AIはプロダクト開発をどう変えたか？〜 3つの役割から見る「変化」と「未来」〜 / How AI Transformed Product Development: A Look at "Change" and "Future" via Three Roles

https://qiita.com/official-campaigns/conference/2025-autumn の発表資料です。

Transcript

1. AIはプロダクト開発をどう変えたか？ 〜 3つの役割から見る「変化」と「未来」〜 2025/11/7 Qiita Conference 2025 fukabori.fm 岩瀬(@iwashi86)
2. 今、何が起きているか？ 今後どうなるのか？ 自分はどうすればいいのか？
3. 変化の理解 「変わっていること」について、最新の動向を把握できていること 学びの指針 「変わらないこと」を把握した上で、今後の学びの指針を得ること 20分後のゴール
4. • 岩瀬 義昌 (@iwashi86) • お仕事 ◦ NTTドコモビジネスで生成AI関連 • サイドワーク ◦ 非常勤講師（モバイルプログラミング） ◦ Podcaster (fukabori.fm) ◦ 翻訳者
5. 本題
6. 個人 • AIの恩恵を強く感じ、日々の活動に取り入れ始めている人が多い • 生成AIを使わずに過ごしている日の方が少ない？ 今起こっていること(個人/企業)
7. 個人 • AIの恩恵を強く感じ、日々の活動に取り入れ始めている人が多い • 生成AIを使わずに過ごしている日の方が少ない？ 企業 • 個人に比べると緩やか？ • 利用契約を結んでいる割合は 40% に過ぎない (STATE OF AI IN BUSINESS 2025) 今起こっていること(個人/企業) https://mlq.ai/media/quarterly_decks/v0.1_State_of_AI_in_Business_2025_Report.pdf
8. Dev (Software Engineer) EM (Engineering Manager) PdM (Product Manager) 3つの役割から「変わった/変わらないこと」を眺める Designerもあった方が良いが本日は割愛
9. Dev (Software Engineer)
10. コーディングスタイルの変革 • 数年前まで ◦ エディタの補完機能を利用しつつtabを連打しながらコードを書いていた • 現在 ◦ コーディングエージェントに対し、自然言語で「仕様」や「意図」を提案 ◦ AIがコードブロック全体を生成 Dev：変わったこと - AI Assisted Codingの浸透
11. コーディングスタイルの変革 • 数年前まで ◦ エディタの補完機能を利用しつつtabを連打しながらコードを書いていた • 現在 ◦ コーディングエージェントに対し、自然言語で「仕様」や「意図」を提案 ◦ AIがコードブロック全体を生成 • 構造の変化 ◦ 開発者は「コードを書く人」から 「コーディングエージェントを管理・指示する人」へと変わりつつある Dev：変わったこと - AI Assisted Codingの浸透
12. Dev：変わったこと - 市場の変化 https://leaddev.com/hiring/what-happens-when-learn-code-fails-generation
13. AIが単純なコーディング(How)を代替する結果... Dev：変わったこと - 個人に求められるスキルの変化
14. AIが単純なコーディング(How)を代替する結果... 幅広い知識（横軸） システム全体を理解し、複数の技術領域にまたがる知識 Dev：変わったこと - 個人に求められるスキルの変化
15. AIが単純なコーディング(How)を代替する結果... 幅広い知識（横軸） システム全体を理解し、複数の技術領域にまたがる知識 一つの深い専門性（縦軸） AIが出したコードをレビューし、 その妥当性を判断できる&説明できる深い専門知識 Dev：変わったこと - 個人に求められるスキルの変化
16. 果たすべき説明責任 • AIの支援によりアウトプットは増加 • しかし、業務で必要となる「説明責任」を 果たしてくれる存在ではない ◦ 「ChatGPTがそう書いてました」 と言われて納得できるか問題 Dev：変わらない本質 - AIは、人の代替になりきれない
17. 果たすべき説明責任 • AIの支援によりアウトプットは増加 • しかし、業務で必要となる「説明責任」を 果たしてくれる存在ではない ◦ 「ChatGPTがそう書いてました」 と言われて納得できるか問題 〜性(ity)を最後に担保するのは人 Dev：変わらない本質 - AIは、人の代替になりきれない • AIの設計、コードを理解し、品質（保守 性、安全性、〜性/ity）を担保するのは、 「現時点」では人である • その判断能力が人に求められる
18. EM (Engineering Manager)
19. • 管理構造の追加 ◦ AI Assisted Codingを行うIC（開発者）を マネジメントする、という新しいレイヤーが発生 ◦ 「部下」の「部下（Agent）」が増えていた？ EM：変わったこと
20. • 管理構造の追加 ◦ AI Assisted Codingを行うIC（開発者）を マネジメントする、という新しいレイヤーが発生 ◦ 「部下」の「部下（Agent）」が増えていた？ • EMのプレイング ◦ EM自身もAIの支援で コードを書くハードルが下がった ▪ たとえば、1on1の前にエージェントを動かして 一定の実装や技術課題把握も可能に EM：変わったこと
21. 目指すべき先を決め、明確さをもたらす チームがどこに向かうべきか、大きな指針を決める※ 不確実性を取り除き、チームが自律的に迷わず進めるように あらゆる手段をとる 上記を実現するために、あらゆるリソースを調達・活用する EM：変わらないこと - EMの役割 ※EM以外が担うことも
22. チームをブーストする例 • 環境整備 ◦ ツール(AI)をチームが安全かつ効果的に使いこなし、 チームが全力疾走できる環境を作る（セキュリティ、予算、ガイドライン策定） EM：変わらないこと - 環境整備とブロッカーの排除
23. チームをブーストする例 • ステークホルダーと会話時の翻訳 ◦ AI導入のメリット、コスト、リスクをビジネスの論理を使って 経営層に説明し、合意形成を得る • 環境整備 ◦ ツール(AI)をチームが安全かつ効果的に使いこなし、 チームが全力疾走できる環境を作る（セキュリティ、予算、ガイドライン策定） EM：変わらないこと - 環境整備とブロッカーの排除
24. チームをブーストする例 • ステークホルダーと会話時の翻訳 ◦ AI導入のメリット、コスト、リスクをビジネスの論理を使って 経営層に説明し、合意形成を得る • ボトルネックの見極めと解消 ◦ チームが自走する上で、どこにボトルネックが生まれているか（レビュー？ デプロイ？それ以外？）を観察し、一つずつ潰していく • 環境整備 ◦ ツール(AI)をチームが安全かつ効果的に使いこなし、 チームが全力疾走できる環境を作る（セキュリティ、予算、ガイドライン策定） EM：変わらないこと - 環境整備とブロッカーの排除
25. PdM (Product Manager)
26. 「動くもの」を即座に作り検証へ • プロト/プレトの爆速実装 ◦ かつて「紙芝居」「ポンチ絵」で説明していたアイデアが AIの支援(v0やlovable)で即座に「動くプロトタイプ」として実装可能に PdM：変わったこと - ディスカバリーの高速化
27. Talk is Cheap. 「動くもの」は雄弁 • 「言葉」や「静的な絵」だけで説明するのと 「動くプロトタイプ」を見せるのとでは、 得られるフィードバックの質が全く異なる • 「動くもの」は、社内外のステークホルダー （経営層、顧客）の「見る目」を変える → より自分事となった議論を引き出す 補足：なぜ実物が大事なのか？
28. 「動くもの」を即座に作り検証へ • プロト/プレトの爆速実装 ◦ かつて「紙芝居」「ポンチ絵」で説明していたアイデアが AIの支援(v0やlovable)で即座に「動くプロトタイプ」として実装可能に ◦ 実装したアイデアを想定顧客やステークホルダーに提示し、 フィードバックのサイクルが劇的に速くなった PdM：変わったこと - ディスカバリーの高速化
29. 「動くもの」を即座に作り検証へ • プロト/プレトの爆速実装 ◦ かつて「紙芝居」「ポンチ絵」で説明していたアイデアが AIの支援(v0やlovable)で即座に「動くプロトタイプ」として実装可能に ◦ 実装したアイデアを想定顧客やステークホルダーに提示し、 フィードバックのサイクルが劇的に速くなった • 手数の増加 ◦ ドキュメント作成（例えば、PRD）の叩き台作成などの対応 PdM：変わったこと - ディスカバリーの高速化
30. 深いドメイン理解 • ドメインを高い解像度で理解するために は、顧客の元へ赴き、業務内容やワーク フローを深く観察する必要がある • AIが備える汎用知識では、 顧客の浅いドメイン知識しか得られない PdM：変わらない本質
31. 深いドメイン理解 • ドメインを高い解像度で理解するために は、顧客の元へ赴き、業務内容やワーク フローを深く観察する必要がある • AIが備える汎用知識では、 顧客の浅いドメイン知識しか得られない WhyとWhatの伝道師 • 「なぜこのプロダクトを作るのか（Why）」 「何を作るのか（What）」を決めるのは人 • WhyとWhatを決めた上で、 熱意を持ってストーリーで伝え 人を動かす重要性は変わらない PdM：変わらない本質
32. 今後に向けて 今後、自分が意識すべきことは？ チームとしてなら？
33. 10x 専門性がAIの成果を決める AIは、生産性を高める「増幅器」として機能する。 自分の専門性が高いほど、AIからより良い結果を引き出せる。 最終的に「何が良いか」を判断するセンスとスキルが、 これまで以上に重要に。 今後に向けて - AIは力の増幅器である
34. • クラウド黎明期を思い出すと ◦ AIの台頭は、オンプレミスからクラウドへの移行期に似ている ▪ 当時は「様子見」勢も多かった ◦ クラウドが浸透した現在、大きな差が生まれている ▪ ソフトウェアを使いこなす力が、個人/組織の競争優位性に直結 今後に向けて - 試行錯誤と手数の重要性
35. • クラウド黎明期を思い出すと ◦ AIの台頭は、オンプレミスからクラウドへの移行期に似ている ▪ 当時は「様子見」勢も多かった ◦ クラウドが浸透した現在、大きな差が生まれている ▪ ソフトウェアを使いこなす力が、個人/組織の競争優位性に直結 • 試行錯誤と手数を増やす ◦ 「どれが生き残るんだろう」と考える前に とりあえず試して肌感を掴んでおくことが重要 ◦ 一番重要なのは、変化を楽しんで試せる能力/好奇心では ◦ 意外と実際に「手を動かしている人は少ない」 今後に向けて - 試行錯誤と手数の重要性
36. 1 Pizza Team の時代へ • 2 Pizza Team ◦ もともとは「ピザ2枚で足りる」少人数チームの概念 ◦ Beforeクラウドは n Pizza (n>2)だったはず 今後に向けて - チームの変化
37. 1 Pizza Team の時代へ • 2 Pizza Team ◦ もともとは「ピザ2枚で足りる」少人数チームの概念 ◦ Beforeクラウドは n Pizza (n>2)だったはず • 1 Pizza Team の可能性 ◦ AIにより前提が変わった ▪ より個人の責務や役割が曖昧になっていく ◦ 個人のアウトプットが変わった以上、これからは 「ピザ1枚(ハーフ？)」のチームで十分になっていく可能性が高い ▪ そもそも、コミュニケーション密度の観点などからチームは小さいほど良い 今後に向けて - チームの変化
38. おわりに
39. 変化の理解 「変わっていること」について、最新の動向を把握できていること 学びの指針 「変わらないこと」を把握した上で、今後の学びの指針を得ること おさらい：20分後のゴール
40. 次の一歩へのヒントとして
41. 次の一歩へのヒントとして お聞きいただきありがとうございました！