Share
Embed
AIネイティブ時代における 開発組織の役割と拡張の可能性
2026/7/22に、Givery Summit 2026で発表した立花の資料になります。
Transcript
34 slides
-
立花 優也 住まい領域プロダクトデザイン1部 部長 プロダクトマネージャー 東京大学大学院にてシステム量子工学を専攻。 NTTドコモでのAI R&D・複数の大規模サービスの事業開発を経て 現職。現在は『SUUMO』の中長期プロダクト戦略立案を主導し、 Web・アプリ・リアル接点を統合したUX戦略を推進する。
「システム思考」を武器にビジネスの多目的最適化問題を解くこ とを信条とし、「論理と情緒」を統合した意思決定の実現に向け、 AI活用やデータ基盤の刷新、組織の構造変革をリードしている。 2 -
リクルートグループについて HR テクノロジー SBU マーケティング・マッチング・ テクノロジー SBU 人材派遣 SBU 4
参照:https://www.recruit.co.jp/employment/students/service/ 4 -
目的は、「現場から学ぶループ」の回転数と質を上げること 企画する Why / What の定義 学び、賢くなる プロダクトと組織を更新 AIは、このループの つくる
全工程を速くした AIと共にプロトタイプ、プロダク ション 現場で試す ユーザー・現場の一次情報 役割の越境は、このループが回り始めた「結果」 ループを止めない設計こそが、組織の仕事 9 -
プロセス上の課題 分業ワークフロー(PdM/Des/Eng)では、コミュニケーションコスト・待ち時間が必要だった また、情報の受け渡しの際にContextの消失が発生する 現実から学ぶループが、繋ぎ目のたびに減速・劣化する構造だった PRD Idea WF/Design 詳細設計書 PdM Des
Eng Eng 要求 デザイン システム要件 コード Product コミュニケーションコストの発生 / コンテキストが一部欠損 11 -
AI時代のプロセス①(例) AIによって1人で実行できる幅が広がった 極論1人でend to endで企画からリリースまで実行できれば コミュニケーションコスト・待ち時間・ コンテキスト消失もない チームで進める場合も、高速で動くモノをつくれば解像度の高い議論ができる 人間 Idea
Des Eng Prompt (要求) (Finalize) ※ 必要なら Prototype Product context design.md api.md 各種Doc 既存code 12 -
AI時代のプロセス②(例) 実際には個々のケーパビリティも加味しながら「最も効率的にスケールする」手段を “意図的に” 取る 個人のケーパビリティの伸ばし方としての「プロセス完走」は良いことである前提で、チームとしてはあ えて分担する (コミュニケーションコストを受け入れる) ことで生産性が上がることもある。 戦略などハイレベルに物事を決められるPdMは、 ハイレベルな意思決定にフォーカスしたほうが良い場合もある
PdM Idea Idea Idea ハイレベルな 要求 ハイレベルな 要求 ハイレベルな 要求 レーン① 要求 Sub PdM Prototype Prototype Product (Finalize) ※ 必要なら Product Eng レーン③ 要求 (Finalize) ※ 必要なら Des レーン② 要求 個々のケーパビリティによって、 どこまで走れるかは実際違う Prototype (Finalize) ※ 必要なら コミュニケーションコストは発生するが、レーンが増やせることでチームの生産性が上がる Product -
ループを止めない、3つの設計ポイント(仮説) AIがHow(どう作るか)の大部分を担えるようになった今、大事なのは、どこに人間の意志を入れる べきかを見極めること 1 意思決定の設計 2 Contextの設計 3 信頼の設計 AIが「How」を担えるようにな
Contextは徐々に育っていく、 AIは間違う、100%はない。 っても、「Why」 「What」の 育つContextをどう活用するか、 これを前提にしたときに、どう 定義と Go/No-Go は人間にし 膨大になりすぎないようにする システムの信頼性を担保し続け かできない にはどうするか るのか 人間の意志を入れるべき箇所、 Context量を意識したアーキテ 間違うことを前提とした、確 入れる必要のない箇所を見定 クチャと、Contextの育て方・ 率論の外で品質・信頼性を担 め、質と速度を両立させる 育ったContextの上手い活用 保する仕組みを構築する 15 -
人間の仕事の重心が変わる 「作る」から「定義する・判断する・向き合う」へ 人間に残ること AIが担うこと “こうしたい” の意思の部分 成果物の出力 (ものづくり部分) • 何を
/ なぜ作るかを決める (Why / What) • データの分析 • AIの成果物の見極め・判断・修正 (Go / No-Go) • デザイン案を作る、コードを書く • 周囲を巻き込み実行しきる (Execution) • テストで検知したエラーを自動で修正する 人 AI 人 AI AI AI ※ 業務によって、人の介在度合いは変わる 16 -
AIによってプロセスを変えた事例:リサーチプロセス PdMがPrototypeを高速で作れるようになった結果、今度はリサーチ準備の方がボトルネック化 PdM→責任者承認→調査設計/配信→実施、という形にプロセス自体を作り替えた Before:調査対象のPrototypeの開発期間がボトルネック(ex. 数週間) Idea デザイン/ 開発 要求 Prototype
リサーチ リサーチ準備(選定、契約、調査設計/配信、等) After:リサーチ準備にボトルネックが移動→リサーチ準備プロセスを変えた(ex. 最短翌営業日) リサーチ 事前準備 (選定/契 約) Idea Prompt (要求) Prototype リサーチ 調査設計/配信 20 -
Contextを受け渡さない Context設計における1つ解決策は、Contextを受け渡さないこと。 PRDに書くと消える意思が、本人の中では消えない ― ループが人の中で回った事例 担った役割 起きた変化 エンジニア出身メンバーが「自分も企画をやりたい」と意志を 示し、企画のミッションを兼務で付与 最初はHow起点で苦戦したが、徐々にWhy起点で考えられるよ
うになり、エンジニアリングという武器を持ったまま一気通貫 でチーム全体の生産性を高めるリーダーに成長 -
AI時代における育成の前提の変化 役割の境界を溶かすことと、個人のスキルを定義すること。 この二つは、セットで実施する必要がある背景として、4つの要因が存在します。 01 02 03 04 多様なメンバー特性 育成の“正解”の消失 従来型OJTの限界
育成・アサインの複雑化 メンバーの役割・スキル・経験 はもともと多種多様で、上司と 同じ特性を持つケースの方が少 ないため。 AI時代は、誰も経験したことの ない変化のスピードであり、育 成の正解そのものが消失しつつ ある。 かつてはOJTにおいて暗黙的に 機能していた「従来の育成の 型」が、現在はもう通用しない 局面が増えてきた。 役割が流動化するほど、明確な 評価やプロファイルの物差しが なければ、育成もアサインも難 易度が増す。 だからこそ、AI時代を見据え、個人の強み・弱みを改めて言語化し、目線を合わせる必要がある 「スキルセットを再定義」 27 -
プロダクトマネージャーのスキル定義(現状版) 経験 テクニカルスキル Business & Marketing UX Design Technology Operation
Data ToC ToB 新規立ち上げ 大規模 etc … 戦略策定力 課題設定力 課題解決力 コアスキル PdMとしてコアとなるスキル (総合戦闘力) マインド・スタンス 実行力 当事者意識 リーダーシップ ラーニング アビリティ ※ 実際には各スキル毎により細分化・言語化して定義している etc … 28 -
激動のAI時代への適応 変化のスピードが激しいAI時代、トップダウンだけでもボトムアップだけでも追いつけない。 従来の意思決定の限界 変化に向き合う自律適応 指示や提案を待つだけの構造では遅すぎる 変化の兆しを捉え、自律的にサイクルを回す 変化が複雑かつ迅速に起きる環境下では、一方向のみの情報伝 達や従来型のプロセスだけでは市場のスピードに追いつくこと が困難になる。 だからこそ、変化の兆しに向き合い続け、備え、意思決定し、
適応していくプロセスを組織全体で回し続けることが大事にな る。 全員で向き合い、備え、意思決定し、適応していくことがこれからの組織の核心 31 -
変革のループ設計 プロダクトを賢くしてきたこのループは、組織にも同じ構造で回る。 現場の気づきを組織の意思決定に引き上げた結果、広がり方は一つではない。 職種を越えた意欲の伝搬 AI活用・業務改善の波及 「自分もやってみたい」という自発的な意思 個人の取り組みから組織全体へ エンジニアだけでなくデザイナーやマーケのメンバーからも 「自分もPdMをやってみたい」という声が上がり、声に呼応し て越境が進んでいる。逆もしかり。
メンバーが自発的に始めたAI活用・業務改善の取り組みがシェ アされ、組織全体に広がっていったケースも生まれている。 あるメンバーのAI活用に刺激を受けた別のメンバーが、自分も 利活用を始める、という広がりも起きている。 小さなきっかけから大きな変化へと伝搬していく。 他のチーム・事例への関心が引力となって、変革は連続的に広がっていく 32