Product Management Conference -AI時代に進化するPdM-

https://techplay.jp/event/983981

Transcript

1. AI実践の現在地と 生産性評価 1 アルファ室　 小島佑太 2025/08/27
4. 1 4
6. 扱う情報と人が非常に多いポジション グループ販促・集客 総合トップページ 総合メールマガジン DMMクーポン DMMポイント DMMクレカ プラットフォーム機能 ヘッダー/ナビゲーション 購入・決済 会員登録・ログイン 検索 データ基盤 60事業 開発組織全体で1,000人以上 ＆ 20年以上の歴史 6
7. 1 本日持ち帰ってほしいこと 7 DMMのAIへの姿勢 AI時代に取り組むべき課題 PdMのAI活用の現在地
8. 8 DMM.comのAI活用の現在地 DMM AI
9. 技術話題のコミュニケーション 9 #prj-ai-llm-dev-all / 516 members 役員からの以下の発信があるなど、 AIの活用が強く推進されています。 このチャンネルでは業務上の技術的な相談・共有が主。
10. AI界隈に関するラフなコミュニケーション 10 #ai-study / 485 members 巷で発生したセキュリティ問題や話題のサービスなどの共有
11. 活動の情報共有コミュニケーション 11 月1のAI活動共有会 / 20 部室以上が参加 ˆ AI活用のための「緩い繋がり」を作ることが目” ˆ 各部門の取り組み、課題、相談事項などを気軽に共 ˆ 議事録や録音・録画は全参加者に配布されj ˆ この場での意思決定ではなく、適切なレポートライン （担当役員や本部長、部長など）を通じて決定
12. 利用可能なツール（一部） 12 ・OpenAI ・Claude ・Gemini ・Devin ・cursor ・Cline ・Dify
 ・Lite LLM ・Vertex AI
13. https://developersblog.dmm.com/archive/category/AI ・ AI × SSoT で情報活用に革新が起きるか！？ 〜mcp-pagoda を OSS 公開〜 ・ DMM QA部の「AX宣言」：「AI for QA」と「QA for AI」の新 たな品質保証のかたち ・ AI × Turtle で実現する Vibe Coding：DMM デザインシステム を活用した新たな開発ワークフロー ・ AI研究と難聴から教えられた人間らしさ　 ーHAZ（Human-AI Agreement Zone）ー ・ 1か月でローンチ！PF-AX流“AI自動分類”開発舞台裏 最新の記事例 AI活用事例は Developers Blogへ →→ 13 15 ビョウ マツネ
14. 14 PdM AI PdMはAI時代にどう進化するべきか
15. 15 何かしら使っている 90 ％ わたしたちのチームのAIツールの現状 ※ChatGPTを含む、何かしらのAIを業務で利用している割合 ほぼ全員使ってる ＝ 「触ってみよう」フェーズは だいぶ前に終了 「どう使い・業務と統合するか？」 という問いに入っている
16. 16 AI時代のPdM = “Vibe PM” https://www.pendo.io/pendo-blog/the-vibe-pm-and-the-evolution-of- product-management/ idea output AI AI “Vibe PM Cycle“ アイディアができた瞬間にクラフトし、 さらに、アイディアを高められる状態
17. 17 急に“Vibe PM”が難しいのは、様々なオペレーションがあるから。 組織的なAI利用を整備していく必要がある Product Management ビジョン・戦略決定 アウトカム Product Operation
18. リソースがない・火消しに追われる・優先度の決定に 時間がかかる。などの理由から、重要な戦略意思決定 に時間が使われていない。 https://www.productfocus.com/wp/wp-content/uploads/2021/03/Product- Focus-Product-Management-Profession-Survey-2023.pdf 実際にPdMの多くはOperationに時間がとられていると感じている 18 業務時間の68%がステークホルダーとの調整などの時 間に使われている。 https://sequentlearning.com/wp-content/uploads/2021/06/Where-Are- Product-Managers-Spending-Their-Time-FINAL-June_2021-1.pdf
19. アルファ室の は全工数の60％ 開発オペレーションコスト 19 開発オペレーション （※2） ％ 60 諸業務（※1） ※1 事務雑務や室内行事、1on1などの開発生産に直接は関わらない時間を指します。 ※2 ミーティング・調整・タスク管理・品質管理などの開発オペレーション業務を指します。 ％ 30 意思決定や戦略検討 ％ 10 ここの大半を AIに置き換えていきたい ここはここでやることある
20. 20 AI活用を組織に効果的に適用するために、 までしっかり数字を取り切る オペレーションの内訳 オペレーションコストの導出には、勤怠データの詳細な入力やアンケートなど、 メンバーに作業負荷がかかりますが、DMMではこの辺りの可視化の推進も行なっています。 〇〇フェーズの〇〇タスクのをAI化する というように、解くべき課題が絞られる その他諸業務 開発業務 戦略 要求整理 要件整理 開発管理 リリース管理 分析 仕様調査 MTG・コミュニケーション 資料作成 レビュー 総工数
21. 21 Cursor Chat / Input Chat / Output ・Github ・Confluence ・GoogleDrive ・slack ・Figma ・JIRA ・GA ・BQ MCP Agent Plan 制約・ルール 品質スコープ Execute 実行ルール 実行スコープ Memory 長期記憶 短期記憶 User 企画書・PRD〜プロトタイプなど How：Agentic AI (AI Operation) 　 →→→　 Vibe PM 優先度の高いオペレーションに対してAIエージェントを取り入れることによって、生産性向上を目指す。 それが、VibePMへ道筋だと考えていますし、むしろAI時代のPdMは現時点ではこの領域に取り組める人かもしれません。
22. AIは現実の業務で パフォーマンスを向上させる 22 1. 生産性の向上 • AI利用者はタスク完了量が12.2%増加 • 作業速度は25.1%高速化 2. 成果の質の向上 • 人間評価による成果物の品質は40%向上 • 創造性や文章の明確さ・説得力の面で特に改善 3. AIの得意・不得意 • 得意領域：文章生成、ブレインストーミング、要約、アイデア展開 • 不得意領域：高度な分析やデータ解釈が必要な課題では誤りが増加する傾向 Fabrizio Dell'Acqua et al.,Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of AI on Knowledge Worker Productivity and Quality (2023) https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4573321
23. idea output 23 Agent チャレンジングだけど DMMの横断組織で実現したらかなりアツいVibe PMができる 3,800億の売上高の企業の生産性が上がったら、どのような成長が待っているか、想像してみてください。
24. 24 作る人 と 作り方 どう作る？
25. 25 作れる誰かを採用するのは現在かなり望み薄。 大半のチームでは現在の人材で進めていくしかない。 参考：https://bcg-jp.com/article/10228/
26. 26 リテラシーを底上げするため下期からは AIスキルの目標設定を「強く推奨」 コンピテンシー 等級 AI スキル目標 成果目標 評価 AIは成果ではなくスキル AIを使って、成果を出しまくりましょうという構造 参考程度にレベルを用意
27. 27 泥臭いところからスタート 「何から始めるのか？」
28. 28 >10年 60事業 想像もしたくないデータ量 想像もしたくない独自仕様 PdMは扱うコンテクストが非常に多い アルファ室では事業個別のコンテクストの理解などが必須になるので、 毎回プロジェクトを実行する度に形式知化を行いながら頑張っている状態。
29. MCP という神パイプ MCP という神パイプ とりあえず繋げて、AIに丸投げして、すぐ楽したいけど・・ 29 モロイ イキモノダ ・・・
30. 品質を上げるのは、 初めはローカルから泥臭くやります AIではなくHUMAN 30 ローカル ・BABOK / PMBOK ・UXdesign ・室目標 ・室ルール ・プロジェクトtemplate ・プロジェクトルール ちなみに 580TB...w md化・構造化... もちろん文書間の文脈は 簡単に読み取れない 手動 手動
31. 31 使い物にならない資料が爆誕 何をチェックして 品質を上げていくか？
32. HCAI思考で品質チェック分担 逆に言えば、評価指標・ワークフローが整っていないものはAIに任せられない。まずは整備が必要。 32 プロセス BABOK / UX / 業務ルール フィジビリティ 仕様書 / リソース / コスト 定量評価 KPI / KGI / 品質管理基準 質的評価 戦略 / 説明責任 / ソフトスキル 判断・執行 意思決定 / 追加の調査 AIが評価 人間が評価 企画書 / PRD / 要件書など 人間がレビューし、意思決定する余地 何でもかんでもAIに任せる前提にしない 「これは確認して守ってね」の品質チェックが Agentに任せられる≒レビューが減る
33. 部内のリソース状況や目標知識 https://developersblog.dmm.com/ entry/2025/06/09/110000 会社・室のルール類 これを頭に入れたり、教育するだけでもかなりのコスト。 たとえばこんな物がAIが担える評価基準になる これもいきなり全部入れるのではなく、優先度の高いオペレーションから順番に。 こういうコンテクストがめちゃめちゃあるのが大変なポイント ※幸いなことに、種は整備されいてる 33
34. 使えそうなコンテクストはとりまslackでシェア。 要求ヒアリングAgentをCursorでプロトタイプ実装など。 34 ドロクサ ポイント 高め
35. 35 MCP環境 整備 データ移行 Agent開発 cursor導入 品質検証 コンテクスト整備 コンテクスト 保守環境 ▼現在地（まだまだこれから） docs as codeの状態 ・・・ Agentのモジュール範囲など 設計も検討が必要 取捨選択・整備ができて、ようやくAgent開発 まずはどの業務からスタートするかを決定。それから、テストしながらコンテクスト整備を進めていく。 準備が整えばガッツリデータ整備と移行を自動で回す 目標管理など、比較的コンテクストが 少ないところから今やってます
36. 36 業務比率で長期的に 効果をどう評価するか ROI ッテ ムズカシイ
37. 例えば議事録の作成の短縮は どれほどのインパクトになっている？ 37 全体の5％かも、25%かもしれない 30分が5分になった でも、
38. 最終的には で見る オペレーション業務比率 38 prj-A 1 prj-B 6 prj-C 8 prj-D 12 ヶ月 プロジェクト特性 PM業務比率 （≒1prjあたりのオペレーション時間） リスク対応 6-7割 横断開発 2-3割 事業支援 1割 ・プロジェクトごとに稼働絶対時間は変化するため、AvsBの絶対時間の前後比較は難しい。 　 例えば「要求書の作成」などのタスク単位でも難しく、どうしても「難易度」の指標が入ってきてしまう。 ・一方で、プロジェクトの特性に応じた業務比率はほとんど一定。このPM比率を下げることができれば、 　 オペレーションコストが下がっていると言える。 ・さらに長期的には一人当たりのリリース機能数（≒ 案件の消化数）と成果で確認する（つまり質・量を高められているか） プロジェクトの絶対時間は違う プロジェクトに締めるPMの業務比率の傾向は一定
39. 39 年間20％の生産性向上（=〇〇人月の工数削減） 室における開発オペレーション業務比率40％ プロジェクトにおけるPM業務比率の50%削減 目標指標の例 案件の期間が半年以上のものが多いため、業務比率を正確に評価するには長いスパンの観察が必要。 議事録作成などの細かいタスクにおける時間短縮を確認しつつ、全体としての効果を以下で確認していく。
40. Conclusion 40 本日持ち帰ってほしいこと DMMのAIへの姿勢 AIで解決したいと考えている課題 PdMのAI活用の現在地
41. 1 Conclusion 41 AIにとても投資しています。 横断的な組織しかできないAI-Agentを、 地道に進めています
42. 積極採用中 横断的プロダクトマネージメント AI-Operation Agentic-AI や PdMの PdMの に興味ある方はぜひ話しましょう！ カジュアル面談は→ 売上高3800億の企業で、生産性爆上げな世界を 一緒に作りませんか？ X pitta https://pitta.me/matches/rbyPkBXlXIlc 42 https://x.com/YutaKojima