如何藉助 AI 比較技術取捨並作出選型決策
トレードオフをAIと比較し、技術選定の判断を行う
文章提出用 AI 輔助技術選型的三步方法:整理限制、取得多個選項,再深入檢視風險後自行決定。文中的新 Web 服務案例以 4 人團隊、3 個月交付為前提,按運作負擔、學習成本、費用、客製化能力及安全管理難度,比較伺服器自建型、無伺服器型和全代管型,最後選擇無伺服器型。文章強調,AI 提供比較材料,選擇仍須由人根據專案條件説明理由。
本連載は2026年9月刊行の『エンジニアのAI壁打ち実践術』から一部、抜粋・編集してお届けします。
技術選定の理由を聞かれて、「AIがすすめていたので」と言いかけた経験はないでしょうか。AIに聞いて返ってきた答えをそのまま採用するのは、判断ではなく丸投げです。第4回となるこの記事では、AIと選択肢を整理し、トレードオフを理解したうえで、根拠を持って自ら判断する方法を解説します。
トレードオフを比較して判断する
技術選定に限った話ではありませんが、設計や実装における「どれを選ぶか」という判断はあらゆる場面で発生します。ライブラリの選定、アーキテクチャの構成、認証方式の採用など、私たちは常に複数の選択肢の中から何かを選び取っています。重要なのはなんとなく決めるのではなく、選択肢ごとのメリット・デメリットと自分のプロジェクトの制約を照らし合わせながら「何を優先し、何を妥協するか」を選ぶこと。これがトレードオフを比較して判断するということです。
設計のトレードオフを比較するうえで意識したいのは次の3つの観点です。
| 観点 | 問い |
|---|---|
| 比較材料の網羅性 | 選択肢を1つだけでなく、複数並べて比較できているか |
| トレードオフの理解 | メリット・デメリットだけでなく、自分の条件での適合度を確認しているか |
| 判断の主体性 | AIが推奨したからではなく、自分で判断の根拠を言語化できるか |
- よくある失敗パターン
-
- 複数の選択肢がある中で、AIに「どれが一番いいですか?」と聞き、返ってきた1つの案をそのまま採用したものの、自分のチームには適しておらず、手戻りが発生した
- 設計レビューで「他の選択肢は検討した?」と聞かれたが、AIのおすすめを参考にしただけだったので、返答に詰まってしまった
いずれも、自分で判断したつもりでいながら、実際にはAIの提案に流されているだけの状態です。返ってきた答えをそのまま採用するだけでは、その選択の良し悪しを後から振り返ることもできません。
比較材料を揃え、トレードオフを理解したうえで自ら選ぶ。そうすることで初めて、チームメンバーに「なぜこれを選んだのか」を根拠を持って説明できるようになります。また、自分で選んだ結果や過程を振り返ることが、次のより良い判断へとつながっていくのです。
AIとトレードオフを比較して判断する3つのステップ
AIを活用してトレードオフを比較し、自分の条件に合った選択をするために、次の3つのステップを踏みましょう。
実践例:新規Webサービスのインフラ構成の検討
あなたは開発者として新規のWebサービスを立ち上げることになりました。バックエンドのインフラ構成を検討しています。チームは4名でリリースまで3ヶ月。サーバー管理経験のあるメンバーは少なく、できれば開発スピードを重視したい状況です。
STEP 1 制約を洗い出す
まずは現在わかっている制約を書き出し、まだわからないこともあわせて言語化します。これら両方をAIに伝え、整理と観点の補足を依頼します。
- 問いかけ前の思考
-
チームは4名でサーバー管理経験が少ないこと、3ヶ月でリリースしたいから開発スピードを重視したいこと。このあたりが確実な制約だな。ただ、コストの上限、将来のユーザー数、運用期間などのまだ不明な制約もありそう。こちらをAIに整理してもらいながら、他にも確認すべき制約がないか、いろいろな観点から確認しよう。
- AIへの問いかけ
-
バックエンドのインフラ構成を選定したいと考えています。
以下が現時点でわかっている制約です。
- チーム4名、サーバー管理経験は少なめ
- 3ヶ月でリリースしたいため、開発スピードを重視する
まだ決まっていない点もあります。
- 月額コストの上限
- 将来のユーザー数の見込み
- どのくらい運用するのか未定
この情報を整理してください。
また、他にも確認しておくべき制約や観点があれば補足してください。
- AIの返答例
-
整理すると以下のようになります。
【確定している制約】
- チーム4名でサーバー管理経験が少ない → 運用負担は低く抑えたい
- 3ヶ月でリリース → 構築に時間がかかる方式は避けたい
【確認が必要な制約】
- コストの上限 → 従量課金か定額かで選択肢が変わります
- 将来のユーザー規模 → スケーラビリティの要求度に影響します
- 運用期間 → 保守性やスケーラビリティの要求度に影響します
- 既存の技術スタックとの相性も確認しておくと良いでしょう
- セキュリティ要件やコンプライアンス要件も確認しておくと、選択肢の絞り込みに役立ちます
- 返答後の思考
-
確かに、既存の技術スタックとの相性は考えていなかったし、セキュリティ要件も意識したほうが良さそうだ。
こういった制約条件は明確になったけど、セキュリティについては具体的に何を考慮すべきかまだイメージが湧かないので、さらにAIに聞いてみよう。
わかっていることだけでなく、不明点も含めてAIに伝えることで、確認すべきポイントや見落としていた観点が見えてきます。また、制約についてAIに様々な観点から質問してもらうことで、制約の抜け漏れを防げるだけでなく、新しい仮説や問うべき疑問を見つけることができます。
STEP 2 複数の選択肢を引き出す
AIに答えを1つだけ出してもらうのではなく、整理した制約をもとに、複数のアプローチを比較できる形で選択肢を引き出します。
- 問いかけ前の思考
-
現状の制約が整理できたので、これをもとに設計についての選択肢をいくつかAIに出してもらって比較検討したい。運用負担、学習コスト、コスト、カスタマイズ性などの観点で比較できる形にしてもらおう。
- AIへの問いかけ
-
バックエンドのインフラ構成を選定したいと考えています。
以下の制約・条件を前提に、複数の選択肢を比較表の形式で提案してください。
- チームは4名、サーバー管理の経験は少なめ、3ヶ月でリリースする
- 開発スピード重視で運用負担は低く抑えたい
- 最初はユーザー数が少ないが、将来のスケール拡大も考慮したい
- セキュリティ要件は一般的なWebサービスレベルで特別の条件はない
- AIの返答例
-
サーバー構築型・サーバーレス型・フルマネージド型の比較 サーバー構築型 サーバーレス型 フルマネージド型 運用負担 高い(サーバー管理が必要) 低い(インフラ管理不要) 低(キャパシティなど各種設定は必要) 学習コスト 高い(サーバー・インフラの知識が広く必要) 中(サーバーレス固有の設計パターンを理解する必要がある) 中〜高(サービス固有の設定・制約の理解が必要) コスト 中〜高(サーバーの固定費が発生) 低い(従量課金で初期コスト最小) 高い(固定の月額費用が発生) カスタマイズ性 ◎ ○(制約あり) △(制約が多い) セキュリティ管理の難易度 高い(自分で対策を考える必要がある) 低い(クラウドプロバイダのセキュリティに依存) 中(アクセス制御等は必要) この条件への適合度 △ ◎ ○ ※サーバーレス:サーバーの管理をクラウド側に委ねる方式。開発者はコードの実行に集中でき、インフラの自動スケールが可能
※フルマネージド:クラウドサービスがサーバーの設定・運用を含むインフラ全体を管理する方式
- 返答後の思考
-
比較表を見ると、サーバー構築型は自由度は高いものの、今のチーム状況では運用に工数が取られすぎてしまいそうだ。フルマネージド型は固定費がかかるしカスタマイズの制約も多い。サーバーレス型は従量課金で初期コストも抑えられるし、運用負担も低い。今回の条件には合いそうだから、もう少しサーバーレス型について深掘りしたうえで判断しよう。
最初からAIのおすすめだけを聞いてしまうと、他にどのような選択肢があり、それぞれにどのようなトレードオフがあるのかが見えないまま選ぶことになってしまいます。複数の観点から整理された比較表を出してもらうことで、他のメンバーに対しても「なぜこの選択肢を選んだのか」を根拠を持ってわかりやすく伝えることができます。
STEP 3 深掘りして判断する
比較表だけでは見えないリスクや懸念をAIと深掘りしたうえで、自分の条件に照らし合わせて判断します。
- 問いかけ前の思考
-
サーバーレス構成は今回の条件に合っていそうだ。でも、もしかしたらまだ理解できていないサーバーレス特有のリスクや将来的な懸念点があるかもしれない。AIとサーバーレスについて深掘りしてみよう。
- AIへの問いかけ
-
サーバーレス構成を選んだ場合、1年後に後悔するケースがあるとしたら、どのようなケースが想定できますか?
- AIの返答例
-
下記のようなケースが考えられます
- 処理が複雑になって実行時間の制限に引っかかるケース
- リアルタイム処理が必要になり、初回起動の遅延が問題になるケース
- ローカル開発環境の再現が難しく、デバッグに手間がかかるケース
- 返答後の思考
-
処理は基本的なCRUDだし、リアルタイム処理も今のところ予定にない。ローカル開発環境の再現は確かに難しいかもしれないけど、今のチーム状況ではサーバーの管理が不要で開発に集中できるメリットの方がチームとしては大きそうかな。よし、今回はサーバーレス構成で行こう。
選択肢を絞り込めたとしても、見えていないリスクや懸念点があるかもしれません。「1年後に後悔するとしたら?」とAIに問いかけたり、実際に触ってみたりすることで、様々な角度からリスクや懸念点を引き出せます。選択肢を深掘りし、理解を深めたうえで判断することで、AIに選ばされたのではなく、自分の根拠を持って選んだという主体性が生まれます。
まとめ
AIの提案をそのまま採用するのは、判断ではなく丸投げになります。「制約の整理」「複数選択肢の抽出」「リスクの深掘り」の3ステップを踏むことで、AIを「答えを出す機械」ではなく「判断を補助するツール」にできます。条件に照らし根拠を持って下した決断は、チームへの説明や振り返りにも活かせます。
- チェックリスト
-
來源:gihyo.jp · gihyo.jp