AIが複雑さを処理し、あなたは成果に集中できるように

「複雑さ」とは何か — そしてなぜ成果が重要か

仕事における「複雑さ」は、たった一つの難問を指すことはめったにありません。多くの小さな不確実性が重なり合って相互に作用する状態です。

• 多くの要素が動くこと: 複数の関係者、ツール、ファイル、締め切り。
• 不明確な要件: 「見れば分かる」式の要求や、途中で変わる目標。
• 優先度の変動: 緊急の依頼が予定作業を中断する。
• 見えない依存関係: ある決定が、関与していることに気付かなかった3つの別チームに影響を与える。

複雑さが増すと、あなたの脳がボトルネックになります。記憶、調整、再確認にエネルギーを使いすぎて、実際の進捗が滞ります。

なぜ活動量より成果が重要か

複雑な仕事では、動いていることと進んでいることを混同しがちです：会議が増え、メッセージが増え、草案が増える。成果はそのノイズを切り裂きます。

**成果（アウトカム）**とは明確で検証可能な結果です（例：「顧客向けの2ページ更新を作成し、上位5つの質問に答え、金曜までに法務承認を得る」）。これがあれば、経路が変わっても目標が安定します。

AIの約束と限界

AIは認知負荷を軽減する手助けができます：

• 乱雑な依頼を構造化された計画に翻訳する、
• 欠けている情報や前提を浮かび上がらせる、
• オプションを素早く草案化してあなたが選び、改善し、承認できるようにする。

しかしAIは結果の責任を持ちません。意思決定を支援するものであり、責任を置き換えるものではありません。 「良い」とは何か、許容されるリスク、出荷する内容はあなたが決めます。

このガイドで学べること

次に、複雑さを管理可能なものに変える方法を説明します：仕事を段階化する方法、適切なコンテキストの与え方、成果志向の指示の書き方、迷走せずに反復する方法、品質チェックの入れ方などです。

AIが作業を段階化して複雑さを減らす方法

大きな目標は決定や未知、依存関係を混ぜ合わせるため複雑に感じられます。AIは曖昧な目的を小さくて明確なパーツの連続に変えることで助けになります。そうすれば、あなたは「完了」がどう見えるかに集中でき、全てを同時に抱え込む必要がなくなります。

中核の動き：ゴールからステップへ

まず成果から始め、AIにフェーズ、重要な質問、成果物を提案させます。これにより「頭の中で全てを解決する」作業が「ドラフト計画をレビューして調整する」作業に変わります。

例えば：

• イベントの企画: 「3月に50人の顧客ミートアップを開催する」は、会場候補、予算レンジ、招待スケジュール、スピーカーリスト、当日の進行表に分解されます。
• レポート作成: 「四半期パフォーマンスレポート」は、必要データ、構成（要約 → 指標 → インサイト → 推奨）、欠けている入力のチェックリストになります。
• 機能リリース: 「チーム権限を追加する」は、ユーザーストーリー、エッジケース、ロールアウト計画、サポート更新、成功指標に分かれます。

漸進的な詳細化（実践法）

最も効果的なパターンは**漸進的詳細化（progressive detailing）**です：広く始め、情報が得られるにつれて細かくしていきます。

1. まず高レベルの計画（5〜8ステップ）を求める。

2. 次にそのうちの次のステップを選び、要件、例、リスクの詳細を要求する。

3. そして初めて、それを1日で誰かが実行できるタスクに分解する。

こうすると計画の柔軟性が保たれ、事実が揃う前に過剰に約束するのを防げます。

避けるべきよくある落とし穴

すぐにすべてを何十ものマイクロタスクに分解したくなりがちですが、それは往々にして忙しさを生み、偽の精度を与え、維持できない計画になります。

より良い方法は：意思決定ポイント（予算、スコープ、対象、成功基準）に到達するまではステップを粗く保つこと。AIを使ってそうした意思決定を早期に浮き彫りにし、重要な箇所だけを詳細化してください。

コンテキスト：AIが軌道を外さないために必要なもの

AIが複雑な作業をうまく扱うには、「良い」とは何かを知ることが重要です。それがないと、もっとらしく見えるものを出してきても、意図を推測して自信を持って間違えることがあります。

AIが頼る主要インプット

AIを整合させるには、次の基本が必要です：

• ゴール: 達成したいこと（タスクではなく成果）。
• 制約: 予算、時間、ツール、方針、やってはいけないこと。
• 対象: 誰向けで、彼らが既に何を知っているか。
• トーンとスタイル: フォーマルかフレンドリーか、簡潔か詳細か、ブランドボイス。
• 成功基準: 結果をどう評価するか（正確性、完全性、長さ、フォーマット、情報源など）。

これらが明確だと、AIはステップ分解、草案作成、改訂の際により良い選択ができます。

よいAIの振る舞い：確認質問をすること

依頼に穴がある場合、最適なAIの使い方は最終出力を出す前に短いインタビューを行わせることです。例えば：

• 「想定読者と読解レベルは？」
• 「オプションが欲しいですか、それとも一つの推奨でいいですか？」
• 「従うべき制約は何ですか（文字数、スタイルガイド、ツール）？」
• 「これが成功だとするなら何が基準ですか？」

2〜5件のターゲット質問に答えるだけで、複数回の手戻りを大幅に減らせます。

使えるコンテキストのチェックリスト（コピペ用）

送信前に以下を含めてください：

• 締め切り: いつ必要か
• 形式: ドキュメント／メール／箇条書き／表、長さも
• やること／やってはいけないこと: 必須項目、禁止事項、必要な用語
• 参考: リンク、メモ、参考例
• 完了の定義: 「終わり」とは何か（誰が承認するか含む）

少しのコンテキストで、AIは推測屋から信頼できるアシスタントになります。

曖昧なプロンプトから成果志向の指示へ

曖昧なプロンプトは、流暢に見える回答を生む一方で、必要なものを外すことがあります。これは二つの異なる問題があるためです：

• 出力品質: 文章は明確か、正確か、構成は良いか？
• リクエストの“形”: AIは正しい問題（対象、形式、範囲、制約、成功基準）を解いているか？

“形”が不明確だと、AIは推測せざるを得ません。成果志向の指示はその推測余地を取り除きます。

作業を整合させる構造

技術的である必要はありません。少し構造を加えるだけで十分です：

• ブリーフ: 誰向けで、なぜ存在するのか、何を可能にするか。
• アウトライン: 期待するセクションやステップ。
• 受け入れ基準: 平易な言葉で「完了とは何か」。
• テンプレート: 欠落を防ぐ再利用可能な形式。

これらはAIが作業を段階分けし、最終提出前に自己チェックするのを助けます。

成果志向の依頼例

例1（成果物＋制約＋完了の定義）:

「350〜450語の顧客向け料金改定メールを書いてください。対象：小規模事業者。トーン：落ち着いて敬意のあるもの。必須：何が変わるか、施行日、1文の理由、リンクは /pricing にすること。完了とは：件名＋メール本文＋予備件名3案があること。」

例2（除外で曖昧さを減らす）:

「新しいリモート従業員向けの10ポイント・オンボーディングチェックリストを作成してください。各項目は12語以内。特定ツール（Slack、Notion等）は言及しないこと。完了とは：番号付きリスト＋1段落の導入文。」

コピペ用ミニテンプレート

次のフォーマットを使うと、AIが成果にフォーカスしやすくなります：

Deliverable:
Audience:
Goal (what it should enable):
Context (must-know facts):
Constraints (length, tone, format, inclusions/exclusions):
Definition of done (acceptance criteria):

（上のコードブロックはそのままコピーして使ってください。）

迷走せずに最良の結果へ反復する方法

反復はAIが「複雑」な作業で最も役に立つ場面です：初回で完璧を出すのではなく、計画や選択肢、トレードオフを素早く提案してくれる点が有用なのです。

AIを“答え”でなく選択肢の草案に使う

単一の出力を求める代わりに、2〜4の実行可能なアプローチとそれぞれの利点・欠点を求めてください。例：

• 速い案（Fast）: 使える結果に最も早く到達するが妥協がある
• 安全案（Safe）: リスクと曖昧さを最小化する保守的な路線
• 創造案（Creative）: 検証が必要な、より新しいアプローチ

これにより複雑さは決定のメニューになります。あなたは時間、予算、リスク許容度、ブランドに最も合う案を選ぶだけです。

反復ループ：草案 → レビュー → 改訂 → 最終化

実践的なループは次のとおりです：

1. 草案: AIにアウトラインや計画、最初の版を作らせる。
2. レビュー: 実情に照らしてチェックする—制約、対象、トーン、必須要件。
3. 改訂: 具体的な変更を依頼する（「150語に短く」「利点と欠点を2つ追加」「Xに関する仮定を外す」）。
4. 最終化: コメントなしのクリーンな最終版を出力させる。

各改訂要求を具体的かつ検証可能にするのが鍵です（何をどのくらい変えるか、何を保持するか）。

いつ反復を止めるか

反復は磨き上げにありがちですが、際限なく続けると前進しません。止めるべきタイミング：

• 明確な受け入れ基準を述べられ、それを満たしたとき。
• 新しいラウンドがわずかな改善しか生まないとき（収穫逓減）。
• 残る問いが現実世界の入力（データ、承認、実験）を必要とするとき。

迷ったらAIに「この出力を基準に照らして採点し、上位3つのギャップを列挙して」と頼んでください。次にもう一回反復すべきかが明らかになります。

テキスト生成だけでなくワークフローを管理するためのAIの使い方

多くはAIをライティングツールとして使い始めますが、より大きな利得はAIをコーディネーターとして使うことです：決定されたこと、次に何をするか、誰が担当か、いつやるかを追跡できます。

AIをワークフローアシスタントとして扱う

「要約して」と頼む代わりに、リマインダー、意思決定ログ、リスク、次のステップといったワークフロー成果物を要求してください。これによりAIは単なる文章生成から動きを生む役割に変わります。

実践パターンは、生データ（ノート、メッセージ、ドキュメント）を1つ与え、すぐ使える複数の出力を作らせることです。

例：会議メモ → アクションリスト → フォローアップ

会議後に生のメモを貼り付け、次をAIに作らせます：

• 短い要約（何が変わったか、合意事項）
• オーナーと期限つきのアクションリスト抽出
• 各オーナー向けのフォローアップメールやSlackメッセージの草案
• 「意思決定記録」（何を決め、なぜそうしたか）の作成

この「意思決定記録」が重要です：新しい人が入ったときや詳細が曖昧になったときに、過去の議論を再燃させるのを防ぎます。

部門横断の整合性の例（マーケ＋営業＋サポート）

新機能をローンチする場合、各チームの入力（キャンペーン概要、営業の反論、サポートのチケット）をAIに与え、次を出させます：

• ミスマッチの特定（例：マーケの約束とサポート現場の現実の差）
• 単一の共有メッセージとFAQの提案
• 役割別の次ステップ生成：マーケページ修正、営業トーク更新、サポート用マクロ

このように使えば、進捗が「誰かが思い出して戻ってくる」ことに依存しなくなります。

計画をコード化して出荷する（Koder.aiが役立つ場面）

多くの複雑さは、成果物が単なるドキュメントではなく動作するプロダクトであるときに発生します。成果が「小さなウェブアプリを出荷する」「内部ツールを立ち上げる」「モバイルフローをプロトタイプする」であるなら、vibe-coding プラットフォームのKoder.aiのようなツールは同じ成果志向ワークフローを保つのに役立ちます：チャットで成果を説明すると、Planning Modeでシステムが計画を提案し、ステップと受け入れ基準を反復し、その後アプリを生成します（ウェブはReact、バックエンドはGo + PostgreSQL、モバイルはFlutterなど）。スナップショットとロールバック機能で反復が安全になり、ソースコードのエクスポートで所有権を保持できます。

品質管理：出力の信頼性を保つ

AIは負担を減らせますが、成果に対する責任を取り除くわけではありません。軽量なレビュー手順を用いれば、AIの出力をより信頼できるものにできます。

実用的な4つのチェック（毎回使う）

正確性（Accuracy）: 事実は正しいか？名前、日付、数値、主張は検証可能か？

完全性（Completeness）: 依頼の全ての部分（長さ、形式、対象、必須点など）に回答しているか？

一貫性（Consistency）: 自己矛盾はないか？以前の定義や用語、決定と整合しているか？

トーン（Tone）: あなたやブランドらしいか？対象とチャネルに適切か？

AIに自己チェックさせる（人がレビューする前に）

「これで良いか？」と漠然と聞く代わりに、基準を与えて構造化された監査を要求してください。例：

• 「この草案をaccuracy, completeness, consistency, toneの基準でレビューし、問題点、重大度（低/中/高）、修正案を表形式で返してください。」
• 「あなたが置いた仮定を列挙し、確認が必要なものにマークをつけてください。」
• 「検証すべき数字や引用、主張を強調してください。」

これは正確性を保証するものではありませんが、弱点を浮き彫りにして注意を向けるべき箇所を示してくれます。

事実と数値をスポットチェックする（特にリスクが高いもの）

正確さが重要な詳細は検証対象にしてください：統計、価格、法的主張、医療アドバイス、製品仕様、引用元など。信頼できる一次情報や社内データで照合し、素早く確認できない場合は削除するか仮定・推定として書き直します。

あなたが主導権を保つ簡単なレビュー手順

1. あなたが成功を定義する（目的、対象、制約、必須/禁止事項）。
2. AIが草案を作り、自己チェックをあなたのチェックリストで実行。
3. あなたが承認またはコメント（何が間違っているか、欠けているか、残すべきか）。
4. AIがあなたのノートに基づき改訂し、チェックリストを再実行。
5. あなたが最終化して簡単な事実確認とトーン調整を行う。

このサイクルは速く、繰り返し可能で、最終判断を人間が保持する仕組みです。

AIが最も役立つ場面と失敗しやすい場面

AIは作業の「感じられる」複雑さを減らすのに優れています：乱雑な入力を整え、使える草案や計画に変えることができます。しかし、それは「真実の機械」ではありません。得意なところと弱いところを知ることが、時間を節約するか不要な手戻りを生むかの差になります。

AIが最も役立つ場面

目標が「情報を形作る（shape）」ことであって「新しい事実を発見する（discover）」ことではない時、AIはよく働きます。

• 草案作成とリライティング: メール、提案、方針、スクリプト、コピー—トーン、対象、制約を与えれば特に有効。
• 要約: 長いノート、文字起こし、会議記録、顧客フィードバックを明確にまとめる。
• ブレインストーミング: 選択肢、代替案、ネーミング、観点、リスクリスト、次に聞くべき質問。
• 構造化: 粗い考えをアウトライン、ステップバイステップ計画、チェックリスト、アジェンダ、テンプレートに整える。

実践的なルール：元の素材（ノート、要件、コンテキスト）が既にある場合、AIはそれを整理して表現するのが得意です。

AIが失敗しやすい場面

正確性が最新の事実や暗黙のルールに依存する場合、AIは苦戦します。

• 新しい事実やリアルタイムの詳細: 古い情報や文脈不足で推測することがある。
• センシティブな判断: 法務、人事、医療、安全に関わる判断は人間の説明責任と方針認識が必要。
• 曖昧な指示: プロンプトに解釈の余地があると、AIは自信満々に間違った方向を選ぶことがある。

ハルシネーション（平易な説明）

AIは説得力のある文面を生成する一方で、誤った内容を出すことがあります。例：作り話の数字、偽の引用、自信を持って述べられるが根拠のない主張。これは、事実確認を怠った説得力のある同僚のように見えることがあります。

サプライズを防ぐ安全なデフォルト

事前にガードレールを設けてください：

• **「回答前にあなたの仮定を列挙して」**と依頼する。
• **「確信が持てない場合はそう言い、確認の質問をすること」**と指示する。
• **「可能なら出典を示し、検証できないものはラベリングする」**と頼む。
• **「検証が必要な項目（日時、価格、方針、法的主張）をハイライトする」**よう求める。

こうしたデフォルトを設定すれば、AIは生産性向上の道具であり、隠れたリスクにはなりにくくなります。

主導権を保つ：ヒューマン・イン・ザ・ループ（HITL）アプローチ

AIはドラフト作成や提案、構造化を迅速に行えますが、最も価値があるのは最終判断に人間が関与しているときです。これが「ヒューマン・イン・ザ・ループ」モデルの本質です：AIが提案し、人間が決める。

一文で表すと

AIをハイスピードのアシスタントとして扱い、オプションを提示させる。成果、制約、完了の定義はあなたが与え、AIは実行を加速し、出荷するものを承認するのはあなたです。

ミスが高コストな箇所に入れる実用的なチェックポイント

ミスがコストになる箇所にレビューゲートを設ける簡単な方法：

• 承認ゲート: AIがメールシーケンス、提案、計画を草案 → 人間が送信前に承認。
• 法務/コンプライアンスレビュー: AIが契約文言や方針要約を提案 → 法務が検証。
• ブランドレビュー: AIがウェブコピーやソーシャル投稿を作成 → マーケが声、主張、位置付けをチェック。
• データの妥当性チェック: AIが指標を要約したりレポートを作成 → アナリストが数値と出典を確認。

これらは官僚主義ではなく、AIを積極的に使いながらリスクを低く保つ方法です。

所有権を保つ（流されないために）

プロンプト前に次の3点を書き留めておくと所有権が保ちやすくなります：

1. 成果: 成功がどう見えるか（例：「クライアントが承認できる1ページの概要」）。
2. 制約: 必須項目と禁止事項（トーン、予算、準拠ルール）。
3. 決定ルール: 誰が承認し、何をチェックするか。

AIが「良いが間違っている」ものを出す場合、問題の多くは成果や制約が明示されていなかったことに起因します。AIが役に立つか否か以前の問題であることが多いです。

チーム向けの指針：再現性を高める

チームでは「一貫性」が機転より重要です：

• 共通タスクのための共有プロンプトを保持（チームドキュメントや /playbook に保存）。
• 共有基準を定義（トーン、引用ルール、フォーマット、アクセシビリティ）。
• 共有のレビュー手順（承認、法務、ブランドのチェックリスト）を使う。

こうすればAIは個人の近道ではなく、拡張可能な信頼ワークフローになります。

プライバシーと機密情報：実用的なガードレール

複雑さを減らすためにAIを使うことは、機密情報を漏らす言い訳にはなりません。デフォルトとして、貼り付けたものはログに残る、セーフティレビューの対象になる、意図より長く保持される可能性があると考えてください—管理設定と組織のルールを確認していない限りです。

絶対に共有しないもの

次のデータタイプは「貼らない」前提にしてください：

• シークレットと認証情報: パスワード、APIキー、プライベートトークン、SSHキー、復旧コード
• 個人データ: 識別子と結びつく氏名、住所、電話番号、個人メール、出生日時、政府発行ID
• 金融・医療情報: カード番号、銀行口座、保険情報、医療記録
• 機密業務情報: 顧客リスト、契約、未発表の価格設定、未公開財務情報、許可のないソースコード
• セキュリティ/内部詳細: エクスプロイト可能なシステム図やインシデント報告

匿名化とプレースホルダーの活用

ほとんどの「複雑さ」は詳細を秘したまま保持できます。識別情報をプレースホルダーに置き換えてください：

• 会社名は「Client A / Client B」
• 金額は「$X」
• URLは「<API_ENDPOINT>」や「<INTERNAL_TOOL>」

AIが構造を必要とする場合は、サンプル行、偽だが現実的な値、または要約した説明を与えてください。

簡単な内部ルールを作る

チームが覚えられる1ページのガイドラインを作成してください：

• 許可されるもの（公開情報、サニタイズされた抜粋、合成例）
• 制限されるもの（上記の機密類）
• 迷ったら誰に聞くか

ポリシーとツール設定を確認する

実際のワークフローでAIを使う前に、組織の方針とツールの管理設定（データ保持、学習用利用のオプトアウト、ワークスペース制御）を確認してください。セキュリティチームがいるなら整合させ、一度合意したら同じガードレールを再利用しましょう。

プラットフォーム（Koder.aiなど）でアプリを構築・ホストする場合も同じです：デフォルトを確認して、ワークスペース制御、保持期間、デプロイ先がプライバシーとデータ駐在要件に合っていることを確かめてください。

例：AIに複雑さを端から端まで任せるワークフロー

以下は、AIが「多数の小さなステップ」を処理し、あなたが成果に集中するためのすぐ使えるワークフローです。

1) 乱雑なブリーフからのプロジェクト計画

必要な入力: ゴール、締め切り、制約（予算/ツール）、関係者、必須項目、既知のリスク。

ステップ: AIが欠けている点を確認 → マイルストーン提案 → マイルストーンをタスクに分解し、担当者と期日を付与 → リスクと依存関係をフラグ → 共有可能な計画を出力。

最終成果物: 1ページのプロジェクト計画 + タスクリスト。

完了の定義: マイルストーンに期限があり、各タスクに担当者が付いていること、上位5つのリスクに対策があること。

2) 顧客向けメールシーケンス（ウェルカム、ナーチャー、リアクティベーション）

必要な入力: 製品の価値提案、対象、トーン、オファー、リンク、コンプライアンスの注意事項（オプトアウト文言）。

ステップ: AIがジャーニーをマッピング → 3〜5通のメールを草案 → 件名とプレビュー文を作成 → 一貫性とCTAをチェック → 送信スケジュールを出力。

最終成果物: ESPに投入可能な完全なメールシーケンス。

完了の定義: 各メールに主要CTAが1つあり、トーンが一貫、必須のコンプライアンス文言が含まれていること。

3) 社内ポリシー草案（軽量で使えるもの）

必要な入力: ポリシーの目的、適用範囲（誰/どこ）、既存ルール、法務/人事の制約、許容/不許容の例。

ステップ: AIがセクションをアウトライン → ポリシーテキストを草案 → FAQとエッジケースを追加 → 従業員向けの短い要約を作成 → ロールアウトチェックリストを提案。

最終成果物: ポリシードキュメント + 従業員向けサマリー。

完了の定義: 適用範囲が明確で、定義が含まれ、責任者とエスカレーション経路が記載されていること。

4) 意思決定につながるリサーチサマリー

必要な入力: リサーチの問い、対象市場、ソース（リンクや貼り付けノート）、あなたが下すべき決定。

ステップ: AIが主要主張を抽出 → ソースを比較 → 信頼度とギャップを記述 → 利点と欠点で選択肢を要約 → 次に集めるべきデータを推奨。

最終成果物: 引用付きの決定メモ（1〜2ページ）。

完了の定義: 3〜5の実行可能な洞察、推奨、明確に示された不明点が含まれていること。

5) アイデアから動作する内部ツールへ

必要な入力: ツールの成果（何ができるべきか）、ユーザー/役割、保存するデータ、制約（セキュリティ、スケジュール）、完了の定義。

ステップ: AIがユーザーストーリーを提案 → エッジケースと権限を特定 → ロールアウト計画を草案 → ステークホルダーとテスト可能なMVPを生成。

最終成果物: デプロイされたプロトタイプ（短い仕様書付き）。

完了の定義: ユーザーが主要なワークフローを終端まで実行でき、上位のリスクと不明点が列挙されていること。

これらを繰り返し可能なテンプレートとして運用し、実際に一部をアプリとして出荷したければ、Koder.aiは計画からデプロイまでの成果志向ワークフローに適しています。詳細は /pricing をご覧ください。

FAQ と簡単な次の一手プラン

FAQ

プロンプトはどう作ればいい？あまり考えすぎたくない場合は？

上で示したテンプレートを使ってください：成果、対象、形式、制約、ソース資料を順に書くだけで十分です。

どれくらいのコンテキストがあれば十分？

誤った仮定を防げるだけの情報があればOKです。過去の例、トーンの指定、重要な事実と禁止事項を加えれば精度が上がります。

出力を素早く検証するには？

まずはドラフトと扱い、事実、ゴール適合性、機密情報の有無をチェックします。AIに明確なチェックリストで自己レビューさせると効率的です。

AIは私の仕事を奪う？

ほとんどの仕事は文章作成だけでなく判断や優先順位付け、説明責任を含みます。AIは雑務を減らしますが、重要な決定と最終承認はあなたが行います。

トラブルシューティング（即効の対処法）

• 出力が不明瞭: ステップバイステップの計画か構造化テーブルを求める。
• トーンが違う: 2〜3の形容詞と模範パラグラフを与えて真似させる。
• 一般的すぎる: 具体例を加え、「あなたのコンテキストに合わせた3案」を要求する。

今週の簡単プラン

1つの成果を選び（例：「より明確なプロジェクト更新を送る」）次の再現可能なワークフローを実行してください：

1. 成果と制約を書く。
2. メモを貼り付けてドラフトを依頼する。
3. AIにセルフチェック（「何が間違っているか？」）を求める。
4. 編集して送信する。
5. 次回用にそのプロンプトを保存する。

成果が製品寄り（ランディングページ、管理画面、単純なCRUDアプリなど）であれば、同じループをKoder.ai内で回して「完了」を定義し、最初のバージョンを生成し、チェックリストを実行して反復し、出荷まで持っていけます。