フェーズ1 総括 — 現状(From)の全体像

フェーズ1では、開発プロセスの現状(From)を体系的に整理しました。このページはその総括です。ここで見えた発見が、フェーズ3(ギャップ分析)の入力になります。

何を整理したか

graph TD
  F["調査フレームワーク<br>(6+2要素)"]
  F --> P["9つのプロセスを同一様式で体系化"]
  F --> G["日本企業のガバナンスを横断整理"]
  P --> C["横断比較表<br>(データから自動生成)"]
  G --> C
  C --> N["フェーズ3 ギャップ分析へ"]

調査フレームワーク: ISO/IEC/IEEE 24774 の6要素に Role と Gate を加えた「6+2要素」で統一(調査フレームワーク)
9つのプロセス: ウォーターフォール、アジャイル、スクラム、TDD、DDD、イベント駆動、仕様駆動(SDD)、AIDLC、そして日本の実態としてのハイブリッド開発。すべてスキーマ駆動で公開(プロセス体系)
日本企業のガバナンス: 稟議・決裁権限規程・DR・品質保証体制などを「責任の非集中」という軸で整理(日本企業のガバナンス)
横断比較表: プロセスのデータから自動集計(プロセス横断比較表)

3つの発見

発見1: 意思決定は「集中」か「分散」かで二分される

プロセスを分ける最も本質的な軸は、意思決定を**フェーズ末の関門に集中させる(決裁型)**か、**反復のたびに分散・常時化する(検査型)**かでした。

型	プロセス	意思決定
決裁型(事前承認・集中)	ウォーターフォール、AIDLC、SDD、ハイブリッド	節目で Go/Kill を判断
検査型(事後適応・分散)	スクラム、アジャイル、TDD、DDD、イベント駆動	作ってから検査して直す

発見2: 生成AI時代のプロセスは「決裁型」に回帰している

注目すべきは、生成AI時代の SDD・AIDLC が、スクラムなどが手放した決裁型のゲートに回帰していることです。AIが高速に生成するからこそ、人間が要所で承認するゲート(Human-in-the-loop)を明示的に置きます。これが「場当たり生成(vibe coding)」との分かれ目でした。

つまり、生成AIは開発を「人が承認し責任を持つ」構造へ引き戻します。この点は、決裁文化を持つ日本企業にとってむしろ追い風になりうる論点です。

発見3: 日本のガバナンスの共通DNAは「責任の非集中」

稟議・合議・職位階層決裁・品質保証部門による組織上独立した判定は、いずれも単一個人に決定権と結果責任を集中させない方向に働きます。メンバーシップ型雇用とハイコンテキスト文化がこれを下支えします。

この「責任の非集中」が、海外発プロセスの「単一責任(プロダクトオーナー)」や、生成AIが要求する「明確な責任主体」と系統的に衝突します。

3つの発見がフェーズ4のどこへ結実したか

本ページは調査結果であり、規定ではありません。規定の正本はフェーズ4です。

発見	フェーズ4での規定
発見1 意思決定の集中と分散	第2章二層構造。外殻(ステージ移行ゲート SG)と内殻(工程ゲート G)を分ける
発見2 決裁型への回帰	第4章 8つの工程ゲートと判定基準
発見3 責任の非集中	結果責任は1名(テーラリングの禁止事項)、第3章 3.8.2 決裁権限マトリクス、第6章テンプレ0 D-0

稟議と根回しは廃止の対象としていません。第3章 3.10は、根回しを非公式な調整のまま残すのではなく、事前レビュー期間として時系列を定めた手続へ置き換えています。責任を分散させる装置としての性格は、結果責任を1名に固定することで打ち消します。

フェーズ2・3への橋渡し

graph LR
  From["フェーズ1<br>From:現状<br>(9プロセス+日本ガバナンス)"]
  To["フェーズ2<br>To:理想<br>(AIDLC 等の深掘り)"]
  Gap["フェーズ3<br>ギャップ分析<br>(5つの衝突点を埋める)"]
  From --> Gap
  To --> Gap

フェーズ1で、生成AI導入時の5つの衝突点(明文化の壁、責任主体の欠落、職位ゲートと専門性の乖離、ロールの曖昧さ・兼務、速さが承認滞留を際立たせる)を特定しました。

フェーズ2: 理想像である AIDLC をさらに深掘りし、暗黙の前提条件を精緻化する(AIDLC の現状整理はこちら)
フェーズ3: From と To を突き合わせ、5つの衝突点をどこで・どう埋めるかを設計する。各プロセスの暗黙の前提条件とアンチパターンが、そのまま導入リスクのチェックリストになる

フィードバックのお願い

このフェーズ1の体系化は、多くの視点を取り込んで精度を上げていきたい部分です。「自社の実態と違う」「この観点が抜けている」といった声を GitHub Issues でお寄せください。特に、日本企業でのハイブリッド開発の実態や、生成AI導入時の衝突の実体験は、フェーズ3の質を大きく左右します。