Shuichiro Ogawa
English

Notes ・ updated 2026-08-07

概要

本ノートの問いは、「正しいシステム構成を学ぶために、設計に足りない要素を指摘したり、設計判断を演習したりできるツールはあるか」である。 対象はシステム設計（アーキテクチャ設計）の学習であり、実装コーディングの学習は含めない。 収集した 23 件のデータ点を、学習者との関わり方で4類型に整理する。

  • レビュー型：作った設計（設問回答、IaC、図）を入力すると、足りない要素やリスクが返る。
  • 演習フィードバック型：設計課題に取り組むと、ステップごとの指摘や模擬面接のフィードバックが返る。
  • 参照型：正しい構成の模範（リファレンスアーキテクチャ、設計パターン、選定ガイド）を読む。
  • 記述型：設計を記述する記法とモデリングツールで、設計を「書ける」ようになる。

配線して負荷を流すシミュレーション型は、隣接ノート system-architecture-simulation-learning-industry の追補節で扱った。 本ノートはその補完で、「壊して学ぶ」のではなく「正しく組む」側の学習手段を扱う。

レビュー型：設計の不足を指摘するツール

設計に足りない要素を機械的に指摘する仕組みは、クラウドベンダーのアセスメントツールとして既に存在する。

AWS Well-Architected Tool は AWS コンソール内の無料ツールで、ワークロードを登録して6柱（運用、セキュリティ、信頼性、パフォーマンス、コスト、持続可能性）の選択式設問に答えると、High Risk Issue（高リスク問題）の一覧と改善計画が返る。 Lens Catalog で Serverless や Generative AI などの観点を追加でき、教員が独自の設問と改善計画を Custom Lens として定義して配布することもできる。 設問ごとにベストプラクティスと改善理由が示されるため、学生が模擬ワークロードを登録して答えるだけで、「自分の設計に何が欠けているか」を6柱の語彙で確認できる。

Azure Well-Architected Review は同型の自己評価アセスメントで、約 60 問の多肢選択に答えると 5 柱のカテゴリ別推奨事項が返る（所要約 60 分）。 公式ドキュメントが Greenfield（初期設計段階）での使用を推奨しており、「設計判断を入力すると不足が返る」という学習ループに合う。 一方 Google Cloud には、Architecture Framework のドキュメントはあるが、これら 2 社に相当する設問型アセスメントツールは確認できなかった。

図をそのまま入力する形では、AWS Well-Architected IaC Analyzer（aws-samples）が、CloudFormation や Terraform のテンプレートに加えてアーキテクチャ図（PNG/JPEG）を Amazon Bedrock 上の Claude で分析し、Well-Architected ベストプラクティスとの差分をリスクと複雑さの優先度付きで出力する。 「図を出すと足りない要素が返る」という求める形に最も直接に合致するが、正式製品ではなくサンプルプロジェクト（non-production 明記）で、自分の AWS 環境へのデプロイと Bedrock 費用が要る。 なお Azure Advisor は同じ「推奨を返す」ツールでも、デプロイ済みリソースのテレメトリを事後分析する仕組みなので、設計段階の学習には向かない。

演習フィードバック型：設計を作ると指摘が返るサービス

学習者が設計を作り、それに対する指摘が返るサービスは、システム設計面接の練習市場に集中している。

この中で「描いた設計図を評価する」ことを確認できたのは HelloInterview だけである。 ホワイトボードに設計を描きながら説明すると、AI が図を読み取り、ステップごとにルーブリックに基づく即時フィードバックを返す（システム設計 34 題、無料枠あり）。 創業者（元 Amazon と Meta のエンジニアリングマネージャー）が実装の内幕（フィードバック生成に GPT-4o、月額 AI コスト約 1 万ドル、ホワイトボード同期は CRDT）をブログで開示しており、当事者証言の透明性も高い。 「FAANG 面接官が整備したルーブリック」という訴求は関与プロセスが非開示のため、販促主張として分離した。

その他は形式が異なる。 interviewing.io はシニア以上の現役エンジニアによる匿名モック面接（有料）で人間のレビューが返り、AI 面接官はシステム設計対応で 200 問以上が無料。 Exponent はピア同士の模擬面接（月 5 件まで無料）に 2025 年から AI フィードバックが加わった。 Educative の Grokking コースは AI モック面接 8 本を含むが、図そのものを評価するかは確認できなかった。 読み物として定評のある ByteByteGo と DesignGurus には、設計を提出してフィードバックを受ける機能は見つからなかった（前者はコーディング演習のみ追加）。

参照型：正しい構成の模範

「正しい構成とは何か」の参照元は、3 社ともドキュメントポータルとして無料公開している。 AWS Architecture Center と Solutions Library はリファレンスアーキテクチャと検証済みソリューション、サービス選定の Decision Guides を提供する。 Azure Architecture Center は設計パターンに加えて、テクノロジー選定を判断木形式で示すガイドとアンチパターン一覧を持ち、「なぜその構成か」を選定理由から学べる。 Google Cloud Architecture Center も同種のリファレンスアーキテクチャ群を提供する。 これらは能動的に不足を指摘しないため、レビュー型と組で使う性質のものになる。

記述型：設計を書くための記法とツール

設計を学ぶには、設計を記述できる必要がある。 この層の事実上の標準は C4 model（Context、Container、Component、Code の 4 層で記述する記法。Simon Brown 創案）で、参照実装の Structurizr は DSL からダイアグラムを一元生成する。 Structurizr Lite はローカルで無料、クラウド版は学術プロジェクトに無料（要申請）なので、大学の授業でそのまま使える。 エンタープライズアーキテクチャの標準記法 ArchiMate には無料 OSS の Archi があり、公式サイトが大学と学生の利用を明記している。 C4 ベースの協働ツール IcePanel にも無料枠がある。 いずれも記述と可視化のツールであり、設計の良し悪しを自動で指摘する機能はない。 評価の方法論としては SEI の ATAM（品質属性のトレードオフをステークホルダー参加で評価するワークショップ手法）があるが、これを支援する公式ソフトウェアツールは見つからなかった。

学生教育への組み立て

4 類型は排他的ではなく、本調査の範囲では次の順の組み合わせが無理なく構成できる。 参照型（Azure の判断木ガイドや AWS Decision Guides）で「構成要素を選ぶ理由」を読み、記述型（C4 と Structurizr Lite、いずれも無料）で自分の設計を書かせ、レビュー型（AWS Well-Architected Tool、無料）で 6 柱の設問に答えさせて不足を確認し、演習フィードバック型（HelloInterview の無料枠）で図に対する指摘を体験させる。 教員が採点基準を作る場合は、Well-Architected の Custom Lens として設問化する経路がある。 さらに「その設計が負荷でどう振る舞うか」を見せたければ、system-architecture-simulation-learning-industry の追補で整理した配線シミュレータが接続先になる。

空白（未充足の論点）

  • 「学習者の設計図を AI が評価して不足を指摘する」ことを確認できた製品は HelloInterview と AWS IaC Analyzer（サンプル）のみで、専用の教育製品としては市場に薄い。
  • Google Cloud には設問型アセスメントツールが見つからず、レビュー型は AWS と Azure の 2 社に依存する。
  • ATAM をはじめとするアーキテクチャ評価手法のツール化は確認できなかった。
  • 各サービスの教育効果（設計力が実際に向上するか）を示す独立調査は存在しない。効果検証は学習科学の査読文献（academic mode）の領分である。
  • モデリングツール（Structurizr、Archi）の大学教育での採用実態を示す方法論明示の調査は見つからなかった。

参照文献

すべて 2026-08-07 アクセス。台帳の詳細（方法論、ポジション判定、要一次検証の全項目）は source/review/system-design-learning-tools/industry.md を参照。

ベンダー公式（T1v）

第三者（T3）

← Notes 一覧 ・ ホーム