「仕様が決まらないと動けない人」のためのAI時代プレイブック——強い内的基準を武器化する

• 想定読者： 「全部決まらないと着手できない」と感じるエンジニア、品質に妥協できないタイプ
• 前提知識： AIコーディングツール（Claude、GitHub Copilot、Cursor等）の基本的な使用経験
• 所要時間： 9分

概要

「仕様を完璧に決めてからしか動けない」「AIに任せた成果物にすぐ違和感を感じる」——もしあなたがこのタイプなら、AI時代に不利だと感じているかもしれない。世間は「とりあえず作って試せ」という声で溢れている。

しかし、それは半分しか正しくない。あなたの強い内的基準は、AI時代において消えゆく弱点ではなく、希少な競争優位になる可能性が高い。問題は、その強みをAIに対してどう向けるかだ。

このプレイブックは、仕様駆動型の特性を否定せず、その特性が最大効果を発揮するAI活用の戦術4つをまとめたものだ。背後の心理学的根拠は別記事の「きれいな仕事しかしたくない人」の心理学で詳述しているので、「なぜそう言えるのか」を知りたい方はそちらを参照してほしい。まずは、動くことから始めよう。

30秒セルフ診断

以下の5つのうち、3つ以上に「はい」と答えるなら、このガイドはあなた向けだ。

1. □ プロジェクト開始時、要件のグレーゾーンが気持ち悪くて埋めずにいられない
2. □ 同僚の「とりあえず動かしてみよう」に内心モヤッとすることがある
3. □ 自分や他人の成果物に「これは違う」がすぐに分かる（センスが鋭いほう）
4. □ 決まっていない状態のまま作業を進めると集中できない
5. □ AIが生成したコードを「自分で書き直したほうが早い」と感じることがある

3つ以上当てはまったら読み進めてほしい。1〜2つなら、もしかすると探索駆動型のためのプレイブックのほうが合っているかもしれない。

注意：この診断で「答えを求めたいが、自分の基準はあまり明確でない」と感じた方は、心理学的に別のタイプ（指示待ち型／思考委譲型）である可能性がある。本プレイブックは強い内的基準を持つ こだわり型 向けに書かれている。基準そのものが自分の中にない状態だと、本プレイブックの戦術は機能しにくい。その場合は「指示待ち人材」はAI時代をどう生き抜くかを先に読むことを推奨する。

あなたの強み——「うるさい目」は資産だ

まず最初に伝えたいのは、あなたの特性を変える必要はないということだ。

AI時代において、最も希少になりつつあるスキルは「コードを書ける」ことではない。AIは大量に書ける。希少なのは、大量に生成された「それっぽいもの」の中から、本当に意味のあるものを見抜く目だ。

あなたが日常的に発動している「これは違う」「これでは足りない」「ここが噛み合っていない」という感覚——それは認知科学的には 強い内的基準（strong internal standards） と呼ばれ、訓練と経験で育つ希少資産である。AIには（少なくとも現時点では）これがない。AIには「平均的にもっともらしい出力」を生成する能力はあるが、「特定の文脈において何が本当に正しいか」を判断する内的な羅針盤はない。

つまり、AIの登場で価値が下がったのは「書く能力」であって、「選び取る能力」ではない。むしろ後者の希少性は急上昇している。

AIで陥る2つの罠

ただし、強い内的基準を持つ人ほど、AIに対して特定の失敗パターンにはまりやすい。

罠①：AIを「自分の劣化版」として使ってしまう

仕様駆動型の人は、自分の頭の中の基準が高いので、AIの出力を見て「これでは私が書いたほうがマシだ」と感じることが多い。そして実際に自分で書き直す。結果として、AIにかけた時間が丸ごと無駄になる。

これは「自分の品質基準にAIを引き上げようとしている」状態だ。自分を基準点に置いてAIを評価するから、常に「足りない」と感じる。

罠②：最初の提案で凍結してしまう（seizing/freezing）

逆の失敗もある。「決まらない状態が気持ち悪い」性質ゆえに、AIが最初に出した提案を「とりあえずこれでいい」と即決してしまう。心理学者Kruglanskiがseizing（掴む）と freezing（凍らせる）と呼んだメカニズムだ¹。早く結論にたどり着きたい欲求が、探索を浅くする。

その結果、AIが本来出せたはずの良い案を見逃す。あるいは、あなたの本来の基準を満たさない凡庸な提案で妥協してしまう。

この2つの罠は、一見矛盾しているが、実は同じ特性の表裏だ。「曖昧な状態が気持ち悪い」という感覚が、ある時は「自分でやり直す」になり、ある時は「最初の案で決める」になる。どちらも探索のコストを払いたくない、という根は共通している。

4つの戦術

ここからが本題だ。仕様駆動型の特性を活かしたまま、AIで圧倒的な生産性を出すための具体的戦術を4つ紹介する。

戦術①：1案ではなく5〜10案を要求する

最も基本かつ強力な戦術がこれだ。AIに「実装してくれ」と頼むのをやめる。代わりに、「異なるアプローチを5つ提示してくれ。それぞれのトレードオフも書け」と頼む。

× 「ユーザー認証を実装してください」
○ 「ユーザー認証の実装アプローチを5つ提案してください。
    それぞれについて、長所、短所、適している状況を書いてください」

この一手で、AIとの関係が「執筆者」から「候補生成器」に変わる。あなたの役割は書くことではなく、選ぶことになる。

そして「選ぶ」のはあなたの最も得意な動作だ。10案あれば、あなたの強い内的基準は瞬時に9案を却下し、1案を選び抜ける。これは生成より遥かに低い心理コストで、しかもあなたの基準を完全に反映した結果になる。

戦術②：自分の暗黙基準を先に書き出す

戦術①の精度を上げるための補助戦術だ。AIに依頼する前に、「自分にとって良い出力とは何か」を箇条書きで書き出す。ラフでいい。

良い実装の条件：
- DBクエリは1リクエストで完結すること
- エラー処理は型で表現されていること
- テスト可能な形（依存性が外から注入できる）
- 過剰な抽象化を避ける
- 既存のコード規約と一貫性があること

これをAIへの指示に含める。あるいは、生成された出力を評価する基準としてAIに渡す（「以下の基準で自己評価して、満たしていない項目があれば修正案を出してください」）。

これには副次的な効果がある。自分の暗黙基準を言語化する練習になるのだ。仕様駆動型の人は強い基準を持っているが、それを言葉にする訓練は不足していることが多い。AI時代において、暗黙基準を言語化できる能力は、それ自体が市場価値を持つようになっている。

戦術③：「これは違う」を5回繰り返すことを恐れない

仕様駆動型の人がAIで失敗する最大の理由は、「却下する回数が少なすぎる」ことだ。

人間相手の対話だと、「やり直して」を5回も言うのは気が引ける。相手の感情を消耗させるし、関係性が悪くなる。だから2〜3回で妥協してしまう。

AIには感情がない。何回却下しても疲れないし、関係も悪化しない。これは特性として活かすべきポイントだ。

具体的な指針：

• 5回以上の却下が標準だと思って始める
• 「これは違う、もっと〇〇な方向で」を躊躇なく繰り返す
• 却下するたびに、自分の基準が自分自身に対しても明確になっていく
• 5回目で気に入った案が出たら、それは1回目で決めた案より遥かに良い

却下する目があるのはあなたの強みだ。それを十分に発揮するために、却下のコストを意図的に下げよう。

戦術④：仕様化欲求は捨てない、AIに仕様を作らせる

最後の戦術は、あなたの最大の特性そのものに正面から応える。

「全部決まらないと動けない」という性質は、無理に変えなくていい。代わりに、仕様化のたたき台をAIに作らせる。あなたの仕事は、それを厳しく編集することになる。

「次のような機能を実装したい：[ふわっとした要望]

これについて、シニアエンジニアが書くような詳細仕様書をドラフトしてください。
- 機能要件
- 非機能要件  
- エッジケース一覧
- データモデル
- API設計
- エラーハンドリング方針
- テスト戦略

私はこれをレビューして修正します。」

このアプローチには3つの利点がある。

1. 着手の心理ハードルが下がる：自分でゼロから仕様を書く必要がない
2. 抜け漏れの発見に集中できる：AIが網羅的に書くので、あなたは「足りないもの・違うもの」を見つける役回りに集中できる（これはあなたの最も得意な動作だ）
3. 仕様化の所要時間が劇的に短縮される：従来1日かかっていた仕様化が、30分の対話で可能になる

要するに、仕様駆動型を捨てるのではなく、仕様化のフロントエンドをAIにするという発想だ。あなたの「仕様がないと動けない」性質は満たされたまま、その仕様を作るコストだけが消える。

あなたが活きる職域

仕様駆動型の特性は、以下の職域で今でも、そしてAI時代でも、競争優位として作用する。

領域	なぜあなたが強いか
規制業界（金融、医療、航空、原子力）	仕様逸脱が法的責任に直結する。手順厳守の徹底が職能の核心
セキュリティ・品質保証	「漏れを見つける目」が決定的価値を持つ
コードレビュー・アーキテクチャレビュー	大量の「それっぽいもの」から問題を見抜く力が求められる
AIプロダクトの評価役	LLMの出力を判定する役割は、強い内的基準を持つ人にしかできない
コンプライアンス・監査	規則の厳密な適用が職能そのもの
データ品質管理	「このデータはおかしい」を即座に感じる目が必要

特に注目すべきは最後から2つ目の「AIプロダクトの評価役」だ。AIが大量のコンテンツを生成するようになるほど、それを評価する人間の希少性が上がる。これは仕様駆動型の人にとって、AI時代の新しい花形職種になりうる。

まとめ——3つの原則

長くなったので、最後に3つの原則に圧縮しておく。

1. 生成は外部化、判定は内製化する：書かない、選ぶ。AIに10案出させて、あなたの目で1案を選ぶ
2. 却下のコストをゼロにする：AIには遠慮不要。5回以上の却下が標準だと思って始める
3. 仕様化欲求は満たす、ただしAIと共同で：自分の特性を変えるな。仕様化のフロントエンドをAIにしろ

「全部決まらないと動けない人」がAI時代に不利だ、というのは半分しか正しくない。あなたの特性は変えなくていい。変えるのは「自分が書く」という前提だけだ。AIを書く道具ではなく選ぶ道具として使い始めた瞬間、あなたの強い内的基準は、希少な競争優位に転化する。

もっと深く知りたい方へ

なぜこの戦術が効くのかの心理学的根拠、仕様駆動型の認知特性の研究背景、そしてAI時代の労働経済学的な分析については、詳細な解説記事を用意している。

🧠 心理学的背景: 「きれいな仕事しかしたくない人」の心理学 — 曖昧さ耐性、認知的閉鎖欲求、Hofstedeの不確実性回避指数、Brynjolfssonらの研究まで、研究エビデンスに基づく深掘り解説。

また、もしあなたが診断テストの結果に違和感を感じたなら、対極のタイプ向けのガイドも参照してほしい。

🔄 対極のタイプ: 「とりあえず作る」が得意な人のためのAI時代プレイブック — 探索駆動型のための戦術集。

📕 第3のタイプ: 「指示待ち人材」はAI時代をどう生き抜くか — 指示待ち型（思考委譲型）のための認識ガイド。部下や同僚に該当する人がいる場合の理解にも有用。

関連記事

• 「レビューしきれることしかAIに任せない」という機会損失 — 完璧主義がAI活用を阻む構造
• Generator-Verifierパターン：なぜLLMには「するな」より「見つけろ」が効くのか — 生成より検証のほうが本質的に低コストである理由
• 完璧主義の心理学：高い基準と自己破壊の境界線 — 適応的/不適応的完璧主義の二面性

参考資料

その他の参考文献は詳細リファレンス記事にまとめている。

1. Motivated Closing of the Mind: “Seizing” and “Freezing” - Kruglanski, A. W., & Webster, D. M. (1996). Psychological Review, 103(2), 263-283. 認知的閉鎖欲求の seizing/freezing メカニズム。【信頼性: 高】 ↩︎