Root Cause Challenge Pattern - 機能要求の真の動機を問う

Extracted: 2026-02-09
Context: 新機能・アーキテクチャ変更・依存追加などの意思決定時

Problem

表面的な理由で機能追加・アーキテクチャ変更を進めると:

• 真の価値を見誤る
• 技術的好奇心やサンクコストに引きずられる
• より高いROIの代替案を見逃す
• 長期的なメンテナンス負債を作る

Solution: 5ステップの根本原因チャレンジ

Step 1: 論理的矛盾を探す

提案されたアーキテクチャ判断に矛盾がないかチェック:

• "なぜAは却下でBは承認なのか？"
• "基準は一貫しているか？"
• "コスト効率は合理的か？"

例（このセッションより）:

Batch API: $5節約のために250行 → ❌却下
OpenAI Provider: $10活用のために750行 → ✅承認

矛盾: LOC/$ 比率が OpenAI Provider の方が悪いのに承認されている
→ 表面的理由（$10クレジット）が本当の動機ではない可能性

Step 2: 根本的な問いを投げる

実装方法でなく、存在意義を問う:

• "そもそもこの機能は必要か？"
• "誰が本当に求めているか？"
• "解決しようとしている問題は実在するか？"
• "ツールは既に動いている。これは本当に足りない機能か？"

Step 3: Architectに忌憚ない評価を求める

重要: 単なる実装判断でなく、本質的価値の評価を依頼:

## Your Task

Answer the fundamental question: Should we build this feature at all?

Be brutally honest. The user wants candid feedback for growth, not validation.

### Evaluate:

1. **True ROI** - Is the return worth the investment?
   - Investment: Code complexity, maintenance burden
   - Return: Concrete value (NOT time estimates)

2. **Real motivations** - What's driving this? (be honest)
   - Stated reason vs actual reason
   - Technical curiosity? Architecture appeal? Sunk cost?

3. **Alternative uses of effort** - What else could be built?
   - Focus on value delivered, not time estimates

4. **Honest scenarios** - Will this actually be used?
   - Usage frequency: Every time? Sometimes? Rarely?

### Important
- Challenge the premise
- Consider opportunity cost
- Check for YAGNI violations
- DO NOT base ROI on time estimates (they're unreliable)

Step 4: 代替案と比較

同じ複雑性レベルで何ができるか列挙:

• より高い価値を提供する機能
• 既知のバグ修正
• UX改善
• 技術的負債の返済

価値比較表を作る（時間見積もりは使わない）:

機能	複雑性	価値	使用頻度	新機能 or 改善
提案機能	高	？	低	新機能
代替案A	高	高	毎回	新機能
代替案B	中	中	時々	改善
代替案C	低	低	毎回	バグ修正

評価基準:

• 複雑性: 低/中/高（コード量、依存、テスト負荷）
• 価値: 解決する問題の大きさ
• 使用頻度: 毎回/時々/稀（どれだけ恩恵を受けるか）
• 種別: 新機能/改善/バグ修正

Step 5: サンクコストを切り捨てる

既に投資した労力（リサーチ、ドキュメント作成）は判断材料にしない:

• "既に調査したから実装しないともったいない" ← サンクコストの罠
• 正しい問い: "今ゼロから始めるとして、これを優先するか？"

Example (from pdf2anki OpenAI support session)

状況

• OpenAI API対応を計画（$10クレジット活用のため）
• 実装規模: ~1,000行、テスト移行209箇所

Step 1: 矛盾発見

• ユーザー: "Batch APIは$5で却下なのに、OpenAIは$10で承認？矛盾してない？"

Step 2: 根本を問う

• "そもそもOpenAI対応自体をやるべきか？"

Step 3: Architectに評価依頼

• "忌憚ない意見をもらうことが私を最も成長させる"
• Architect評価:
  • 投資: ~1,000行、複雑な抽象化層、永続的なメンテナンス負債
  • リターン: $10クレジット消費（一度きり）
  • 真の動機: 技術的好奇心、アーキテクチャの美しさ、サンクコスト
  • 使用頻度予測: 1-2回試して終わり（Claudeの方が日本語で優秀）
  • 判定: やるべきでない

Step 4: 代替案

機能	複雑性	価値	頻度
OpenAI対応	高（1,000行）	低（$10消費）	稀（1-2回）
画像認識カード	高（新API統合）	高（新カテゴリ対応）	毎回（図表PDF）
インタラクティブTUI	中（UI実装）	中（UX改善）	毎回（全セッション）
プロンプト評価FW	中（eval実装）	中（品質向上）	時々（改善時）
トークン推定修正	低（ロジック修正）	低（精度向上）	毎回（日本語）

明らかに優先度の高い代替案が複数存在

Step 5: 決断

• OpenAI対応をスキップ
• 4つの高価値機能に投資
• サンクコスト（3つのドキュメント、数時間のリサーチ）を切り捨て

結果: 同じ複雑性レベルで遥かに高い価値を獲得

When to Use

以下の場面で必ずこのパターンを適用:

1. 新機能の追加 - "これ欲しい"と思った時
2. アーキテクチャ変更 - "きれいにリファクタリングしたい"と思った時
3. 依存の追加 - "このライブラリ便利そう"と思った時
4. 抽象化の導入 - "将来拡張できるように..."と思った時

特に警戒すべきトリガーワード:

• "将来のために..."（YAGNI違反の可能性）
• "きれいな設計..."（過剰設計の可能性）
• "せっかく調査したから..."（サンクコスト）
• "$Xのクレジットが余ってる..."（アンカリング効果）
• "すぐできる"（時間見積もりは当てにならない）

Key Insight: 時間見積もりは使わない

重要: AIアシスタントの時間見積もりは不正確なため、ROI計算に使用しない。

代わりに評価すべき指標:

• コード量: 行数、ファイル数（複雑性の指標）
• テスト負荷: テスト数、モック箇所（保守コスト）
• 依存追加: 新しい外部依存の数（リスク）
• 具体的価値: 金額、ユーザー数、使用頻度（測定可能な価値）
• 問題の実在性: 既存のバグ？ユーザー要望？推測？

Related Patterns

• YAGNI (You Aren't Gonna Need It)
• Sunk Cost Fallacy
• Opportunity Cost Analysis
• "Don't Import the Warehouse for a Single Wheel"

Anti-Patterns to Avoid

1. "Architectural Vanity" - きれいな抽象化のために実装
2. "Feature Completionism" - 使われない機能を完全性のために追加
3. "Credit Anchoring" - 無料クレジットを使い切ることが目的化
4. "Research Justification" - 調査コストを正当化するための実装
5. "Time-Based ROI" - 不確実な時間見積もりでROIを計算

Success Story

このパターンを適用したpdf2ankiプロジェクトでは:

• ❌ 削減: OpenAI対応（~1,000行、低価値、稀な使用）
• ✅ 選択: 画像認識、TUI、評価FW、バグ修正（同等の複雑性、高価値、頻繁な使用）
• 結果: プロジェクトの価値を最大化する正しい意思決定