プロジェクトマネジメントは AIでどう変わるか？

AIによってプロジェクトマネジメントはどう変わるのか？現状の課題（プロジェクト成功率約35%）を踏まえ、AIが変える3つの領域（自動化と効率化・データに基づく予測と意思決定・リスク管理と品質向上）を整理し、PMの役割が「管理」から本来の「マネジメント」へどうシフトするかを解説します。

後半では、Cursor（Claude）× GitHub Projects × gh CLI を組み合わせた自作AIツール「AIforPM」のデモを通じて、スプリント分析・健全性スコア算出・リスク自動検出・ネクストアクション提案といったAI活用の実践例を紹介します。サーバー・DBゼロのシンプルな構成で、プロンプト1つからHTMLレポートを自動生成する仕組みです。

PMがAI時代に求められる3つのこと：①AIリテラシーの習得、②コンテキスト（データ・ドキュメント）の整理、③人間にしかできないソフトスキルの強化。

Transcript

1. 2026/04/09 リテールアプリ共創部 茂⽊清嗣 プロジェクトマネジメントは AIでどう変わるか？
2. ⾃⼰紹介 2 • ⼊社前  ◦ ⾦融機関の情シスや鉄道⼦会社のSIerでWEB エンジニアやプロジェクトマネージャーを経 験 • 2023年 クラスメソッド⼊社 ◦ ⼤⼿外⾷業のモバイルアプリ プロジェクトマ ネージャー • 部署/役割 ◦ リテールアプリ共創部 エンハンス 1チーム/チームマネージャー • 名前 ◦ 茂⽊ 清嗣(Mogi Kiyotsugu) • 好きなPMBOKの知識エリア ◦ リスク‧マネジメント • 保有資格 ◦ PMP‧認定スクラムマスター ◦ AWS認定資格(12個)
3. 現状の課題 • プロジェクトの成功率は低いまま ◦ PMの⼿法やツールは進化しているが、成功率は過去数⼗年間で⼤きく改善していない（約 35%程度） ◦ 既存のツールは「管理」には使えるが、複雑な変数を分析して「予測」や「提案」をする能⼒ に⽋けている • AIによるパラダイムシフトの到来 ◦ AI（機械学習、⾃然⾔語処理など）の進化により、PMのあり⽅が根本から変わろうとしてい る ◦ ガートナーの予測：2030年までにPM業務の80%がAIによって削減（⾃動化）される可能性が ある
4. AIが変える3つの領域 ① ⾃動化と効率化 • 定型業務の削減： ◦ 進捗報告、スケジュール調整、タスクの割り当てなどの⼿作業をAIが代⾏ ◦ ⾃然⾔語処理（NLP）を活⽤し、会議中の発⾔から⾃動で議事録作成やアクションアイテムの抽出を ⾏う • 効果： PMは事務作業から解放され、より付加価値の⾼い業務に集中できる ② データに基づく予測と意思決定 • 精度の⾼い予測： ◦ 過去の膨⼤なプロジェクトデータを学習し、スケジュール遅延や予算超過のリスクを事前に予測 ◦ 「このまま進むと3週間遅れる確率が80%」といった具体的な警告が可能に • 意思決定の⽀援： ◦ ⼈間の勘や経験だけでなく、データに基づいた客観的な判断材料を提供
5. ③ リスク管理と品質向上 • 隠れたリスクの検知： ◦ プロジェクト内の複雑な依存関係や、⼈間が⾒落としがちな微細な兆候（メンバーのモチベーション 低下など）を検知 • テストと品質保証： ◦ ソフトウェア開発において、AIがバグを⾃動検出し、修正案を提⽰するレベルまで進化
6. プロジェクトマネジャーの役割の変化 • 管理から本来の意味での「マネジメント」へ ◦ 「進捗管理」や「調整」といった管理業務の多くはAIが担うようになる ◦ PMに求められるスキルセットが⼤きく変化する • ⼈間にしかできないことへの集中 ◦ ソフトスキル： チームのモチベーション管理、ステークホルダーとの交渉、対⽴の解消、判 断 ◦ 戦略的思考： プロジェクトのビジネス価値の最⼤化、創造的な問題解決
7. プロジェクトにおけるAI活⽤の実践 • デモプロジェクト概要： ◦ プロジェクト内容：外⾷業向けモバイルアプリ開発(ポイント‧クーポン‧テーブル決済機能) ◦ 開発体制：⾃社メンバー(PM‧アーキテクト ※オフショアチームへの設計サポートやレビューを実施)とオフ ショアチーム ◦ 開発⼿法：スクラム開発 ◦ プロジェクト管理ツール：Github Projects • 課題： ◦ スプリントの進捗状況が可視化されていない ◦ リスク（期限超過‧停滞）の発⾒が遅れる • 結果： ◦ プロジェクトの健全性が把握できない ◦ 問題が表⾯化してから対応
8. AIforPM 概要 • AIforPMとは： ◦ Cursorを使⽤して、GitHub Projects のデータを⾃動取得‧分析し、プロジェクトの健全性を 可視化するAIツール ◦ プロジェクトマネージャーのための、リスクを早期発⾒するAIアシスタント • 機能 ◦ スプリント分析 • 特徴： ◦ プロンプト1つで⾃動実⾏ ◦ リアルタイムでスプリント分析 ◦ 健全性スコアを算出 ◦ リスクを⾃動検出しアラート ◦ ネクストアクションを提案
9. AIforPM 仕組みの全体像 エージェントによる自律的な分析フロー 自律実行ステップ データソース 最終成果物 gh CLIによるISSUE抽出 コメント・更新履歴の取得 リスク判定とスコアリング HTMLレポート出力 GitHub Projects V2 GitHub Issues API コメント・アサイン状況 ステータス・ポイント 健全性スコア 100点) リスクフラグ付きカード PMネクストアクション KPTサマリー自動生成 • • • • • • • • • • • •
10. AIforPM Cursor Rules とリスク分析ロジック Cursor Rules (.mdc) の役割 ルールファイルが「AIへの命令書」兼「システム仕様書」として機 能。 リスクフラグ検出ロジック 判定項目 条件式 (疑似コード) 減点 担当者未設定 assignees == [] 3pt 期限超過 due_date < 基準日 2pt 停滞・放置 updated_at > 10日前 2pt 議論の長期化 comments >= 5 1/2pt ※Doneを除く。1項目最大5pt、Sprint全体で最大15ptの制限あり。 自動ロード : 特定の発話を検知して起動 精密な定義 : API・計算式・HTML仕様を規定 ナレッジの Git管理: チームで共有・改善 • • •
11. AIforPM 技術スタック 技術スタック レイヤー 使用技術 備考 AI Agent Cursor（Claude） ルールに従ってCLIを自律実行 Agent Rules .cursor/rules/*.mdc Markdown形式・Git管理 データ取得 gh CLI（GitHub CLI） Projects V2 / Issues API ロジック Claude の推論 スコア計算・リスク判定 出力 スタンドアロン HTML 外部CDN不使用・インラインCSS 追加インフラ なし サーバー・DBゼロ
12. (参考) プロダクトバックログ
13. (参考) 出⼒レポート
14. まとめ • AI活⽤の⽬的は、単にプロジェクトマネージャーの業務を効率化‧省⼒化することではなく、プロ ジェクトの成功率をあげ、アウトカムの最⼤化に注⼒すること • そのために必要なこと ◦ ①プロジェクトマネージャーも、AIを使いこなすリテラシーを⾝につける ◦ ②AI活⽤に不可⽋なコンテキスト（データやドキュメント）を整理する ◦ ③⼈間にしか出来ないソフトスキル（共感⼒‧交渉⼒‧判断⼒‧戦略的思考）を磨く （参考）2023.2 Harvard Business Review「How AI Will Transform Project Management」 https://hbr.org/2023/02/how-ai-will-transform-project-management