Lean Canvas

システムが本来行うべきことと、コードが実際に行っていることの間のギャップを見つけるための手法です。これは、意図のモデルを持たない一般的なスキャナーが見逃してしまう種類のバグを特定します。何が文書化された意図としてカウントされるか、何が実装の証拠としてカウントされるか、どの不一致が重要か、そして曖昧な調査結果を避ける方法を定義します。AIが構築したコードの監査、文書化された権限に対するアクセス制御の確認、またはコードベースが自身のドキュメントと一致しているかのチェックに使用します。

AIで構築された（バイブコーディングされた）アプリをリリース前にレビュー可能にする、永続的なドキュメントセット。アーキテクチャ、ユーザー/権限フロー、権限、変数/シークレット、テストカバレッジマップといった、すべてのアプリに必要な最小限のコアに加え、メール、スケジュールされたタスク、SEO、埋め込みエージェント/自動化など、該当する場合にのみ追加される条件付きドキュメントで構成されます。各ドキュメントが記録すべき内容と、レビュー担当者や監査人がそれをどのように使用するかを定義します。コードベースの引き継ぎ時のドキュメント作成、ユーザージャーニーのマッピング、信頼境界の確認に使用します。

統計的有意差、サンプルサイズの検証、信頼区間、およびリリース/継続/停止の推奨事項を用いてA/Bテストの結果を分析します。実験結果の評価、テストが有意性に達したかの確認、スプリットテストデータの解釈、またはバリアントをリリースするかどうかの判断に使用します。