見出し画像

AIがAIの指示書を書き、そのシステムもAIが作った。僕らが体験した「主客逆転」の開発記

Fair


先週、私の身に、少し奇妙で、そして決定的な出来事が起きた。

「AIが、AIのためのプロンプト（指示書）を書いている。そしてそのAIシステムを、別のAIたちが設計・開発していた」

これは比喩でも、近未来の予測でもない。
先週、実際に私たちが構築し、体験したリアルな開発プロセスの話だ。

この自己参照的なマトリョーシカのようなプロジェクトの名前は、「Pronpt（プロンプト）」。
今回は、この風変わりなSaaSが誕生した背景と、AIが自律的にソフトウェアを作り上げた「仕事の主客逆転」の舞台裏をすべて公開したい。

AIを使いこなす人と、使えない人を分ける「10文字の壁」

「Next.jsのビルドが遅い。なんとかして」

以前の私は、ChatGPTやClaudeにこんな風に話しかけていた。
返ってくるのは「キャッシュを確認してください」「ISRを検討してみては」といった、半ページの抽象的なアドバイス。心の中で「いや、それは知ってるんだよな……」とがっかりした経験は、一度や二度ではない。

しかし、AIから極上の回答を引き出す「プロのエンジニア」のプロンプトは、まったく違う。例えば、こうだ。

同じ「ビルドを速くしたい」という要望なのに、返ってくる回答の解像度がまるで違う。AIは文脈を完全に理解し、そのままコピペして使える修正コードを一発で提示してくれる。

この差を生むのが**「プロンプトエンジニアリング」**という技術だ。
しかし、これだけの前提条件や制約を、毎回キーボードで手打ちするのは狂気の沙汰である。面倒すぎるのだ。

この「手入力の限界」を突破し、誰でも一瞬でプロのプロンプトを使えるようにする。それが、自動化SaaS「Pronpt」を作った理由だ。

3行の「雑な入力」が、プロのプロンプトに化ける

Pronpt（プロンプト）は、短い開発課題を入力するだけで、AIエキスパートレベルの精密なプロンプトを自動生成するツールだ。

例えば、ユーザーがこう入力する。

ユーザーの入力（たった10文字）：

`Next.jsでSSG出力を高速化したい`

すると、Pronptはわずか1秒で以下のようなプロンプトを自動生成する。

Pronptの出力（約400文字）：

あなたはNext.js 14 App Routerと静的サイト生成（SSG）に精通した
シニアフルスタックエンジニアです。

<user_request>
  <task>SSGビルドの高速化</task>
  <raw_input>Next.jsでSSG出力を高速化したい</raw_input>
</user_request>

以下の観点でSSGビルドを最適化してください：
1. 原因分析（ボトルネック特定）
2. 修正コードと設定変更
3. 動作確認・ベンチマーク手順

制約：既存のコードスタイルを維持し、セキュリティ・パフォーマンスを考慮すること。

ユーザーは、この出力されたテキストをコピーして、使い慣れたClaudeやChatGPTに貼り付けるだけでいい。

料金はFreeプラン（1日5回）から気軽に試せる。Premiumプランは月額980円で、生成回数が無制限になり、さらにGitHub連携機能が解放される。

AIが「プロのプロンプト」を紡ぎ出す技術的アプローチ

裏側では何が起きているのか。
私たちが**「メタプロンプトエンジン」**と呼んでいる心臓部は、ユーザーの短い入力を以下の「6つのステップ」でプロ用へとビルドしている。

graph TD
    A[ユーザーの短い入力] --> B[1. 役割の自動付与]
    B --> C[2. XMLによるコンテキスト構造化]
    C --> D[3. タスクの動詞化]
    D --> E[4. 出力ステップの設計]
    E --> F[5. 安全弁・制約の付与]
    F --> G[6. フォーマットの自動選定]
    G --> H[極上のプロンプト完成]

ステップ1：役割の自動付与（プロのペルソナを与える）

AIに役割を与えると、内部のコンテキストがカチリと切り替わる。
「Next.jsのエンジニアとして答えて」と前置きするだけで、回答の専門性は跳ね上がる。Pronptは入力されたキーワードを解析し、最適な専門家（ペルソナ）を自動でキャスティングする。

ステップ2：XMLによる構造化（「ここがテストに出るぞ」のマーカー）

LLM（大規模言語モデル）は、XMLタグ（`<tag>〜</tag>`）の構造を意味的に強く認識する性質がある。テキストをべた書きするよりも、「これが元の入力」「これが技術スタック」と明示することで、AIの理解度が劇的に向上する。

ステップ3：タスクの明確化（曖昧な動詞の排除）

「直して」「なんとかして」という動詞は、AIにとって曖昧すぎる。
Pronptは入力を分析し、AIが動きやすい**【動詞 ＋ 目的語】**のタスクに翻訳する。

  • 「バグを直して」 ➔ 「エラーログを分析し、根本原因の特定と修正コードの提示をしてください」

ステップ4：出力ステップの設計（回答の迷子を防ぐ）

AIの回答の「骨組み」をあらかじめ指定する。「原因分析 ➔ 修正コード ➔ 動作確認」とステップを明示することで、AIは論理の破綻なく、必要な情報を漏らさずに回答を出力できるようになる。

ステップ5：制約条件の自動付与（暴走とサボりの防止）

すべてのプロンプトの末尾に、以下の制約を自動で埋め込む。

`制約：既存コードスタイルを維持し、セキュリティ・パフォーマンスを考慮すること。`
これがないと、AIは勝手にコードスタイルを丸ごと書き換えたり、セキュリティ的に脆弱な「動くだけのコード」を平然と提案してくるからだ。

ステップ6：出力フォーマットの自動最適化

入力内容に応じて、最適な回答形式を自動的に選択する。

| 入力キーワードの例 | 選択される出力フォーマット | 特徴 |
| :--- | :--- | :--- |
| 「エラー」「exception」「失敗」 | XML形式 | エラー原因と修正箇所が構造的に見えやすい |
| 「実装」「設計」「機能追加」 | Markdown形式 | 見出し付きのドキュメントとして整理される |
| その他一般的な質問 | Plain text | シンプルで無駄のないテキスト |

AIが働く。人間は承認する。自律型エージェントによる開発の裏側

ここからが、本稿で最もお伝えしたい「不気味でエキサイティングな体験」だ。

この「Pronpt」というサービスを開発するにあたり、企画、競合分析、MVPの実装、プロモーション、LPの作成にいたるまで、そのプロセスのほぼすべてをAIエージェントたちに自律実行させた。

開発の指揮系統は、以下のようになっている。

       【人間（社長）】：「こんなアプリを作りたい」とアイデアを投げる
                             │
                             ▼
              【AI総括部長（Claude 3.5 Sonnet）】
                             │
       ┌─────────────────────┴─────────────────────┐
       ▼                     ▼                     ▼
【経営企画エージェント】 【開発エージェント】   【PRエージェント】...
  ・事業性評価シート      ・Next.js + FastAPI     ・note構成案作成
  ・収益モデルの試算      ・Groqによる高速API     ・X（Twitter）投稿案

人間がSlackのようなチャットUIで `/develop` や `/research` といったコマンドを打つと、それぞれの役割を持ったAIエージェントがバックグラウンドで並列起動する。

彼らはフォルダからファイルを読み込み、コードを書き、テストを走らせ、成果物を自律的に生成していく。今回、AIたちが自律的に生み出したのは以下の成果物だ。

  • 経営企画部（AI）：市場規模の算出、競合比較、月額980円の収益シミュレーション

  • リサーチ部（AI）：エンジニアのペルソナ（ターゲット層）の策定

  • 開発部（AI）：Next.js 15 + FastAPI + Groq を組み合わせた超高速MVPコード一式

  • PR部（AI）：本記事の構成案、およびSNS用の告知文

  • 営業CS部（AI）：ランディングページのキャッチコピーと想定FAQ

人間がやったこと。それは、「最初のアイデアを投げたこと」と、AIが書き上げたコードや企画書をチェックして「マージ（承認）ボタンを押したこと」だけだ。

よく「AIと一緒に仕事をする（協業）」と言われる。
しかし、このプロジェクトを通じて私が得た感覚は、協業などという生易しいものではなかった。
**「AIたちが勝手に働いてプロジェクトを進めており、人間である自分はただの『承認係（ボトルネック）』にすぎない」**という、主客が逆転した強烈なパラダイムシフトの体験だった。

【実験結果】「生の入力」vs「Pronpt経由」

実際に、同じ開発課題を「生の雑なプロンプト」と「Pronptで最適化したプロンプト」の双方でClaudeに投げ、その回答の質を定量的に比較してみた。

| 評価指標 | 生のプロンプト | Pronpt最適化プロンプト |
| :--- | :--- | :--- |
| プロンプト作成時間 | 約5分（試行錯誤） | 約10秒（課題を打つだけ） |
| 指示のボリューム | 10〜30文字 | 200〜800文字（肉付け後） |
| 一発で実戦投入できた割合 | 約30% | 約85%（体感値） |
| ゴールまでに要した往復回数 | 平均2.3回 | 平均0.4回 |
| プロンプトの生成速度 | — | 約1.2秒（Llama-3.3-70b/Groq） |

結果は一目瞭然だった。
月額980円という投資は、エンジニアがAIとの不毛なキャッチボールで失う時間を考えれば、最初の数日で回収できる。

仮に1日3回AIを使うとする。Pronptを経由することで、往復のやり取りを含めて1回あたり3分節約できたとしよう。
1ヶ月で約1.5時間の節約。時給3,000円のエンジニアであれば、月額4,500円相当の価値が戻ってくる計算になる。時間を買う投資として、これほど打率の高いものはそうそうない。

今日から現場で使える3つの王道パターン

Pronptは、特にエンジニアの日常における「3大ストレス」を解消するように設計されている。

1. エラー地獄からの脱出（バグ修正）

ターミナルの真っ赤なエラーメッセージをそのままコピペし、「これを直して」と入力する。Pronptがエラー文を認識し、原因分析とテストコードを含んだプロンプトを自動生成する。

2. 孤独な設計との戦い（設計レビュー）

「Supabase RLSのポリシー設計をレビューして」と投げる。セキュリティ・パフォーマンス・拡張性の3つの軸で、AIに「冷徹なレビュー」を実行させる指示書が即座に生成される。

3. スパゲッティコードの掃除（リファクタリング）

肥大化したReactコンポーネントを貼り付ける。自動的に「既存のコードスタイルを崩さない」「パフォーマンスを落とさない」という鉄の制約が入り、AIが勝手にコードを壊すリスクを最小限に抑える。

Phase 2へ —— 「オープン開発」のロードマップ

現在、Pronptはコアとなる「プロンプト生成エンジン」と「ストリーミング出力（文字がリアルタイムで流れてくるUI）」の実装を完了したフェーズだ。

次の「Phase 2」では、Supabase Authによる認証機能と、Stripeによる決済決済連携を実装する。
さらにその先の「Phase 3」では、GitHubリポジトリとの直接連携を予定している。リポジトリを接続するだけで、プロジェクトのディレクトリ構造や型定義ファイルが、プロンプトの「コンテキスト（文脈）」として自動でAIに渡るようになる。

未完成のこの段階で記事を公開したのは、初期のユーザーからのフィードバックこそが、プロダクトを最も早く、正しく成長させると信じているからだ。

あなたのAIライフを、10秒で変える

「Pronpt」は、本日から無料（1日5回まで）で利用可能だ。

ぜひ、あなたが今日「ChatGPTやClaudeに投げようとしている、いつもの一行」を思い浮かべてほしい。
そしてそれを、送信する前に一度、Pronptに通してみてほしい。

あなたが投げようとしていたその言葉が、AIを本気にさせる「プロの指示書」へと変貌する快感を、ぜひ体験していただきたい。

使ってみた感想や、「こういう機能が欲しい」という要望は、ぜひコメント欄にお寄せください。すべてに目を通し、開発ロードマップに反映します。

この記事が少しでも面白い、未来を感じると思ってくださった方は、「スキ」と「フォロー」をいただけますと、開発チーム（と、彼らを裏で動かすAIエージェントたち）の大きな励みになります。

※なお、このnote記事の構成案とプロットは、Pronptの「PRエージェント（AI）」が組み立てたものです。AIが骨組みを作り、人間が肉付けをする。そんな小さな共作から、新しいWebの景色が始まっています。

いいなと思ったら応援しよう！