mcpField
I
identify-assumptions

identify-assumptions

github.com/borghei生産性1.0k99 回インストール5 日前に更新
リポジトリ

identify-assumptions について

identify-assumptionsは、製品判断の前提を検討するチーム向けの計画スキルです。リスクを分類し、影響度と確信度で評価して、先に検証・調査すべき前提を提示します。

主な機能

  1. 014または8種類のリスク分類で前提を整理
  2. 02PM、Designer、Engineerの視点で前提を抽出
  3. 03影響度と確信度で順位付け
  4. 04前提をアクション別の象限に分類
  5. 05優先度と次の対応案を管理

活用シーン

  1. 01開発を決める前の製品アイデアの検討
  2. 02リスクに関するチーム内の相違の明確化
  3. 03実験設計前に検証対象の前提を選定

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/borghei/claude-skills --skill identify-assumptions

インストール後、Claude Code で/identify-assumptionsを入力して読み込まれたか確認します。

同梱ファイル

SKILL.md と一緒にインストールされる参考資料やスクリプト。

assets/
assumption_map_template.md
examples/
shared-dashboards-assumption-mapping.md
references/
assumption-mapping-guide.md
methodology-and-tools.md
red-flags.md
scripts/
assumption_tracker.py

詳細

前提のマッピングのエキスパート

概要

製品に関する意思決定の土台となる前提を体系的に特定し、分類し、優先順位を付けます。このスキルでは、Teresa Torres の4つのリスクカテゴリーを、新製品向けの4つの追加カテゴリーで拡張し、PM、デザイナー、エンジニアの視点から悪魔の代弁者として検討することで、隠れた前提を明らかにします。

主な機能

  • 4〜8カテゴリーのリスクモデル — Value、Usability、Viability、Feasibility（Torres の基本カテゴリー）に、新製品向けの Ethics、Go-to-Market、Strategy、Team を加えます。
  • 悪魔の代弁者による洗い出し — PM、デザイナー、エンジニアの対立的な視点から、隠れた前提を明らかにします。
  • 影響度 × リスクのスコアリング — Risk Score = Impact x (1 - Confidence) によって、最初に検証すべき前提を順位付けします。
  • 象限による分類 — カテゴリーに合った検証方法を用いて、「今すぐテスト」「進行」「調査」「保留」に分類します。
  • 自動追跡 — assumption_tracker.py が優先度順に並べ替え、次のアクションを提案します。

使用する場面

  • アイデア出しの後、構築を決定する前。
  • 製品に関する意思決定が「正しそう」に感じられるものの、まだ検証されていない場合。
  • チーム内でリスクや優先順位について意見が分かれている場合 — 前提を明示することで、相違点を明らかにできます。
  • 実験を設計する前 — 最もリスクの高い前提からテストします。

まず確認すること

前提のマッピングを行う前に、次の情報を確認してください。不明または曖昧な項目があれば、推測せずに質問してください。

  • マッピング対象の意思決定またはアイデア — 前提を洗い出す具体的な製品に関する賭け（これがないと、マップの対象がありません）
  • 製品の種類 — 新規か既存か（基本の4カテゴリーを使うか、8カテゴリーすべてのモデルを使うかが決まります）
  • 影響度と確信度の根拠 — 各 impact（1〜10）と confidence（high/med/low）を決める証拠（Risk Score = Impact × (1 − Confidence) と象限の配置に影響します）

停止ルール：出力に最も大きく影響する2〜3項目だけを質問してください。ユーザーが「とにかくドラフトして」と言った場合は、そのまま進め、成果物の冒頭に前提を列挙してください。

クイックスタート

python3 scripts/assumption_tracker.py --demo            # built-in sample (8 assumptions)
python3 scripts/assumption_tracker.py input.json        # score & prioritize your assumptions
python3 scripts/assumption_tracker.py input.json --format json

各前提には、description、category（value/usability/viability/feasibility/ethics/gtm/strategy/team）、confidence（high/medium/low）、impact（1〜10）が必要です。assets/assumption_map_template.md を使って記録してください。

参考資料

タスクに合った参考資料を読み込み、このファイルは簡潔に保ち、必要に応じて詳細を確認してください。

  • references/methodology-and-tools.md — 具体例付きの4〜8カテゴリーの全表、悪魔の代弁者としての問いかけ、5段階のスコアリング／象限プロセス、assumption_tracker.py の使い方とフラグ、出力形式、トラブルシューティング、成功基準、参考文献が含まれています。前提のマッピングやスクリプト作成時に読んでください。
  • references/assumption-mapping-guide.md — 理論の詳細：Torres の4つのリスクと、カテゴリーごとの危険信号を含む拡張8カテゴリーのモデル、確信度の調整手法（証拠に基づく調整、Five Whys、プレモーテムチェック）、優先順位付けマトリックスと警戒基準、前提から実験へのマッピングが含まれています。基礎となるフレームワークを知るにはこちらを読んでください。
  • references/red-flags.md — アンチパターン（前提の水増し、誤分類、証拠のない確信度）を、Torres のカテゴリーに基づく悪い例と良い例とともに説明しています。前提マップを共有する前に読んでください。

スコープと制限事項

対象範囲: PM／デザイナー／エンジニアの悪魔の代弁者の視点を用いた体系的な前提の特定、8 カテゴリーによるリスク分類、影響度 x（1 - 確信度）による定量的なスコアリング、推奨される検証方法を伴う象限分類、優先順位付けとアクションプランを含む前提レジストリ。

対象外: 検証実験の実施（brainstorm-experiments/）、プロダクト戦略またはロードマップの決定（execution/outcome-roadmap/）、技術的実現可能性の詳細な検討（engineering/ スキル）、実行可能性を判断するための財務モデリング（finance/ スキル）。

重要な注意事項: 確信度は固定の数値（0.8／0.5／0.2）に対応付けられており、連続的な確信度を簡略化したものです。「影響度が高い」とするしきい値は 10 点中 7 点で、リスク許容度に応じて調整できます。前提のマッピングは、単独で行うよりも、プロダクトトリオで協力して行うのが最も効果的です。

統合ポイント

統合方向説明
brainstorm-ideas/受け取る生成されたアイデアが、前提をマッピングする対象になります
brainstorm-experiments/渡す「今すぐテスト」する前提が、実験設計の仮説になります
pre-mortem/補完するプレモーテムは、前提のマッピングでは見落とす可能性のあるリスク（特に重大なリスク）を捉えます
execution/create-prd/渡す検証済みの前提が PRD の「前提」セクション（セクション 7）に反映されます
execution/brainstorm-okrs/渡す実行可能性に関する前提が、OKR の主要な成果指標の選定と確信度の設定に役立ちます
senior-pm/渡す影響度の高い前提が、ポートフォリオのリスク登録簿に反映されます

コメント

Markdown 対応