Upgrade to PRO for Only $50/Year—Limited-Time Offer! 🔥
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
AIが変えるソフトウェア開発__未来のアジャイルチームとは__.pdf
Search
buchirei
March 19, 2025
Technology
0
950
AIが変えるソフトウェア開発__未来のアジャイルチームとは__.pdf
buchirei
March 19, 2025
Tweet
Share
Other Decks in Technology
See All in Technology
手動から自動へ、そしてその先へ
moritamasami
0
180
MAP-7thplaceSolution
yukichi0403
2
250
プラットフォームエンジニアリングとは何であり、なぜプラットフォームエンジニアリングなのか
doublemarket
1
550
なぜ使われないのか?──定量×定性で見極める本当のボトルネック
kakehashi
PRO
1
780
研究開発部メンバーの働き⽅ / Sansan R&D Profile
sansan33
PRO
3
21k
私も懇親会は苦手でした ~苦手だからこそ懇親会を楽しむ方法~ / 20251127 Masaki Okuda
shift_evolve
PRO
4
550
Introduction to Bill One Development Engineer
sansan33
PRO
0
330
Oracle Cloud Infrastructure:2025年11月度サービス・アップデート
oracle4engineer
PRO
1
120
オープンデータの内製化から分かったGISデータを巡る行政の課題
naokim84
2
1.4k
プロダクトマネージャーが押さえておくべき、ソフトウェア資産とAIエージェント投資効果 / pmconf2025
i35_267
2
350
Contract One Engineering Unit 紹介資料
sansan33
PRO
0
9.9k
著者と読み解くAIエージェント現場導入の勘所 Lancers TechBook#2
smiyawaki0820
9
3k
Featured
See All Featured
The World Runs on Bad Software
bkeepers
PRO
72
12k
Thoughts on Productivity
jonyablonski
73
5k
JavaScript: Past, Present, and Future - NDC Porto 2020
reverentgeek
52
5.7k
Practical Orchestrator
shlominoach
190
11k
Being A Developer After 40
akosma
91
590k
Balancing Empowerment & Direction
lara
5
780
ピンチをチャンスに:未来をつくるプロダクトロードマップ #pmconf2020
aki_iinuma
128
54k
Bootstrapping a Software Product
garrettdimon
PRO
307
120k
What's in a price? How to price your products and services
michaelherold
246
12k
How GitHub (no longer) Works
holman
316
140k
The Cult of Friendly URLs
andyhume
79
6.7k
Practical Tips for Bootstrapping Information Extraction Pipelines
honnibal
25
1.6k
Transcript
スクラム×AI AIの力でスプリントを駆け抜ける 2025.03.14 Fri. AIが変えるソフトウェア開発〜未来のアジャイルチームとは?〜 溝渕 嶺 SmartHR(EM)
株式会社SmartHR エンジニアリングマネージャー 溝渕 嶺 SIerで官公庁向けシステムや金融アプリを開発 2024年6月にSmartHRにジョイン キャリア台帳チームにてスクラム導入を支援
本日お話すること ・なぜスクラムに AIを導入するのか? ・AI × スクラムイベントの実践例 ・今後の展望
なぜスクラムに AIを導入するのか?
Complex Adaptive Systems 個々の要素が相互作用しながら適応・進化し、全体と して予測困難な振る舞いをするシステム
Complex Adaptive Systems 自己組織化 集中管理なしで、システム自体が適応しながら秩序を生み出す。 適応 環境の変化に応じて構成要素が進化する。 非線形性 小さな変化が大きな影響を与えることがある。 創発
個々の構成要素の相互作用から予測できない新しいパターンが 生まれる。
スクラムでは? 自己組織化 スクラムチームが自律的に役割を分担し、課題を解決する。 適応 顧客のニーズや市場の変化に応じてバックログを更新する。 非線形性 1つの改善(例 : デイリースクラムの時間短縮)が、チームのモチ ベーションや生産性に大きな影響を与える。
創発 短期間で繰り返されるスプリントの中で、最初は想定していなかっ たイノベーションが生まれる。
AIでは? 自己組織化 ニューラルネットワークは、学習データに基づいて自律的にパター ンを抽出する。 適応 環境の変化に応じてモデルを更新し、適応する能力を持つ。 非線形性 ニューラルネットワークの学習プロセスは非線形であり、小さな データの変化が大きな影響を与えることがある。 創発
AIが学習データから予測できなかったパターンを発見することがあ る(例: GPT-4が創造的な文章を生成できる)。
スクラムが生まれた背景 https://www.scruminc.com/subsumption-architecture-how-irobot-enabled-scrum/
スクラムが生まれた背景 https://www.scruminc.com/subsumption-architecture-how-irobot-enabled-scrum/
スクラムと AIって相性良さそう!
なぜスクラムに AIを導入するのか?
こんな経験ありませんか? • リリース直前でステークホルダーとの期待値にズレが。。。 • 突発的な要求でスプリントゴールの達成が絶望的。。。 • レトロで上がった NextActionがうまくいかない。。。
ベイジアンサプライズ • 予測と現実の乖離によって発生する認知的・計算的な負荷 ツァイガルニク効果 • 未完了課題についての記憶は、完了課題についての記憶に 比べて想起されやすい
AI導入によって • 未完了の課題を可視化し、やるべきことを提案して くれる。 • チームは完了に向けてエネルギーを注ぐことができ る。
https://youtu.be/0kgWbrN6v9s?si=XI0RprkbD2N8dj34
AI × スクラムイベントの実践例
スプリントレビュー
スプリントレビューの目的 • チームとステークホルダーが協力して価値を最大化する ◦ 「成果を発表する場」ではなく、「 FBから次にどうすべきか を決める場」 ◦ ステークホルダーと対話し、方向性の調整が重要
現実問題 • ステークホルダーから適切な FBを受けるためには 相応の準備が必要 • 準備が大変で、結局チームからのデモになり対話 が減る
さっそくAIを使ってみよう!
その前に
サザーランド博士曰く • ChatGPTはインターネットで訓練されている • インターネット上の 58%から68%のチームが遅延 し、予算超過で、顧客が不満を持っている • つまり、ChatGPTはスクラムを知らない
どうする?
Scrum Sage: Zen Edition https://chatgpt.com/g/g-pajO1fBss-scrum-sage-zen-edition
プロンプトを書いてみよう
アウトプット
アウトプット
レトロスペクティブ
レトロスペクティブの目的 • スプリントの振り返りを通じて、チームの働き方をより良くする ◦ 「うまくいったこと」「改善すべきこと」「次にどうするか」を 明確にすることが重要 ◦ 実際にアクションにつなげることが成功の鍵
現実問題 • 改善アクションが抽象的で、実行されない • 場の雰囲気に左右される • 議論が主観的になりやすい
やってみよう!
None
微妙かも。。。? 以下の課題を理解していない ・勉強会を主催するための資料等の準備が大変 ・他の業務を優先して開催が先延ばしされている
AIはチームメンバーです
サザーランド博士曰く • AIと働くために必要なのはコラボレーション • AIが優れていない場合はジュニア開発者として扱 い、優れている場合はチーム内でふさわしい熟練 度の開発者として扱う
レトロスペクティブの流れ 課題の深掘り ↓ 課題に対する NextActionの検討
レトロスペクティブの流れ 課題の深掘り ↓ 課題に対する NextActionの検討 これをやってみる
インプット
アウトプット
レトロスペクティブの流れ 課題の深掘り ↓ 課題に対する NextActionの検討 これをやってみる
インプット
インプット AIが提示した質問に対する回答
アウトプット
アウトプット
アウトプット
AIを導入するポイント • AIはチームメンバーである • 人間+AI+より良いプロセス
リファインメント
リファインメントの目的 • プランニング時にバックログからアイテムを選択で きる状態にする
現実問題 • リファインメントの時間を確保できず、プランニング に時間がかかる • 分割したが粒度が大きくマージまで時間がかかる • 受け入れ基準が曖昧で、ゴールがずれる
インプット
アウトプット
うまくいかなかったこと • レビュー観点がチームごとに異なるので、プロンプ トの使い回しは厳しそう • 制限時間内で AIへレビュー依頼 -> 待ち ->
実行を 回すのは大変(リファインメントに限らず)
さいごに
全体のまとめ • AIを組み込むことで課題を可視化し、チームが完了 に向けてエネルギーを注げる • AIをチームメンバーとして捉え、コラボレーションを 通じて作業を進める
今後の展望 • メンバーが自然と AIを利用できる状態にする • チームのコンテキストに合わせたモデルを作成し、 インプットの負荷を軽減する
最近のレトロでは AI関連の話題が増えてきた
ご清聴ありがとうございました