2026年4月30日木曜日

第13回:アイデアは通勤中、犬の散歩中、トレーニング中に生まれている

1. はじめに

月商1000万円を目指して、新規プロジェクトを進めている。

このブログでは、プロジェクトの具体的な企画内容はまだ公開しない。
ただし、開発の進め方、AI活用、プロジェクト管理、費用、課題、進捗については記録している。

今回は、今の自分の開発スタイルについて書く。

最近の進め方を一言で言うと、こうである。

日常のすき間時間でChatGPTと壁打ちし、アイデアや課題を整理し、Cursorへの指示文に落とし込み、実装とドキュメント更新につなげる。

この流れが、かなり自分に合っている。


2. アイデアは机の前だけで生まれるわけではない

プロジェクトのアイデアや課題整理は、必ずしもPCの前だけで行っているわけではない。

むしろ、最近は以下のような時間に考えが進むことが多い。

  • 通勤中

  • 犬の散歩中

  • 室内の自転車サイクルマシンでのトレーニング中

  • ちょっとした移動時間

  • 家の中で少し頭が空いた時間

こうした時間に、ChatGPTと壁打ちをしている。

昔なら、ふと思いついたことはメモアプリに書いて終わりだった。
あるいは、頭の中だけで考えて、後で忘れてしまうことも多かった。

しかし今は、思いついた瞬間にChatGPTへ投げられる。

「こういう機能が必要ではないか」
「この課題は後回しにしてよいのか」
「この仕様は今作るべきか」
「Cursorにはどう指示すべきか」
「この内容をドキュメントに反映するなら、どう整理するか」

こうした壁打ちを、その場でできる。

これはかなり大きい。


3. ChatGPTは単なるメモ帳ではない

ChatGPTを使っていて大きいのは、単なるメモ帳ではないという点である。

メモ帳なら、思いついたことを記録するだけで終わる。
しかしChatGPTは、そこから整理してくれる。

たとえば、自分が雑に話した内容を、以下のように変換してくれる。

  • アイデアの整理

  • 課題の棚卸し

  • 優先度の整理

  • 実装方針の整理

  • 懸念点の洗い出し

  • 対策案の整理

  • Cursorへの指示文作成

  • ブログ記事化

  • ドキュメント化

  • 残課題一覧への反映案

これは、かなり便利である。

頭の中にある断片的な考えを、そのままプロジェクトで使える形に近づけられる。

特に、通勤中や散歩中は、PCを開いて細かい作業はできない。
しかし、考えることはできる。
話すこともできる。
その内容をChatGPTに整理してもらえる。

これにより、机の前に座っていない時間も、プロジェクトを前に進める時間に変わっている。


4. ChatGPTとの壁打ちからCursor指示文へ

今の開発フローでは、ChatGPTとの壁打ちで終わらせないことを意識している。

最終的には、Cursorに渡せる指示文にする。

たとえば、次のような流れである。

  1. 通勤中や散歩中にアイデアを思いつく

  2. ChatGPTに話す

  3. ChatGPTと壁打ちして、課題や仕様を整理する

  4. 実装すべきか、後回しにすべきかを判断する

  5. 必要ならドキュメント反映用の文章にする

  6. さらにCursor向けの作業指示文に変換する

  7. Cursorに実装・修正・ドキュメント更新を依頼する

  8. 結果を確認し、必要なら追加指示を出す

この流れがかなり重要である。

アイデアを思いつくだけでは、サービスは完成しない。
アイデアを仕様にする。
仕様を作業にする。
作業を実装にする。
実装を確認する。
確認結果をまた課題に戻す。

この循環を作る必要がある。


5. ドキュメント化までつなげる

ChatGPTとの壁打ち内容は、その場限りの会話で終わらせないようにしている。

重要な内容は、できるだけドキュメント化する。

具体的には、以下のような形で残す。

  • 要件定義書への追記

  • 機能仕様書への追記

  • 画面仕様書への追記

  • データ設計書への反映

  • 残課題一覧への追加

  • 後回し機能一覧への追加

  • 開発ルールへの反映

  • Cursorへの実装指示文

  • ブログ記事としての記録

これにより、思いつきが消えずに残る。

特に今のプロジェクトは、要件も仕様も残課題も非常に多い。
頭の中だけで管理するのは無理である。

だから、ChatGPTで整理し、Cursorに渡し、ドキュメントに残す。

この流れを作ることで、アイデアをプロジェクト資産に変えている。


6. GitHubとの連携も大きい

開発状況の管理では、GitHubも重要になっている。

GitHubには、コードの変更履歴、コミット、プッシュ状況が残る。

ChatGPTからもGitHubに接続している。
これがかなり大きい。

なぜなら、ChatGPTが最新状況やコミット・プッシュ状況を把握しやすくなるからである。

たとえば、

  • どこまで実装済みか

  • どの変更がコミット済みか

  • pushされているか

  • 直近で何が変更されたか

  • どの作業が残っているか

  • 次に何を指示すべきか

こうした確認を、ChatGPT側でも扱いやすくなる。

これは、単に相談するだけのChatGPTとはかなり違う。

プロジェクトの現状を把握しながら、次の指示や判断につなげられる。
この点は非常に大きい。


7. コミットとプッシュはCursorの方がスムーズな印象

一方で、実際のコミットやプッシュについては、今のところCursorから行う方がスムーズな印象がある。

Cursorはコード編集の流れの中で、変更内容を確認し、必要に応じてコミット・プッシュまで進めやすい。

実装して、差分を見て、チェックして、コミットして、プッシュする。
この一連の流れがかなり自然である。

もちろん、ChatGPTがGitHubとリンクできていることも大きい。
ただ、実際の開発作業の手触りとしては、Cursorの方が「さらっとコミット&プッシュしてくれる」感覚がある。

そのため、今の役割分担としては、以下のようになっている。

役割主に使うもの
アイデア壁打ちChatGPT
課題整理ChatGPT
Cursor指示文作成ChatGPT
ドキュメント化の下書きChatGPT
実装Cursor
コード修正Cursor
コミット・プッシュ主にCursor
最新状況の把握ChatGPT+GitHub
進行管理ChatGPT+ドキュメント

この分担が、かなり現実的で使いやすい。


8. 日常時間がプロジェクト時間に変わる

この開発スタイルで大きいのは、日常時間がプロジェクト時間に変わることである。

もちろん、常に仕事をしているような状態になるのは良くない。
休む時間も必要である。

ただ、通勤中や犬の散歩中、トレーニング中に自然と考えが浮かぶことは多い。

その時間を、ただ頭の中で流して終わらせるのではなく、ChatGPTとの壁打ちに使う。

すると、机の前に戻ったときには、すでに以下ができていることがある。

  • 課題が整理されている

  • 優先度が見えている

  • Cursorへの指示文がある

  • ドキュメント反映案がある

  • 記事の下書きがある

  • 次にやるべきことが明確になっている

これはかなり効率が良い。

アラフィフで、普段はサラリーマンで、家族もいて、犬と猫もいる。
限られた時間で進めるには、このすき間時間の活用が重要になる。


9. ただし、アイデアが増えすぎる問題もある

一方で、この流れには問題もある。

それは、アイデアが増えすぎることである。

ChatGPTと壁打ちすると、考えがどんどん広がる。
課題も見えてくる。
改善案も出てくる。
仕様も深くなる。

これは良い面もあるが、同時に危険でもある。

要件が増えすぎる。
残課題が増えすぎる。
ドキュメントが増えすぎる。
実装範囲が広がりすぎる。

その結果、一人用確認版やサービスインが遠くなる可能性がある。

だから、ChatGPTとの壁打ちでは、広げるだけではなく、絞ることも必要になる。

  • 今やるもの

  • 後でやるもの

  • やらないもの

  • ドキュメントだけ残すもの

  • Cursorにすぐ依頼するもの

  • いったん保留するもの

これを分ける必要がある。

AIはアイデアを広げるのが得意である。
だからこそ、人間側がスコープを管理しなければならない。


10. 今の自分に合っている開発スタイル

今の自分には、この開発スタイルがかなり合っている。

通勤中に考える。
犬の散歩中に壁打ちする。
トレーニング中に課題を整理する。
ChatGPTに文章化してもらう。
Cursorへの指示文を作る。
PCの前に戻ったらCursorで実装する。
GitHubで変更を管理する。
またChatGPTで進捗を整理する。

この流れにより、時間の使い方が変わってきた。

以前なら、PCの前に座ってから「何をやろうか」と考えていた。
今は、PCの前に座る前に、ある程度作業内容が整理されている。

これは大きい。

限られた時間で開発するには、PCの前に座っている時間だけで勝負してはいけない。

考える時間、整理する時間、指示を作る時間、実装する時間を分ける。
そして、それぞれにAIを活用する。

この形が、今の自分の開発体制になっている。


11. 今後の課題

この開発フローにも、今後の課題はある。

課題内容
アイデア過多壁打ちで要件が増えすぎる
指示文の精度Cursorに渡す指示が曖昧だと手戻りになる
ドキュメント更新会話内容をどこまで正式文書に反映するか
GitHub連携ChatGPTとCursorで最新状況の認識を合わせる必要がある
コミット粒度変更が大きくなりすぎないようにする
作業範囲複数PC運用時に同じファイルを触らないようにする
優先順位今やるべきことと後でよいことを切り分ける
休息すき間時間を使いすぎて休めなくなるリスク

特に注意したいのは、すき間時間を全部プロジェクトに使いすぎないことだ。

犬の散歩は犬との時間でもある。
トレーニングは体を整える時間でもある。
通勤中も、休む時間は必要である。

プロジェクトを進めることは大事だが、生活を壊してはいけない。


12. 今回の結論

今の開発では、ChatGPT、Cursor、GitHubの組み合わせがかなり重要になっている。

ChatGPTとは、通勤中、犬の散歩中、トレーニング中にも壁打ちしている。
そこでアイデアや課題を整理し、対策案を考え、Cursorへの指示文を作る。
その後、Cursorで実装し、必要に応じてドキュメント化し、GitHubで変更を管理する。

特に、ChatGPTがGitHubとリンクできているのは大きい。
最新状況、コミット、プッシュ状況を把握しながら相談できるため、単なる会話ではなく、プロジェクトの進行管理に近い使い方ができる。

一方で、実際のコミットやプッシュは、今のところCursorから行う方がスムーズな印象がある。

それぞれのツールに役割がある。

ChatGPTは、考えを整理する相棒。
Cursorは、実装を進める開発者。
GitHubは、履歴と状態を管理する基盤。

この3つをうまく組み合わせることで、限られた時間でもプロジェクトを前に進められている。

月商1000万円を目指すには、ただ頑張るだけでは足りない。
限られた時間をどう使うか。
日常の中で生まれたアイデアをどう逃さないか。
それをどう実装につなげるか。

今の自分にとって、その答えの一つが、
ChatGPTとの壁打ち、Cursorへの指示、GitHubでの管理という開発フローである。

第12回:まだ計算できていない最大のコストは、自分自身の稼働かもしれない


1. はじめに

月商1000万円を目指して、新規プロジェクトを進めている。

このブログでは、プロジェクトの具体的な企画内容はまだ公開しない。
ただし、開発の進め方、費用、スケジュール、課題、AI活用、テスト、プロジェクト管理については記録している。

ここまで、PC購入費用、ChatGPT、Cursor、GensparkなどのAIツール費用、開発環境、ドキュメント、テスト計画について整理してきた。

しかし、まだきちんと計算できていない大きなコストがある。

それは、自分自身の稼働コストである。


2. ツール費用は見えるが、自分の時間は見えにくい

PCを買えば、金額が分かる。
CursorやChatGPT、Gensparkに課金すれば、月額費用が分かる。
サーバーやドメインを使えば、それも費用として見える。

しかし、自分自身の時間は見えにくい。

平日の夜に作業する。
休日に仕様を考える。
通勤中にアイデアを整理する。
ChatGPTに記事を書かせる。
Cursorへの指示文を作る。
進捗を確認する。
ドキュメントを読む。
残課題を棚卸しする。

これらは全部、時間を使っている。

ただ、今のところ、その時間をきちんと金額換算できていない。

これは、今後ちゃんと向き合うべき課題だと思っている。


3. 普段はサラリーマンである

自分は普段、サラリーマンとして働いている。

つまり、このプロジェクトは本業の勤務時間外で進めている。

これはかなり重要な前提である。

専業で朝から晩まで開発できるわけではない。
平日は本業があり、仕事が終わった後の時間や休日を使って進めている。

だから、単純に「やる気があれば進む」というものでもない。

疲れている日もある。
仕事で頭を使い切っている日もある。
夜に少ししか時間が取れない日もある。

その中で、月商1000万円を目指すプロジェクトを進めている。

ここは、かなり現実的に見なければならない。


4. 家族も生活もある

自分には妻がいる。

さらに、犬と猫も飼っている。

つまり、プロジェクトだけにすべての時間を使えるわけではない。

家族との時間もある。
犬や猫の世話もある。
家のこともある。
日々の生活もある。

個人開発というと、寝る間を惜しんで作るようなイメージもあるかもしれない。

もちろん、短期的に集中する時期は必要だと思う。
ただ、長期的に続けるなら、生活を壊してはいけない。

妻との時間を犠牲にし続ける形では続かない。
体調を壊しても意味がない。
家の中が荒れても、結局プロジェクトは続かない。

月商1000万円を目指すと言っても、生活の上に成り立つ挑戦である。


5. アラフィフという現実

自分はアラフィフである。

若い頃のように、無限に体力があるわけではない。

徹夜すれば翌日に響く。
集中力にも限界がある。
健康も無視できない。
家族や住宅ローンなど、背負っているものもある。

一方で、アラフィフだからこその強みもあると思っている。

これまでの仕事経験がある。
プロジェクト管理の経験がある。
PMPの資格も持っている。
失敗しそうな進め方もある程度分かる。
仕様、課題、リスク、品質、コストを意識して進められる。

若さで突っ走るのではなく、経験とAIを使って進める。

それが今の自分に合った戦い方だと思っている。


6. 自分の稼働をコストとして見る必要がある

今後は、自分の稼働をもっと冷静に見たい。

たとえば、1時間をいくらとして見るのか。

本業の時給換算で見るのか。
副業としての期待単価で見るのか。
外注した場合の単価で見るのか。
それとも、趣味としての時間だからゼロ円にするのか。

この考え方によって、プロジェクトの見え方は大きく変わる。

仮に自分の稼働を1時間3,000円、5,000円、1万円として見るなら、これまで使った時間はかなり大きな投資になる。

一方で、趣味の一つとしてやっている面もある。

ゲームをする時間、映画を見る時間、飲みに行く時間と同じように、自分が好きで使っている時間でもある。

だから、すべてを厳密に人件費として計上する必要はないかもしれない。

ただし、月商1000万円を本気で目指すなら、いつかは自分の稼働コストも見なければならない。


7. 趣味であり、事業でもある

このプロジェクトは、今のところ趣味の一つでもある。

考えていて楽しい。
作っていて楽しい。
構想が膨らむのも楽しい。
AIと一緒に進めるのも面白い。

ただ、単なる趣味で終わらせるつもりもない。

現実的に本当に目指せるのであれば、月商1000万円を達成したい。

いや、達成する。

そのためには、趣味としての楽しさと、事業としての厳しさの両方を持つ必要がある。

楽しいだけでは続かない。
厳しいだけでも続かない。

自分が面白いと思えるものを作りながら、現実的に収益化できる形に持っていく。

これが今の目標である。


8. 儲かったら、サラリーマンを辞められるかもしれない

もし本当にこのプロジェクトが伸びて、十分な収益が出るようになれば、将来的にはサラリーマンを辞める選択肢も出てくるかもしれない。

もちろん、今すぐ辞めるつもりはない。

売上が立っていない段階で、勢いだけで本業を辞めるのは危険である。
家族もいるし、住宅ローンもある。

だから、現実的には段階が必要である。

  • まずサービスを完成させる

  • 初期ユーザーを獲得する

  • 売上を立てる

  • 継続収益を確認する

  • 月商10万円を超える

  • 月商100万円を超える

  • 月商300万円を超える

  • 安定性を確認する

  • そのうえで働き方を考える

月商1000万円を一度達成しただけで、すぐ会社を辞めるという判断にはならないと思う。

大事なのは、売上の継続性である。
一時的な売上ではなく、継続して収益が出るか。
運営できるか。
税金を払った後に手元に残るか。
生活費をまかなえるか。
将来の不安を減らせるか。

そこまで見て判断したい。


9. マンションのローンも支払いたい

現実的な話として、マンションのローンもある。

このプロジェクトで儲かったら、ローンの支払いにも充てたい。

これはかなり大きなモチベーションである。

夢だけではなく、現実の生活を良くしたい。

住宅ローンの負担を減らせれば、生活はかなり楽になる。
将来の不安も減る。
家族に対しても、より安心を提供できる。

月商1000万円という目標は大きいが、自分の中では単なる数字ではない。

妻を喜ばせたい。
生活を良くしたい。
ローンの不安を減らしたい。
将来の選択肢を増やしたい。

そのための目標でもある。


10. 税金のことも考えなければならない

もし本当に収益が出るようになったら、税金のことも考えなければならない。

売上がそのまま手取りになるわけではない。

経費、税金、社会保険、事業形態、確定申告、法人化の検討など、考えるべきことは多い。

幸い、税理士の友人がいる。

今すぐ大きな相談をする段階ではないかもしれないが、相談すべきボリュームまで、早く突き進みたいと思っている。

つまり、税理士に相談する価値があるくらいの売上、利益、取引量まで持っていきたい。

その段階まで行けば、このプロジェクトはかなり現実味を帯びてくる。


11. 自分の稼働管理も必要になる

今後は、自分自身の稼働も少しずつ管理した方がよい。

厳密な勤怠管理までは不要かもしれない。
ただし、最低限、以下は見える化したい。

  • 週に何時間使っているか

  • どの作業に時間を使っているか

  • 実装に使った時間

  • 仕様整理に使った時間

  • ドキュメントに使った時間

  • ブログに使った時間

  • AIへの指示作成に使った時間

  • テスト確認に使った時間

  • 無駄に悩んでいる時間

これを見れば、自分の時間の使い方が分かる。

もしドキュメントに時間を使いすぎているなら、実装に戻す。
もし判断に時間がかかりすぎているなら、基準を作る。
もしAIへの指示が雑で手戻りが多いなら、指示文を改善する。

自分の稼働を測ることは、自分を縛るためではない。
プロジェクトを前に進めるためである。


12. 家族に応援してもらえる進め方にしたい

このプロジェクトは、自分一人の挑戦ではある。

しかし、生活の中で進めている以上、家族への影響はある。

だから、妻に応援してもらえる進め方にしたい。

ずっとPCに向かっていて、家族との時間がなくなる。
疲れて機嫌が悪くなる。
お金だけ出ていく。
いつまでも成果が見えない。

そうなると、続けるのは難しくなる。

だからこそ、進捗を見える化したい。
費用も整理したい。
スケジュールも置きたい。
どこまで進んでいるかを自分でも把握したい。

そして、成果が出たら妻を喜ばせたい。

それはかなり大事なモチベーションである。


13. 現時点の課題

今回整理して、現時点の課題は以下だと思っている。

課題内容
自分の稼働コスト未計算実際にどれだけ時間を投資しているか見えていない
本業との両立平日夜・休日中心のため、体力と集中力に限界がある
家族とのバランス妻、犬、猫との生活時間も大切にする必要がある
年齢・健康アラフィフとして無理しすぎない進め方が必要
固定費増加AIツール、PC、開発費用が増えている
収益化時の税務売上が出たら税理士相談が必要
退職判断本業を辞めるかどうかは継続収益を見て慎重に判断
ローン返済収益を生活改善や住宅ローンにもつなげたい
継続性趣味として楽しみつつ、事業として成立させる必要がある

14. 今後の方針

今後は、以下を意識して進めたい。

  1. 自分の稼働時間をざっくり記録する

  2. 週単位で作業時間と成果を振り返る

  3. 家族との時間を完全に犠牲にしない

  4. 体調を壊すような進め方はしない

  5. AIと追加PCで作業効率を上げる

  6. ドキュメントだけで止まらず実装を進める

  7. 税理士に相談すべき規模まで早く持っていく

  8. 収益が出ても税金・継続性を見て判断する

  9. 住宅ローンや生活改善につながる収益を目指す

  10. 妻を喜ばせられる成果を出す


15. 今回の結論

これまで、PC代、AIツール代、開発環境費用などは整理してきた。

しかし、本当に大きいコストは、自分自身の稼働かもしれない。

普段はサラリーマン。
妻がいる。
犬と猫もいる。
アラフィフである。
マンションのローンもある。

その中で、月商1000万円を目指すプロジェクトを進めている。

これは簡単ではない。

ただ、現実的に本当に目指せるのであれば、達成したい。
いや、達成する。

趣味として楽しい。
でも、趣味で終わらせない。
生活を良くしたい。
妻を喜ばせたい。
住宅ローンの不安も減らしたい。
いつか、本業を辞める選択肢も持ちたい。

そのためには、自分の時間も投資として見なければならない。

月商1000万円までの道のりは、開発費用だけでなく、自分の人生の時間をどう使うかという話でもある。

だからこそ、無理をしすぎず、でも甘えすぎず、前に進める。

まずは一人用確認版。
次に限定公開。
そしてサービスイン。
その先に、売上を作る。

税理士に相談すべきボリュームまで、とっとと突き進みたい。

月商1000万円、達成するぞ。

第11回:すでに使っているE2Eテストと、これから詰めるべきテスト計画


すでに使っているE2Eテストと、これから詰めるべきテスト計画

1. はじめに

月商1000万円を目指して、新規プロジェクトを進めている。

このブログでは、プロジェクトの具体的な企画内容はまだ公開しない。
ただし、開発の進め方、AI活用、費用、スケジュール、品質管理、課題については記録している。

今回は、現状のテスト自動化と、今後のテスト計画について書く。

サービス開発では、機能を作るだけでは足りない。
作ったものが正しく動くか、ユーザーが迷わず使えるか、データが壊れないか、スマホでも問題なく使えるかを確認する必要がある。

特に今回のプロジェクトは、単なる静的ページではなく、ユーザー操作、データ更新、管理者機能、履歴、ランキング、通知、将来的な運用まで関わる。

そのため、テストはかなり重要なテーマになっている。


2. PlaywrightによるE2Eテストはすでに使っている

現時点で、E2Eテストにはすでに Playwright を使っている。

つまり、「これからE2Eテストを導入するかどうか」という段階ではない。
すでに、画面操作ベースで主要な導線を確認する方向には進んでいる。

Playwrightを使うことで、ブラウザ上で実際のユーザー操作に近い形の確認ができる。

たとえば、以下のような確認が対象になる。

  • 画面が表示されるか

  • ボタンやリンクが機能するか

  • 主要導線を通れるか

  • 入力・保存・表示が成立するか

  • 画面遷移が想定通りか

  • エラーで落ちないか

  • スマホ相当の表示で大きく崩れないか

これはかなり重要である。

単体テストでは、個別の関数や処理は確認できる。
しかし、実際にユーザーが画面を操作したときに流れが成立するかは、E2Eテストで確認した方が分かりやすい。


3. ただし、E2Eテストを増やしすぎる問題もある

一方で、E2Eテストは便利だが、増やしすぎると重くなる。

これはすでに意識している課題である。

E2Eテストは、実際のブラウザ操作に近い確認ができる反面、以下のような問題もある。

  • 実行に時間がかかる

  • テストが増えるとメンテナンスが重くなる

  • UI変更でテストが壊れやすい

  • テストコード自体の修正が必要になる

  • 本質的でない表示変更で失敗することがある

  • 開発スピードを落とす可能性がある

そのため、何でもPlaywrightで自動化すればよいとは考えていない。

重要なのは、どの導線をE2Eで守るかである。


4. E2Eで守るべきもの

現時点で、Playwrightで優先して守るべきなのは、サービス全体に影響する主要導線である。

具体的には、以下のようなものを優先したい。

優先度E2Eで確認したい対象
新規登録・ログイン後の主要導線
メイン画面が表示されること
基本操作の一連の流れ
重要画面で致命的なエラーが出ないこと
データ作成・更新・表示の基本流れ
管理者画面の基本操作
スマホ幅での主要導線
空データ時の表示
エラー時の最低限の復帰導線
細かい文言・装飾・演出

E2Eテストは、サービスの骨格を守るために使う。

逆に、細かい文言やデザインの微調整までE2Eで厳密に見ると、テストが壊れやすくなる。
そこは人手確認やレビューで補う方がよい。


5. 自動化できるものと、人手で見るべきもの

テスト自動化は重要だが、すべてを自動化できるわけではない。

Playwrightで確認しやすいのは、主に以下である。

  • 画面が開く

  • ボタンが押せる

  • 入力できる

  • 保存される

  • 遷移できる

  • エラーが出ない

  • 表示要素が存在する

  • 権限によって表示が変わる

一方で、人手で見た方がよいものもある。

  • 初回ユーザーが本当に迷わないか

  • 画面の雰囲気が伝わるか

  • 情報量が多すぎないか

  • 操作していて楽しいか

  • 文言が自然か

  • スマホでストレスがないか

  • サービスの魅力が伝わるか

  • また使いたいと思えるか

このあたりは、自動テストでは判断しにくい。

E2Eテストは「動くか」を見るには強い。
しかし、「使いたいと思うか」「分かりやすいか」「面白いか」は、人間が見る必要がある。


6. 現状の課題

現時点でのテスト面の課題は、主に以下である。

6.1 E2Eテストの対象範囲を広げすぎないこと

Playwrightを使っているからこそ、どこまで自動化するかを慎重に決める必要がある。

何でもE2Eに入れると、開発が重くなる。

そのため、まずは以下に絞りたい。

  • 壊れると致命的な導線

  • 毎回手動確認すると大変な導線

  • リリース判定で必ず確認したい導線

  • データ破損や権限ミスにつながる導線

逆に、頻繁に変わるUIや、体験の良し悪しに関わる部分は、人手確認を併用する。


6.2 テストデータの整備

E2Eテストでは、テストデータも重要になる。

データがない状態、データがある状態、権限が違う状態、管理者状態、通常ユーザー状態などをどう用意するか。

ここが曖昧だと、テストが安定しない。

今後は、以下を整理する必要がある。

  • E2E用のテストユーザー

  • 管理者テストユーザー

  • 初期データ

  • 空データ状態

  • 複数データ状態

  • 異常系データ

  • テスト後のクリーンアップ方針

E2Eテストは、シナリオだけでなく、データ設計もセットで考える必要がある。


6.3 スマホ確認の扱い

今回のサービスでは、スマホ対応が重要になる。

Playwrightでも、ビューポートを変えてスマホ相当の確認はできる。
しかし、実際のスマホでの操作感までは完全には分からない。

そのため、スマホについては以下を組み合わせる必要がある。

  • Playwrightでスマホ幅の主要導線を確認する

  • PCブラウザのレスポンシブ確認を行う

  • 実機スマホで人手確認する

  • プレオープンで実ユーザーの端末でも確認する

スマホは、画面サイズだけでなく、指で押しやすいか、スクロールしやすいか、情報量が多すぎないかも重要になる。

ここは人手確認がかなり重要になる。


6.4 AI生成コードの確認

AIを使って開発しているため、AIが生成したコードが意図通りかを確認する必要がある。

E2Eテストは、その確認にも役立つ。

ただし、E2Eが通ったからといって、すべて正しいわけではない。

  • 内部ロジックが本当に正しいか

  • 権限チェックが十分か

  • 想定外の操作に耐えられるか

  • データ整合性が保たれるか

  • 将来拡張に耐えられるか

こうした部分は、コードレビューや仕様確認も必要になる。

つまり、Playwrightは重要だが、品質保証の一部であって全部ではない。


7. プレオープンをテスト計画に組み込む

正式公開前には、プレオープンのような形で、少人数に触ってもらうことも考えている。

これは単なる宣伝ではなく、テストの一部として位置づけたい。

プレオープンで確認したいのは、以下である。

  • 初回ユーザーがどこで迷うか

  • どの画面で離脱するか

  • どの説明が足りないか

  • どの操作が分かりにくいか

  • スマホで問題なく使えるか

  • 想定外の使い方をされないか

  • 不具合報告が上がるか

  • サービスの価値が伝わるか

  • 継続利用したいと思うか

作っている本人は、仕様を知っている。
だから、自然に操作できてしまう。

しかし、初めて触る人は違う。

そのギャップを確認するために、プレオープンは重要になる。


8. 今後詰めるべきテスト計画

今後は、テスト計画をさらに具体化する必要がある。

特に整理すべきなのは、以下である。

8.1 フェーズ別のテスト基準

一人用確認版、限定公開版、初期サービスイン版では、求める品質水準が違う。

フェーズテストの目的
一人用確認版自分が通しで触り、中心体験が成立するか確認
限定公開版少人数が迷わず使えるか、致命的不具合がないか確認
初期サービスイン一般ユーザーが使っても破綻しないか確認
収益化段階課金・運用・問い合わせ対応まで含めて確認

最初から正式公開レベルの品質を求めすぎると、開発が止まる。
ただし、致命的な不具合を放置したまま公開するわけにもいかない。

フェーズごとに、どこまで確認するかを決める必要がある。


8.2 自動テストと人手テストの分担

自動テストと人手テストの役割分担も明確にしたい。

確認内容方法
主要導線が通るかPlaywright
重要画面が落ちないかPlaywright
データ保存・更新が成立するかPlaywright+必要に応じて手動確認
権限チェックが効くかPlaywright+コード確認
スマホ幅で大きく崩れないかPlaywright+実機確認
初回ユーザーが迷わないか人手確認
文言が自然か人手確認
魅力が伝わるか人手確認
継続したいと思えるかプレオープン

この分担を決めておくことで、テスト自動化に過度な期待をせず、必要な人手確認も計画に組み込める。


8.3 不具合報告の導線

プレオープンや限定公開を行うなら、不具合報告の導線も必要になる。

最低限、以下を受け取れるようにしたい。

  • どの画面で起きたか

  • 何をしようとしたか

  • 何が起きたか

  • 使用端末

  • ブラウザ

  • 発生日時

  • スクリーンショット

  • 再現手順

最初から大きなサポートシステムを作る必要はない。
ただし、報告を受け取れる導線は必要である。


9. 現時点の方針

現時点でのテスト方針は、以下である。

  1. PlaywrightによるE2Eテストはすでに活用している

  2. ただし、E2Eの対象は主要導線に絞る

  3. テストを増やしすぎて開発を重くしない

  4. テストデータとテストユーザーを整理する

  5. スマホはPlaywright確認と実機確認を併用する

  6. UI/UXの良し悪しは人手確認を重視する

  7. プレオープンを実ユーザーテストとして活用する

  8. 不具合報告導線を整備する

  9. リリース判定チェックリストを作る

  10. 最終的な品質判断は人間が行う


10. 今回の結論

E2Eテストは、すでにPlaywrightを使っている。

その意味では、テスト自動化は未着手ではない。
すでに、画面操作ベースで主要導線を守る方向には進んでいる。

ただし、今後の課題は多い。

どこまでE2Eで確認するのか。
どこから人手で見るのか。
テストデータをどう作るのか。
スマホ実機確認をどう組み込むのか。
プレオープンをどうテスト計画に入れるのか。
リリース判定をどう行うのか。

これらを詰める必要がある。

自動テストは重要である。
しかし、自動テストだけでは、ユーザー体験の良し悪しは判断できない。

最終的には、Playwrightによる自動確認、人手による操作確認、プレオープンでの実ユーザー反応を組み合わせる必要がある。

月商1000万円を目指すなら、作るだけでは足りない。
安心して使えること、迷わず使えること、また使いたいと思えることが必要になる。

そのために、今後はテスト計画も本格的に詰めていきたい。

第10回:AIを活用するほど、プロジェクトマネジメントが重要になる


AIを活用するほど、プロジェクトマネジメントが重要になる

1. はじめに

月商1000万円を目指して、新規プロジェクトを進めている。

このブログでは、プロジェクトの具体的な企画内容はまだ公開しない。
ただし、開発の進め方、AI活用、費用、スケジュール、課題、ドキュメント、判断の過程については記録している。

今回は、AI活用とプロジェクトマネジメントの関係について書く。

最近は、ChatGPT、Cursor、GensparkなどのAIツールを使うことで、個人でもかなり大きなプロジェクトを進められるようになってきた。

実際、自分もAIをかなり活用している。

  • 企画整理

  • 要件定義

  • 仕様書作成

  • 開発指示

  • コード実装

  • デザイン検討

  • ブログ記事作成

  • 課題管理

  • 進捗整理

かなり多くの作業にAIを使っている。

ただ、使えば使うほど感じることがある。

それは、AIを使うほど、プロジェクトマネジメントが重要になるということだ。

自分はPMPの資格を持っている。
そのため、プロジェクトを進めるときに、スコープ、スケジュール、コスト、品質、リスク、コミュニケーション、ステークホルダー、変更管理などを意識する癖がある。

AIを活用する今の開発でも、この考え方はかなり役に立っている。

むしろ、人間のチームではなくAIを使うからこそ、プロジェクトマネジメントの重要性はさらに高まっていると感じている。


2. AIは優秀だが、勝手にプロジェクトを成功させてはくれない

AIは非常に優秀である。

文章も書ける。
コードも書ける。
仕様も整理できる。
デザイン案も出せる。
バグの原因も調査できる。
改善案も出せる。

しかし、AIは勝手にプロジェクト全体を成功に導いてくれるわけではない。

AIに何を任せるのか。
どこまで任せるのか。
どの順番で作業させるのか。
成果物をどう確認するのか。
どの判断を人間が行うのか。

これを決めるのは、結局プロジェクトを管理する側である。

AIは強力な実行者になり得る。
しかし、プロジェクトの目的、優先順位、制約条件、品質基準を理解させなければ、期待した成果は出ない。

つまり、AI活用とは、単に便利なツールを使うことではない。

AIという作業者を、どうプロジェクトに組み込むかという話である。


3. AIにも役割定義が必要

人間のチームでプロジェクトを進めるときは、役割分担を決める。

プロジェクトマネージャー、開発者、デザイナー、テスター、業務担当、運用担当。
それぞれの役割が曖昧だと、作業が重複したり、漏れたり、責任範囲が不明確になる。

AI活用でも同じである。

AIだからといって、何でも雑に投げればよいわけではない。

自分の中では、AIツールごとに以下のような役割を持たせている。

ツール主な役割
ChatGPT企画整理、要件整理、PMO、議事録、壁打ち、記事作成
Cursor実装、コード修正、既存コード調査、ドキュメント反映
Gensparkデザイン案、LP案、チラシ案、外向け表現の検討
追加PC実装・検証環境
既存PC思考・整理・指示文作成環境

このように役割を分けることで、AIを使いやすくなる。

ChatGPTには、抽象度の高い整理や判断の壁打ちを任せる。
Cursorには、具体的なコード実装や修正を任せる。
Gensparkには、見せ方やデザイン案を任せる。

役割が明確になると、指示も明確になる。

逆に、役割を決めずにAIを使うと、すべてが中途半端になる。


4. AI活用に必要なのは、指示の密度と精度

AIを使っていて強く感じるのは、指示の密度と精度が成果物の品質を大きく左右するということだ。

雑な指示を出せば、雑な結果が返ってくる。

たとえば、以下のような指示は危ない。

いい感じに直して
使いやすくして
不具合を直して
管理画面を作って
デザインを整えて

これでは、AIは何を基準に判断すればよいか分からない。

一方で、良い指示には、以下が含まれる。

  • 目的

  • 背景

  • 対象範囲

  • 触ってよいファイル

  • 触ってはいけないファイル

  • 完了条件

  • 優先順位

  • 制約条件

  • テスト観点

  • ドキュメント更新要否

  • 既存仕様との整合性

  • 失敗時の対応方針

ここまで書くと、かなりプロジェクト管理に近い。

つまり、AIに良い仕事をしてもらうには、プロジェクトマネジメント的な指示設計が必要になる。

AIは魔法ではない。
AIは、与えた前提と指示の中で動く。

だから、指示の密度と精度が重要になる。


5. スコープ管理がないと、AIは広げすぎる

AIは非常に多くの提案をしてくれる。

それ自体は便利である。

しかし、AIの提案をすべて採用していると、スコープがどんどん広がる。

今回のプロジェクトでも、要件はかなり増えている。
AIとの壁打ちによって、良い案もたくさん出てきた。
ただ、そのすべてを初期リリースに入れようとすると、永遠に完成しない。

ここで必要になるのが、スコープ管理である。

  • 今やるもの

  • 後でやるもの

  • 今はやらないもの

  • 実装しないもの

  • 要検討として残すもの

これを分ける必要がある。

AIはアイデアを広げるのが得意である。
しかし、プロジェクトを前に進めるには、広げるだけでなく絞る必要がある。

この「絞る判断」は、人間側のプロジェクトマネジメントで行う必要がある。


6. WBS的に分解しないと、AIにも任せにくい

大きな作業をAIにそのまま投げると、失敗しやすい。

たとえば、

サービスインできる状態にして

という指示では、範囲が広すぎる。

これを分解する必要がある。

  • 初回登録導線

  • メイン画面導線

  • 管理者画面

  • データ登録

  • 履歴表示

  • 通知

  • ランキング

  • スマホ対応

  • エラー表示

  • テスト

  • ドキュメント更新

さらに、それぞれを作業単位に分ける。

この考え方は、まさにWBSに近い。

AIを使う場合でも、大きな成果物を小さな作業に分解し、順序を決め、完了条件を設定する必要がある。

AIは作業を速く進めることはできる。
しかし、作業をどう分解するか、どの順序で進めるかを考えないと、成果物はバラバラになる。


7. 品質管理も人間側の責任

AIが出した成果物は、そのまま正しいとは限らない。

コードが動くように見えても、仕様とズレているかもしれない。
セキュリティ上の懸念があるかもしれない。
既存仕様を壊しているかもしれない。
画面は整っていても、ユーザー導線が悪いかもしれない。
ドキュメント更新が実装と矛盾しているかもしれない。

そのため、AI活用では品質管理が非常に重要になる。

自分が意識しているのは、以下である。

  • 実装後に差分を確認する

  • 既存仕様との矛盾を確認する

  • ビルドやテストを実行する

  • 画面で実際に確認する

  • ドキュメント更新内容を確認する

  • 不要な変更が入っていないか確認する

  • 次の作業に影響がないか確認する

AIに任せたからといって、品質責任がAIに移るわけではない。

最終的な品質責任は、人間側にある。

これは、人間のチームでも同じである。
メンバーが作業しても、プロジェクトとして品質を担保する必要がある。

AIを使う場合も、そこは変わらない。


8. コミュニケーション管理も必要になる

AI相手でも、コミュニケーション管理は必要である。

むしろ、AI相手だからこそ、文脈管理が重要になる。

人間なら、前後の会話や空気で補ってくれることがある。
しかし、AIは文脈が不足していると、前提を取り違えることがある。

そのため、以下を明確にする必要がある。

  • 現在のプロジェクト状態

  • 今回の作業目的

  • 参照すべきドキュメント

  • 守るべきルール

  • 変更してよい範囲

  • 変更してはいけない範囲

  • 作業後に報告してほしい内容

  • 判断が必要な場合の扱い

これは、AIとのコミュニケーション設計である。

人間のプロジェクトでも、会議体、議事録、課題管理、進捗報告が必要になる。
AI活用でも同じように、指示、成果物、判断、残課題を記録する必要がある。

AIだから記録しなくてよい、ということにはならない。


9. AIを使うほど、変更管理が重要になる

AIを使うと、実装速度が上がる。

これは大きなメリットである。

しかし、実装速度が上がるということは、変更量も増えるということだ。

変更量が増えると、以下のリスクも増える。

  • 仕様と実装のズレ

  • ドキュメント更新漏れ

  • 既存機能の破壊

  • Git差分の肥大化

  • テスト不足

  • 影響範囲の見落とし

  • 不要なリファクタリング

  • 作業範囲の逸脱

だからこそ、変更管理が重要になる。

AIに作業させる場合でも、以下を管理したい。

  • 何を変更したのか

  • なぜ変更したのか

  • どのファイルを変更したのか

  • どの仕様に基づく変更なのか

  • テストは何を実施したのか

  • 残った課題は何か

  • 次にやるべきことは何か

AIによって変更速度が上がるほど、変更管理の重要性も上がる。


10. リスク管理も必要

AI活用には、リスクもある。

便利だからこそ、過信すると危険である。

現時点で意識しているリスクは、以下である。

リスク内容
仕様逸脱AIが意図と違う実装をする
過剰実装必要以上に機能を追加する
品質ブレコード品質や設計品質が安定しない
ドキュメント不整合実装と仕様書がズレる
セキュリティ懸念権限チェックや入力検証が不足する
依存しすぎ人間側が判断を放棄する
コスト増AIツール費用が膨らむ
作業競合複数PC・複数作業でGit競合が起きる

これらは、AIを使わなければ発生しないリスクもある。

だから、AI活用は単なる効率化ではなく、リスク管理もセットで考える必要がある。


11. PMPの考え方はAI活用にもかなり効く

PMPで学ぶプロジェクトマネジメントの考え方は、AI活用にもかなり効くと感じている。

たとえば、以下のような観点である。

  • スコープ管理

  • スケジュール管理

  • コスト管理

  • 品質管理

  • リスク管理

  • コミュニケーション管理

  • 資源管理

  • 変更管理

  • ステークホルダー管理

  • 統合管理

これは、人間のチームだけに使うものではない。

AIを使う場合でも、かなりそのまま使える。

AIは人ではない。
しかし、プロジェクトの中で成果物を生み出す存在である以上、管理対象になる。

人を管理するのとは違う。
ただし、役割を定義し、作業を割り当て、成果物を確認し、品質を担保し、変更を管理するという意味では、プロジェクトマネジメントの対象である。


12. AI時代のPMは、指示者ではなく編集者でもある

AI時代のプロジェクトマネジメントでは、PMの役割も少し変わると思っている。

従来のPMは、人に作業を依頼し、進捗を確認し、課題を管理し、リスクに対応する役割が中心だった。

AIを使う場合は、それに加えて、編集者のような役割が必要になる。

AIが出した案を、そのまま採用するのではなく、

  • 何を採用するか

  • 何を捨てるか

  • どこを修正するか

  • どこを深掘りするか

  • どこで止めるか

  • どの成果物を正式版にするか

を判断する。

AIは大量に出力できる。
だからこそ、取捨選択が重要になる。

この取捨選択こそ、AI時代のPMに必要な能力だと思う。


13. AIに任せる部分と、人間が握る部分

現時点では、以下のように分けて考えている。

AIに任せやすいもの

  • 文章のたたき台

  • 仕様整理の初稿

  • コード実装

  • 既存コード調査

  • バグ原因の仮説出し

  • テスト観点の洗い出し

  • デザイン案の作成

  • ブログ記事の構成案

  • 課題一覧の整理

人間が握るべきもの

  • 最終的なサービス方針

  • 優先順位

  • 初期リリース範囲

  • 収益化判断

  • 品質基準

  • ユーザー体験の最終判断

  • 費用判断

  • リスク許容度

  • 公開タイミング

  • 何を捨てるかの判断

AIは優秀な補佐であり、実行者である。

しかし、プロジェクトの意思決定まで完全に委ねるのは危険である。

AIを活用するほど、人間側の判断軸が重要になる。


14. 今回の結論

AIを使えば、個人でも大きなプロジェクトを進められる可能性がある。

これは本当に大きな変化である。

しかし、AIを使えば勝手に成功するわけではない。

むしろ、AIを使うほど、プロジェクトマネジメントが重要になる。

  • 役割を定義する

  • スコープを管理する

  • 作業を分解する

  • 優先順位を決める

  • 指示の密度と精度を上げる

  • 成果物を確認する

  • 品質を管理する

  • 変更を管理する

  • リスクを把握する

  • コストを見直す

これらをやらなければ、AIを使ってもプロジェクトは散らかる。

自分はPMPの資格を持っている。
その知識や考え方は、今のAI活用型開発でもかなり役に立っている。

AIは人ではない。
しかし、プロジェクトの中で成果物を生み出す存在である以上、管理が必要である。

これからの個人開発では、単にAIを使えるかどうかだけではなく、
AIをプロジェクトの中でどう管理し、どう成果につなげるかが重要になると思っている。

月商1000万円を目指すこのプロジェクトでも、AIは重要な戦力である。

ただし、AIを使うだけでは足りない。
AIを活かすためのプロジェクトマネジメントが必要である。

今後も、PMPで培った考え方を活かしながら、AIを単なる便利ツールではなく、プロジェクトの一部として管理していきたい。

第9回:膨大な要件、膨大な仕様、膨大な残課題と向き合う

1. はじめに

月商1000万円を目指して、新規プロジェクトを進めている。

このブログでは、プロジェクトの具体的な企画内容はまだ公開しない。
ただし、プロジェクトをどう進めているか、どこで悩んでいるか、どんな判断をしているかは記録している。

今回は、膨大な要件、膨大な仕様、膨大な残課題について書く。

正直に言うと、今のプロジェクトはかなり大きくなってきた。

最初は、もう少し小さく始められると思っていた。
まず動くものを作り、そこから少しずつ広げればよいと考えていた。

しかし、考えれば考えるほど、必要な機能が増えていく。
ユーザー体験を考えると、この機能も必要になる。
運営を考えると、この管理画面も必要になる。
将来の拡張を考えると、このデータ設計も必要になる。
公開後のトラブルを考えると、このチェック機能も必要になる。

気づけば、要件も仕様も残課題も、かなり膨大になっていた。


2. 要件が膨らむのは悪いことではない

まず、要件が膨らむこと自体は、必ずしも悪いことではない。

むしろ、プロジェクトの解像度が上がってきた証拠でもある。

最初はぼんやりしていたものが、具体的に考えるほど、

  • どんなユーザーが使うのか

  • 最初に何を見せるべきか

  • どこで迷いそうか

  • どんな管理機能が必要か

  • どこで不正や不整合が起きそうか

  • どんなデータを残すべきか

  • どこまで自動化すべきか

  • どこに楽しさを作るべきか

が見えてくる。

その結果、要件が増える。

これは、プロジェクトが現実に近づいているということでもある。

ただし、問題はそこからである。

要件が増えたからといって、全部を今すぐ実装できるわけではない。
全部を初期リリースに入れようとすれば、いつまでも公開できない。

つまり、要件が膨らむこと自体よりも、膨らんだ要件をどう扱うかが重要になる。


3. 仕様が増える理由

要件が増えると、当然仕様も増える。

一つの機能を考えるだけでも、決めるべきことは多い。

たとえば、具体的な企画内容は伏せるが、一般的なWebサービスでも以下のような仕様が必要になる。

  • 誰が使えるのか

  • どの画面に表示するのか

  • どのボタンから操作するのか

  • 入力項目は何か

  • 入力チェックはどうするのか

  • 保存先はどこか

  • 編集できるのは誰か

  • 削除できるのか

  • 履歴を残すのか

  • 通知するのか

  • ランキングや集計に影響するのか

  • 管理者は修正できるのか

  • エラー時はどう表示するのか

  • スマホではどう見せるのか

  • 将来拡張できるのか

一つの機能でも、これだけ考えることがある。

そして、機能が10個、20個、50個と増えると、仕様は一気に膨らむ。

だから、仕様が膨大になるのは自然なことだと思っている。

問題は、仕様を頭の中だけで管理しようとすることだ。

それをやると、ほぼ確実に破綻する。


4. 残課題は増え続ける

さらに厄介なのが、残課題である。

残課題は、実装していない機能だけではない。

以下のようなものも残課題になる。

  • 仕様がまだ決まっていないもの

  • 実装方針を決める必要があるもの

  • 優先度を判断する必要があるもの

  • デザイン反映が必要なもの

  • スマホ対応が必要なもの

  • 管理者機能が必要なもの

  • テスト観点を追加する必要があるもの

  • ドキュメント更新が必要なもの

  • 一度実装したが改善が必要なもの

  • 後回しにしたが忘れてはいけないもの

つまり、残課題は単なるToDoリストではない。

プロジェクトの未確定部分、未完了部分、将来の改善候補、判断待ち事項がすべて集まる場所である。

この残課題が増え続けると、精神的にもかなり重くなる。

「まだこんなにあるのか」と思ってしまう。
「いつ終わるのか」と不安になる。
「これを全部作らないと公開できないのでは」と感じてしまう。

しかし、ここで大事なのは、残課題が多いこと自体を恐れすぎないことだと思っている。

残課題が見えているということは、少なくとも問題を認識できているということでもある。

本当に危険なのは、残課題がないことではなく、残課題を把握していないことである。


5. すべてを初期リリースに入れない

膨大な要件、仕様、残課題に向き合ううえで、今一番大事にしているのは、すべてを初期リリースに入れないということだ。

これは当たり前のようで、実際にはかなり難しい。

作っている本人からすると、どの機能も重要に見える。

「これがないと体験が弱い」
「これも最初からあった方がよい」
「これを後回しにすると後で手戻りになる」
「これがないと運営できないかもしれない」

そう考えているうちに、初期リリースの範囲がどんどん広がっていく。

だから、機能を以下のように分ける必要がある。

区分意味
P0一人用確認版・初期成立に必須
P1限定公開までに必要
P2初期サービスイン後に強化
P3将来的にあるとよい
後回し記録するが、今は実装しない

この分類がないと、すべてが重要に見えてしまう。

そして、すべてが重要に見えると、何も終わらなくなる。


6. ただし、後回しにしすぎても危険

一方で、最近感じているのは、後回しにしすぎても危険だということだ。

最初は、リリースを早めるために「これは後でよい」と判断することが多かった。

しかし、後回しにしたものの中には、実は先に作った方が効率がよいものもある。

たとえば、以下のようなものだ。

  • 後から入れるとデータ構造を変える必要がある機能

  • 他の多くの画面に影響する共通機能

  • 管理者が最低限確認するために必要な機能

  • 初回ユーザーの迷いを減らす導線

  • テストや確認を楽にする機能

  • 後の実装の前提になるデータ項目

これらを後回しにしすぎると、短期的には楽になる。
しかし、後で大きな手戻りになることがある。

だから、最近は単純に「初期リリースに必要か」だけでは判断しないようにしている。

次の観点も見る。

今作ることで、後工程が楽になるか。
後回しにすると、後で構造変更が必要になるか。
今やらないと、確認やテストが難しくなるか。

これを考えると、後回しリストの中から、前倒しすべきものが出てくる。


7. ドキュメントがなければ破綻する

ここまで要件や仕様が増えてくると、ドキュメントなしでは管理できない。

現時点では、かなり多くのドキュメントを作っている。

  • 企画概要

  • 要件定義書

  • 機能仕様書

  • 画面仕様書

  • データ設計書

  • ロジック設計書

  • API設計書

  • 管理者機能仕様

  • テスト観点一覧

  • リリース判定チェックリスト

  • 残課題一覧

  • 後回し機能一覧

  • 開発ルール

  • ユーザーマニュアル

  • 管理者マニュアル

個人開発としては、かなり多いと思う。

ただ、ここまで作らないと、もう管理できない規模になってきている。

特に、AIツールを使って開発している場合、ドキュメントは重要である。

AIに対して、
「この仕様に従って実装して」
「この残課題を解消して」
「この画面仕様に沿って修正して」
と依頼するには、前提となる資料が必要になる。

AIを使うほど、ドキュメントの重要性は上がる。


8. それでもドキュメント作成が目的化してはいけない

ただし、ドキュメントを作っていると、別の問題も起きる。

それは、ドキュメント作成そのものが目的化することである。

仕様書をきれいにする。
残課題一覧を整理する。
設計書を更新する。
ルールを整える。
チェックリストを作る。

これらは全部大事である。

しかし、ドキュメントをいくら整えても、サービスは動かない。

最終的に必要なのは、動くサービスである。

だから、最近は以下のルールを意識している。

  • ドキュメント更新だけで作業を終わらせない

  • 実装に直結するドキュメントを優先する

  • 細かい表現修正に時間を使いすぎない

  • 残課題を整理したら、次の実装につなげる

  • ドキュメント更新後は、必ず「次に作るもの」を決める

ドキュメントは地図である。
地図を描くだけでは目的地に着かない。

地図を見ながら、実際に進む必要がある。


9. AIに任せるには、残課題の質が重要

今回のプロジェクトでは、CursorやChatGPTなどのAIツールをかなり使っている。

AIに作業を任せるうえで、残課題の書き方はとても重要である。

悪い残課題は、たとえばこういうものだ。

  • 画面をよくする

  • 管理機能を作る

  • スマホ対応する

  • いい感じに直す

これでは、AIに渡しても作業しにくい。

一方で、良い残課題は、以下が明確になっている。

  • 何を直すのか

  • どの画面か

  • どのファイルに関係するか

  • 完了条件は何か

  • 触ってはいけない範囲はどこか

  • テスト観点は何か

  • ドキュメント更新が必要か

AIに作業を任せるためには、残課題を単なるメモではなく、実行可能な作業単位にしていく必要がある。

これは地味だが、かなり重要な作業である。


10. 膨大な要件に押し潰されないために

膨大な要件、仕様、残課題を前にすると、正直、圧倒されることがある。

「これ、本当に完成するのか」と思うこともある。

しかし、全部を同時に見ると重すぎるだけで、分解すれば進められる。

今は、以下のように考えるようにしている。

  1. 全体像はドキュメントに逃がす

  2. 今やるべきことだけをP0に絞る

  3. 後でやることは後回し一覧に入れる

  4. 定期的に棚卸しする

  5. 実装しやすいものは前倒しする

  6. 迷ったら一人用確認版に必要かで判断する

  7. それでも迷ったら、サービスインに近づく方を選ぶ

重要なのは、全体の重さに押し潰されないことだ。

全部を今日終わらせる必要はない。
でも、今日進めるべき一つは決める必要がある。


11. 現在の一番大きな課題

現時点で一番大きな課題は、完成条件を明確にすることである。

要件が膨大になるほど、「完成」の定義が曖昧になる。

一人用確認版として何ができれば完成なのか。
限定公開版として何ができればよいのか。
初期サービスインとして何が必要なのか。
月商10万円を目指す段階では何を強化すべきなのか。

これを分けなければならない。

すべての要件を完成させることをゴールにすると、ゴールは永遠に遠ざかる。

だから、今は以下のように考えている。

すべてを完成させるのではなく、次のフェーズに進める状態を作る。

これが大事だと思っている。


12. 今回の結論

今のプロジェクトには、膨大な要件がある。
膨大な仕様がある。
膨大な残課題がある。

これは、正直かなり重い。

ただし、それはプロジェクトが現実に近づいてきた証拠でもある。

最初は見えていなかったものが、今は見えている。
だからこそ、要件が増え、仕様が増え、残課題が増えている。

問題は、それらを全部一気に終わらせようとすることではない。
問題は、それらを管理せずに進めることである。

今後は、以下を徹底したい。

  • 要件は捨てずに記録する

  • ただし初期リリースには入れすぎない

  • 仕様はドキュメント化する

  • 残課題は実行可能な単位にする

  • 後回し機能は定期的に棚卸しする

  • 実装に直結するものを優先する

  • 一人用確認版の完成条件を明確にする

  • ドキュメントだけで止まらず、実装を進める

月商1000万円までの道のりは、派手なアイデアだけでは進まない。
むしろ、こうした地味で膨大な要件、仕様、残課題と向き合い続けることが必要になる。

今はまだ、その途中である。

ただ、少なくとも、何が大変なのかは見えてきた。
そして、見えているものは、整理できる。
整理できるものは、少しずつ進められる。

まずは、目の前の一人用確認版を完成させる。
膨大な要件のすべてではなく、次の一歩に必要なものから形にしていく。

第8回:結局、ゴールはいつなのか


1. はじめに

月商1000万円を目指して、新規プロジェクトを進めている。

このブログでは、プロジェクトの具体的な企画内容はまだ公開しない。
ただし、開発の進め方、費用、スケジュール、課題、システム構成、判断の過程については記録している。

ここまで、プロジェクト計画、費用、開発状況、ドキュメント、追加PC、システム構成について整理してきた。

では、結局のところ、ゴールはいつなのか。

今回は、その問いについて整理する。


2. ゴールは一つではない

まず前提として、このプロジェクトのゴールは一つではない。

最終的な大目標は、もちろん月商1000万円である。

ただし、そこだけをゴールにすると、あまりにも遠すぎる。

月商1000万円を達成する前には、いくつもの中間ゴールがある。

現時点では、ゴールを以下のように分けて考えている。

ゴール意味
第1ゴール一人用確認版を完成させる
第2ゴール限定公開できる状態にする
第3ゴール初期サービスインする
第4ゴール初めて売上を立てる
第5ゴール月商10万円を達成する
第6ゴール月商100万円を達成する
第7ゴール月商300万円を達成する
最終ゴール月商1000万円を達成する

つまり、いきなり月商1000万円を狙うのではなく、段階的に到達していく。


3. 直近のゴールは「一人用確認版」

現時点で最も重要なゴールは、一人用確認版の完成である。

これは、一般公開版ではない。
まだユーザーを集める段階でもない。

まずは自分自身が、最初から最後までサービスを触り、基本体験が成立しているかを確認できる状態にする。

一人用確認版で確認したいのは、以下である。

  • 新規ユーザーとして開始できる

  • 初回説明を受けられる

  • メイン画面に進める

  • 基本操作が一通りできる

  • データが作成・更新される

  • 結果や履歴を確認できる

  • 最低限の通知やランキングが見える

  • 手動進行または自動進行が成立する

  • スマホでも最低限確認できる

  • 致命的なエラーで止まらない

ここまでできれば、まずは一人用確認版として区切れる。

今の直近ゴールは、ここである。


4. 一人用確認版の目標時期

では、一人用確認版はいつまでに作るのか。

現時点の目標は、2026年5月中である。

もちろん、これは確約ではない。
まだ要件は増えているし、実装すべきことも多い。
デザイン、スマホ対応、管理機能、テスト、ドキュメント更新もある。

それでも、期限を置かないと永遠に完成しない。

そのため、まずは以下のように置く。

2026年5月中に、一人用確認版を通し確認できる状態にする。

この時点で完璧である必要はない。

細かいデザイン、追加演出、細部の作り込みは後でもよい。
重要なのは、サービスの中心体験が破綻せずに通ることである。


5. 限定公開版の目標時期

一人用確認版ができたら、次は限定公開版を目指す。

限定公開版では、自分以外の少人数に触ってもらう。

ここで必要になるのは、機能の多さではなく、最低限の安心感である。

  • 初回ユーザーが迷わない

  • 何をすればよいか分かる

  • 不具合が起きても報告できる

  • 管理者が最低限対応できる

  • データが壊れない

  • スマホで使える

  • ヘルプやガイドがある

  • サービスの価値が伝わる

限定公開版の目標は、2026年6月中に置きたい。

ここでは、完璧な正式版ではなく、少人数に触ってもらい、反応を見ることを重視する。


6. 初期サービスインの目標時期

限定公開で手応えを確認したら、初期サービスインを目指す。

現時点では、初期サービスインの目標は、2026年7月〜8月頃と考えている。

ただし、これはかなり重要な判断になる。

公開を急ぎすぎると、品質不足で失敗する可能性がある。
一方で、作り込みすぎると、いつまでも公開できない。

そのため、初期サービスインでは、以下の状態を目指す。

  • 初回ユーザーが最低限迷わない

  • 主要導線が通っている

  • 致命的な不具合がない

  • スマホで最低限使える

  • 運営側が最低限管理できる

  • 不具合報告導線がある

  • 継続利用する理由がある

  • 収益化の入口を検討できる

最初から完成形を出す必要はない。
ただし、「触っても何をすればいいか分からない」状態では公開しない。


7. 売上目標の時期

サービスイン後は、売上目標を段階的に置く。

現時点のざっくりした目標は以下である。

時期目標
2026年5月一人用確認版
2026年6月限定公開版
2026年7〜8月初期サービスイン
2026年内月商10万円
2027年前半月商100万円
2027年中月商300万円
2027年末〜2028年月商1000万円

かなり挑戦的なスケジュールである。

特に、月商100万円以降は、開発だけでは到達できない。
ユーザー獲得、継続率、課金導線、運営、コンテンツ、コミュニティ、SNS発信、改善サイクルが必要になる。

つまり、初期サービスインまでは開発の勝負。
その後は、サービス運営と事業化の勝負になる。


8. 月商1000万円はいつ達成するのか

では、最終ゴールである月商1000万円はいつ達成するのか。

現時点では、2027年末から2028年頃を目標に置きたい。

これは、かなり大きな目標である。

月商1000万円を達成するには、単にWebサービスを公開するだけでは足りない。

必要になるのは、以下である。

  • 継続利用される強い体験

  • 課金したくなる仕組み

  • ユーザー同士の広がり

  • 定期的なイベントや更新

  • SNSで話題になる要素

  • 安定したシステム

  • 運営体制

  • サポート体制

  • データ分析

  • 改善サイクル

  • ブランド化

月商1000万円は、機能を作っただけでは届かない。

サービスそのものが、ユーザーの日常や習慣に入り込む必要がある。


9. ゴールを早める要因

もちろん、目標時期は変わる可能性がある。

ゴールが早まる可能性がある要因もある。

  • AIツールを活用して開発速度が上がる

  • 追加PCにより並行作業が進む

  • Cursorの上位プランで実装速度が上がる

  • 一人用確認版の範囲を適切に絞れる

  • 後回し機能の判断がうまくいく

  • デザイン反映がスムーズに進む

  • 初期ユーザーの反応が良い

  • SNSやブログで認知が取れる

  • 収益化導線が早く見つかる

特に、AI活用と作業範囲の整理は大きい。

AIにうまく作業を任せられれば、一人開発でもかなり進められる可能性がある。


10. ゴールを遅らせる要因

一方で、ゴールが遅れる要因も多い。

  • 要件が増え続ける

  • 完成条件が曖昧になる

  • ドキュメント更新に時間を使いすぎる

  • データ設計で手戻りが出る

  • スマホ対応が遅れる

  • 管理者機能が不足する

  • テスト不足で不具合が増える

  • AI生成コードの品質確認に時間がかかる

  • PC2台運用でGit競合が起きる

  • 固定費が増えて精神的負担になる

  • 初期ユーザー獲得が想定より難しい

特に注意すべきなのは、要件が増え続けることである。

良いアイデアが出るほど、作りたいものは増える。
しかし、それを全部入れていたら、リリースは遠のく。

今後は、
「今必要なもの」
「後でよいもの」
「今作った方が後工程が楽になるもの」
を冷静に分ける必要がある。


11. 本当のゴールは「リリース」ではない

ここで大事なのは、リリースはゴールではないということだ。

リリースは、あくまでスタートである。

本当のゴールは、ユーザーに継続して使われ、価値を感じてもらい、収益が生まれ、運営し続けられる状態を作ることだ。

その意味では、ゴールは段階的に変わっていく。

最初のゴールは、一人用確認版。
次のゴールは、限定公開。
その次は、初期サービスイン。
その次は、初売上。
その次は、月商10万円。
そして、月商100万円、300万円、1000万円。

ゴールは遠い。
ただし、次に登る山は見えている。

今は、まず一人用確認版である。


12. 今回の結論

結局、ゴールはいつなのか。

現時点の答えは、こうである。

一人用確認版は2026年5月中。
限定公開版は2026年6月中。
初期サービスインは2026年7月〜8月。
月商10万円は2026年内。
月商100万円は2027年前半。
月商300万円は2027年中。
月商1000万円は2027年末〜2028年。

これはまだ暫定である。

今後の開発状況、ユーザー反応、費用、AIツール活用、生活状況によって変わる可能性はある。

ただし、期限を置くことに意味がある。

期限がなければ、いつまでも作り続けてしまう。
期限があるから、何を削るか、何を優先するかを判断できる。

月商1000万円までの道のりは長い。

けれど、今日やるべきことは明確である。

まずは、一人用確認版を完成させる。
そのために、今週、今月、何を作るべきかを決める。

大きなゴールは遠くに置きながら、目の前のゴールを一つずつ達成していきたい。

第7回:現時点で考えているシステム構成と懸念点


現時点で考えているシステム構成と懸念点

1. はじめに

月商1000万円を目指して、新規プロジェクトを進めている。

このブログでは、プロジェクトの具体的な企画内容はまだ公開しない。
ただし、どのような考え方で開発しているか、どんなシステム構成を想定しているか、どこに不安があるかは記録していく。

今回は、現時点で考えているシステム構成について整理する。

まだ正式リリース前なので、構成は今後変わる可能性がある。
ただ、今の段階である程度整理しておかないと、後から作り直しが大きくなる。

特に今回のプロジェクトは、単なる静的サイトではない。
ユーザー登録、データ管理、管理者機能、進行管理、通知、ランキング、履歴、将来的な収益化などを考える必要がある。

そのため、最初からある程度、拡張できる構成にしておきたい。


2. 現時点の大まかな構成

現時点では、以下のような構成を想定している。

領域想定している役割
フロントエンドユーザーが操作するWeb画面
バックエンドデータ処理、認証、権限管理、各種ロジック
データベースユーザー情報、履歴、マスタ、進行データなどを管理
ストレージ画像・素材・添付ファイルなどの管理
管理者画面運営側がデータや設定を管理する画面
バッチ・定期処理定期的な集計、状態更新、通知など
ログ・監査不具合調査、操作履歴、運営確認
テスト環境動作確認、自動テスト、リリース前確認
AI開発支援ChatGPT、Cursor、Gensparkなどを活用

構成としては、Webアプリを中心にしたフルスタック構成で考えている。

スマホアプリを最初から作るのではなく、まずはスマホでも使いやすいWebアプリとして作る。
正式なアプリ化は、必要になった段階で検討する。


3. フロントエンド

フロントエンドは、ユーザーが直接触る部分である。

ここでは、以下を重視している。

  • スマホで使いやすいこと

  • 初回ユーザーが迷わないこと

  • 主要導線が分かりやすいこと

  • 画面遷移が自然であること

  • 将来的に画面追加しやすいこと

  • デザイン改善を後から入れやすいこと

現時点では、PCよりもスマホ利用をかなり意識している。

もちろん開発中はPCで確認することが多い。
ただ、実際のユーザーはスマホで見る可能性が高い。

そのため、最初からスマホ対応を後回しにしすぎると危険だと考えている。

フロントエンドで特に懸念しているのは、画面数が増えすぎることだ。

機能が増えると、自然に画面も増える。
画面が増えると、導線が複雑になる。
導線が複雑になると、初回ユーザーが迷う。

そのため、画面設計では、単に機能を並べるのではなく、
最初に何を見せるか、次に何をしてもらうかを重視したい。


4. バックエンド

バックエンドでは、認証、データ取得、データ更新、権限管理、各種ロジックを扱う。

今回のプロジェクトでは、見た目以上にバックエンド側の処理が重要になる。

たとえば、以下のような処理が必要になる。

  • ユーザーごとの状態管理

  • 権限チェック

  • データ更新時の整合性確認

  • 履歴保存

  • ランキング集計

  • 通知対象の判定

  • 管理者操作の反映

  • 定期的な状態更新

  • 不正操作の防止

フロント画面だけ作っても、裏側のデータ処理が弱いとサービスとして成立しない。

特に怖いのは、最初は小さく見えていた処理が、後から複雑化することである。

そのため、バックエンド側では、できるだけ以下を意識したい。

  • データ更新ルールを明確にする

  • 重要な処理は画面側だけに寄せすぎない

  • 権限チェックを確実に入れる

  • 後から監査できるよう履歴を残す

  • 手動運用でしか回らない処理を減らす


5. データベース

今回のプロジェクトでは、データベース設計がかなり重要になる。

単純な投稿サイトやLPではなく、ユーザーごとの状態、履歴、マスタ情報、集計データ、管理者操作など、多くのデータを扱うことになる。

大きく分けると、以下のようなデータが必要になる。

データ種別内容
ユーザーデータアカウント、プロフィール、権限など
マスタデータシステム側で管理する基本情報
進行データユーザーごと、または全体で変化する状態
履歴データ操作履歴、結果履歴、更新履歴
集計データランキング、統計、サマリー
管理データ運営側が操作・確認する情報
ログデータ不具合調査や監査に使う記録

ここでの懸念は、データ構造を雑に作ると、後からほぼ必ず苦しくなることだ。

最初は「とりあえず動けばいい」と思っても、後から集計したくなったり、履歴を見たくなったり、管理画面で修正したくなったりする。

そのときに、データの持ち方が悪いと、大きな手戻りになる。

一方で、最初から完璧なデータ設計を目指しすぎると、今度は実装が進まない。

このバランスが難しい。

現時点では、以下の方針で進めたい。

  • 主要なデータ構造は先に設計する

  • ただし細部は実装しながら調整する

  • 履歴と現在状態を分けて考える

  • 管理者が後から確認できる形にする

  • 将来の集計に必要な項目を極端に削らない


6. 管理者画面

管理者画面も、最初からある程度必要だと考えている。

個人開発では、管理者画面を後回しにしがちである。
しかし、運営型のサービスでは、管理者画面がないとかなり厳しい。

運営側がデータを確認したり、修正したり、状態を変更したり、問い合わせに対応したりできないと、サービス公開後に詰まる。

管理者画面で必要になりそうなのは、以下である。

  • ユーザー管理

  • マスタデータ管理

  • 進行状況確認

  • 各種データ修正

  • 通知・お知らせ管理

  • 問い合わせ対応

  • 不具合調査

  • 集計確認

  • 操作履歴確認

もちろん、最初から完璧な管理画面を作る必要はない。

ただし、最低限の管理機能がない状態で外部公開するのは危険だと思っている。

特に、何か問題が起きたときに、DBを直接触らないと直せない状態は避けたい。


7. バッチ・定期処理

このプロジェクトでは、定期的な処理も重要になる。

ユーザーの操作だけで完結するサービスであれば、画面操作に応じて処理すればよい。
しかし、一定のタイミングで集計したり、状態を進めたり、通知したりする処理が必要になる可能性が高い。

想定している定期処理は、以下のようなものだ。

  • 定期集計

  • 状態更新

  • ランキング更新

  • 通知生成

  • 古いデータの整理

  • イベントや期間の切り替え

  • 不整合チェック

ここでの懸念は、バッチ処理が失敗したときの扱いである。

定期処理は、普段は見えにくい。
しかし、失敗するとサービス全体に影響する。

そのため、将来的には以下も必要になる。

  • 実行ログ

  • 成功・失敗の記録

  • リトライ

  • 手動再実行

  • 管理者への通知

  • 二重実行防止

最初は簡単な処理でよい。
ただし、後から運用できるように、ログだけは残せる設計にしたい。


8. 画像・素材・ファイル管理

今回のプロジェクトでは、画像や素材も重要になる可能性がある。

画面の雰囲気、説明資料、LP的な表現、ユーザーに見せるビジュアルなど、画像要素はサービス体験に関わる。

そのため、素材管理も軽視できない。

懸念としては、画像ファイルが増えたときに、どれが最新か分からなくなることだ。

今後は、以下を整理したい。

  • 素材フォルダのルール

  • ファイル名のルール

  • 使用中・未使用の区別

  • デザイン案と本番素材の区別

  • 画像サイズや形式

  • 圧縮方針

  • 著作権・利用権の確認

特に、AIで生成したデザイン案や画像は、便利な一方で管理が雑になりやすい。

将来的に公開する素材については、利用範囲や権利面も確認が必要になる。


9. テストと品質管理

システム構成を考えるうえで、テストも重要である。

現時点では、一人用確認版をまず完成させたい段階である。
そのため、最初から大規模な自動テストを作り込みすぎる必要はない。

ただし、最低限の通し確認は必要である。

特に確認したいのは、以下である。

  • 新規登録から主要画面まで進めるか

  • 主要な操作ができるか

  • データが正しく保存されるか

  • 更新後に表示が崩れないか

  • 権限が正しく効いているか

  • スマホで最低限使えるか

  • エラー時に復帰できるか

  • 管理者操作が最低限できるか

将来的には、PlaywrightのようなE2Eテストも使いたい。

ただ、現時点ではテストを重くしすぎるより、まずはサービスの中心体験を通すことを優先したい。

テストは大事だが、テスト整備だけで開発が止まらないようにする必要がある。


10. 開発環境とAI活用

開発環境としては、PCを追加し、既存PCとの2台体制にする予定である。

また、AIツールとしては以下を活用している。

ツール役割
ChatGPT企画整理、仕様整理、議事録、記事作成、指示文作成
Cursor実装、修正、コード調査、ドキュメント反映
Gensparkデザイン案、LP案、資料、外向け表現

この構成は、かなり強力だと感じている。

ただし、AIを使うほど、指示の質が重要になる。

AIに雑な指示を出すと、雑な結果になる。
逆に、ドキュメントや作業範囲を整理して渡すと、かなり高い精度で作業してくれる。

そのため、システム構成そのものだけでなく、
AIにどう作業を依頼するかも開発体制の一部になっている。


11. 現時点での大きな懸念

現時点での懸念を整理すると、以下である。

11.1 構成が複雑になりすぎること

作りたいことが多いため、システム構成も複雑になりやすい。

複雑な構成にすると、後から拡張しやすくなる面もある。
しかし、最初から複雑にしすぎると、一人で管理できなくなる。

まずは、シンプルに動く構成を優先したい。


11.2 データ設計の手戻り

データ設計は後から直すのが大変である。

特に履歴、集計、ランキング、管理者操作に関わる部分は、最初に雑に作ると後で苦しくなる。

ここは慎重に進めたい。


11.3 管理者機能不足

ユーザー向け画面だけを作っても、運営できなければ意味がない。

管理者機能を後回しにしすぎると、公開後にトラブル対応ができなくなる。

最低限の管理者画面は、早めに整備したい。


11.4 スマホ対応の遅れ

PCでは見やすくても、スマホでは使いにくいということはよくある。

今回のサービスでは、スマホ対応はかなり重要だと考えている。

最初からスマホでの見え方を確認しながら進めたい。


11.5 AI任せによる品質ブレ

AIは強力だが、万能ではない。

実装されたコードが本当に正しいか、設計と矛盾していないか、セキュリティ的に問題がないかは、人間が確認する必要がある。

AIを使うほど、レビューと確認の重要性は増える。


11.6 固定費の増加

AIツール、PC、クラウドサービスなど、開発にかかる費用は増えてきている。

まだ売上が立っていない段階なので、固定費の増加には注意が必要である。

ただし、必要な投資を避けすぎると、開発が遅れる。

ここは、引き続き効果を見ながら判断したい。


12. 現時点の方針

現時点では、以下の方針で進めたい。

  1. まずは一人用確認版を完成させる

  2. システム構成はシンプルに保つ

  3. ただし将来の拡張を完全には潰さない

  4. データ設計は慎重に行う

  5. 管理者機能を後回しにしすぎない

  6. スマホ対応を初期から意識する

  7. バッチ・定期処理はログを残す前提で考える

  8. AI生成コードは必ず確認する

  9. テストは重くしすぎず、まず主要導線を確認する

  10. 費用対効果を見ながら開発体制を強化する


13. 今回の結論

現時点で考えているシステム構成は、Webアプリを中心に、認証、データベース、管理画面、定期処理、ログ、テスト、AI開発支援を組み合わせたものになる。

まだ最終形ではない。
今後、開発を進める中で変わる部分もある。

ただし、今の段階で見えている懸念も多い。

データ設計、管理者機能、スマホ対応、定期処理、AI任せによる品質ブレ、固定費増加。
これらを軽視すると、後から苦しくなる。

一方で、最初から完璧を目指しすぎると、いつまでも公開できない。

だから、今の方針はこうである。

最初はシンプルに作る。ただし、後から運用できない構成にはしない。

月商1000万円を目指すなら、アイデアや画面だけでは足りない。
その裏側にあるシステム構成、データ設計、運用設計まで含めて、少しずつ土台を固めていく必要がある。

今はまだ、その土台を作っている段階である。

注目の投稿

第3回:月商1000万円までのスケジュールを考える

月商1000万円までのスケジュールを考える 1. はじめに 月商1000万円を目指して、新規プロジェクトを進めている。 このブログでは、プロジェクトの具体的な企画内容は公開しない。 ただし、プロジェクトをどう進めているか、どこで悩んでいるか、どのように計画を立てているかは記録して...