AIを「便利なツール」から「真のチームメイト」へ

Ubieでは「色々なAIを導入して劇的に速くなったはずなのに、なぜか事業が同じように速くならない」という痛みに向き合ってきました。
- なぜ「最強の個人AI」では失敗したのか
- Slack Botで「情報の引力」を創り出す方法
- 「専門家AIエコシステム」の誕生と進化
- 「開発の重心移動」：誰もがビルダーになる時代の新しい開発フロー

Transcript

1. AIを「便利なツール」から「真のチームメイト」へ AIが暴いた、本当のボトルネックとの格闘の記録 2025/ 08 / 06 Ubie株式会社
2. 2 自己紹介 2021年にソフトウェアエンジニアとして Ubieに入社。2024年からは プロダクトマネージャーとしてグロースを中心に担当。最近は生成 AIとマーケティングの変化に関心があります。 田口　信元 @ShingenTaguchi
3. 3 実装が5倍にスピードアップしたが、顧客への提供価値はせいぜい 1.5倍 なぜ、開発速度が 10倍になっても、ビジネスは 10倍速くならないのか？ 3 課題発見 要求定義 設計 実装 テスト リリース 効果測定 課題発見 承認
4. 4 バリューストリームの各プロセス間の成果物には人間が依然として必要 実装は「光速」。だが、プロセス間の「インターフェース」は「人間速度」のまま。 4 課題発見 要求定義 設計 実装 テスト リリース 効果測定 課題発見 承認
5. 5 部門間に存在する「巨大な翻訳コスト」 5 エンドユーザー 経営層 マーケティング カスタマーサポート 営業部門 課題発見 要求定義 設計 実装 テスト リリース 効果測定 課題発見 承認
6. 6 価値創造ではなく「調整」や「資料作成」に消える時間 6 AIによって開発スピードが上がったある 1週間の私のスケジュール 調整することが多く MTGもたくさん増える スケジュールが調整や資料作成で埋まる日々 … プロダクトマネージャーにボトルネックが移っただけ
7. 7 ”自分専用”の「AIプロダクトマネージャー」を作った 7 現在のスプリント、バックログアイテム、 OKR、ユーザーストーリー、 主要メトリクスを MCPでCursorに連携。資料作成や壁打ちの最強の相棒に。
8. 8 AIが見える範囲の業務しか効率化できない 8 エンドユーザー 経営層 マーケティング カスタマーサポート 営業部門 課題発見 要求定義 設計 実装 テスト リリース 効果測定 課題発見 承認 仕様の意図 歴史的経緯 商談のログ 社員の情報
9. 9 AIに情報が集まる「引力」をデザインする 9
10. 10 AIに情報が集まる「引力」をデザインする 10 Cursorのような汎用的なエージェントの導入障壁 ・汎用的で自由度が高い分「結局何に使えばいいのか分からない」 ・使い物になるまでにプロンプトチューニングがいるのでは？ 誰もが使う Slack上でのAIとやりとりで、 アーリーアダプターの AI活用例が自然に目に入るようにする。 AIに読ませた方が、自分の仕事が楽になるをわかりやすく。
11. 11 仕組みから文化へ： AIを『育てる』文化の誕生 11 AIスクラムマスターを作ったことによりチームのコンテキストを読み込ませたいニーズが増加。 まるで新入社員にオンボーディングするように AIにオンボーディングする文化の誕生。 まるでエンジニアが Rulesをメンテナンスするのに近い文化が組織全体に発生。 この過程で、チームのコンテキストが AIから読み取れる場所にアップロードされるように。 ・プロダクト戦略 ・OKR ・チーム運営方針（ FaSTフレームワーク、スクラムガイド） ・開発ガイドライン（ PBIガイドライン、計算ロジック） ・メンバー固有情報（ Slack ID対応、役割分担） ・KPI計算式と目標値の詳細
12. 12 チームコンテキストの例（ドキュメント生成） 12 あなたは、アプリユーザーの流入を最大化するミッションを持ったプロダクトマネージャーです。 あなたは現在のプラットフォームに、どのようなユーザーがいて、どのような課題を持っているか知っています。 ~~~（プロダクトマネージャーとしてのドメイン知識） チームメンバーが二人参加しています。彼らにはプラットフォームのユーザーのドメイン知識はありません。 彼らがなぜここにいるのか、 3ヶ月後までにこのチームとプロダクトはどのような状態になっている必要があるの かを常にわかりやすく解説します。 ~~~（メンバーの得意分野やこれまでの仕事についての知識）
13. 13 仕組みから文化へ： AIを『育てる』文化の誕生 13 Slack上で、AIエージェント、エンジニア、プロダクトマネー ジャーが要件について議論。 成果物を JIRAのPBIに起票して Devinで自動実装。 難易度の高い実装はまだ難しいが簡単な実装は非エンジ ニアでも自走可能に。 エンジニアは非エンジニアが使う時も考慮してナレッジを メンテナンスする。
14. 14 情報がどこにあるかではなく、どの ”エージェント ”を呼ぶかに変化 14 エンドユーザー 経営層 マーケティング カスタマーサポート 営業部門 （これがマルチエージェントってやつか …！）
15. 15 エコシステムの誕生 15 現在でもエージェントは日々誕生。社内 AIとの対話の 50%近くがエージェントとの対話に。
16. 16 （近い未来）誰もが、専門家 AI部隊を率いる「ビルダー」になる。 16 デザイナー＋専門家 AIチーム 課題の最前線にいる当事者が、自らビルダーとなり始めた。 デザイナーが AIエージェントを使いながらボトルネックになるクリエイティブ基盤を自ら作る。
17. 17 まとめ: AIを真のチームメイトにするには 17 1/ 個人のAI武装は「局所最適化の罠」である。 2/ AIの「恩恵」を組織の隅々に届け、情報が AIに集まる「引力」を創り出す。 3/ AIの燃料は、開発の外にある「生きたコンテキスト」である。この宝を組織全体で AIに与える文化 こそが、本当の強さになる。