Upgrade to Pro — share decks privately, control downloads, hide ads and more …

AI活用時代の事業判断高度化を導くエンジニアリング基盤 / 20260424 Atsushi ...

Sponsored · Ship Features Fearlessly Turn features on and off without deploys. Used by thousands of Ruby developers.

AI活用時代の事業判断高度化を導くエンジニアリング基盤 / 20260424 Atsushi Funahashi

2026/4/24 Agentic AI × Platform Engineering で変わる開発現場
https://dasaj.connpass.com/event/388709/

株式会社SHIFT
AIアジャイル開発部 アジャイルコーチ
船橋 篤史

Avatar for SHIFT EVOLVE

SHIFT EVOLVE PRO

April 24, 2026

More Decks by SHIFT EVOLVE

Other Decks in Technology

Transcript

  1. ©2026 SHIFT Inc. 自己紹介 船橋 篤史(ふなはし あつし) #アジャイルコーチ #スクラムマスター #QAリードエンジニア

    #SRE #DevOps ▪経歴▪ DASAアンバサダー。 SI企業で基幹システムのCS、保守、工場の製造原価管理の改善に従事。 パッケージベンダーへ転職後、制度対応、管理会計に必要な機能開発の要件定義 以降全工程を担当しつつデータベース管理者を兼任。新規プロダクトの担当へ異動 後、アジャイル開発に取り組むことをきっかけにスクラムマスターへ転身。その後社内の アジャイルコーチとクラウドサービス事業のSREを兼任。 ▪SHIFTに入社してから▪ アジャイル開発支援を通じて、QAリードエンジニア、スクラムマスター、アジャイルコーチ として活動。 アジャイル導入やCI/CDなどDevOpsに関連するプロセス、技術を支援するグループ のマネジメントやプリセールスを担当。 Developers Summit 2023に登壇し、話題賞2位受賞
  2. FY2017 売上高 81億円 ソフトウェアテスト以外のITサービスも成長 FY2025 売上高 1,298億円 約16倍 成長! 7,000名超のエンジニアが活躍

    ※2025年12月末時点 コンサル 開発 テスト FY2026売上予測 約 180 億円 約 540 億円 約 635 億円 新しいサービスが次々とリリースされ 多種多様なバックグラウンドをもつ アジャイル(テスト・チーム支援) アジャイルQA/スクラムマスター/アジャイルコーチ テスト自動化 Selenium/Appium/… DevOps 脆弱性診断 インフラ構築 PaaS/IaaS/コンテナ/… セキュリティコンサル スクラム開発 情シス ・BPO DXサービス開発/アプリ開発 DXプラットフォーム DXサービス開発/アプリ開発 ERP/SAP AI 2017年 8月期 8,174 2018年 8月期 12,792 2019年 8月期 19,531 2020年 8月期 28,712 2021年 8月期 46,004 2022年 8月期 64,873 2023年 8月期 88,030 2024年 8月期 110,627 2025年 8月期 129,819 2026年 8月期 150,000 (予) 会社概要 FY2026売上予測 FY2026売上予測 BPaaS、その他 FY2026売上予測 約 145 億円
  3. 0 2 . 加速するA I 活用と、新たなリスクの顕在化 0 3 . 判断の生命線:事業の意思決定を導くエンジニアリング基盤

    04 . 最大の競争優位性は「組織の学習」 0 1 . A I による実装負荷の低下とPdMの役割回帰
  4. ©2026 SHIFT Inc. AIのおかげで 防衛タスクが減る Copilot Cursor Claude Code 実装コスト激減

    01. AIによる実装負荷の低下とPdMの役割回帰 AI時代の生産性向上:実装コストの劇的低下 BEFORE AI ▼ AIツールの導入 AFTER AI エンジニアの実装コスト 実装コスト:大 要件定義 → 実装 → テスト ×10 速 実装コスト ② PdM の時間配分(防衛タスク → 意思決定) • 要件定義の泥沼 • ステークホルダー調整 • 厳格な進行管理 意思決定 (後手に回る) 事業判断 What/Why の探索 投資配分の最適化 AI 対応タスク(自動化)
  5. ©2026 SHIFT Inc. 01. 4つの柱 ── AIが解放するPdMのフレームワーク PdMの「本来の役割」への回帰 • 開発のハードルが下がったことで、PdMは完璧な要件定義や

    防衛的な進行管理から解放されました。 • これにより「どこにリソースを張り、どう回収するか」というプロダクト戦略への 注力が可能になりました。 • AIが実装を担う今、最重要タスクは「作るものを見極める」事業判断へと 移行しています。 5. プロダクトライフサイクル 1. プロダクトビジョン 2. 戦略&インサイト 3. デザイン&ロードマップ 4. プランニング&デリバリー 6. プロダクト管理
  6. ©2026 SHIFT Inc. 01. AIによる実装負荷の低下とPdMの役割回帰 PdM戦略「4つの柱」 1つの起点 + 3つの検証・適応ループ 『事業判断』にフルコミットしていく際、戦略構造を回していくための「4つの柱」があると考えます

    起点の柱 1.投資の最適化 • 「本当に今、これを作るべ きか?」を問いつづける What/Whyの選球眼 • 誰も使わないコードを書く 悲劇を未然に防ぐ 2.アジリティの解放 • 開発速度と意思決定を 同期させる • 機能は1日で完成して も承認・打ち手決定に • 1ヶ月かかるロスを解 消 3.経営リスクの遮断 • 「自信満々な間違い」 を見極める最終確認 • 「このプロダクトは ユーザーに受け入れら れるか?」という 「ビジネス上の最終確 認」の意志や責任をも つ 4.競争優位の構築 • AIには書けない「現 場知」の資産化 • ドメイン知識と深い 顧客理解が「平均的 な解」を超える差を 生む 学びを次の投資へ還元し、解像度を上げつづける 最速で回しつづける 3つの検証ループ 起点の仮説を高速で検証・発展させる
  7. ©2026 SHIFT Inc. 02. 加速するAI活用と、新たなリスクの顕在化 PdM業務のAI活用①:戦略・企画フェーズ ロードマップ策定 / 競合分析 /

    市場調査 / 投資仮説の構築 ロードマップ策定 • 市場トレンド・競合 データをAIで収集・要 約 • 優先度の仮説を高速に 構築 競合分析・市場調査 • 大量の公開情報をAIが 構造化 • 人間は「解釈」と「判 断」に集中 投資仮説の構築 • データドリブンなシナ リオ分析をAIが支援 • PdMが最終的な事業判 断を下す → 企画の「材料集め」をAIが担い、PdMは「判断」に集中
  8. ©2026 SHIFT Inc. 02. 加速するAI活用と、新たなリスクの顕在化 PdM業務のAI活用②:実行・検証フェーズ バックログ作成 / PRDドラフト /

    プロトタイピング / A/Bテスト設計 バックログ /PRDドラフト • AIが要件の初稿を 自動生成 • PdMはレビューと 意思決定に注力 プロトタイピング • コード生成AIによ り検証用プロトタ イプを数時間で構 築可能に • 試行錯誤のコスト 激減 A/Bテスト設計 • 統計的に有意なテ スト設計をAIが提 案 • 実験の質と速度が 同時に向上 データ分析/レポート • 実験結果の要約と 示唆の抽出を自動 化 • 次のアクション判 断を高速化 → PdMの業務サイクル全体がAIで加速 ─ しかし、この「加速」にはリスクが潜む
  9. ©2026 SHIFT Inc. 02. 加速するAI活用と、新たなリスクの顕在化 ギャップの顕在化 機能開発速度 vs 意思決定速度 機能開発速度

    ─ 指数関数的に加速 • AI支援により爆発的にアウトプット増加 • 1スプリントで以前の数倍の機能をリリース可能 • 開発の「量」はもはやボトルネックではない 意思決定速度 ─ 線形的なまま • 人間の認知・合意形成プロセスは変わらない • データ収集→分析→合意→決定のリードタイム • 組織の承認フローも従来のまま 構造的ギャップの発生 つくるスピードに「判断」が追いつかない → 何をつくるべきかわからないまま、大量につくりつづけてしまう
  10. ©2026 SHIFT Inc. 02. 加速するAI活用と、新たなリスクの顕在化 失敗の高速化 あいまいな情報から無価値な機能が量産されるリスク 「速くつくれる」=「速く間違える」 あいまいな顧客要求をそのまま実装に流すと… •

    誰も使わない機能が高速に量産される • 技術的負債が加速度的に蓄積する • チームのモチベーションが低下する 個人スキルでは解決できない → 組織の「判断の生命線」が必要 「優秀なPdMがいれば大丈夫」は通用しない規模と速度 → エンジニアリング基盤が事業判断を支える時代へ
  11. ©2026 SHIFT Inc. 判断の生命線となるエンジニアリング基盤 03. 判断の生命線:事業の意思決定を導くエンジニアリング基盤 4つの柱 × エンジニアリング基盤 Platform

    Engineering 何度でも安全に失敗できる検証の 高速道路 SRE 価値の到達を観測し撤退/継続を 決める計器盤 PdM:事業判断の高度化 CRE あいまいなノイズを高解像度な 「真のペイン」へ 投資の最適化 アジリティの解放 リスクの遮断 競争優位の構築
  12. ©2026 SHIFT Inc. 03. 判断の生命線:事業の意思決定を導くエンジニアリング基盤 Platform Engineering 安全な失敗を担保する「検証の高速道路」 AI時代の問題:速度は手に入った。しかし「安全」が足りない AIが開発速度を爆発的に加速させたが、速度だけでは「失敗の高速化」を招く。

    Platform Engineering = AIが生んだ速度を「安全に使える」ようにする基盤 CI/CD・Feature Flag・カナリアリリース自体はAI以前から存在する技術 しかし、AIによる開発速度の爆発的加速により、これらの基盤の重要性が桁違いに高まった AIがコードを量産する時代 1日に何十ものPRが生成される → 安全にマージ・デプロイする仕組みが なければ破綻する PdMが「即日検証」する時代 仮説を思いついたらすぐ試したい → 失敗の影響範囲を極小化する基盤が PdMの意思決定を加速 「失敗コスト ≒ ゼロ」の実現 カナリア+即時ロールバックで失敗のコ ストを限りなくゼロに → PdMが「まず試す」を躊躇しない → PEはAI時代の「高速道路」─ 速度を安全に活かす基盤
  13. ©2026 SHIFT Inc. 03. 判断の生命線:事業の意思決定を導くエンジニアリング基盤 SRE 「価値の到達」を観測する計器盤 PdMの課題 • リリースした機能が本当に価値を届けているか不明

    • サンクコストに引きずられて損切りできない AI × SRE が解決する • AIがビジネスKPIの異常検知・トレンド予測を自動化 • SREがシステム指標×ビジネス指標を接続し「価値の 到達」を可視化 AIが自動計測するもの • 技術指標:レイテンシ / エラー率 / 可用性 • ビジネス指標:利用率 / コンバージョン / NPS • AI予測:このまま放置すると3週間後にKPI -15% PdMが即座に判断できる • 「この機能は価値が届いている → 継続投資」 • 「ユーザー価値ゼロ → 即座に撤退(コードを消す)」 • データに基づく意思決定で、感情に流されない → PdMの撤退/継続判断をデータドリブンにし、サンクコストの罠を回避する
  14. ©2026 SHIFT Inc. 03. 判断の生命線:事業の意思決定を導くエンジニアリング基盤 CRE ノイズを「真のペイン」に高解像度化する PdMの課題 顧客の声が大量にあるが、どれが「本物のペイン」か判 断できない

    → 間違った機能に投資してしまう AI × CRE が解決する • AIが顧客フィードバック・問い合わせを自動分類・傾 向分析 • CREが顧客との信頼関係で文脈を補完し「真のペイ ン」を特定 STEP 1 AIが顧客の声を構造化 (NPS分析・チケット分類・センチメ ント解析) STEP 2 CREがAI分析に文脈を付与 (商談情報・利用状況・顧客のビジネ スゴール) STEP 3 PdMが確信を持って判断 (投資すべき課題が明確に、仮説の精 度が飛躍的に向上) → PdMの投資判断の精度を上げ、「誰も使わない機能をつくる悲劇」を未然に防ぐ
  15. ©2026 SHIFT Inc. 04. 最大の競争優位性は「組織の学習」 最大のMoat=「組織全体の学習率(Learning Rate)」 PdMは本来の役割「事業判断」に集中する AIによる生産性向上は、つくることより「決めること」の重要性を高めた。 AIを適切に活用し、学習サイクルを加速させよう

    基盤がAIの力を引き出し、組織の学習率を最大化する ― それが最大の競争優位になる 判断の生命線としてエンジニアリング基盤が必要 失敗の高速化を防ぐため、CRE・PE・SREが不可欠となる。 ワンチームで「組織の学習率」を最大化する 強固な意思決定システムこそが、他社が真似できない競争優位(Moat)になる。
  16. 島田 直樹(センリツSRE) 株式会社SHIFT 開発事業部 AIアジャイル開発部 事業会社でのSRE経験を経てSHIFTに入社し、現在は特定のツールやプロダクトに 依らない、ベンダーフリーな立場でSREの伴走型支援に取り組む。 「誰かのSREをアシストするSRE」を信条に、サービス起点での信頼性向上や組織・ アーキテクチャの課題に向き合ってきた。 SREを愛し、「センリツSRE」として技術ブログ執筆やイベント登壇などの発信活動

    も行っている。 SREの仕事は「壊さないこと」ではなくなった 〜自律化していくシステムに、責任と判断を与えるという価値〜 5/15(金) 12:00 〜 12:30 自律化が進む現代でSREとして現場に向き合う中で、私はSREの価値は「壊れないシステムを 作ること」だけでは不十分になりつつあると感じるようになりました。 では、いまSREの価値はどこにあるのでしょうか。 本セッションでは、CloudNativeを「変化と劣化を前提とした設計思想」と捉え直し、SREが どの立場で関わり、どこまで責任を引き受けるべきかを考えます。 AIによってシステムの自律化が進む時代に、人が引き受けるべき「責任」と「判断」とは何か。 実体験をもとに、AI時代におけるSREの価値を考えます。