日本の開発におけるAI活用：中国人開発者向けガイドライン

著者: （株）パラテク　AI開発部
日付: 2025年11月26日

序論：課題の構造とAI導入の必要性

日本のソフトウェア開発現場は、依然としてウォーターフォール開発モデルが主流であり、厳格なプロセスとドキュメントの品質が重視されています。一方で、世界的なAIプログラミング支援ツールの普及は、日本の開発現場に大きな生産性向上の機会をもたらしています。しかし、中国人開発者が直面している課題は、以下の3つの層から構成される複合的なものです。

開発文化の課題: 厳格なウォーターフォールプロセスと、レガシーな開発環境の残存 [1]。
言語の課題: AIモデルにおける日本語の学習データ不足と、日本語特有の曖昧さ [2]。
個人の課題: 中国人開発者にとって日本語が外語であるため、日本語の設計書を正確に理解し、AIに伝わる「具体的で曖昧さのない」プロンプトを作成することが困難。

本レポートは、これらの課題を克服し、AIを「通訳者」ではなく「設計意図の明確化と成果物の品質向上を担うパートナー」として活用するための具体的な戦略とガイドラインを提案します。

1. 日本のソフトウェア開発文化とAI導入の課題

調査の結果、日本の開発現場における最大の課題は、技術的な遅れよりも組織運営と上流工程の不明確さにあることが判明しています。

主要な組織的課題 [1]

「要件定義の不明確さ」（53.5%）

「会議の過剰な頻度」（38.7%）

「組織内コミュニケーションの非効率性」（33.6%）

この状況下でAIを導入する目的は、単にコーディング速度を上げることではなく、「要件定義の不明確さ」をAIの論理的検証能力で補完し、厳格なドキュメント作成の負荷を軽減することにあります。

2. 言語の壁を克服するための多言語・多段階プロンプト戦略

AIモデルの性能は英語で最も高いため、日本語の曖昧さを排除し、AIに正確に意図を伝えるために、英語を「中間言語」として活用する多段階プロンプト戦略を推奨します。

ベストプラクティス1.1: 「曖昧さの排除」を目的とした多段階プロンプト戦略

ステップ	目的	使用言語	プロンプトの例（AIへの指示）
1. 意図の確認	日本語の設計記述の意図を母国語で明確化する。	日本語 → 中国語	「以下の日本語の設計記述を、あなたの理解した中国語で詳細に説明してください。」
2. 英語への明確化	AIの得意な英語で、技術的な意図を明確に言語化する。	中国語/日本語 → 英語	「あなたは優秀なプロンプトエンジニアです。以下の中国語（または日本語）の記述を、大規模言語モデルが正確にコードを生成できるように、曖昧さを排除した具体的で明確な英語のプロンプトに変換してください。」
3. コード生成	変換された英語プロンプトでコードを生成する。	英語	変換された英語プロンプトをGitHub CopilotなどのAIツールに入力する。
4. 日本語での検証	生成されたコードとコメントを日本語の設計書と照合する。	英語 → 日本語	「生成されたコードの日本語コメントを、設計書に記載されている用語と完全に一致するように修正してください。」

この戦略により、中国人開発者は、最も理解しやすい中国語で複雑なロジックを記述し、最も高性能な英語でAIに指示を出し、最終的に日本の開発現場で求められる日本語の成果物（コードコメント、ドキュメント）の品質を担保できます [2] [3]。

3. ウォーターフォール各工程におけるAI活用実践マニュアル

AI支援ツールは、ウォーターフォールの上流工程から下流工程まで、ドキュメント作成と検証の効率化に貢献します。

3.1. 上流工程（要件定義・設計）での活用：ドキュメントの品質向上

日本のウォーターフォール開発では、上流工程のドキュメントが最も重要です。AIを活用して、このドキュメントの「厳格さ」と「一貫性」を担保します。

工程	AI活用アクション	成果物（AI出力）
要件定義	曖昧な要件の論理的検証: 日本語の要件記述をAIに入力し、「この要件の具体的な非機能要件（性能、セキュリティなど）をリストアップせよ」「この要件が満たされない場合のテストケースを3つ生成せよ」と指示する。	非機能要件リスト、検証用テストケース（日本語）
基本設計	設計の形式化: 要件定義書に基づき、「この機能のREST API仕様書をOpenAPI（YAML）形式で生成せよ」「システムの主要コンポーネント間の依存関係をPlantUML形式で生成せよ」と指示する。	OpenAPI仕様書（YAML）、コンポーネント図（PlantUML）
詳細設計	コードスケルトンの生成: 基本設計書と、自身が中国語で記述したロジックをAIに入力し、使用する言語（Java/Pythonなど）のクラス定義やメソッドのシグネチャを生成させる。	クラススケルトンコード、DBスキーマ（DDL）

3.2. 下流工程（プログラミング・テスト）での活用：設計との整合性担保

AIコーディングツールを使用する際も、設計書との整合性を最優先します。

設計書をコンテキストとして与える: AIコーディングツール（例：GitHub Copilot Chat）を使用する際、詳細設計書の内容をプロンプトの冒頭に貼り付け、「あなたは、この設計書に厳密に従ってコードを生成する」という役割を与える。
コメント駆動開発: 設計書に記載されたメソッド名や変数名を、コードのコメントとして先に記述し、AIにそのコメントに厳密に従ったコードを生成させる。これにより、設計書とコードの乖離を防ぎます。
テストケースの自動生成と実行: 詳細設計書や生成されたコードをAIに入力し、単体テストコード（JUnit/Pytestなど）を生成させる。生成されたテストコードを実行し、設計通りの動作が実現されているかを確認します。

4. 中国人開発者向けの言語・学習ベストプラクティス

日本語の曖昧さを避けるため、プロンプト作成時には以下の項目を必ずチェックし、チーム内での知識共有を促進します [4]。

4.1. 日本語プロンプト作成時のチェックリスト

項目	確認事項
役割の明確化	AIに「あなたは〇〇の専門家である」という役割を与えたか？
制約条件の明記	使用する技術スタック、設計パターン、出力形式（JSON, Markdown, PlantUMLなど）を具体的に指定したか？
曖昧語の排除	「早めに」「適切に」「なるべく」といった言葉を避け、具体的な数値や期限、基準に置き換えたか？
文脈の提供	設計書や関連コードの一部をプロンプトに含め、AIに十分な文脈を提供したか？

4.2. チーム内での知識共有の促進

多言語用語集の作成: 日本語の設計書で頻出する専門用語や、曖昧になりがちな表現について、日本語・中国語・英語の対照表をチーム内で共有し、用語の解釈のブレを防ぎます。
成功プロンプトの共有: 高品質なコードやドキュメントを生成できたプロンプトは、チーム内でテンプレートとして共有し、他のメンバーが再利用できるようにします。

結論

日本のウォーターフォール開発におけるAI導入は、単なるトレンドの追従ではなく、ドキュメント品質の向上と、外国人開発者の言語の壁を乗り越えるための戦略的な手段となります。AIを「曖昧な日本語を明確な設計意図に変換するツール」として活用することで、厳格なプロセスを維持しつつ、生産性と成果物の品質を飛躍的に向上させることが可能です。

参考文献

[1] ファインディ株式会社. ソフトウェア開発における「開発生産性」に関する実態調査レポート. (URL: https://findy.co.jp/3036/)

[2] Zenn. AIモデルが英語・中国語で推論する理由とトークン効率化戦略. (URL: https://zenn.dev/taku_sid/articles/20250404_language_reasoning)

[3] Zenn. 生成AIは“の”に弱い？日本語プロンプトが失敗する意外な理由. (URL: https://zenn.dev/imkohenauser/articles/409f33c5b4d203)

[4] Qiita. なぜ日本人は生成AIのプロンプト作成に苦労するのか. (URL: https://qiita.com/hisaho/items/1e3aba7e0b1b43e44dc5)