動発報予測根拠の可視化提示予防的アクションのレコメンデーション修復可能な障害パターンとアクションのプレイブック定義異常検知トリガーと修復ワークフローの統合Ansible/Terraform等による修復スクリプト自動実行修復結果の検証と成功/失敗判定関連ログ・メトリクス・トレースを自動収集サービス依存関係グラフとイベントタイムラインを解析異常パターンと過去類似インシデントとのマッチング根本原因候補の優先順位付きリスト自動生成
72	ポストモーテム・再発防止	インシデント後にタイムライン作成・根本原因分析・影響範囲確定を行い、再発防止策の策定と改善アクションの進捗追跡を通じて組織学習を促進する	—	インシデント管理	ポストモーテムレポート	インシデントタイムラインの作成根本原因の特定と分析影響範囲・影響度の確定再発防止策の策定改善アクションの進捗追跡
48	キャパシティ計画	現在のリソース使用量とトラフィック予測に基づき、将来必要なインフラキャパシティを計画。スケーリング戦略とコスト予算を策定する	AIが過去のトラフィックパターンとビジネスイベントから将来のキャパシティ需要を自動予測。コスト最適化とパフォーマンス保証の自動バランシングを実行	キャパシティ管理	—	過去メトリクスデータの収集と分析ビジネス成長予測との突合ピーク時負荷シミュレーションコスト試算とROI分析段階的スケールアッププランの策定過去トラフィックパターン・季節性のAI学習短期/中長期の需要予測予測に基づく自動スケーリングポリシーの動的調整コスト効率とパフォーマンスのバランス最適化
73	コスト最適化	クラウドリソースの使用量分析・未使用リソースの特定・インスタンスタイプの最適化を行い、リザーブド/スポット戦略とコストアラートの設定でインフラコストを最適化する	—	キャパシティ管理	—	クラウドリソース使用量の分析未使用・低利用リソースの特定インスタンスタイプの最適化提案リザーブド/スポット戦略の策定コストアラートとレポートの設定
55	市場調査	アンケート・フォーカスグループ・競合分析・市場データを収集し、市場規模・成長率・トレンド・ポジショニングを分析。戦略的意思決定の基盤を構築する	AIが市場トレンド・競合動向・消費者センチメントをリアルタイム分析し、戦略的インサイトを自動生成。調査設計から分析レポート作成までをAIが自律実行	市場調査・分析	市場分析レポート競合分析	調査目的・仮説設定と調査対象セグメントの定義アンケート設計、フォーカスグループ運営調査実施（オンライン/オフライン）とデータ収集回答データの集計・クロス分析・統計処理インサイト抽出とレポート作成
62	AIハイパーパーソナライズ	AIがユーザーの行動・嗜好・コンテキストをリアルタイム分析し、個々のユーザーに最適化された1:1の体験（コンテンツ・オファー・UI）を動的に提供する	AIが個々のユーザー行動をリアルタイム分析し、マイクロセグメント単位でパーソナライズされた体験を動的に提供。1:1マーケティングが大規模に実現	SEO・パーソナライゼーション	—	ユーザー行動データのリアルタイム収集AIが個人プロファイルと嗜好モデルを自動構築最適なコンテンツ・商品・レイアウトを個別出し分けフィードバックによるモデル継続学習パーソナライゼーション効果測定
56	セグメンテーション	デモグラフィック・行動データ・心理特性に基づきユーザーをセグメントに分類し、各セグメントの特性・規模・優先度を定義。ターゲティング戦略の基盤を構築する	AIが行動データ・心理データ・コンテキストデータを統合し、動的マイクロセグメントを自動生成。セグメント間の移動予測もリアルタイムで実行	市場調査・分析	セグメント定義	顧客データベースから属性情報を抽出購買履歴・行動ログデータの集計と分析RFM分析等による顧客グループ分け各セグメントの特性プロファイリングセグメント別マーケティング戦略策定
57	キャンペーン企画	ターゲットセグメント・チャネルミックス・メッセージング・予算配分を策定するクリエイティブブリーフを作成。キャンペーンの目標KPIと測定方法を定義する	AIが過去のキャンペーンデータから最適なチャネルミックス・タイミング・メッセージングを自動提案。クリエイティブ戦略は人間の強みとして残存	コンテンツ・キャンペーン	—	キャンペーン目標設定（認知度、リード獲得、売上等）ターゲットオーディエンス選定とメッセージング方針決定クリエイティブブリーフ作成チャネルミックス（Web、SNS、メール）計画予算配分、スケジュール策定、KPI定義
58	コンテンツ制作	ライター・デザイナー・ビデオグラファーがブログ記事・SNSコンテンツ・動画・ホワイトペーパーを手動作成。品質管理と承認フローを経て公開する	LLMがターゲット層に最適化されたブログ・SNS・動画スクリプトを自動生成。ブランドトーン維持とSEO最適化をAIが同時実行し、制作速度が10倍以上に	コンテンツ・キャンペーン	—	コンテンツカレンダー作成とトピック選定ライターによる記事執筆・校正・編集デザイナーによるビジュアル制作動画撮影・編集レビュー承認フローと最終納品トピック・キーワードを入力しAIが記事自動執筆ブランドガイドラインに基づくトーン・スタイル調整画像生成AIによるビジュアル自動制作人間編集者による品質・ファクトチェックSEO最適化・多言語展開の自動化
59	実験・テスト	バリアントを比較しコンバージョン最適化を行う実験プロセス。A/Bテスト・AI多変量テストを組み合わせ、統計的有意性に基づく意思決定を行う	AIが統計的有意性を自動判定し、勝者バリアントへの自動切り替えを実行。テスト設計から結果分析まで全工程をAIが自律管理	テスト・最適化	—	テスト仮説設定と変数選定A/Bテストツール（Optimizely等）での設定トラフィック分割とデータ収集期間の管理結果の統計分析（有意差検定）勝利パターン確定と全体展開の意思決定複数要素の組み合わせパターン自動生成強化学習アルゴリズムで効率的な探索と最適化リアルタイムトラフィック配分の動的調整最適パターンの自動識別と全体展開
66	リアルタイム最適化	AIがユーザー行動をリアルタイム分析し、広告入札・コンテンツ配信・UI要素を動的に最適化。トラフィック配分の自動調整でコンバージョンを最大化する	AIがユーザー行動をリアルタイムで分析し、個々のユーザーに最適なコンテンツ・オファー・UIを動的に配信。コンバージョン率の継続的自動最適化が標準化	テスト・最適化	—	広告パフォーマンス（CTR、CPA、ROAS）のリアルタイム監視効果の高いチャネル・クリエイティブに予算自動シフト入札価格の動的調整低パフォーマンス広告の自動停止と新バリエーション投入
60	アナリティクス	Google Analytics・Mixpanel等でユーザー行動データを収集し、ファネル分析・コホート分析・アトリビューション分析のレポートを手動作成する	AIがファネル分析・コホート分析・アトリビューション分析を自動実行し、自然言語でインサイトを報告。予測分析により将来のKPIトレンドも自動予測	市場調査・分析	—	トラフィック・行動データの確認週次/月次レポート作成（PV、UU、CVR等）カスタムレポートによる深掘り分析データからのインサイト抽出と改善仮説立案過去の顧客行動・成果データで予測モデル学習個別ユーザーのCV確率、チャーンリスク、LTVスコア算出高リスク・高ポテンシャル顧客の自動セグメンテーション予測結果に基づくアクション自動トリガー予測精度の継続モニタリングとモデル再学習
61	SEO	手動でキーワード調査・オンページ最適化・テクニカルSEO監査・被リンク構築を実施。Search Console・Ahrefs等のツールで順位変動を継続的に監視する	AIがキーワード調査・コンテンツ最適化・テクニカルSEO監査を自動実行。検索エンジンのアルゴリズム変更を予測し、事前にコンテンツ戦略を自動調整	SEO・パーソナライゼーション	—	キーワードリサーチツール（Ahrefs等）での調査ターゲットキーワード選定と優先順位付けオンページSEO最適化（タイトル、メタ、見出し構造）コンテンツ制作・リライト被リンク獲得とテクニカルSEO改善検索クエリの意図（情報収集/比較/購入等）を自動分類ユーザー検索意図に応じたコンテンツ動的生成ロングテールキーワード大量対応の自動コンテンツ生成検索トレンド変化のリアルタイム検知と即時対応

アウトプット一覧

ID	アウトプット名	概要	AI進化方向性	タイプ	アクティビティ
1	ペルソナ	ターゲットユーザーの代表的な人物像を定義したドキュメント。デモグラフィック、行動パターン、ゴール、ペインポイントを含む。	AIが行動データ・デモグラフィック・心理データからペルソナを自動生成。リアルタイムデータに基づく動的ペルソナが静的ペルソナを補完し、予測精度が向上	ドキュメント	ユーザーリサーチ
4	ユーザージャーニーマップ	ユーザーがサービスを利用する一連の体験を時系列で可視化。タッチポイント、感情曲線、改善機会を含む。	AIがユーザー行動ログから最適なジャーニーマップを自動生成し、ペインポイントとオポチュニティを自動検出。動的ジャーニーマップがリアルタイム更新に	ダイアグラム	情報設計
7	ワイヤーフレーム	低忠実度のレイアウト設計。主要な画面のUIエレメント配置と情報構造を示す。	AIがコンテンツ要件とデザインシステムから最適なワイヤーフレームを自動生成。レスポンシブバリエーションもAIが自動展開し、設計時間を大幅短縮	デザイン	レイアウト設計
8	UIモックアップ	高忠実度のビジュアルデザイン。色、タイポグラフィ、アイコン、スペーシングを含む最終的なUIデザイン。	AIがブランドガイドラインとコンテンツに基づき高忠実度モックアップを自動生成。デザイナーは微調整と品質保証に集中する新しいワークフローに	デザイン	ビジュアルデザイン
11	インタラクティブプロトタイプ	実際の操作感を再現できるクリッカブルなプロトタイプ。	AIがモックアップから直接インタラクティブプロトタイプを自動生成。Figma AI・Framer等が遷移・アニメーションも自動追加し、プロトタイプ作成が数分に	プロトタイプ	プロトタイピング
12	ユーザビリティテストレポート	テスト結果の分析レポート。タスク完了率、エラー率、SUS スコア、改善提案を含む。	AIがテストセッション動画を自動分析し、ユーザビリティ問題の重要度ランキングと改善提案を自動生成。レポート作成工数がゼロに近づく	レポート	デザイン検証
13	ハンドオフ仕様書	開発者向けのデザイン仕様。スペーシング、アニメーション、レスポンシブ挙動の詳細を含む。	Design-to-Code AIにより、ハンドオフ仕様書自体が不要に。デザインファイルから直接プロダクションコードが生成され、仕様書は自動ドキュメントとして残存	ドキュメント	デザインデリバリー
23	市場調査レポート	ターゲット市場のセグメント定義・市場規模・成長率・トレンド分析をまとめた調査レポート。プロダクト戦略策定の基盤データとなる	—	レポート	市場・競合分析
25	リーンキャンバス	ビジネスモデルの9要素（課題・顧客セグメント・独自の価値提案・ソリューション・チャネル・収益の流れ・コスト構造・主要指標・圧倒的な優位性）を1枚で構造化したキャンバス	—	フレームワーク	プロダクト戦略策定
28	デザインシステムドキュメント	コンポーネントライブラリの使用方法・デザイン原則・パターンガイドラインをまとめたドキュメント。デザイナーと開発者の共通言語となる	—	ドキュメント	デザインシステム管理
2	ユーザーインタビューレポート	インタビュー結果のサマリー。発見事項、インサイト、推奨アクションを整理。	AIがインタビュー録音を自動書き起こし・テーマ分析し、インサイトレポートを自動生成。感情分析AIにより定性データの定量化精度が飛躍的に向上	レポート	ユーザーリサーチ
5	サイトマップ	サイト全体のページ構造と階層関係を図示したドキュメント。	AIがコンテンツ関係性とユーザー動線を分析し、最適なサイトマップを自動生成・更新。動的サイトマップがユーザー行動に基づきリアルタイムで最適化	ダイアグラム	情報設計
9	デザインシステム	再利用可能なコンポーネント、スタイルガイド、デザイントークンを体系化したシステム。	AIがブランドトーン・アクセシビリティ基準・プラットフォーム要件を統合したデザインシステムを自動生成・維持。コンポーネントの自動テストと品質保証もAIが実行	システム	ビジュアルデザイン
24	競合分析マトリクス	主要競合プロダクトの機能・UX・価格・ポジショニングを比較したマトリクス。差別化ポイントと市場機会を可視化する	—	マトリクス	市場・競合分析
26	KPI設計書	KGI（重要目標達成指標）とKPI（重要業績評価指標）の階層構造・計測方法・目標値・レビューサイクルを定義した設計書	—	設計書	プロダクト戦略策定
29	デザイントークン定義	カラー・タイポグラフィ・スペーシング・シャドウ等のデザイン値をプラットフォーム非依存の形式で定義したトークンセット	—	定義書	デザインシステム管理
3	エンパシーマップ	ユーザーが何を考え、感じ、見聞きし、行動するかを4象限で整理したマップ。	AIがインタビュー動画から表情・音声のセンチメント分析を実行し、エンパシーマップを自動生成。バイオメトリクスデータとの統合で精度が飛躍的に向上	フレームワーク	ユーザーリサーチ
6	ユーザーフロー	ユーザーが特定のタスクを完了するまでの画面遷移と判断分岐を図示。	AIがタスク分析とユーザー目標からユーザーフローを自動生成。離脱予測AIがフロー上のリスクポイントを事前検出し、最適化提案を自動生成	ダイアグラム	情報設計
10	スタイルガイド	カラーパレット、タイポグラフィ、アイコン、スペーシングのルールを文書化。	AIがデザインシステムから一貫したスタイルガイドを自動生成・同期。ブランド変更時の全コンポーネントへの自動反映とコンプライアンスチェックもAIが実行	ドキュメント	ビジュアルデザイン
27	ブランドコンセプトシート	プロダクトのビジョン・ミッション・バリュープロポジション・ブランドパーソナリティ・トーン&マナーを定義したコンセプトシート	—	コンセプト	プロダクト戦略策定
14	要件定義書	機能要件・非機能要件を網羅的に定義したドキュメント。	AIが自然言語の要件記述から構造化された要件定義書を自動生成。矛盾検出・抜け漏れチェック・影響範囲分析もAIが自動実行し、要件品質が向上	ドキュメント	要件定義
16	アーキテクチャ図	システム全体のコンポーネント構成、データフロー、インフラ構成を図示。	AIがシステム要件からアーキテクチャ図（C4モデル・シーケンス図・ER図）を自動生成。コード変更に連動した図の自動更新が標準化	ダイアグラム	アーキテクチャ設計
19	API仕様書	REST/GraphQL APIのエンドポイント、リクエスト/レスポンス、認証方式を定義。	AIがOpenAPI仕様からインタラクティブなAPI仕様書を自動生成。バージョン間の差分検出・互換性チェック・クライアントコード生成もAIが自動実行	ドキュメント	ドキュメント
15	ユーザーストーリーマップ	ユーザーストーリーを横軸にアクティビティ、縦軸に優先度で整理したマップ。	AIがユーザーストーリーを要件定義から自動生成し、受入基準・テストケースも同時に生成。依存関係と優先度の自動マッピングでプランニング精度が向上	フレームワーク	要件定義
17	技術仕様書	API設計、データモデル、技術選定の根拠を記述した仕様書。	AIがアーキテクチャ決定の根拠・代替案・トレードオフを自動文書化。過去のADRとの整合性チェックと技術負債予測もAIが実行	ドキュメント	アーキテクチャ設計
18	ADR（Architecture Decision Record）	アーキテクチャに関する重要な意思決定とその根拠を記録。	AIが要件からAPI設計・DB設計を含む技術仕様書を自動生成。コード実装との整合性検証と仕様変更時の影響分析もAIが自動実行	ドキュメント	アーキテクチャ設計
30	ビジュアルリグレッションレポート	スクリーンショット差分比較の結果・検出された視覚的変化・承認/棄却の判定結果をまとめたレポート	—	レポート	ビジュアルリグレッション検証
31	ポストモーテムレポート	インシデントのタイムライン・根本原因分析・影響範囲・再発防止策・改善アクションをまとめた振り返りレポート	—	レポート	ポストモーテム・再発防止
20	市場分析レポート	市場規模、トレンド、競合分析、ポジショニングを整理したレポート。	AIが市場データ・SNSセンチメント・競合プレスリリースを自動収集・分析し、戦略的インサイト付きの市場分析レポートを自動生成。リアルタイム更新ダッシュボードに進化	レポート	市場調査
22	セグメント定義	ターゲットセグメントの特性、規模、優先度を定義。	AIが行動データ・購買データ・デモグラフィックを統合分析し、動的マイクロセグメントを自動生成。セグメント変動の予測とターゲティング戦略の自動提案も実行	ドキュメント	セグメンテーション
21	競合分析	主要競合のプロダクト、価格、強み/弱みを比較分析。	AIが競合Webサイト・アプリ・SNS・特許を自動モニタリングし、競合戦略の変化を即座に検出。SWOT分析の自動更新と戦略的対応策の自動提案を実行	フレームワーク	市場調査

アクション一覧

ID	アクション名	AI進化方向性	所属アクティビティ
1	A/Bテストツール（Optimizely等）での設定	—	実験・テスト
2	AIがシナリオを実行可能なテストステップに変換	—	自動テスト作成
3	AIが個人プロファイルと嗜好モデルを自動構築	—	AIハイパーパーソナライズ
4	AIが複数の要素特定戦略（XPath、CSS、テキスト）を自動試行	—	テスト保守
5	AIの誤判断・バイアスの検出と修正	—	コードレビュー
6	AIエージェントがアプリ全体を自動巡回	—	テストケース設計
7	AIコード補完を活用した実装	—	AIペアプログラミング
8	AI提案のレビューと採用判断	—	AIペアプログラミング
9	AI生成コードのプレビューと反復改善	—	Vibe Coding
10	AI読み込み用の構造化仕様書作成（Markdown/YAML形式）	—	コンテキスト設計
11	AI駆動ユーザビリティヒューリスティック評価	—	デザイン検証
12	APIエンドポイントの作成とルーティング設定	—	コーディング
13	API仕様書の作成（Swagger/OpenAPI等）	—	ドキュメント
14	API設計とシステム間インターフェース定義	—	アーキテクチャ設計
15	Ansible/Terraform等による修復スクリプト自動実行	—	インシデント対応
16	Blue-Green/Canaryデプロイの実装	—	CI/CDパイプライン
17	CI/CDパイプラインへの組み込み	—	自動テスト作成
18	Docker Composeでローカルマルチコンテナ構成管理	—	コンテナ管理
19	Dockerfileでアプリ実行環境をコード定義	—	コンテナ管理
20	Elasticsearchへのインデックス作成と検索クエリ設計	—	ログ分析
21	Gitによるバージョン管理とレビュープロセス確立	—	IaC
22	Grafanaダッシュボード作成と可視化	—	モニタリング
23	Helmチャートによるパッケージング	—	コンテナ管理
24	Jenkinsfile/GitHub Actions YAMLでパイプライン定義	—	ビルド自動化
25	Kibanaダッシュボードでの可視化	—	ログ分析
26	Kubernetes Deployment/Service/Ingressマニフェスト作成	—	コンテナ管理
27	Logstash/Fluentdで分散サーバーのログを中央集約	—	ログ分析
28	PRへのAI自動レビューコメント生成	—	コードレビュー
29	PagerDuty経由でのアラート受信とエスカレーション	—	インシデント対応
30	Prometheus Exporterでメトリクス収集	—	モニタリング
31	READMEファイルとセットアップガイドの記述	—	ドキュメント
32	RFM分析等による顧客グループ分け	—	セグメンテーション
33	SEO最適化・多言語展開の自動化	—	コンテンツ制作
34	Selenium/Cypress/Appiumでのスクリプトコーディング	—	自動テスト作成
35	UIコンポーネントライブラリ構築	—	ビジュアルデザイン
36	UIパターン一貫性検証	—	デザイン検証
37	UI変更箇所の特定と影響テストスクリプトの洗い出し	—	テスト保守
38	UI要素の配置とサイズ決定	—	レイアウト設計
39	terraform plan/applyで変更プレビューと適用	—	IaC
40	アクセシビリティ自動監査（WCAG準拠）	—	デザイン検証
41	アセットエクスポート（各解像度対応）	—	デザインデリバリー
42	アラートルール定義とAlertmanager設定	—	モニタリング
43	アンケート設計、フォーカスグループ運営	—	市場調査
44	アンケート配信と統計分析（定量データ収集）	—	ユーザーリサーチ
45	アーキテクチャパターンの選択（マイクロサービス、モノリス等）	—	アーキテクチャ設計
46	アーキテクチャ図・シーケンス図の更新	—	ドキュメント
47	インサイト抽出とレポート作成	—	市場調査
48	インタラクション・アニメーション自動実装	—	プロトタイピング
49	インフラ要件をTerraform HCL/CloudFormation YAMLで記述	—	IaC
50	エッジケース・境界値テストの提案	—	テスト記述
51	エッジケース・異常系のテストケース追加	—	テスト記述
52	エラーハンドリングとバリデーションの実装	—	コーディング
53	エラーログのパターン抽出と手動分析	—	ログ分析
54	オンコールエンジニアによる初動トリアージ	—	インシデント対応
55	オンページSEO最適化（タイトル、メタ、見出し構造）	—	SEO
56	カスタムレポートによる深掘り分析	—	アナリティクス
57	カラーパレット・タイポグラフィ定義	—	ビジュアルデザイン
58	カードソーティング実施（ユーザー主導の分類）	—	情報設計
59	キャンペーン目標設定（認知度、リード獲得、売上等）	—	キャンペーン企画
60	キーワードリサーチツール（Ahrefs等）での調査	—	SEO
61	クリエイティブブリーフ作成	—	キャンペーン企画
62	クリック可能要素・フォーム・遷移パターンの自動検出	—	テストケース設計
63	クリーンコード生成・最適化	—	デザインデリバリー
64	コスト効率とパフォーマンスのバランス最適化	—	キャパシティ計画
65	コスト試算とROI分析	—	キャパシティ計画
66	コミット/PR発生時の自動トリガー設定	—	ビルド自動化
67	コミット差分と過去の不具合相関をML分析	—	テスト計画
68	コンテンツインベントリ作成（既存コンテンツ棚卸し）	—	情報設計
69	コンテンツカレンダー作成とトピック選定	—	コンテンツ制作
70	コンテンツ優先順位の視覚化	—	レイアウト設計
71	コンテンツ制作・リライト	—	SEO
72	コントラスト比・文字サイズ自動チェック	—	デザイン検証
73	コンパイル、依存関係解決、アーティファクト生成	—	ビルド自動化
74	コンポーネント化・再利用可能構造化	—	デザインデリバリー
75	コンポーネント自動配置・最適化	—	レイアウト設計
76	コーディング規約のプロンプトテンプレート化	—	コンテキスト設計
77	コーディング規約の遵守とリファクタリング	—	コーディング
78	コーディング規約違反の自動検出	—	コードレビュー
79	コーディング規約遵守確認	—	コードレビュー
80	コードの可読性・保守性の確認	—	コードレビュー
81	コードカバレッジとロジック分岐を解析	—	自動テスト作成
82	コードコメントとインラインドキュメントの追加	—	ドキュメント
83	サイトマップ設計（全体構造の可視化）	—	情報設計
84	サービス依存関係グラフとイベントタイムラインを解析	—	インシデント対応
85	システムアーキテクチャの妥当性評価	—	コードレビュー
86	スケジュール策定とリスク分析	—	テスト計画
87	スタイル・レイアウトパターンの探索	—	レイアウト設計
88	ステークホルダーインタビューとビジネス要求のヒアリング	—	要件定義
89	ステークホルダーレビュー・修正	—	レイアウト設計
90	ステート管理とロック機構の設定	—	IaC
91	スプリントゴールの設定とタスク分解	—	スプリント計画
92	セキュリティアーキテクチャ設計	—	アーキテクチャ設計
93	セキュリティ脆弱性の静的解析	—	コードレビュー
94	セキュリティ設計の最終確認	—	コードレビュー
95	セグメント別マーケティング戦略策定	—	セグメンテーション
96	セレクタ（XPath、CSS Selector）の更新	—	テスト保守
97	ソースコードからのユニットテスト自動生成	—	テスト記述
98	ターゲットオーディエンス選定とメッセージング方針決定	—	キャンペーン企画
99	ターゲットキーワード選定と優先順位付け	—	SEO
100	ターゲットユーザー特性の明記	—	インテント定義
101	ターミナルでのAI支援CLI操作	—	AIペアプログラミング
102	チャネルミックス（Web、SNS、メール）計画	—	キャンペーン企画
103	チームキャパシティの確認とアサイン	—	スプリント計画
104	テストアプローチ（手動/自動、ブラック/ホワイトボックス）の選定	—	テスト計画
105	テストカバレッジの測定と改善	—	テスト記述
106	テストカバレッジギャップの分析	—	テスト記述
107	テストケースに従ってアプリケーションを順次操作	—	テスト実行
108	テストシナリオ・タスク設計	—	デザイン検証
109	テストスクリプト内のセレクタを自動更新	—	テスト保守
110	テストチーム編成と役割分担	—	テスト計画
111	テストデータの更新と整合性チェック	—	テスト保守
112	テストデータ・モックオブジェクトの準備	—	テスト記述
113	テストデータ管理機構の実装	—	自動テスト作成
114	テストデータ（正常系・異常系）の準備	—	テストケース設計
115	テスト仮説設定と変数選定	—	実験・テスト
116	テスト実行とリアルタイム結果フィードバック	—	自動テスト作成
117	テスト実行ログの作成と進捗管理	—	テスト実行
118	テスト対象範囲の特定と優先順位付け	—	テスト計画
119	テスト環境要件の洗い出し	—	テスト計画
120	テスト自動化フレームワーク（Page Object Model等）の設計	—	自動テスト作成
121	デイリースタンドアップとレトロスペクティブの計画	—	スプリント計画
122	デグレード発見時の影響範囲分析	—	リグレッションテスト
123	デザイナーによるビジュアル制作	—	コンテンツ制作
124	デザインからコード自動変換	—	プロトタイピング
125	デザインシステム文書化	—	ビジュアルデザイン
126	デザイントークン・CSS変数自動抽出	—	デザインデリバリー
127	デザイントークン定義（CSS変数等）	—	デザインデリバリー
128	デザイン仕様書の詳細化（余白、サイズ等）	—	デザインデリバリー
129	デザイン目標の言語化（誰のための何を解決するか）	—	インテント定義
130	デバイス実機での動作確認	—	プロトタイピング
131	デバッガー・ログを使用した原因調査	—	バグ修正
132	データからのインサイト抽出と改善仮説立案	—	アナリティクス
133	データベースアクセス層の実装	—	コーディング
134	データモデル設計とER図の作成	—	アーキテクチャ設計
135	トピック・キーワードを入力しAIが記事自動執筆	—	コンテンツ制作
136	トラフィック・行動データの確認	—	アナリティクス
137	トラフィック分割とデータ収集期間の管理	—	実験・テスト
138	トランジション・アニメーション実装	—	プロトタイピング
139	ナビゲーション体系の設計	—	情報設計
140	ノイズフィルタリングとコンテキスト情報の自動付加	—	モニタリング
141	バグレポートのトリアージと優先順位付け	—	バグ修正
142	バグ修正のドキュメント化	—	バグ修正
143	バックログの優先順位付けとストーリーポイント見積もり	—	スプリント計画
144	パイプラインステージの定義と依存関係設定	—	CI/CDパイプライン
145	パイプライン実行監視とボトルネック分析	—	CI/CDパイプライン
146	パフォーマンス改善提案の生成	—	コードレビュー
147	パーソナライゼーション効果測定	—	AIハイパーパーソナライズ
148	ビジネスインパクトに基づく優先度自動スコアリング	—	モニタリング
149	ビジネスロジックの実装とアルゴリズム記述	—	コーディング
150	ビジネスロジックの正確性検証	—	コードレビュー
151	ビジネス成長予測との突合	—	キャパシティ計画
152	ビジュアルスタイル探索（ムードボード作成）	—	ビジュアルデザイン
153	ビルド成功/失敗の通知設定	—	ビルド自動化
154	ピーク時負荷シミュレーション	—	キャパシティ計画
155	フィードバックによるモデル継続学習	—	AIハイパーパーソナライズ
156	フィールド観察・エスノグラフィー調査	—	ユーザーリサーチ
157	フレームワーク選択・出力設定（React/Vue/HTML等）	—	デザインデリバリー
158	ブランドガイドラインに基づくトーン・スタイル調整	—	コンテンツ制作
159	ブランドガイドライン・参照事例の提供	—	インテント定義
160	ブランド整合性チェックと調整	—	ビジュアルデザイン
161	プルリクエストの作成と変更内容の説明	—	コードレビュー
162	プロジェクト固有のコンテキストファイル整備	—	コンテキスト設計
163	プロンプトライブラリの構築とバージョン管理	—	コンテキスト設計
164	プロンプト入力とパラメータ調整	—	レイアウト設計
165	ベースライン画像の自動キャプチャと登録	—	リグレッションテスト
166	ペルソナ・ジャーニーマップの作成	—	ユーザーリサーチ
167	ポストモーテムミーティング実施	—	インシデント対応
168	マイクロインタラクション詳細化	—	プロトタイピング
169	モック・フィクスチャの自動作成	—	テスト記述
170	モデレート付きユーザビリティテスト実施	—	デザイン検証
171	ユニットテストケースの設計と実装	—	テスト記述
172	ユーザーインタビュー実施（1対1の深掘り調査）	—	ユーザーリサーチ
173	ユーザーフロー図作成（タスク遂行経路）	—	情報設計
174	ユーザー検索意図に応じたコンテンツ動的生成	—	SEO
175	ユーザー行動データのリアルタイム収集	—	AIハイパーパーソナライズ
176	ユースケース図・ユーザーストーリーの作成	—	要件定義
177	ライターによる記事執筆・校正・編集	—	コンテンツ制作
178	リアルタイムトラフィック配分の動的調整	—	実験・テスト
179	リグレッションテストの実施	—	バグ修正
180	リスクスコアに基づくテストケース優先順位付け	—	テスト計画
181	リファクタリング提案の適用	—	AIペアプログラミング
182	レスポンシブ対応の自動生成	—	プロトタイピング
183	レビューコメントへの対応と修正	—	コードレビュー
184	レビュー会議での妥当性確認	—	テストケース設計
185	レビュー承認フローと最終納品	—	コンテンツ制作
186	ログ・メトリクス確認による手動根本原因調査	—	インシデント対応
187	ログ収集とメトリクスの統合監視	—	モニタリング
188	ロジックエラーとセキュリティ脆弱性のチェック	—	コードレビュー
189	ロングテールキーワード大量対応の自動コンテンツ生成	—	SEO
190	ローリングアップデート、ロールバック実行	—	コンテナ管理
191	不具合チケットの起票（再現手順、環境情報記載）	—	バグ報告・追跡
192	不具合発見時の再現手順確認	—	テスト実行
193	不具合統計レポートとトレンド分析	—	バグ報告・追跡
194	主要画面のレイアウト設計（グリッド配置）	—	レイアウト設計
195	予測に基づく自動スケーリングポリシーの動的調整	—	キャパシティ計画
196	予測根拠の可視化提示	—	インシデント対応
197	予測精度の継続モニタリングとモデル再学習	—	アナリティクス
198	予測結果に基づくアクション自動トリガー	—	アナリティクス
199	予算配分、スケジュール策定、KPI定義	—	キャンペーン企画
200	予防的アクションのレコメンデーション	—	インシデント対応
201	人間レビュアーへの重点箇所提示	—	コードレビュー
202	人間編集者による品質・ファクトチェック	—	コンテンツ制作
203	仕様変更に伴うテストケース内容の修正	—	テスト保守
204	低パフォーマンス広告の自動停止と新バリエーション投入	—	リアルタイム最適化
205	依存関係の特定とリスク分析	—	スプリント計画
206	修復可能な障害パターンとアクションのプレイブック定義	—	インシデント対応
207	修復結果の検証と成功/失敗判定	—	インシデント対応
208	修正コードの実装とローカルでの検証	—	バグ修正
209	修正内容と信頼度スコアの記録・通知	—	テスト保守
210	修正後の検証テスト実行	—	バグ報告・追跡
211	個別ユーザーのCV確率、チャーンリスク、LTVスコア算出	—	アナリティクス
212	優先度付けされたテストケースセットを自動生成	—	自動テスト作成
213	優先順位・重要度の指定	—	インテント定義
214	入札価格の動的調整	—	リアルタイム最適化
215	前回リリース時との差分比較	—	リグレッションテスト
216	効果の高いチャネル・クリエイティブに予算自動シフト	—	リアルタイム最適化
217	動画撮影・編集	—	コンテンツ制作
218	勝利パターン確定と全体展開の意思決定	—	実験・テスト
219	単体テスト・静的解析の自動実行	—	ビルド自動化
220	参加者リクルーティング（5-8名/ラウンド）	—	デザイン検証
221	反復的なプロンプト改善・再生成	—	ビジュアルデザイン
222	各セグメントの特性プロファイリング	—	セグメンテーション
223	各テストケースに期待結果を明記	—	テストケース設計
224	同値分割・境界値分析などの技法を適用	—	テストケース設計
225	品質ゲート（カバレッジ閾値、セキュリティスキャン）設定	—	CI/CDパイプライン
226	回答データの集計・クロス分析・統計処理	—	市場調査
227	基本的なインタラクションフロー定義	—	レイアウト設計
228	境界値・異常系・組み合わせパターンを自動抽出	—	自動テスト作成
229	季節性・周期性を考慮した動的閾値の自動調整	—	モニタリング
230	定期的なテストコード品質レビュー	—	テスト保守
231	実機・ブラウザでの動作確認	—	プロトタイピング
232	実行結果フィードバックによるモデル改善	—	テスト計画
233	実行結果（Pass/Fail）の記録と証跡取得	—	テスト実行
234	実装中のQA・デザインレビュー	—	デザインデリバリー
235	平易な日本語・英語でテストシナリオを記述	—	自動テスト作成
236	広告パフォーマンス（CTR、CPA、ROAS）のリアルタイム監視	—	リアルタイム最適化
237	強化学習アルゴリズムで効率的な探索と最適化	—	実験・テスト
238	復旧作業（ロールバック、リソース増強等）	—	インシデント対応
239	必要なセレクタやアサーションをAIが自動推論	—	自動テスト作成
240	意味のある差分と無視すべき差分をAIが判別	—	リグレッションテスト
241	手動または自動テストの再実行	—	リグレッションテスト
242	技術スタック選定（言語、フレームワーク、DB）	—	アーキテクチャ設計
243	新ビルド時に同一画面のスクリーンショット比較	—	リグレッションテスト
244	時間的・空間的に関連するアラートの自動クラスタリング	—	モニタリング
245	最適なコンテンツ・商品・レイアウトを個別出し分け	—	AIハイパーパーソナライズ
246	最適パターンの自動識別と全体展開	—	実験・テスト
247	未テスト領域のハイライト提示	—	テストケース設計
248	条件分岐フロー構築（if/thenシナリオ）	—	プロトタイピング
249	根本原因アラートと派生症状アラートの分離	—	モニタリング
250	根本原因候補の優先順位付きリスト自動生成	—	インシデント対応
251	検索クエリの意図（情報収集/比較/購入等）を自動分類	—	SEO
252	検索トレンド変化のリアルタイム検知と即時対応	—	SEO
253	機械学習モデルが正常時ベースラインを自動学習	—	モニタリング
254	機械学習モデルが要素の同一性を高精度で判定	—	テスト保守
255	機能/非機能要件（性能、セキュリティ、可用性）の文書化	—	要件定義
256	機能要件・制約条件の記述	—	インテント定義
257	段階的スケールアッププランの策定	—	キャパシティ計画
258	環境ごとのパラメータ管理とモジュール化	—	IaC
259	環境別デプロイ戦略の構築	—	CI/CDパイプライン
260	生成UIコンポーネントのカスタマイズ	—	Vibe Coding
261	生成コードのプロジェクトへの統合	—	Vibe Coding
262	生成候補の評価・比較（基準に基づく選択）	—	ビジュアルデザイン
263	生成結果のバッチレビュー	—	レイアウト設計
264	画像生成AIによるビジュアル自動制作	—	コンテンツ制作
265	画面間のインタラクション設定（タップ、スワイプ等）	—	プロトタイピング
266	異常パターンと過去類似インシデントとのマッチング	—	インシデント対応
267	異常検知トリガーと修復ワークフローの統合	—	インシデント対応
268	異常検知時の自動アラート発報と影響範囲推定	—	モニタリング
269	発見事項の分析・優先順位付け	—	デザイン検証
270	短期/中長期の需要予測	—	キャパシティ計画
271	競合サービス分析とベンチマーク調査	—	ユーザーリサーチ
272	結果の統計分析（有意差検定）	—	実験・テスト
273	統合テストシナリオの作成	—	テスト記述
274	自動化対象テストケースの選定	—	自動テスト作成
275	自然言語での機能要求記述	—	Vibe Coding
276	自然言語コメントからのコード生成	—	AIペアプログラミング
277	行動観察・発話思考法の記録	—	デザイン検証
278	被リンク獲得とテクニカルSEO改善	—	SEO
279	複数の生成案の比較と選択	—	Vibe Coding
280	複数バリエーション一括生成（10-50案）	—	レイアウト設計
281	複数ブラウザ・デバイスでの一括ビジュアルテスト	—	リグレッションテスト
282	複数メトリクスの時系列データをリアルタイム解析	—	モニタリング
283	複数要素の組み合わせパターン自動生成	—	実験・テスト
284	要件の優先順位付けとスコープ定義	—	要件定義
285	要件レビュー会議と承認プロセス	—	要件定義
286	要件仕様書から機能単位でテストシナリオを抽出	—	テストケース設計
287	要件仕様書をAIが自然言語処理で解析	—	自動テスト作成
288	調査実施（オンライン/オフライン）とデータ収集	—	市場調査
289	調査目的・仮説設定と調査対象セグメントの定義	—	市場調査
290	購買履歴・行動ログデータの集計と分析	—	セグメンテーション
291	週次/月次レポート作成（PV、UU、CVR等）	—	アナリティクス
292	過去の顧客行動・成果データで予測モデル学習	—	アナリティクス
293	過去インシデントとメトリクスの相関分析	—	インシデント対応
294	過去テストスイートから実行対象の選定	—	リグレッションテスト
295	過去トラフィックパターン・季節性のAI学習	—	キャパシティ計画
296	過去メトリクスデータの収集と分析	—	キャパシティ計画
297	選択デザインの部分修正指示	—	ビジュアルデザイン
298	重要ビジネスフローの自動識別	—	テストケース設計
299	重要度・優先度の設定	—	バグ報告・追跡
300	長期保守性・拡張性の評価	—	コードレビュー
301	開発チームとの詳細確認ミーティング	—	バグ報告・追跡
302	開発者向けウォークスルー実施	—	デザインデリバリー
303	関連ログ・メトリクス・トレースを自動収集	—	インシデント対応
304	障害予測モデル構築と精度向上	—	インシデント対応
305	顧客データベースから属性情報を抽出	—	セグメンテーション
306	高リスク・高ポテンシャル顧客の自動セグメンテーション	—	アナリティクス
307	高リスク状況での早期警告アラート自動発報	—	インシデント対応
308	高リスク領域のテストを優先選択・実行	—	テスト計画
309	高忠実度モックアップ制作（全画面）	—	ビジュアルデザイン
310	ターゲット市場セグメントの定義	—	市場・競合分析
311	競合プロダクトの機能・UX調査	—	市場・競合分析
312	市場トレンド・技術動向の分析	—	市場・競合分析
313	差別化ポイントの仮説設定	—	市場・競合分析
314	調査結果のレポート作成	—	市場・競合分析
315	プロダクトビジョン・ミッションの定義	—	プロダクト戦略策定
316	KGI/KPI体系の設計	—	プロダクト戦略策定
317	バリュープロポジションの策定	—	プロダクト戦略策定
318	リーンキャンバスの作成	—	プロダクト戦略策定
319	ブランドコンセプトの定義	—	プロダクト戦略策定
320	デザイントークンの定義・更新	—	デザインシステム管理
321	コンポーネントライブラリの整備	—	デザインシステム管理
322	ガイドラインドキュメントの作成	—	デザインシステム管理
323	デザインと実装のトークン同期	—	デザインシステム管理
324	コンポーネント一貫性のレビュー	—	デザインシステム管理
325	ビジュアルベースラインの取得	—	ビジュアルリグレッション検証
326	スクリーンショット差分比較の実行	—	ビジュアルリグレッション検証
327	AIによるUI意味的変化の判定	—	ビジュアルリグレッション検証
328	検出差分の承認・棄却の判断	—	ビジュアルリグレッション検証
329	ビジュアルテスト結果レポートの作成	—	ビジュアルリグレッション検証
330	インシデントタイムラインの作成	—	ポストモーテム・再発防止
331	根本原因の特定と分析	—	ポストモーテム・再発防止
332	影響範囲・影響度の確定	—	ポストモーテム・再発防止
333	再発防止策の策定	—	ポストモーテム・再発防止
334	改善アクションの進捗追跡	—	ポストモーテム・再発防止
335	クラウドリソース使用量の分析	—	コスト最適化
336	未使用・低利用リソースの特定	—	コスト最適化
337	インスタンスタイプの最適化提案	—	コスト最適化
338	リザーブド/スポット戦略の策定	—	コスト最適化
339	コストアラートとレポートの設定	—	コスト最適化