AIとコンテキスト

Ontology-Driven Design:オントロジーがAI生成コードのセーフティネットになったら?

AIエージェントがコードを書くと、テストは通っても業務の中身は静かにずれていきます。同じ概念に二つの名前がつく、ルールが破られる、捨てたはずの考え方が戻ってくる。コードから抽出したオントロジーを、開発の前には意図と、開発の後にはコードと突き合わせれば、こうしたずれが見えるようになり、意図的な変更と誤りを区別できます。

Info

原文はフランス語です。AI により翻訳されました — 文体ではなく意味を保っています。

書籍『Le contexte』の表紙
書籍『Le contexte』の続きとして

この記事は、私の著書Le contexteで書いたことの続きです。読むには、ダウンロードするか、Amazonで購入してください。

TDDは、テストで開発を導きます。ならば、ソフトウェアの業務上の整合性を守るために、オントロジーも使えないでしょうか。Claude Codeで私が探っているのは、コードからオントロジーを作り、そこから徐々に流れを逆転させて、オントロジーがソフトウェアの変更を導き、検証し、支えるようにするという道筋です。

コードは動く。でも、正しい業務を実現しているか?

Claude CodeのようなAIエージェントのおかげで、コードを書くことはどんどん簡単になっています。

機能を説明すると、エージェントが既存コードを調べ、いくつものクラスを修正し、関数を追加し、インターフェースを調整し、テストを書きます。数分後には、結果を見せてくれます。

コードはコンパイルできます。テストも通ります。

それでも、疑問は残ります。この新しいコードは、アプリケーションの業務ロジックをきちんと守っているのか。

エージェントは、技術的には正しい実装を作りながら、業務モデルに不整合を持ち込むことがあります。同じ概念に二つの名前を使う。捨てたはずの考え方を再び持ち込む。既存のルールと矛盾するルールを作る。

アプリケーションが大きくなり、AIエージェントが変更の多くを担うようになると、この問題は特に興味深くなります。

エージェントにどうやって共通の業務の基準を持たせるか。ずれをどう検出するか。そして、その基準が「もう一つのドキュメント」になって、いつの間にかソフトウェアと食い違うのをどう防ぐか。

こうした問いから、私は個人開発のなかでClaude Codeを使い、ここではOntology-Driven Design(ODD)と呼ぶアプローチを試し始めました。

説明のために、架空のERPを例にとります。

第一段階:コードからオントロジーを抽出する

出発点はごく単純でした。

私は、ソースコードを、実際に実装されている振る舞いの真実の源だと考えています。仕様は意図を書き、コードはアプリケーションが実際に何をするかを示します。

そこで、Claude Codeにアプリケーションのコードを調べさせ、業務ドメインの表現をMarkdownファイルontology.mdに抽出してもらいました。

このファイルには、主に次のことが書かれています。

  • 業務概念:顧客、注文、見積、請求書、クレジットノートなど
  • その属性と関係
  • 業務ルールと不変条件
  • 状態と、その遷移
  • これらの概念を指す語彙

この架空のERPでは、顧客注文は顧客に紐づきます。注文には一つ以上の明細があります。見積から作られることもあります。確定、キャンセル、請求のいずれにもなりえます。

これらの情報は、コードの中で同じ場所に書かれているとは限りません。明示的なルールもあれば、複数の関数に散らばっているものもあります。

Claude Codeは、それらを探し出し、再構成しようとします。

結果は、完璧な仕様ではありません。実装から読み取った、構造化された業務の解釈です。暗黙のルールを見落とすかもしれませんし、過去の挙動を意図されたルールと取り違えるかもしれません。

それでも、興味深いものが手に入ります。実装の技術的な細部から独立した、ドメインの表現です。

ontology.mdは、ソフトウェアを理解するための拠り所になります。

第二段階:新しいコードをオントロジーに照らして検証する

このオントロジーができたあと、Claude Codeに、新しい機能を開発するときにそれを使うよう頼みました。

狙いは、行った変更をontology.mdの概念やルールと突き合わせることです。

たとえば、オントロジーに「確定した請求書は変更できない」とあるとします。

Claude Codeが、確定後に明細を変更できる機能を追加したら、この矛盾を指摘しなければなりません。

同じように、オントロジーが見積と注文をはっきり区別しているなら、エージェントは、明確な理由なしに両者の責務を混ぜる関数を持ち込んではいけません。

これが最初のセーフティネットです。

ただし、欠点があります。

検証が、コードが作られたあとに行われることです。

エージェントはすでに仕事を終えています。いくつもクラスを作り、メソッドを足し、業務を取り違えたままテストまで組んでいるかもしれません。

問題は検出できても、そのあとで作られたコードに戻らなければなりません。

つまり、事後の検証を一つ足しただけです。役には立ちますが、十分ではありません。

第三段階:テスト駆動開発に学ぶ

そこで、TDDを思いつきました。

テスト駆動開発の原則はよく知られています。振る舞いを実装する前に、期待することを表すテストを書きます。テストは失敗し、それを通すために必要なコードを書き、このセーフティネットを保ったまま実装を改善していきます。

同じような考え方を、オントロジーにも適用できないでしょうか。

そこで、Claude Codeの進め方を変えるよう頼みました。

コードを書く前に、まず、依頼された機能を既存のオントロジーと突き合わせること。

作業の順序が変わります。

新しい依頼を例にとります。

「顧客注文を、必ずしも見積を経由せずに作れるようにしたい」

オントロジーに「注文は必ず見積から作られる」とあれば、エージェントは、コードを変更する前に矛盾を検出します。

しかし、この矛盾は、依頼の誤りとは限りません。

業務の変化として、まったく正当な場合もあります。

だからエージェントは、開発者の意図が既存のルールを変えるものだと認識し、そのルールの変更を提案し、関連する概念への影響を見極める必要があります。

そのうえで、改訂された業務モデルを踏まえて機能を開発できます。

プロセスは次のようになります。

  1. 依頼された機能を理解する。
  2. 関係するオントロジーの概念とルールを特定する。
  3. 依頼と既存のモデルの間に矛盾があれば洗い出す。
  4. 矛盾を解消する。意図的な変更と設計ミスを区別する。
  5. 機能を開発する。
  6. 生成されたコードが、期待される業務モデルと整合しているか検証する。

厳密な意味でのTDDではありません。オントロジーは自動テストのスイートではなく、LLMによる分析は、決定的なアサーションと同じ保証を与えてくれません。

それでも、哲学は近いのです。実装する前に期待と制約を定義する。あとから不整合を見つけるのではなく。

この段階で、オントロジーは開発のなかで能動的な役割を持ち始めます。

すると、新しい問題が出てきます。

第四段階:コードとともに変化しなければならないオントロジー

オントロジーが開発の基準になるなら、どうやって最新に保つのか。

アプリケーションが変わるたびに、手で直すのを忘れずにいなければならない新しい文書は、絶対に作りたくありません。

それは、最初の問題に逆戻りすることです。コードと食い違っていくドキュメントです。

そこで次に考えたのは、プロセスに機械的な部分を取り入れることです。

スクリプトが、特にGitを使ってソースコードの変更を分析し、追加、変更、削除された要素を洗い出します。

  • 関数とメソッド
  • クラスとインターフェース
  • モジュールとパッケージ
  • シグネチャとAPI契約
  • MCPで公開されるツール、リソース、契約
  • 変更から読み取れる業務上の関係と振る舞い

目的は、アプリケーションの技術的な細部からオントロジーを組み立て直すことではありません。

むしろ、実装上の選択から独立していたいのです。ヘキサゴナルアーキテクチャ、ドメイン駆動設計、あるいはほかのコードの構成(どんなに汚くても)が、その構造をオントロジーに押しつけてはいけません。

オントロジーが表すのは業務ドメインであり、技術的なアーキテクチャではありません。

クラスが業務概念とは限りません。新しいパッケージは、技術的な再編にすぎないかもしれません。関数が業務ルールを実装していても、それ自体が新しい概念になるわけではありません。

したがって、二つの作業を分けなければなりません。

一つ目は機械的な作業です。何が変わったのかを正確に特定します。

二つ目は意味的な作業です。それらの変更が業務概念を導入するのか、変えるのか、矛盾するのかを理解します。

ここでLLMの出番になります。

スクリプトは、変更の一覧を作ります。LLMは、その一覧を現在のオントロジーと、開発のきっかけになった指示と突き合わせます。

次のような状況が考えられます。

新しい業務概念が現れる。 エージェントは、その関係や関連するルールとともに、オントロジーへの追加を提案、または準備できます。

既存の概念の意味が変わる。 意図した変更なのか、ずれなのかを見極める必要があります。

二つの概念が不整合になる。 エージェントは、該当するコードへの参照を添えて矛盾を指摘します。

語彙が分かれる。 二つの名前が同じ業務上の実体を指している、あるいは既存の名前が別の考え方に使われている。

変更が純粋に技術的なものである。 オントロジーの変更は必要ありません。

大事な点が一つ残ります。コードが自動的に正しいことにしてはいけません。

エージェントが誤りを持ち込んだとき、二つ目のエージェントがその誤りを受け入れられるようにオントロジーを書き換える、ということは避けたいのです。

三角形:意図、コード、オントロジー

ここにこそ、このコンセプトの本当の進化があると思います。

コードとオントロジーを比べるだけでは足りません。

三つの要素を突き合わせる必要があります。

意図:開発者がClaude Codeに頼んだこと。

コード:実際に実装されたこと。

オントロジー:基準となる業務概念とルール。

この三つを比べることで、差異の性質が見えてきます。

架空のERPに戻りましょう。

オントロジーには、顧客注文は必ず見積から作られるとあります。

開発者は、見積を任意にするよう明示的に頼みます。

Claude Codeは、関連する関数を修正し、注文を直接作れるようにします。

オントロジーと新しいコードは、これで矛盾します。しかし、コードは意図に沿っています。

したがって、正しい結果は、変更を一律に拒否することではありません。オントロジーの対応する変更を提案し、そのうえで、見積が必須だとまだ前提にしているソフトウェアの他の箇所を探すことです。

反対に、何の指示もないのに、Claude Codeがその必須条件を外していたなら、その差異は疑わしいものです。

この違いが決定的です。

不整合は、必ずしもバグではありません。業務の意図的な変化を示している場合があります。

このシステムの役割は、変更を止めることではなく、変更を明示的で、整合性があり、追跡可能なものにすることです。

オントロジー駆動の開発サイクルへ

私が今思い描いているのは、三つの時点で働くプロセスです。

開発の前:業務を理解する

新しい機能を受け取ると、Claude Codeは関係するオントロジーの概念を特定します。

オントロジー全体を読み込む必要はありません。依頼に役立つ概念、関係、ルールを選べばよいのです。

そのうえで、機能がこのモデルと両立するかを確認し、必要な変更があれば指摘します。

こうして、開発はドメインの明確な理解から始まります。

開発中と開発後:ずれを検出する

機械的な解析器が、ソースコードの変更を検出します。

Tree-sitterのようなツールを使えば、構文構造を解析し、変更された要素を特定できます(次に取り組むテーマです)。APIの契約やMCPインターフェースの変化も、アプリケーションが公開している能力を知る手がかりになります。

LLMは、これらを材料に、オントロジーとの不整合を探します。

この処理は、フックによってClaude Codeのワークフローに組み込めるでしょう。たとえば、変更のあとや、タスクの終わりに実行します。

変更のたびにアプリケーション全体をLLMに盲目的に読み直させるのではなく、影響を受ける要素に分析を絞り込むのが狙いです。

統合の前:整合性を検証する

コードをマージする前に、最後の検証を置くこともできるでしょう。

次の内容をまとめたレポートを出します。

  • 新規または変更された概念
  • 影響を受けるかもしれない業務ルール
  • 検出された不整合
  • 提案されるオントロジーの変更
  • 人間の承認が必要な判断

目指すのは、再現可能で、役に立つ程度に精密な検証です。コードを変更するたびに、業務モデルの終わりのないレビューにしてしまうことは避けます。

概念と実装のつながりを保つ

さらに、オントロジーとコードの間のトレーサビリティを維持する方法も考えられます。

たとえばInvoiceという概念を、その実装に関わる複数のクラス、関数、イベント、APIオペレーションに紐づけます。

これらの紐づけは、概念を定義するものではありません。概念がどこで実装されているかを示すものです。

この区別があれば、興味深い問いに答えられます。

請求書の概念を変えるなら、コードのどの部分に影響が出るおそれがあるか。

ある業務関数がなくなったら、どのオントロジーのルールが実装されなくなるおそれがあるか。

新しいAPIオペレーションが現れたとき、それは既存の概念を公開しているのか、それとも新しい考え方を示しているのか。

クラスの名前が変わったとき、それは単なるリファクタリングなのか、ドメインの実質的な変更なのか。

この対応づけは、コードの変化に合わせて少しずつ維持していけるでしょう。

ただし、各対応づけの根拠は残すべきです。ファイル、シンボル、観察された変更です。LLMが推定した関係を、実証された対応と取り違えてはいけません。

オントロジーの不変条件から自動テストへ

もう一つの方向は、オントロジーの一部を実行可能にすることです。

業務ルールの一部は、不変条件として表現できます。

たとえば次のようなものです。

  • 確定した請求書は変更できない
  • 請求書には少なくとも一つの明細がなければならない
  • クレジットノートは、訂正対象の請求書を参照する
  • キャンセルされた注文は出荷できない

これらのルールの一部は、自動テストの生成に使えるかもしれません。あるいは、既存のテストがそれらをカバーしているかの確認にも使えます。

そうすると、互いに補い合う二つの層ができます。

一つ目は意味的な層です。LLMが、意図、概念、コードの整合性を調べます。

二つ目は決定的な層です。形式化できる振る舞いを、テストと実行可能な制約が検証します。

したがって、オントロジーは、単体テストや結合テストの代わりにはなりません。

特定の振る舞いをなぜテストすべきかを説明し、まだ検証のない業務ルールを見つける助けにはなるでしょう。

生きたオントロジーであって、都合に合わせるオントロジーではない

この仕組みには、大きなリスクがあります。

オントロジーがコードに合わせて常に変わるなら、もはやセーフティネットではありません。絶えず再生成されるだけのドキュメントになります。

逆に、現在のルールに反する変更を一切認めないなら、プロダクトは変わることができなくなります。

だから、オントロジーの変更は明示的に扱う必要があります。

私は三つの状況を区別しています。

変更が意図的で明確である。 システムは、オントロジーのバージョン付きの変更を準備できます。承認の前に、作業ブランチに適用することもできます。

変更が意図と食い違っているように見える。 システムは、オントロジーの更新ではなく、コードの修正を提案します。

意図が曖昧である。 システムは、新しい業務ルールをでっち上げるのではなく、判断を求めます。

こうして、オントロジーは、意図と実装の間の、変化していく契約になります。

そのためには、履歴を残すことも必要です。たとえば、ADRにならった小さな意思決定の記録を使います。名前が変わった概念が、二つの独立した概念になってはいけません。削除されたルールは、その削除を正当化した判断に結びつけられなければなりません。

オントロジーの変更は、コードの変更と同じくらい追跡可能でなければなりません。

コードの行数ではなく、整合性を測る

このアプローチからは、いくつか興味深い指標も得られるでしょう。

オントロジーのカバレッジは、コードから特定された業務概念のうち、オントロジーに表現があるものの割合を測ります。

トレーサビリティは、実装への検証可能な参照を持つ概念がいくつあるかを測ります。

確認済みで未解決の不整合の数は、コードとモデルのずれの大きさを示します。

最後に、実行可能なテストに紐づいた不変条件の割合は、セーフティネットの強さを測る助けになるでしょう。

これらの数字は、絶対的な品質指標ではありません。その価値は、本物の業務概念と技術的なノイズを区別できるかどうかに、完全に左右されます。

それでも、今は大部分が暗黙のままのものを、観察できるようにしてくれるでしょう。ソフトウェアが変化していくなかでの、概念の整合性です。

このプロセスが双方向に働いたら?

当初、私のやり方は一方向でした。

コードがオントロジーを生み出していました。

次に、逆向きの検証を加えました。オントロジーを使って、新しいコードを検証したのです。

TDDに着想を得て、開発を始める前の段階を導入しました。意図をオントロジーと突き合わせることです。

次の進化は、変更の検出と判定を自動化し、この整合性を長く保つことです。

しかし今は、さらにもう一つの可能性が見えています。

コードがオントロジーを変化させ、オントロジーがコードの変化を導く。

コードの変更で新しい業務概念が現れたら、システムがそれをオントロジーに取り込むよう提案します。

依頼が既存の概念の変更を伴うなら、始める前から、オントロジーによって影響を受けるかもしれないルールと実装を特定できます。

基準は、もはやソフトウェアから作られるだけではありません。ソフトウェアの変化にも関わります。

私が関心を持っているのは、このループです。

古い考え方と、作り直すべき使い方

Ontology-Driven Designを、まったく新しい考え方として紹介するのは正しくありません。

アプリケーション設計にオントロジーを使うことは、ずっと前から行われてきました。Pavel Hrubyは、すでに2005年にOntology-Based Domain-Driven Designというアプローチを説明していました。

もっと最近では、ODDToolkitのような研究が、形式的なオントロジーからソフトウェアの成果物を生成することを探っています。

私の探求は少し違います。

オントロジーからソフトウェアを生成することを、必ずしも目指していません。始めるにあたって、OWLやRDFなどの形式主義を押しつけるつもりもありません。

私が目指すのは、業務オントロジーを、ソースコードを変更するAIエージェントのための、生きた整合性の基準として使うことです。

この違いは重要です。

業務モデルは、実装の代わりにはなりません。ソフトウェアの複雑さのすべてを記述するとは主張しません。それだけで、バグがないことを保証するものでもありません。

業務モデルが与えるのは、明示的な参照の枠組みです。エージェントがタスクのたびに、自分なりの業務の解釈を作り直してしまうことを防ぐためです。

まだ実証できていないこと

私はまだ、個人的な実験の段階にいます。

まず、コードからオントロジーを生成しました。次に、それをもとに、Claude Codeに変更の検証をさせました。さらに指示を進化させ、この検証を開発の上流に移しました。

機械的な同期ループ、体系的なトレーサビリティ、自動検証が、これからの作業の方向です。

多くの問いが開いたままです。

クラス名が一つも変わらないとき、解析器は本当の業務の変更を検出できるのか。LLMは、どれだけの誤検出を出すのか。JEVは、このニーズに応えられるのか(これはまた別の取り組みで、いつか着手したいと考えています)。オントロジーを技術的な細部で膨らませないためには、どうすればよいか。概念とコードの対応は、どのくらいの頻度で見直すべきか。そして何より、整合性が上がることで、この仕組みの実行と維持のコストは正当化されるのか。

このアプローチは、実際のソフトウェアの変更で試す必要があります。意図的な業務の変更、わざと持ち込んだ不整合、純粋に技術的なリファクタリングを使って。

ですから、検証済みの新しい開発手法を定義したとは言いません。

私が試している方向を、説明しているだけです。

セーフティネットとしての業務

開発の実践は、少しずつ守りを増やしてきました。

単体テストは、振る舞いを守ります。結合テストは、相互作用を守ります。型チェックと静的解析ツールは、ある種のエラーを検出します。アーキテクチャのルールは、ソフトウェアの構造を保つ助けになります。

しかし、AIエージェントがコードの多くを書くようになると、別の問いが重要になります。

エージェントが扱う業務モデルの整合性を、誰が守るのか。

DDDは、ずっと前から、答えの一部を与えてくれています。ユビキタス言語、ドメインモデル、コンテキストの境界です。ヘキサゴナルアーキテクチャは、業務を技術的な関心事から切り離す助けになります。

私が探っているOntology-Driven Designは、これらの原則に、実際に動く仕組みを加えようとするものです。業務モデルを明示し、それを開発の意図と突き合わせ、コードとの整合性を継続的に検証する仕組みです。

結局、私の目的は、ドキュメントを増やすことではありません。

Claude Codeが、機能を作るたびに業務を黙って作り直すことなく、より速く開発できるようにすることです。

コードは、実装された振る舞いの真実であり続けます。オントロジーは、業務上の意味の基準になります。意図は、その意味がなぜ変わりうるのかを説明します。

そして、これらを突き合わせることから、AIが支える開発のための新しいセーフティネットが生まれるかもしれません。