📋 技術調査 - USDM × XDDP

概要

既存ソフトウェアの改修で「変更漏れ」や「デグレード」に悩まされた経験はないでしょうか。USDM と XDDP は、こうした派生開発特有の課題を体系的に解決する手法です。本記事では、USDM × XDDP の構造・データモデル・構築方法・運用ノウハウを整理し、さらに Coding Agent（AI コード生成）との統合による自動化の可能性を探ります。

USDM（Universal Specification Describing Manner）

USDM は、清水吉男が提唱した要求仕様記述手法です。「表記法」と「考え方」の両面を持ち、要求から仕様までを階層的に記述します。

要件定義・仕様記述における標準的な記述方式として、ソフトウェア開発全般で利用されています。特に派生開発では、変更要求を正確に記述するための基盤となります。

USDM は以下の4要素で構成されます。

上位要求から下位要求へ、下位要求から仕様へと導出される階層的な構造を持ちます。複雑な要求におけるモレやミスを防ぐため、「階層化」「分割基準」「グループ化」の仕組みを活用します。

上位要求を下位要求に分割する際は、以下の3つの基準が推奨されています。

Coding Agent はこの分割パターンを学習し、自動的に分解候補を提案できます。

XDDP（eXtreme Derivative Development Process）

XDDP は、清水吉男が提唱した派生開発に特化したプロセスです。既存ソフトウェアの保守・改良・追加機能開発における変更箇所のモレやミスを最小限に抑えます。

既存資産の変更を前提とした開発プロセスで、新規開発とは異なる要件・リスクに対応します。

XDDP は以下の3つの成果物（3点セット）で構成されます。

USDM と XDDP の関係

XDDP は USDM を活用することで、変更要求の正確な把握と、変更範囲の漏れのない実装を実現します。

USDM 単体では「要求 → 仕様」の記述に留まりますが、XDDP はこれを派生開発向けに3つの方向で拡張しています。

この3層構造により、USDM の「何を・なぜ」に加えて「どこを・どう変えるか」までを一貫して管理できます。

特徴

USDM の特徴

XDDP の特徴

スペックアウトとは、既存のソースコードを読解して現在の実装仕様を抽出・文書化する作業です。ドキュメントが陳腐化した現場で特に有効です。Coding Agent 時代には、LLM によるコード要約・仕様抽出で大幅な省力化が期待されます。

Coding Agent 時代における再評価

構造

システムコンテキスト図

コンテナ図

コンポーネント図

変更要求仕様書の内部構造

トレーサビリティマトリクス（TM）の内部構造

変更設計書の内部構造

プロセスフロー（データ流）

アクター責務マトリックス

外部システム統合

データ

概念モデル

USDM のエンティティ構造

XDDP のエンティティ構造

全体の所有・利用関係

エンティティ関係の要約

USDM内の関係

XDDP内の関係

情報モデル

USDM の情報モデル

XDDP の情報モデル

テストケースとの関連情報モデル

トレーサビリティマトリクスの構造

マトリクスの形状は以下のとおりです。

                  Module_A  Module_B  Module_C
ChangeSpec_001      ○         ○
ChangeSpec_002                 ○         ○
ChangeSpec_003      ●                    ●

マトリクス作成のプロセスは以下の5ステップで構成されます。

1. 行の準備: 変更要求仕様書から全ての変更仕様IDを列挙
2. 列の準備: 対象システムの全モジュール（またはファイル）を列挙
3. 影響分析: 各変更仕様が影響するモジュールを特定
4. 関数名記載: 変更対象の関数名を記載
5. 検証: トレーサビリティマトリクスと変更設計書の一貫性を確認

構築方法

USDM の構築方法

構成要素

従来の手動プロセス

1. ユーザー要求を目的語+動詞で整理
2. 理由を要求者視点で記述
3. 上位要求 → 下位要求に階層的に分解
4. 各下位要求から仕様を導出
5. Excel テーブル形式で管理（記入・修正・レビュー）

従来の課題として、テンプレート埋め込み作業が手作業であること、レビュー時間が長いこと、漏れ検出に人員負荷がかかることが挙げられます。

Coding Agent による自動化アプローチ

フェーズ1: 仕様抽出と初期化

ユーザーからの自然言語入力（メール、会話ログ、既存ドキュメント）を AI が解析し、「動詞」「目的語」「背景」を自動抽出します。抽出結果を USDM テンプレート（Excel）へ自動入力します。

フェーズ2: 階層分解

AI が上位要求の構造を分析し、分解候補を提案・自動配置します。CoBrain を活用して分解漏れを検出します。

フェーズ3: 仕様導出と検証

下位要求から動詞・目的語を自動抽出し、仕様を自動生成します。曖昧性・矛盾・モレを AI が検出・提案します。

フェーズ4: レビュー自動化

CoBrain（AI レビューツール）が以下を自動チェックします。

• 曖昧な記述の検出と改善案提示
• 要求同士の矛盾検出
• チェックリスト項目の見落とし指摘

これにより、人間によるレビュー時間を大幅に削減できます。

XDDP の構築方法

3つの成果物（3点セット）

Coding Agent による自動化アプローチ

フェーズ1: 変更要求分析の自動化

ユーザー提示仕様（自然言語、メール、口頭記録）から AI が「変更内容」「理由」「影響範囲」を抽出します。自動で USDM テンプレートへ入力し、CoBrain で曖昧性をチェックします。

フェーズ2: トレーサビリティマトリクスの自動生成

既存ソースコード分析（AST 解析、コード理解 AI）と USDM 要求テキスト解析を組み合わせます。AI が「この要求はモジュール X に影響」を自動検出し、TM テンプレートへ自動配置します。影響箇所のモレも AI が指摘します。

フェーズ3: 変更設計書の自動生成

既存ソースコード（Git リポジトリ）と変更要求（USDM）から、git diff のような差分ベースで実装を提案します（Before/After）。Coding Agent がコードを自動生成します。

フェーズ4: 実装からテストの自動化

Coding Agent が自動実装し、テストケースを変更要求から自動生成します。テスト実行と結果レポートも自動化します。

フェーズ5: ドキュメント自動更新

変更設計書の Before/After を git diff から自動抽出し、Word テンプレートへ自動挿入します。

テンプレート管理と標準化

USDM テンプレートの推奨構成（Excel）

| ID    | 上位要求   | 下位要求         | 理由（背景）         | 説明 | 仕様  |
| ----- | ---------- | ---------------- | -------------------- | ---- | ----- |
| 1.1   | ○○を△△する |                  | ユーザーは○○が必要   |      |       |
| 1.1.1 |            | ○○について▲▲する | ○○の実装に○○が不可欠 | ...  | 仕様1 |
| 1.1.2 |            | ○○について■■する | ○○品質確保のため     | ...  | 仕様2 |

TM テンプレートの推奨構成（Excel）

              [関数f1] [関数f2] [モジュールM1] [ファイルA.c]
[要求1.1.1]     ◎
[要求1.1.2]              ○              ◎

記号の意味は以下のとおりです。

変更設計書テンプレートの構成（Word）

■ 変更概要
- 変更要求 ID: 1.1.1
- 対象モジュール: func_xxx in file_a.c
- 変更理由: ユーザーが○○を必要とするため

■ 変更前（Before）
[コードスニペット]

■ 変更後（After）
[コードスニペット]

■ 影響分析
- 呼び出し箇所: func_yyy, func_zzz
- テスト対象: 機能X, 機能Y

導入で期待される効果

メンテナンスコスト削減

利用方法

USDM + CoBrain による要件定義ワークフロー

具体例: 注文追跡機能

入力テキスト（メール原文）

新しいシステムでは、顧客がオンライン注文を追跡できる機能が必要です。顧客は注文ID を入力して、現在の配送状況（準備中、発送済、配達済）を確認したいとのことです。ステータスは30秒ごとに更新されるべきです。

自動抽出された要求（USDM 形式）

CoBrain による自動レビュー結果

【警告1】曖昧な記述
- 要求1.2「配送ステータスを表示する」
- 改善案: 「配送ステータスを画面左側のステータスパネルに日本語で表示する」

【警告2】漏れの可能性
- 以下の下位要求が欠けている可能性:
  - エラーハンドリング（注文IDが見つからない場合の表示）
  - 再試行機能（更新失敗時）

【情報】関連要求への影響
- 既存の「注文管理 API」要求との整合性を確認してください

XDDP + Coding Agent による派生開発ワークフロー

具体例: 国際配送機能の追加

入力: ユーザーからの変更要求

既存の「注文管理システム」に国際配送機能を追加してください。各注文について、配送先国を選択できるようにし、配送料金を国ごとに計算する機能が必要です。

ステップ1: USDM 形式への変換（AI 自動実施）

ステップ2: トレーサビリティマトリクス自動生成（AI ベース）

既存ソースコード解析結果は以下のとおりです。

自動生成された TM は以下のとおりです。

                    [Order.getShippingCost] [CheckoutUI.renderCheckout] [Order.validateOrder]
[要求1.1]                                          ◎
[要求1.2]                 ◎                                                   ○

ステップ3: 変更設計書自動生成

変更前のソースコード:

def getShippingCost(quantity):
    # 国内配送料金: 数量に基づいて計算
    base_cost = 500
    if quantity > 10:
        return base_cost * 0.8
    return base_cost

AI による変更案（After）:

def getShippingCost(quantity, country_code):
    # 国別の配送料金マッピング
    shipping_rates = {
        'JP': {'base': 500, 'discount_threshold': 10},
        'US': {'base': 2000, 'discount_threshold': 5},
        'EU': {'base': 1500, 'discount_threshold': 8},
    }

    if country_code not in shipping_rates:
        raise ValueError(f"Unsupported country: {country_code}")

    rate = shipping_rates[country_code]
    base_cost = rate['base']
    if quantity > rate['discount_threshold']:
        return base_cost * 0.8
    return base_cost

ステップ4-5: Coding Agent による自動実装とテスト

# Coding Agent が生成したテストケース（自動生成）
def test_shipping_cost_japan():
    assert getShippingCost(5, 'JP') == 500
    assert getShippingCost(15, 'JP') == 400

def test_shipping_cost_us():
    assert getShippingCost(3, 'US') == 2000
    assert getShippingCost(6, 'US') == 1600

def test_shipping_cost_invalid_country():
    with pytest.raises(ValueError):
        getShippingCost(5, 'XX')

メンテナンスと継続的改善

仕様変更への対応

AI は関連する既存要求の ID を提示し、影響範囲を自動検出します。

Coding Agent による実装とドキュメントの同期

運用

メンテナンスコストの増大への対策

派生開発では「短納期」「低コスト」を要求されるため、USDM 記述や XDDP 成果物のメンテナンスが追いつかないまま次の開発を進めざるを得ない環境が一般的です。この結果、開発を繰り返すたびに設計書とソースコードとの乖離が拡大し、既存ソフトウェアの理解難易度が上昇します。

CI/CD パイプラインへの統合例

# GitHub Actions の例
name: XDDP Quality Check
on: [pull_request]
jobs:
  check-consistency:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v3
      - name: Verify Traceability Matrix
        run: |
          python scripts/generate_tm_from_git.py \
            --base-branch origin/main \
            --current-branch HEAD
      - name: Check Code-Spec Consistency
        run: |
          semcheck spec.md src/ --model gpt-4
      - name: Review USDM Documents
        run: |
          cobrain review --file requirement_spec.md

学習コストの高さと継続率の低下への対策

形骸化と品質低下への対策

品質採点の自動化

# USDM 品質スコア計算スクリプト（Python 例）

def score_usdm_quality(doc: str) -> dict:
    """USDM 文書の品質をスコア化"""
    scores = {
        'requirement_clarity': check_requirement_specificity(doc),
        'reason_depth': check_reason_meaningfulness(doc),
        'spec_detail': check_spec_completeness(doc),
        'traceability': check_tm_completeness(doc),
    }
    scores['overall'] = sum(scores.values()) / len(scores)
    return scores

def check_requirement_specificity(doc: str) -> float:
    """要求の具体性チェック
    - 定量的な条件が含まれているか（70〜100点）
    - 曖昧な表現がないか（単語の自動検出）
    """
    vague_keywords = ['可能なら', '努力する', 'できれば']
    quantitative_patterns = [r'\d+\s*(件|秒|回|%|GB)']
    # 実装省略
    pass

AI/自動化ツールの活用

ツール選定ガイド

制限事項

CoBrain は USDM 形式に特化しているため、自由形式の要件定義書には適用できません。Semcheck は現時点で Go と Python が主対象で、C/C++ 組込み領域のサポートは限定的です。CSCA は富士通社内での活用が中心で、一般公開の利用形態は研究レベルです。いずれのツールも「人間のレビューを代替する」ものではなく、「レビュー前の品質底上げ」として位置づけることが重要です。

Coding Agent による TM 自動生成

# git diff ベースで TM を自動生成（Python 例）

import subprocess
import re
from typing import Dict, List

def generate_tm_from_git(base_branch: str, current_branch: str) -> Dict[str, List[str]]:
    """
    git diff を解析して TM を自動生成

    戻り値:
      { "REQ-001": ["user_manager.c:validate_login()", "config.ini:MAX_ATTEMPTS"],
        "REQ-002": [...] }
    """
    # 1. git diff を取得
    diff = subprocess.check_output([
        'git', 'diff', f'{base_branch}...{current_branch}', '--unified=0'
    ]).decode('utf-8')

    # 2. 変更ファイルと関数を抽出
    tm = {}
    for match in re.finditer(r'^diff --git.*?@@.*?@@', diff, re.MULTILINE):
        file_name = extract_filename(match.group())
        functions = extract_function_changes(match.group())
        # USDM ファイルから REQ-ID をマッピング
        req_ids = map_to_requirements(file_name, functions)
        for req_id in req_ids:
            if req_id not in tm:
                tm[req_id] = []
            tm[req_id].extend([f"{file_name}:{func}" for func in functions])

    return tm

Coding Agent プロンプト設計例

XDDP プロセスに Coding Agent を統合する際のプロンプト設計パターンを示します。

USDM 自動生成プロンプト

# USDM 変更要求仕様書 自動生成

## 入力
- 変更要求テキスト（自然言語）
- 既存の USDM ドキュメント（あれば）

## 出力フォーマット
以下の USDM 形式で出力してください:

| 要求ID | 上位/下位 | 要求（目的語+動詞） | 理由 | 説明 | 仕様 |

## ルール
1. 要求は「○○を△△する」の形式で記述
2. 理由は要求者視点で「なぜ必要か」を記述（要求の裏返しは不可）
3. 上位要求は「動詞の分解」「目的語の分解」「条件の分解」で下位に分割
4. 各下位要求から少なくとも1つの仕様を導出
5. 曖昧な表現（「適切に」「必要に応じて」等）は定量的な表現に置換

TM 自動生成プロンプト

# トレーサビリティマトリクス 自動生成

## 入力
- USDM 変更要求仕様書（上記で生成したもの）
- ソースコードのディレクトリ構造と関数一覧

## タスク
1. 各変更要求の仕様テキストを解析
2. ソースコードの関数シグネチャ・コメント・変数名と照合
3. 影響度を判定（◎: 大幅変更、○: 軽微な変更）
4. TM マトリクス形式で出力

## 注意
- 直接的な影響と呼び出し元・呼び出し先の間接的影響も検出
- 影響なしと判定した根拠も簡潔に記述

実装ロードマップ（参考例）

短期（0〜3ヶ月）

• USDM 記述基準の明文化
• CoBrain パイロット導入（1チーム）
• 基本的な TM テンプレート作成
• レビュー基準チェックリスト構築

中期（3〜6ヶ月）

• TM 自動生成スクリプト開発
• CI/CD に Semcheck 統合
• XDDP 3点セット完全導入（複数チーム）
• メトリクス測定開始

長期（6〜12ヶ月）

• AI テストケース導出の実装
• Enterprise Architect など業務支援ツール検討
• 組織全体への展開
• ベストプラクティスの標準化

ベストプラクティス

まず何から始めるか

USDM × XDDP を導入する際は、以下の優先順位が推奨されます。

1. USDM の記述ルールを1プロジェクトで試す - 「要求・理由・説明・仕様」の4要素を1件の変更要求で実践
2. TM を作成し、変更漏れの効果を体感する - 小規模な変更で TM の有用性を確認
3. 変更設計書で Before/After を記述する - 3点セットの完成
4. AI ツール（CoBrain 等）でレビューを効率化する - プロセスが定着した後に自動化を導入

段階的導入による成功率向上

推奨モデル: 3段階導入

Phase 1 で実施すべき項目

• XDDP の3点セットを完全に導入
• レビュー基準を明確に定義（「何が良い USDM か」を可視化）
• ツール（Enterprise Architect USDM アドイン、CoBrain 等）の使用方法を習得
• メトリクス測定開始（工数削減率、バグ検出率等）

プロセス改善による効果最大化

現状のプロセスの問題点を明らかにせずに XDDP に移行してしまうと、既存の悪い習慣が XDDP 内に持ち込まれます。

推奨フローは以下のとおりです。

3つの成果物の役割

階層的なトレーサビリティ

変更要求仕様書（要求）→ TM（どこを変えるか）→ 変更設計書（どう変えるか）→ 実装（実際のコード）という階層的なチェーンが、要求から実装までの一貫性を保証します。

派生開発は複数の変更要求を連続して処理する場合が多く、各要求ごとにこの3段階を繰り返します。3つの成果物を保持することで、過去の変更履歴と現状が可視化されます。

Coding Agent との連携技術

ソースコード理解 AI

自然言語処理（NLP）

ドキュメント自動生成

テストケース自動生成

トラブルシューティング

パターン1: 変更要求と仕様の区分が曖昧

症状: 変更要求仕様書が単なる機能仕様書になっている。「なぜこの変更が必要か」という背景が記載されていない。

原因: USDM の「要求」「理由」「説明」「仕様」の役割が理解されていない。

対策: 以下の4要素を明確に区別して記述します。

パターン2: トレーサビリティマトリクスの省略

症状: 「大規模なので TM は省略した」という判断。変更による影響範囲を把握できず、結合テスト以降でバグが多発。

原因: TM 作成の手作業負荷が高く、「効果が見えない」と判断されがち。大規模なほど漏れが増えるという認識不足。

対策:

• TM 作成を自動化（git diff ベース、CI/CD 統合）
• 「大規模だからこそ TM が重要」という認識を共有
• メトリクス測定: TM を使用した場合、バグ検出率の向上やテスト工数の削減が報告されている（導入現場の参考値: バグ検出率3〜5倍、テスト工数削減20〜30%）

パターン3: ツール導入による依存と形骸化

症状: ツール（Enterprise Architect 等）を導入したが、実際には更新されず「デジタル成果物」だけが蓄積。

原因: ツール操作の学習コストが高い。ツール = 要件管理だと誤解し、プロセス改善と混同。

対策:

• ツールは補助手段であることを認識
• プロセス先行: USDM・XDDP の実践を定着させた後、ツール導入を検討
• ツール導入時の教育: 簡単な操作から開始
• 定期的な棚卸し: 未更新ドキュメントの削除

メンテナンスコストが削減されない場合の診断フロー

まとめ

USDM と XDDP は、派生開発における変更要求の正確な記述と漏れのない実装を実現するための手法です。Coding Agent 時代では、CoBrain による自動レビュー、git diff ベースの TM 自動生成、変更設計書の自動作成により、従来7〜12営業日かかっていた工数を2〜3営業日に短縮できます。

この記事が少しでも参考になった、あるいは改善点などがあれば、ぜひリアクションやコメント、SNSでのシェアをいただけると励みになります！

参考リンク

• 公式・団体

  • 派生開発推進協議会（AFFORDD）
  • 派生開発カンファレンス2025
  • エクスモーション XDDP/USDM コンサルティング
  • IPA 先進的な設計・検証技術の適用事例報告書 2017 年度版

• 解説記事・技術資料

  • 正確な要求記述、要求仕様を定義する技法USDMとは。記述サンプルも紹介
  • 第1回 XDDPとは？派生開発時のモレやミスを最小限にするプロセスと、開発現場の現状について。
  • XDDP成果物：USDM、トレーサビリティマトリクス、変更設計書
  • 派生開発の基礎知識や代表的な手法「XDDP」・プロセスの進め方を解説
  • XDDP では、変更設計書に変更方法をBefore/Afterで記載する
  • USDMアドインについて - Enterprise Architect
  • 要求仕様を記述する手法「USDM」って何？
  • USDMで仕様を上手にアウトプットしよう！
  • USDM（要求仕様書を作成する時のお作法）の概要 - Qiita
  • 要求事項トレーサビリティ・マトリックスとは何か？
  • XDDPでは「トレーサビリティマトリクス」で変更箇所を特定
  • XDDP Patterns - A Pattern Language for eXtreme Derivative Development Process
  • 要件定義書のテンプレートや書き方
  • XDDP（派生開発プロセス）導入支援
  • 変更要求仕様書の書き方と具体例
  • XDDPの背景を知る
  • テストはストーリーで追う 〜USDMで要件からテストまで串刺しにする〜 - Qiita
  • 「要件定義があいまいで炎上」を防ぐ - USDM の導入手引き
  • EurekaBox オンライン学習サービス

• 導入事例・ベストプラクティス

  • 派生開発に XDDP を導入する際の障壁とその解消に向けたアプローチ（JUSE SQiP）
  • 派生開発で成功するための施策 - 部分的に XDDP の仕組みを取り入れた設計書の提案

• AI・Coding Agent 関連

  • 若手に USDM が定着する、効果が出る！生成 AI がもたらす USDM 学習〜実践〜レビューの新体験
  • CoBrain - 要件定義書の作成と添削を、AI で
  • 生成 AI で要件定義を自動化 - Qiita
  • Semcheck - 仕様書とコードの「意味的な整合性」を検証
  • Code Specification Consistency Analysis（富士通）
  • 生成 AI を活用したテスト仕様書作成の自動化への取り組み（Fintan）
  • AI により設計書とソースコードから仕様を抽出