はじめに

なぜほとんどのAI支援チームはいまだに品質に悩んでいるのか？

AIコーディングアシスタントはコードを書く速度を変えました。しかし、正しいコードを書く難しさは変わっていません。ボトルネックは入力速度ではなく、ビジネスのニーズと開発者の理解の間のギャップでした。

要件がチャット履歴に存在する場合、AIは予測不可能な結果を生成します。監査証跡がなく、共有理解がなく、意図を検証する方法がありません。チームはより速くイテレーションしますが、より多く手戻りします - 入力が十分に正確でなかったからです。

私たちの方法論は意図と実装の間に軽量な仕様レイヤーを導入します。要件はコードが書かれる前に具体的な例を持つ構造化された振る舞い優先の仕様としてエンコードされます。この方法論はSpecification by Example（Gojko Adzic、Manning 2011）、オープンソースのOpenSpecフレームワーク（Fission AI、33K+スター）、そしてSiemens Mobility、FinTechプラットフォーム、エンタープライズSaaSのシステムデリバリーの経験に基づいています。

第I部

3つの柱とは何か？

順次フェーズではなく、ライフサイクル全体で並行して動作します。

第II部

仕様駆動ワークフローはどのように機能するか？

OpenSpecから適応した提案・適用・アーカイブパターン。各変更は独立したワークスペースです。仕様は実装の詳細ではなく、GIVEN/WHEN/THENシナリオを使用して観察可能な動作を記述します。

第III部

仕様駆動はプロンプト駆動開発とどのように比較されるか？

Part IV

Why Is This Called Harness Engineering?

An AI agent is a model plus a harness. The model provides capability. The harness provides structure, constraints, and verification. Without the harness, AI produces unpredictable results. With it, AI builds from blueprints.

Harness engineering is the emerging discipline where the engineering team's primary job is no longer writing code - it is enabling agents to do reliable work. When something fails, the fix is never "try harder." The fix is: what guide is missing, and how do we make it enforceable?

Most companies bolt AI onto their existing process. An engineer opens a coding assistant. A PM drafts specs with ChatGPT. QA experiments with AI test generation. The workflow stays the same. Efficiency goes up 10 to 20 percent. Nothing structurally changes. That is AI-assisted.

AI-first means you redesign your process, your architecture, and your organization around the assumption that AI is the primary builder. You stop asking "how can AI help our engineers?" and start asking "how do we structure everything so AI does the building, and engineers provide direction and judgment?"

第V部

予測可能に出荷するチームと手戻りするチームを分けるものは何か？

第VI部

実践的なツールスタックはどのようなものか？

この方法論はツール非依存です。以下は6つのライフサイクルフェーズで実際に使用するスタックです。