AI時代の EM への処方箋

EMのためのAI時代におけるエンジニア育成・評価論ーUPSIDER×TOKIUM×ウォンテッドリー
（ イベントURL: https://wantedly.connpass.com/event/395454/ ）

Transcript

1. 　 AI時代の EM への処⽅箋 株式会社TOKIUM プロダクト本部 VPoE 橘⾼ 俊 EMのためのAI時代におけるエンジニア育成‧評価論ーUPSIDER×TOKIUM×ウォンテッドリー
2. 今回のテーマ： EMのためのAI時代におけるエンジニア育成‧評価論 2
3. 3 今回のテーマ「EMのためのAI時代におけるエンジニア育成‧評価論」 どんなことを話すの？ エンジニアリングマネージャの仕事は「⼤変」ですよね ...？ • ⽬標設定してメンバーと合意する • 定めた⽬標をもとに評価する • メンバーのキャリアと伴奏する • 突発的に発⽣したトラブルへの対応 • AI に関するあれやこれや などなど... もし、⾃分が今も EM をしていたら？ 多忙な AI 時代において、育成‧評価を「うまくやる」の処⽅箋 💊
4. Contents 1. ⾃⼰紹介 & 会社紹介 2. AI へ委譲する 3. 評価軸を再考する 4. 共に意思を⾒る 5. まとめ  4
5. 自己紹介 5 自己紹介 & 会社紹介 経歴 in TOKIUM 2017年　WebエンジニアとしてTOKIUM に入社（社員14人） 2019年　データ連携基盤チームをリーダーとして立ち上げ 2020年　改善チーム（SRE + CRE）へ異動 2021年　CREチームをリーダーとして立ち上げ 2023年　TOKIUM 初のEMとして複数チームのマネジメントを経験 2024年　開発部長としてエンジニアリング組織の成長を牽引 2025年　VPoE として全社におけるエンジニア採用、育成をリード @xi_kax | いかねこ 橘高　俊 Kittaka　Shun
6. 会社紹介 6 自己紹介 & 会社紹介 会社名 設立日 所在地 従業員数 代表取締役 株式会社TOKIUM 2012年 6月 26日 東京都中央区銀座6-18-2 野村不動産銀座ビル 12F 約240名 (2025年11月、正社員のみ) 黒﨑 賢一 TOKIUMの志 未来へつながる時を生む
7. AI へ委譲する 7
8. AI へ委譲する 8 これからくるもの、既にきたもの 育成 インシデント キャリア SecDevOps 品質管理 セキュリティ 育成 インシデント キャリア SecDevOps 品質管理 セキュリティ With AI With AI With AI With AI With AI With AI AI で業務が楽になるぞ...！！ あれ...？やけに⾟いな... 😇 AIの登場によって業務が圧縮されている⼀⽅、 ⾒かけ上のやるべき数は変わらずとも しれっと責任が増えて いる！
9. 頑張ってたけど観測されなかったアクション ‧CI / CD の整備によるハーネス作成 ‧datadog のダッシュボードやアラート整備 ‧他チームに対するフォローアップ ‧お客様とのコミュニケーションによるチャーン防⽌ など... AI へ委譲する 9 すべてを⾒ていられない ⾒えざる 評価対象 AI によって 評価対象は急激に⼤きくなって おり、 気が付かないうちにこのギャップは⼤きくなっている EMによって観測されたアクション ‧⽬に⾒える数値改善の成果 ‧消化されたストーリー数 ‧機能開発のためのPRとレビュー ‧Notionに書き起こされたADR など...
10. この「抽象度の⾼いデータ」こそが 成果の源 であり 評価を⾏う際により重要になるアセットとなる 10 AI へ委譲する 評価にも AI を全⼒で活⽤する データを掘り起こし「⾒えなかった成果」を可視化する → ここについては AI を全⼒で⽤いる べき！ （※ただし、事実確認は必要） ⾒えざる 評価対象 残った「⾒えざる評価対象」には より抽象度の⾼いデータだけが残っている。
11. AI へ委譲する 11 AI を使って本質に向き合う時間を作る AI を⽤いることでそれっぽい評価を書くことはできるが、 あくまでも「データ化」されたものだけである。 「データ化されていない部分」にこそ、 キャリアや意思決定の背景といったその⼈の真の価値が埋まっている。 AI が出る前から育成において最も価値のある部分に、 AI の登場でタッチできる時間を増やしやすくなっている。 AI は ⽤法⽤量を守って本気で使えば、強⼒な武器になる。
12. 評価軸を再考する 12
13. 評価軸を再考する 13 「抽象度の⾼いデータ」is 何？ 具体的な データセット 抽象度の⾼い データセット ⽣データを回収 分析しやすい 形に加⼯ レポーティング AI で⾃動化 どこから、どういった情報を⾔語化するんや... 😇 迷ったときは、原点に⽴ち戻って考えてみる。 「なぜ私たちは評価しているのか？」という問いから再出発してみる。 ⼈ と AI の協調？ 評価
14. 14 評価軸を再考する 「評価」という構造 ハイクラス 新⼈ 求められる 評価⽐重 ⾏動量 成果 再現性 個⼈レベル 組織レベル 最初：個⼈で多く挑戦して、早く失敗して学ぶことを期待する 中間：これまでの学びの結果として、安定して成果を出すことを期待する 最終的：会社が中⻑期的に成⻑し続けるために、組織的な成果や再現性を期待する 「⼈」に焦点を合わせ、組織的な成果や再現性を成り⽴たせるための構造 の⼀つが「評価」
15. 15 評価軸を再考する AIを「使わない」ポイントを探る 個⼈ チーム 会社 再現性 スクリプト作成 Skill の実装 インジケータと 良し悪しの判断材料の共有 MVV の明⽂化 意思決定の記録と振り返り 成果 ⽇常業務効率化による コスト削減 SecDevOpe 整備による ⽣産性向上 ⼈に依存しない円滑な組織運営 予実管理と粗利率の向上 ⾏動 消化チケット数 PR数 過負荷メンバーのフォロー ⾏動指針に基づく⾏動 戦略の⽴案と実⾏ 「使うこと」をベースとして「使わない場所」を探す 意思決定プロセス 「なぜそれをしたのか？」という 意思決定プロセスの深堀り は⼈がやる
16. 16 評価軸を再考する ⾒えないデータに注⼒する 具体的な データセット 抽象度の⾼い データセット ⽣データを回収 分析しやすい 形に加⼯ レポーティング AI で⾃動化 ⼈ と AI の協調 評価 ⽣データを回収 重み付けをして プロット 意思決定の 背景をヒアリング 抽象度の⾼いデータセットは「⾒えないデータ」として埋まっている。 意思決定を深堀りした後、期待値と照らし合わせて重み付けをしていく。
17. 共に意思を⾒る 17
18. 共に意思を⾒る 18 ⾒えないデータの⾒える化 やったことの意思決定 成果 成果 成果 再現性 ⾏動 やろうと思ったけど⽌めたこと ⼤切にしたいこと AI との協調で⾒える化をやっていく！ 1on1 などでヒアリングすればよそう！ マジで⾒えないところがありそうだけど、 ここは評価しなくてええんやろか... 🤔
19. 共に意思を⾒る 19 ⾏動を起点に深堀りする 縦⽅向と横⽅向に深堀っていくことで、 ⾏動に⾄った裏側の意思決定に対する解像度を⾼めていく 〇〇を実施した 当時、どういう状況だった？ 解決すべき課題は何だった？ それに対してどう感じた？ どう対処すべきと判断した？ XXというアプローチは？ ラッキーだったことは？ より良い選択肢は？ 別環境だったら？ 縦の深堀り 横の深堀り
20. 共に意思を⾒る 20 浮かび上がらせる仕組みを作る 「⽇報」や「分報」によって リアルタイムで記録 してもらう。 EMだけで背負わずに、メンバーに「アカウンタビリティ」を期待する （※⽇報⽤の /loop スキルなどを⽤意してハードルを下げるなどするとなお良し！） 課題 観測が困難な事象をどのように認知するか。 そもそも観測できないようなものも評価対象になりうるとしたら？ 例：「職場での⽴ち話」「本⼈の中で棄却した戦略」「AIとのコミュニケーション」 前提 意思決定は揮発性で、EMが動いて拾いに⾏くにも限界がある。 本来評価されるべき事象をやった本⼈すら、⼤したことではないと忘れてしまう。
21. 共に意思を⾒る 21 2⽅向から⾒る仕組みを作る 意思決定 プロセス ⽇報や分報などの⽣きの良い情報 事実から⾒えたヒアリングベースの情報 ⾒えているものを分析し「⾒えない部分を共に診る仕組み」を作る
22. まとめ 22
23. まとめ 23 AI時代における育成‧評価のために AI を使って本質に向き合う時間を作る ⾒えないデータに注⼒する 2⽅向から⾒る仕組みを作る １ ２ ３
24. 株式会社TOKIUM 東 京 本 社 ｜ 〒104-0061 東京都中央区銀座 6 丁⽬18-2 野村不動産銀座ビル12階 ⻄⽇本営業所 ｜ 〒550-0015 ⼤阪府⼤阪市⻄区南堀江 1 丁⽬ 1 番14号 四ツ橋中埜ビル 7 階 24 URL : https://www.keihi.com/company