Jiraの新AI機能で「要件定義→タスク化→AIエージェントへの割り当て」を一気に効率化する手順

「要件をまとめる時間がない」を何とかしたい

新しい機能を作るとき、まず要件をJiraのチケットに落とし込む作業に時間を取られていませんか。箇条書きの要望を、背景・目的・受け入れ条件までそろえたチケットに整えるのは地味に骨が折れます。しかもチケットが完成した後、実際にコードを書くのは自分ではなくClaudeやGitHub Copilotのようなコーディング支援AIだったりする、という状況も増えてきました。

AtlassianはJiraに、要件定義の下書き作成やタスクの自動生成、そしてタスクをAIエージェントへ割り当てる機能を組み込む取り組みを進めています。人が考えるべき部分とAIに任せる部分の線引きが、これまでよりはっきりしてきた印象です。

この記事でできるようになること

この記事では、Jiraの新しいAI機能を軸に、

1. 要件のたたき台をAIに作らせる
2. それをエピック・ストーリーに分解する
3. コンテキストを保ったままタスクをAIエージェントに割り当てる

という一連の流れを、実際に手を動かせる粒度で整理します。要件定義からタスク実行までの「橋渡し」を人力でやらなくて済むようになるのが最大のメリットです。

具体的な手順

ステップ1:要件を書き出す前に材料をそろえる

いきなりAIに丸投げすると、ふわっとした要件しか出てきません。まずは箇条書きでいいので、次の3点をメモしておきましょう。

• 何を実現したいか(目的)
• 誰が困っているか(利用者・背景)
• どこまでできれば完了とみなすか(受け入れ条件の方向性)

このメモがAIへの入力の質を左右します。ここを飛ばすと後工程が全部やり直しになるので、正直ここが一番大事な作業だと感じています。

ステップ2:Jira上でAIに要件定義のたたき台を作らせる

メモをもとに、Jiraの入力欄からAI機能を呼び出し、要件定義のドラフトを生成させます。目的・背景・受け入れ条件がある程度整った文章として返ってくるので、それを土台に自分の言葉で微調整していきます。ゼロから文章を組み立てるより、たたき台を直す方が圧倒的に速いというのが正直な感想です。

ステップ3:エピック・ストーリーへの分解

ドラフトができたら、それを実行可能な単位に分割します。大きな要件を1つのチケットに詰め込むと、後で誰にどこまで任せるかが曖昧になりがちです。エピックとして全体像を残しつつ、実装単位のストーリーやタスクに分けておくと、次のステップでの割り当てがスムーズになります。

ステップ4:タスクをClaudeやCopilotなどのAIエージェントへ割り当てる

分解したタスクのうち、コーディングや定型作業に近いものは、AIエージェントへの割り当てを検討します。ここでの重要な点は、単にタスク名だけを渡すのではなく、それまでの要件定義や関連チケットのコンテキストを保持したまま渡せることです。人がAIエージェント側に背景を再入力する手間が減るのは、実務上かなり大きな違いだと感じます。

最初は「どのタスクなら任せて大丈夫か」の見極めに戸惑うかもしれません。仕様が明確で、判断の余地が少ないタスクから任せてみるのが無難です。

ステップ5:進捗とコンテキストを人が確認する

AIエージェントに任せたら終わり、ではありません。生成された成果物やコメントを、チケットのコンテキストと照らし合わせて確認する工程は必ず残します。AIに任せるのは「作業」であって「責任」ではない、という前提を崩さないことが安全な運用のコツです。

つまずきやすいポイントと対処

• 要件があいまいなまま生成を始めてしまう:AIのドラフトは入力の質に強く依存します。ステップ1のメモ作りを省略しないようにしましょう。
• タスクの粒度が大きすぎる:1タスク=1目的になるよう分解してから割り当てると、後の確認が楽になります。
• AIエージェントへの丸投げ:任せた後の確認を怠ると、意図とずれた成果物がそのまま進んでしまうことがあります。レビューの工程は必ず残してください。

まとめ

JiraのAI機能は、要件定義の下書き作成からタスク分解、AIエージェントへの割り当てまでを一つの流れとしてつなげてくれます。すべてをAI任せにするのではなく、要件の輪郭を人が決め、実行の一部をAIに渡すという役割分担を意識すると、無理なく業務に取り入れられるのではないでしょうか。まずは小さなタスク1つから、この流れを試してみてください。