Claude CodeでPRD作業を革新する：テクニカルPMの秘密兵器

TL;DR

• ハイブリッド効率化：大量データの転送には的を絞ったAPIスクリプト（精度とトークン節約）を使い、推論と改善にはClaude Code／MCPを活用する。
• オフラインファースト：遅くて気が散るWebエディタから解放される。Markdown形式で、使い慣れたIDE（Cursor、VS Code）やAI環境（Claude Code）で集中して作業できる。
• 安全最優先：致命的な一括上書きを防ぐため、必ずサンドボックス環境と「Diffレビュー」の習慣を徹底する。

---

テクニカルプロダクトマネージャー（PM）の仕事は、高レベルの戦略と深い技術実装の交差点に位置しています。Jira、Confluence、Slackといったツールの組み合わせは、実際のエンジニアリングの現場とどこか乖離しているように感じることも多いでしょう。そろそろ開発者のやり方を取り入れる時です。要件をコードのように扱うのです。

それを実現するのが、Claude Code PRDワークフローです。

問題：ブラウザとコンテキストのボトルネック

PRDを作成する通常のプロセスはこうなっています。

1. ConfluenceのWYSIWYGエディタを開いて格闘する。
2. 技術ドキュメントとJiraチケット15件以上のタブを行ったり来たりする。
3. SlackやGitHubから技術的な制約を手動でまとめる。

このプロセスは遅いだけでなく、LLMから最大限の価値を引き出す妨げにもなっています。構造化されていない生データをそのままAIに投げ込むと、トークンの無駄遣いと低品質なアウトプットに終わります。

解決策：「ハイブリッド」プル／プッシュワークフロー

最も効率的なワークフローは、データ転送をAIエージェントだけに頼りません。代わりにハイブリッドアプローチを使います。

1. APIスクリプト：生データの正確な「プル」と「プッシュ」（トークン節約、フォーマット保証）
2. Claude Code＋MCP：インテリジェントな推論、クロスリファレンス、ドラフト生成

ステップ1：コンテキストを「プル」する（エージェントより精度優先）

AIエージェントに「ドキュメントを見つけて取得して」と頼むこともできますが、多くの場合、Jira REST APIを直接叩くシンプルなスクリプトのほうが効率的です。

ハイブリッドの勘所：スクリプトで複雑なフィルタ条件を処理し、取得スコープを正確にコントロールします。

# 例：複雑なフラグを使った精密プル
python scripts/fetch_jira.py --jql "project = 'AUTH' AND status = 'In Progress' AND labels in ('v2-refactor')" --depth 2 --output target_scope.md

ステップ2：インテリジェントなクロスリファレンスとドラフト生成

ここが本当の魅力です。単にテキストを編集するのではなく、スタック全体を「見渡せる」インテリジェントなパートナーと一緒に要件を開発していくのです。

マルチソースコンテキスト：Claude Code＋MCPを使って、JiraとConfluenceからプルしたデータをクロスリファレンスします。

• プロンプト例：「Claude、Jiraからプルしてきたuser-storiesを分析して、Confluenceのarchitecture-specとクロスリファレンスして。提案しているAPI認証フローの技術的なギャップを特定してほしい。」

応用テクニック：NotebookLMを使った「ポータブルRAG」

技術ドキュメントが数百ページ規模になると、どれだけ大きなコンテキストウィンドウでも処理が追いつかなくなります。

• 戦略：NotebookLMを外部ブレインとして使う。
• ブリッジ：NotebookLM Claude Skillなどのツールを使って、インデックス化された知識ベースをCLIから直接クエリする。

ステップ3：更新を「プッシュ」する（安全プロトコル）

⚠️ 安全最優先：自動化ツール経由でConfluenceやJiraの本番環境を更新すると、一括上書きのリスクがあります。

標準安全手順（SOP）：

1. サンドボックスから始める：「プッシュ」スクリプトは必ずトライアル用のJiraプロジェクトで先にテストする。
2. Diffレビュー：ドキュメント更新をコードレビューと同じように扱う。
3. ドラフトモード：可能な限り、メインページの内容を上書きするのではなく「ドラフト」や「コメント」としてプッシュする。

よくある失敗パターンと回避策

• ADFフォーマット：ConfluenceはADFを使用しています。Markdown→ADFの変換は煩雑になりがちです。信頼性の高いライブラリを使いましょう。
• コンテキストウィンドウ：大規模なPRDでは、すべてを一つのプロンプトに詰め込まないでください。RAGまたはMCPを活用しましょう。
• 権限管理：APIトークンには「最小権限の原則」を適用してください。

信頼できるリソース

• Anthropic Academy：Claudeを使ったエンジニアリングのベストプラクティス。
• Atlassian Rovo MCP Server：ClaudeとAtlassianデータを繋ぐ公式ブリッジ。
• Jira Cloud API Reference：カスタム精密スクリプト構築のためのドキュメント。
• Model Context Protocol：AI データ統合のオープンスタンダード。

プロダクト要件と開発者が実際に使うツールの間のギャップを埋めることで、より良いPRDを書けるだけでなく、より良いプロダクトを作ることができます。