プロダクト開発ライフサイクルの全体構造を階層的に一覧。Process → SubProcess → Activity → Output の関係をドリルダウンで確認できます。
AIはデザインの「手を動かす」部分を自動化するが、ユーザーリサーチに基づく戦略的判断、ブランドアイデンティティの保護、文化的コンテキストの理解は依然として人間の専門性が不可欠。デザイナーは「何を作るか」ではなく「何が正しいかを判断する」役割にシフトする。
ユーザーインタビュー・行動観察・市場分析を通じてターゲットの課題と動機を深く理解し、市場機会の特定・プロダクト戦略の策定・情報構造の定義を行うフェーズ。以降の全設計判断の根拠となる。
ワイヤーフレームからビジュアルデザインまで、画面レイアウト・コンポーネント配置・色彩・タイポグラフィを設計するフェーズ。AI生成と人間のキュレーションを組み合わせ、ブランドアイデンティティを体現するUIを完成させる。
インタラクティブなプロトタイプを作成し、ユーザビリティテストで実ユーザーからフィードバックを取得するフェーズ。操作性の検証と改善を反復的に行い、UX品質を段階的に向上させる。
デザイン成果物を開発チームに引き渡すフェーズ。デザインスペック(スペーシング・アニメーション・レスポンシブ仕様)の共有、またはコード直接出力により、デザインと実装の橋渡しを行う。
2025年の業界成熟の軌跡は、年初の「Vibe Coding」から年末の「コンテキストエンジニアリング」へ移行。「欲しいものを記述するだけ」から「AIが信頼できる出力を生み出すために必要な情報文脈を体系的に管理する」へ。Anthropicが2025年9月に形式化、Gartner・MIT Technology Reviewも定義的トレンドとして認定。
機能要件・非機能要件の定義からアーキテクチャ設計、スプリント計画までを行うフェーズ。ユーザーストーリーの構造化、技術スタック選定、AIが参照するコンテキスト情報の体系的整備を含む。
アーキテクチャ設計に基づきコードを作成するフェーズ。手動コーディング・AIペアプログラミング・Vibe Codingを組み合わせ、機能を実装する。開発速度と品質のバランスを最適化する。
コード品質を多層的に検証するフェーズ。AIによる自動レビューと人間によるピアレビューを組み合わせ、セキュリティ・パフォーマンス・設計整合性を確認。テストケースの生成・実行も含む。
技術ドキュメント(API仕様書・README・ADR)の作成・維持と、バグ修正・リファクタリング等の継続的な保守活動を行うフェーズ。チーム内の知識共有とコード品質の長期維持を担う。
AI テストの最大のメリットは「セルフヒーリング」。UI要素が変更されてもAIが代替セレクターを自動識別し、テスト実行を継続する。従来テストの最大の負債であったメンテナンスコストを根本から解消する。
テスト戦略・スコープ・優先度・リソース配分を定義し、テストケースを設計するフェーズ。リスクベースアプローチで重点領域を特定し、AIによる探索的テストと予測的テスト選択で網羅性を最大化する。
テストケースの実装と実行を行うフェーズ。手動テスト・自然言語テスト・自動テスト・AIテスト生成を組み合わせ、効率的にテストカバレッジを拡大する。
コード変更による既存機能への影響を検証するフェーズ。リグレッションテスト・ビジュアルテスト・セルフヒーリングにより、テストスイートの安定性と信頼性を維持する。
バグの報告・分類・優先度付け・追跡と、テストスクリプトの継続的な保守・更新を行うフェーズ。テスト自動化の最大のコスト要因であるメンテナンス負荷を管理する。
Gartnerは2026年までにITOpsチームの80%がAIOpsプラットフォームを採用すると予測。ただしAIOpsの最大の課題は「データ品質」。きれいで標準化された完全なデータセットが前提となるため、導入にはデータ基盤の整備が不可欠。
ソースコードのコンパイル・コンテナ化・インフラ構成管理・CI/CDパイプラインを通じた本番環境へのデプロイを自動化するフェーズ。カナリアリリース・ブルーグリーンデプロイ等の安全なリリース戦略を実施する。
アプリケーション・インフラのメトリクス収集・ダッシュボード表示・ログ分析・アラート管理を行うオブザーバビリティのフェーズ。異常の早期検知と原因分析の基盤を提供する。
インシデント発生時のトリアージ・根本原因分析・復旧対応・再発防止を行うフェーズ。オンコール体制の管理とエスカレーション、ポストモーテムによる継続的改善を含む。
現在のリソース使用量とトラフィック予測に基づき将来のインフラキャパシティを計画し、コスト最適化とパフォーマンス保証のバランスを維持するフェーズ。
顧客獲得コスト最大50%削減、収益5〜15%増加、マーケティングROI 10〜30%向上。AI活用企業は獲得33%増・維持22%増・クロスセル49%増。ただし過度なパーソナライゼーションのプライバシーリスクとGDPR/CCPA準拠が不可欠。
市場規模・トレンド・競合動向・ユーザーセグメントを調査・分析し、データドリブンな戦略的意思決定の基盤を構築するフェーズ。定量分析と予測モデルを活用してビジネスKPIを継続的に監視する。
ターゲットセグメントに向けたキャンペーン企画・コンテンツ制作・配信を行うフェーズ。チャネルミックス・メッセージング・クリエイティブの最適化を通じて、ユーザー獲得とエンゲージメント向上を実現する。
A/Bテスト・多変量テスト・リアルタイム最適化を通じて、コンテンツ・UI・オファーのコンバージョン率を継続的に改善するフェーズ。統計的有意性に基づく意思決定と自動トラフィック配分を行う。
検索エンジン最適化と個別ユーザーへのパーソナライズド体験の提供を行うフェーズ。オーガニック流入の最大化と、ユーザーごとに最適化されたコンテンツ・オファーの動的配信を両立する。