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

「AI駆動PO」を考えてみる - 作る速さから価値のスループットへ:検査・適応で未来を開発 ...

「AI駆動PO」を考えてみる - 作る速さから価値のスループットへ:検査・適応で未来を開発 / AI-driven product owner. scrummat2025

Avatar for yosuke nagai

yosuke nagai

October 03, 2025
Tweet

More Decks by yosuke nagai

Other Decks in Technology

Transcript

  1. fukabori.fmとt-wadaさん fukabori.fmは、ホストの岩瀬義昌さん(@iwashi)が、技術・組織・マネジメ ントを深掘りするPodcast。ゲストはEM・PM・実務家が多く様々なITに関連の ある議題を扱う。代表回は #100「A Philosophy of Software Design」、 #130「MCP回」など。先日のスクラムフェス大阪2025のキーノートスピー

    カーでもありました。 #131でゲストの通称t-wadaさんこと和田卓人さんは、テスト駆動開発(TDD) の第一人者として実践と普及に尽力されいる日本の著名なプログラマー。 fukabori.fmでもt-wadaさんゲスト回は界隈で話題になること多い。 5 引用元:「fukabori.fm #131. AIコーディングの現在地 w/ twada」 https://fukabori.fm/episode/131
  2. 一部の要約 • ソフトウェア開発は自律的AIによる「エージェンティック コーディング」へと急激に移行。 • シニアはデザインパターンなど無数の語彙(コンテクスト圧 縮技術)を持ちAI時代の競争力に。 • コードディングシーンが急速に失われようとしていること へ、t-wadaさんの強い悲しみ。

    • シニアは知識や経験則が重荷となり、アイデンティティを揺 るがし痛みを伴うアンラーニングに直面。限られた時間でAI に触れ本質掴むよう頑張るしかない。 • 一方、ジュニアは豊富な時間を武器に。多くのツールや体験 を積めて新時代の本質を捉えやすい。 8 引用元:「fukabori.fm #131. AIコーディングの現在地 w/ twada」 https://fukabori.fm/episode/131
  3. スクラムのすべてがここにある 「スクラムガイド」 “Scrum is immutable. While implementing only parts of

    Scrum is possible, the result is not Scrum.” スクラムは、スクラムガイドに定義されているスクラムのアカウンタビ リティ、イベント、成果物およびそれらを結びつけるルールから構成さ れる。これらの要素を除いたり変更したりすると、それはスクラムでは ない。 18
  4. 「スクラムガイド」より抜粋 プロダクトオーナー プロダクトオーナー プロダクトオーナーは、スクラムチームから⽣み出されるプロダクトの価値を最⼤化することの結 果に責任を持つ。組織・スクラムチーム・個⼈によって、その⽅法はさまざまである。 プロダクトオーナーは、効果的な プロダクトバックログ管理にも責任を持つ。たとえば、 • プロダクトゴールを策定し、明⽰的に伝える。 •

    プロダクトバックログアイテムを作成し、明確に伝える。 • プロダクトバックログアイテムを並び替える。 • プロダクトバックログに透明性があり、⾒える化され、理解されるようにする。 上記の作業は、プロダクトオーナーが⾏うこともできるが、他の⼈に委任することもできる。いず れの場合も、最終的な責任はプロダクトオーナーが持つ。 21 引用元:「スクラムガイド 2020」 https://scrumguides.org/docs/scrumguide/v2020/2020-Scrum-Guide-Japanese.pdf
  5. 「スクラムガイド」より抜粋 プロダクトオーナー プロダクトオーナー プロダクトオーナーは、スクラムチームから⽣み出されるプロダクトの価値を最⼤化 することの結果に責任を持つ。組織・スクラムチーム・個⼈によって、その⽅法はさまざまで ある。 プロダクトオーナーは、効果的な プロダクトバックログ管理にも責任を持つ。たとえば、 • プロダクトゴールを策定し、明⽰的に伝える。

    • プロダクトバックログアイテムを作成し、明確に伝える。 • プロダクトバックログアイテムを並び替える。 • プロダクトバックログに透明性があり、⾒える化され、理解されるようにする。 上記の作業は、プロダクトオーナーが⾏うこともできるが、他の⼈に委任することもできる。いずれの場合も、最終 的な責任はプロダクトオーナーが持つ。 22 引用元:「スクラムガイド 2020」 https://scrumguides.org/docs/scrumguide/v2020/2020-Scrum-Guide-Japanese.pdf
  6. 自己紹介 長井 洋介(Nagai Yosuke) CCIG 北國銀行 システム部 開発G グループ長 CCIG

    デジタルバリュー テクノロジー部 部長 1978年 生まれ 神戸市出身 2005年~ 複数の都内企業でIT事業に従事  経験スタックはフロント~インフラまで広浅  エンタープライズ系からキャリアを開始し  WEBを中心に toB, toC, SNS, ゲームなど  様々なソリューション, サービスサイズ, ライフサイクルを経験 2021年8月~ 北國銀行入行 デジタルバリュー出向兼務 金沢に転居! 現在はCCIグループのIT文脈全体に関与を広げている カード系事業開発も監修 スクラムフェス金沢運営 アジャイルにどっぷり! 30 \北國フィナンシャルホールディングスはCCIグループとなりました/(2025/10~)
  7. 目次 1. セッションの内容 2. 起きていること 3. 高速化で起きること 4. 生産性を調査 5.

    全体の回転数は上がり続ける 6. 可能性と方向性 7. AI駆動PO(拡張PO) 8. ギャップと分担 32
  8. 「複雑性」とAIの相性 39 Vibe CodingやSDDなどの評価や実例なども踏まえて、AI開 発とサービスサイズなどの相性度を生成AIで100点評価。 相性度 種別 代表例 複雑性 90

    LP(1ページ訴求) キャンペーンLP、単発申込フォーム 小(1~5p) 85 静的コンテンツ 会社概要、製品説明、採用ページ 小(5〜30p) 78 マーケサイト(軽動的) ブログ、ナレッジサイト、CMS更新 中(CMS/検索/多言語) 72 フォーム+簡易ワークフロー 問合せ→CRM登録、自動返信 中(外部API少なめ) 68 プロモ特化EC(軽量) 固定カタログ+Shopifyテーマ改変 中(在庫/決済依存) 62 ダッシュボード/BI KPI可視化、レポート表示 中(DWH/SQL連携) 58 CRUD内製ツール マスタ管理、チケット管理、承認フロー 中(認証/権限/監査) 50 複合業務ロジック 料金計算、与信、在庫引当 大(複数システム連携) 45 本格EC 在庫・価格変動、販促連動、多通貨決済 大(基幹/配送/税制依存) 38 協調・リアルタイムアプリ コラボ編集、WebSocket同期 大(低遅延/同時編集) 30 マルチテナントSaaS 権限管理、拡張、課金、SLAs 超大(マルチ環境/監査必須) 20 規制/安全クリティカル 金融システム、医療基盤、決済基盤 極大(規制・安全要求極高)
  9. 闇雲に回転数 だけを上げると 43 • ボトルネック(周囲が) ◦ 待機時間が生まれプレッシャーを生む ◦ 部位に偏り周りが速度向上に追われる •

    コミュニケーションコスト増 ◦ 頻度が上がりペース崩れ質も低下 • 個別最適 ◦ 待ちの間は中の仕事を…となる ◦ それはそれで業務の管理コストもあがる ◦ 効率化しても仕事が増えない ◦ 人を減らそうとする
  10. 44 層 主な役割 領域 –4層 経営, 営業,マーケ 事業戦略, 市場分析 –3層

    事業部門, PM 企画, ガバナンス –2層 開発T、デザイナー 概要設計, レビュー –1層 PO, SM チケット管理 0層 DEV (開発者) 開発 (設計・実装) +1層 シニアエンジニア, QA 技術的検証 +2層 QA, 事業部門, CS 総合検証・受入検証 +3層 法務, セキュリティ,監査, 統括 リリース承認 +4層 SRE/インフラ, PM, 営業店 リリース, ユーザー展開 +5層 SRE, CS, データアナリスト 運用保守・効果測定 影響の距離と頻度のイメージ 影響の距離のイメージ図。V字モデル的な対称性もあり頻度も見 えてくる。例えばセキュリティのシフトレフトが非自動化だと開 発高速化の分だけ関与頻度増の可能性。
  11. 45 層 主な役割 領域 主な活動内容 –4層 経営, 営業,マーケ 事業戦略, 市場分析

    事業戦略策定, 市場分析, 投資判断, 予算承認 –3層 事業部門, PM 企画, ガバナンス 業務要件提示, PJT計画, 法務・セキュリティ評価 –2層 開発T, デザイナー, データアナリスト 概要設計, レビュー UI/UX作成, データ分析, 仕様の合意形成 –1層 PO, SM チケット管理 バックログ優先順位付け, プロセス円滑化, タスク具体化 0層 DEV (開発者) 開発 (設計・実装) コーディング, デバッグ, 単体テスト, ビルド +1層 シニアエンジニア, QA 技術的検証 コードレビュー, 品質テスト(QA), 連携検証 +2層 QA, 事業部門, CS 総合検証・受入検証 総合的な動作検証(QA), 業務シナリオ受入テスト(UAT) +3層 法務, セキュリティ, 監査, 統括 リリース承認 法務レビュー, 脆弱性診断, 監査対応, リリース可否判断 +4層 SRE/インフラ, PM, 営業店 リリース, ユーザー展開 本番環境へのデプロイ, 営業店対応, 研修, マニュアル作成 +5層 SRE, CS, データアナリスト 運用保守・効果測定 安定稼働監視, 障害対応, KPI測定, フィードバック収集
  12. 分類パターン 主要な次元 主要な適用領域 支持度 学術性 ソース例 全要素生産性 効率性、技術 マクロ経済、 長期成長戦略

    中 最高 BLS, NBER, 学術論文 部分生産性 量 (労働生産性) マクロ経済、 製造業、財務分析 高 高 BLS, OECD, Investopedia Q, C, D 質、コスト、 納期 オペレーション、製造 業、サプライチェーン 最高 中高 Lean Management, Wikipedia, HBR/McKinsey Q, Q, V 質、量、価値 サービス業、知識労働、 プロダクトマネジメント 高 中 HBR, TIAA Institute, ResearchGate Eco-efficiency 効率性、持続性 ESG経営、戦略、 イノベーション 中高 高 WBCSD, UN Sustainable Dev. 創造性, 革新性 質、価値、新規 R&D、競争戦略 中 中高 Schumpeter, ResearchGate 生産性とはそもそも何か 49 視点やスコープ調整が難しく適当なところで手を止めたが、 結局どの側面や観点で見るかは文脈による。
  13. 開発における"生産性"を分類 50 観点 プロダクト価値 開発における実現手段の例 🚀 量的 (D,スピード) 市場投入と学習の サイクルを高速化

    企画・仕様・コードの自動生成 実践: CI/CD, WIP制限, 小バッチ開発 ✅ 質的 (Q,価値,信頼) 顧客価値とシステムの 信頼性を両立 テスト設計, 合成データ生成, 原因分析 自動テスト, SLO/SLI, オブザーバビリティ 💰 効率性 (C,経済性) コストを最適化し 経済合理性を高める コスト分析, 手順書生成, 重複検出 FinOps, IaC, コンポーネント共通化 🌱 持続性 (保守性) 技術的負債を管理し 長期的な保守性を保つ ドキュメント・ADR・依存更新の自動化 技術的負債管理, 静的解析 🔄 適応性 (変化対応) ビジネスや技術の変化へ 迅速かつ安全に対応 影響分析, ロールバック手順の生成 疎結合アーキテクチャ, フィーチャーフラグ 改めて、開発工程をマッピングしながらチューニング。 QCDに"持続", "適応"が加わった形。プロダクトにおける生 成AIの生産性分類には程よい抽象度だと感じた。ちなみに このセッションのテーマは🌱持続性と🔄適応性ですかね。
  14. AIへの「期待と関心」日本と海外 52 観点 日本 海外 背景 人口減少による人手不足という社会課題。 既存ビジネスの安定的継続志向。 絶え間ないイノベーションと成長を追求する企業文化。 リスクを厭わない投資家文化。

    AI導入目的 人手不足の解消と業務効率化が主。 既存業務の課題解決を重視。 競争優位性の獲得と新たな市場創造が主。 イノベーションへの投資を重視。 注目テーマ ★★★★★: 業務効率化/生産性向上 ★★★★☆: 顧客体験(CX)向上 ★☆☆☆☆: 新規事業・サービス創出 ★★★★★: 労働市場・雇用 ★★★☆☆: 倫理・ガバナンス ★★★★★: 業務効率化/生産性向上 ★★★★☆: 顧客体験(CX)向上 ★★★★★: 新規事業・サービス創出 ★★★★☆: 労働市場・雇用 ★★★★★: 倫理・ガバナンス 労働市場への 影響 雇用代替への懸念が根強く、 「AIに仕事を奪われる」という議論が中心。 AIと人間の共存・協業が前提。 「専門性を向上パートナー」として新職種の創出に関心。 具体例 - 三菱UFJ銀行: 生成AIで月22万時間削減。 - 江崎グリコ: AIチャットボットで問い合わせ 対応を効率化し、人手不足を補う。 - コカ・コーラ: 生成AIで顧客嗜好を分析、新フレーバーを 開発。 - Gucci: AIで顧客に合わせた提案を実現しブランド向上。 DeepResearchで「生成AIによる変革」を日本と海外で分けて調 査。さらにその結果を比較し傾向を分析。 結果、日本は人手不足や効率化志向でAIへの不安感も強い。 一方、海外は成長志向や探索的志向でAIへの期待感が強い。
  15. 隣ではなく外の世界も変化する • 経営判断:意思決定高速化でロードマップ修正が増加 • セキュリティ:攻撃巧妙化で修正頻度と運用負荷増大 • 規制/監査:更新短期化で要件変動と適合確認頻発 • 競合:模倣スピード加速で差別化の寿命短縮 •

    プラットフォーム:頻繁更新で再学習や互換性崩れ常態化 • データ/モデル:更新短周期化でMLOps負荷増大 • エコシステム依存:外部速度が契約や法務律速点になる • 流通/チャネル:UIやアルゴ揺れでABテスト頻度増加 • 人材市場:スキル半減期短縮で育成・再配置速度が競争力直結 • 顧客期待:即応・パーソナライズ要求で体験改善サイクル加速 60
  16. 「方向性」のフレームワーク 66 Safer(守り) Bolder(攻め) More (量) 効率化・安全な量産  - 既存UIの自動テスト生成  -

    ログ出力パターンの自動生成  - 既知要件のドキュメント自動作成  - コスト削減目的のルーチン自動化 大胆なスケール拡張  - 多言語化(自動翻訳/ローカライズ)  - 類似機能の高速クローンと同時市場展開  - 高頻度A/Bで小改善を一気に回転  - 顧客対応チャットボットの大規模展開 Better (質) 品質保証・リスク低減  - 脆弱性チェックの自動化・強化  - 自動コードレビューでムダを削減  - テストカバレッジの強化  - リリース前軽量セーフティケース整備 新価値創出・未知への挑戦  - 新UXデザイン案のAIプロトタイピング  - 顧客インサイト分析→新規サービス仮説  - 異分野を組み合わせた新ビジネス探索  - 「いままで無理」だった根本的再構築 事業やプロダクトに対しAI活用の方向性や重みを整理するもの。 四象限的に方向性をマップするも良し、ステージやフェーズに応じ て70-20-10学習モデルのように割合配分するなどトレードオフ スライダー的にも使うも良し。正しい方向や配分を固定化…ではなく POが組織に投げかける“問いの枠組み”として生成。 Time Dividend Framework
  17. 「方向性」のフレームワーク 67 Safer(守り) Bolder(攻め) More (量) 効率化・安全な量産  - 既存UIの自動テスト生成  -

    ログ出力パターンの自動生成  - 既知要件のドキュメント自動作成  - コスト削減目的のルーチン自動化 大胆なスケール拡張  - 多言語化(自動翻訳/ローカライズ)  - 類似機能の高速クローンと同時市場展開  - 高頻度A/Bで小改善を一気に回転  - 顧客対応チャットボットの大規模展開 Better (質) 品質保証・リスク低減  - 脆弱性チェックの自動化・強化  - 自動コードレビューでムダを削減  - テストカバレッジの強化  - リリース前軽量セーフティケース整備 新価値創出・未知への挑戦  - 新UXデザイン案のAIプロトタイピング  - 顧客インサイト分析→新規サービス仮説  - 異分野を組み合わせた新ビジネス探索  - 「いままで無理」だった根本的再構築 補足:生成AIの思考→構築プロセス ・問いを「生産性自体」から「獲得時間の配当(dividend)先」に転換 ・思考プロセスは「時間の使い方」に軸を換えて指標偏重を避ける事 ・ 下敷き理論:70-20-10, Three Horizons Model, DORAやSRE ・ 既存フレームで語られていた要素を再解釈してAI活用文脈に合わせ Time Dividend Framework
  18. 割合配分の例 68 Safer(守り) Bolder(攻め) More (量) 効率化・安全な量産 大胆なスケール拡張 Better (質)

    品質保証・リスク低減 新価値創出・未知への挑戦 ※方向性配分(トレードオフ)のざっくり例※ 👉 品質立て直し:More 10% / Better 60% / Bolder 10% / Safer 20%  不具合分析、根本原因調査、リファクタ、テスト補強、レビュープロセス改善 👉 新事業探索期:More 10% / Better 15% / Bolder 65% / Safer 10%  PoCやMVP作成、顧客インタビュー、競合リサーチ、UXプロトタイピング、仮説検証スプリント 👉 大規模リリース前:More 10% / Better 25% / Bolder 5% / Safer 60%  リグレッションテスト、性能検証、デプロイ手順リハーサル、セキュリティレビュー、ドキュメント整備 👉 インシデント発生後:More 5% / Better 20% / Bolder 5% / Safer 70%  障害原因の振り返り(ポストモーテム)、監視改善、アラート閾値調整、運用手順標準化、再発防止策導入 Time Dividend Framework
  19. 生成AI活用における勘所 • 何があろうと価値・効果が重要 • 浮いたパワーの投資先(方向)を決めておこう ◦ それにより部分最適と意図なき高速化を予防する • 与える影響を知る ◦

    ボトルネックを捉えていくこと • 受ける影響を知る ◦ 周囲がどんどん速くなってくるぞ • その上で、どこに生成AIを用いるか意図を持つ • 本当の「生産性」を得るため観測・計測 • 効率化に振る場合は代替え感情に配慮 ◦ 活用できれば仕事が自然と増えるはず 71
  20. Re: 生成AI活用における勘所 • 何があろうと価値・効果が重要 • 浮いたパワーの投資先(方向)を決めておこう ◦ それにより部分最適と意図なき高速化を予防する • 与える影響を知る

    ◦ ボトルネックを捉えていくこと • 受ける影響を知る ◦ 周囲がどんどん速くなってくるぞ • その上で、どこに生成AIを用いるか意図を持つ • 本当の「生産性」を得るため観測・計測する • 効率化に振る場合は代替え感情に配慮 ◦ 活用できれば仕事が自然と増えるはず 73
  21. Re: 生成AI活用における勘所 • 何があろうと価値・効果が重要 • 浮いたパワーの投資先(方向)を決めておこう ◦ それにより部分最適と意図なき高速化を予防する • 与える影響を知る

    ◦ ボトルネックを捉えていくこと • 受ける影響を知る ◦ 周囲がどんどん速くなってくるぞ • その上で、どこに生成AIを用いるか意図を持つ • 本当の「生産性」を得るため観測・計測する • 効率化に振る場合は代替え感情に配慮 ◦ 活用できれば仕事が自然と増えるはず 74
  22. Re: 隣ではなく外の世界も変化する 75 • 経営判断:意思決定高速化でロードマップ修正が増加 • セキュリティ:攻撃巧妙化で修正頻度と運用負荷増大 • 規制/監査:更新短期化で要件変動と適合確認頻発 •

    競合:模倣スピード加速で差別化の寿命短縮 • プラットフォーム:頻繁更新で再学習や互換性崩れ常態化 • データ/モデル:更新短周期化でMLOps負荷増大 • エコシステム依存:外部速度が契約や法務律速点になる • 流通/チャネル:UIやアルゴ揺れでABテスト頻度増加 • 人材市場:スキル半減期短縮で育成・再配置速度が競争力直結 • 顧客期待:即応・パーソナライズ要求で体験改善サイクル加速
  23. Re: 隣ではなく外の世界も変化する 76 • 経営判断:意思決定高速化でロードマップ修正が増加 • セキュリティ:攻撃巧妙化で修正頻度と運用負荷増大 • 規制/監査:更新短期化で要件変動と適合確認頻発 •

    競合:模倣スピード加速で差別化の寿命短縮 • プラットフォーム:頻繁更新で再学習や互換性崩れ常態化 • データ/モデル:更新短周期化でMLOps負荷増大 • エコシステム依存:外部速度が契約や法務律速点になる • 流通/チャネル:UIやアルゴ揺れでABテスト頻度増加 • 人材市場:スキル半減期短縮で育成・再配置速度が競争力直結 • 顧客期待:即応・パーソナライズ要求で体験改善サイクル加速
  24. "既存PO業務での"生成AI活用 少し発散気味でしたが、戻ります。 元々「拡張PO」をキーワードに幾つか検討事項を用意し、 生成AIの強みを活かしやすいところの整理や、生成AIによる 直接的な補助要件などを整理する予定でした。 • AIが得意:情報収集/分析・可視化/仮説生成・代替案/文書ドラフト/説明資料の雛形 • 人が必要:価値判断/合意形成・調整/最終優先順位/文脈理解/責任の引き受け •

    メトリクス整備:差戻し率、承認リードタイム、レビュー待ち在庫、ガードレール逸脱数 • ボトルネック調整ロードマップ:チーム内→部門間→ガバナンス→外部説明へ段階展開 • オートマージの運用プロトコル:対象範囲・権限・ロールバック・監査証跡 • コミュニケーション負債の抑制:定型同期の縮小、非同期テンプレ、意思決定ログ化 • 実験のガードレール:セキュリティ・法務の最小チェックリスト、段階リリース • ナレッジ化と育成:AIリテラシーギャップへのアプローチ、ジュニア×シニアへの割り当て • パイロット設計:小さく始めて、効果→拡張→制度化の順に 88
  25. "既存PO業務での"生成AI活用 • AIが得意:情報収集/分析・可視化/仮説生成・代替案/文書ドラフト/説明資料の雛形 • 人が必要:価値判断/合意形成・調整/最終優先順位/文脈理解/責任の引き受け • メトリクス整備:差戻し率、承認リードタイム、レビュー待ち在庫、ガードレール逸脱数 • ボトルネック調整ロードマップ:チーム内→部門間→ガバナンス→外部説明へ段階展開 •

    オートマージの運用プロトコル:対象範囲・権限・ロールバック・監査証跡 • コミュニケーション負債の抑制:定型同期の縮小、非同期テンプレ、意思決定ログ化 • 実験のガードレール:セキュリティ・法務の最小チェックリスト、段階リリース • ナレッジ化と育成:AIリテラシーギャップへのアプローチ、ジュニア×シニアへの割り当て • パイロット設計:小さく始めて、効果→拡張→制度化の順に 93
  26. "既存PO業務での"生成AI活用 • AIが得意:情報収集/分析・可視化/仮説生成・代替案/文書ドラフト/説明資料の雛形 • 人が必要:価値判断/合意形成・調整/最終優先順位/文脈理解/責任の引き受け • メトリクス整備:差戻し率、承認リードタイム、レビュー待ち在庫、ガードレール逸脱数 • ボトルネック調整ロードマップ:チーム内→部門間→ガバナンス→外部説明へ段階展開 •

    オートマージの運用プロトコル:対象範囲・権限・ロールバック・監査証跡 • コミュニケーション負債の抑制:定型同期の縮小、非同期テンプレ、意思決定ログ化 • 実験のガードレール:セキュリティ・法務の最小チェックリスト、段階リリース • ナレッジ化と育成:AIリテラシーギャップへのアプローチ、 ジュニア×シニアへの割り当て • パイロット設計:小さく始めて、効果→拡張→制度化の順に ここまでの観点を踏まえ これってどう思いますか? 94
  27. ジュニア×シニアへの割り当て 96 冒頭でもあったジュニアによる「AIコーディングの本質の掴 みやすさ」は活かしたいところ。複雑なものを渡しづらいと しても、軽量な案件は積極的に割り振ってAIコーディングの 機会を増やすことも重要。 また別の側面を見ると「頻度の低さ」なども軽量さのうち一 つと捉えることができないか。 • 作業量の小ささ(小規模/コンパクト/限定的)

    • 複雑性の低さ(シンプル/ローコンプレックス/単純/ベーシック) • 負荷の少なさ(低負担/ライト/浅め/ソフト/容易) • リスクや影響範囲の小ささ(安全圏/ローリスク/限定影響/局所的) • 期間・継続性の短さ(短期/スポット/単発/一過性) • 頻度の低さ(低頻度/散発的/希少)
  28. 97 層 主な役割 領域 主な活動内容 –4層 経営, 営業,マーケ 事業戦略, 市場分析

    事業戦略策定, 市場分析, 投資判断, 予算承認 –3層 事業部門, PM 企画, ガバナンス 業務要件提示, PJT計画, 法務・セキュリティ評価 –2層 開発T, デザイナー, データアナリスト 概要設計, レビュー UI/UX作成, データ分析, 仕様の合意形成 –1層 PO, SM チケット管理 バックログ優先順位付け, プロセス円滑化, タスク具体化 0層 DEV (開発者) 開発 (設計・実装) コーディング, デバッグ, 単体テスト, ビルド +1層 シニアエンジニア, QA 技術的検証 コードレビュー, 品質テスト(QA), 連携検証 +2層 QA, 事業部門, CS 総合検証・受入検証 総合的な動作検証(QA), 業務シナリオ受入テスト(UAT) +3層 法務, セキュリティ, 監査, 統括 リリース承認 法務レビュー, 脆弱性診断, 監査対応, リリース可否判断 +4層 SRE/インフラ, PM, 営業店 リリース, ユーザー展開 本番環境へのデプロイ, 営業店対応, 研修, マニュアル作成 +5層 SRE, CS, データアナリスト 運用保守・効果測定 安定稼働監視, 障害対応, KPI測定, フィードバック収集
  29. 98 層 主な役割 領域 –4層 経営, 営業,マーケ 事業戦略, 市場分析 –3層

    事業部門, PM 企画, ガバナンス –2層 開発T、デザイナー 概要設計, レビュー –1層 PO, SM チケット管理 0層 DEV (開発者) 開発 (設計・実装) +1層 シニアエンジニア, QA 技術的検証 +2層 QA, 事業部門, CS 総合検証・受入検証 +3層 法務, セキュリティ,監査, 統括 リリース承認 +4層 SRE/インフラ, PM, 営業店 リリース, ユーザー展開 +5層 SRE, CS, データアナリスト 運用保守・効果測定 Re: 影響の距離と頻度のイメージ シニアでも中心から外になればなるほど経験していないことがグ ンと増える。であればスパンが短い中心領域はシニア、スパンが 長い領域をジュニアに任せて、レビュー負荷を調整できないか。
  30. 組織での生成AI活用について 103 • 現場では生成AI活用進んでいますか • 何の生産性に活用していますか • そのものの生産性は本当にあがっていますか • それは価値の向上にちゃんと繋がっていますか

    • シニアもジュニアも皆不安になってませんか • 話が高速化してきていてみんな疲れてませんか • 生成AIについて会社で話し合ってますか • 生成AIを使ってない人は周りにいますか • チームでの会話は生産的になっていまか