AIをEMの「弱み」を補い、「強み」を拡張する武器にする

解像度「点」のEMが、AIで「線」を描き、事業の意思決定に貢献した話

sansan社とタイミーでの共同開催イベントでの登壇資料になります。
https://sansan.connpass.com/event/369668/

Transcript

1. 2025/10/29　タイミー vs Sansan AIをEMの「弱み」を補い、「強み」を 拡張する武器にする Shu Yokomizo 解像度「点」のEMが、AIで「線」を描き、事業の意 思決定に貢献した話
2. 目次 • はじめに • EMとしての課題と挑戦 • AIで“技術的解像度”を取り戻 す • EMとしての働き方の変化
3. はじめに
4. Copyright © Timee All Rights Reserved 4 タイミーとは 

5. Copyright © Timee All Rights Reserved 5 タイミーの特徴 

6. Copyright © Timee All Rights Reserved 6 導入実績 

7. Copyright © Timee All Rights Reserved 7 導入企業の例 

8. 自己紹介
9. ©Timee inc 9 登壇者情報 
 横溝 崇
 (よこみぞ しゅう) 
 経歴
 2024年7月
 エンジニアリングマネージャー 
 入社
 役割
 2013年に新卒でヤフー株式会社へ入社し、クレジットカード サービスの開発・運用やシステム刷新プロジェクトに従事。 2019年8月にメルペイへ転職し、バックエンドエンジニアとして 加盟店向けプロダクトや加盟店審査・管理基盤の開発を担 当。テックリードとしてチームを牽引したのち、エンジニアリン グマネージャーとして複数マイクロサービスチームのマネジメ ントに従事。2024年7月よりタイミーにエンジニアリングマネー ジャーとして入社。

10. 1 EMとしての課題と挑戦
11. EMは技術から距離ができやすい
12. EMは技術から距離ができやすい • キャリアを重ねるほど、技術より「人と組織」に向き合う時間が増え る。 • 気づけば“技術の現場”が少し遠くなる。
13. EMは技術から距離ができやすい • タイミーでは「技術的前提を持たないEM」としてのスタート 前職 開発者→EM。コー ディング、設計、レ ビュー、判断を担当 前職後半 専⾨外チームを管掌 し、ピープル‧プロセ ス中⼼に 現職（タイミー） コードベース未経験∕ ⾔語‧FWも未知の環 境へ
14. 技術的解像度が下がると、意思決定の速度も落ちる • 「ここが難しい」と言われても“なぜ難しいのか”が点でしかわからな い。 • 技術・設計上の制約を、戦略レベルの意思決定に結びつけにくい。 • 結果として、戦術議論が曖昧になる、判断に時間がかかる、エンジニ アの工数を調査に使ってしまうという問題が起きやすくなる。
15. 挑戦 — 新規事業立ち上げ • そんな状況の中、会社として新規事業の立ち上げを任されることに。 • 戦略・戦術の両面から関わる必要があり、特に「実現可能性（フィジ ビリティ）」を判断する技術理解が求められた。 • しかし、社内にはリソースが限られており、最初からエキスパートに 頼ることも難しい。 • 「自分がまず構造を理解しなければ、議論の土台が作れない」という 状況。
16. 2 AIで“技術的解像度”を取 り戻す
17. 「分からない」を構造として理解する(診断) • 新規プロダクトで想定していないユースケース（複数端末操作・同時 更新・複数端末通知など）が必要に。 • どこで排他制御が欠けているか、整合性リスクがあるかを把握する必 要。 • Cursor(とDevin) で使って既存コードを“構造診断”し、全体像を掴む ことにした。
18. AIと対話しながら“全体構造”を描き出す 仕様情報だけでは「どの処理がどのデータをどう更新しているか」が分からない Swagger (地図の凡例) APIの⼀覧は把握できる 仕様上の「点」の情報 AI活⽤ (地形の⽴体視) 関連処理やデータ更新の流れを説明させる システム全体の「構造」を理解
19. AIと対話しながら“全体構造”を描き出す AIの分析⼒と、⾃分のエンジニアとしての経験で“⾒取り図”を作成 STEP 1 AIに関連処理やデータ更新の流れを説明させる STEP 2 エンジニアとしての勘所でプロンプトを微調整 STEP 3 AIの分析⼒ × ⾃分の経験で、コード全体の“⾒取り図”を作成
20. 構造をもとに“リスクのありそうな領域”を特定する AIが構造を⽰し、⾃分が意味を与えることで、技術的リスクを可視化 AIに質問「複数端 末で同時操作され たらリスクはど こ？」 AIが依存関係を整 理し、リスクのあ る処理‧データ更 新パスを提⽰ EM（⾃分）が経験 をもとに“現実的な ケース”を判断 技術的リスクを可 視化(診断レポート)
21. 診断結果を“意思決定の材料”に変える • リスクと影響範囲を整理(診断結果)し、リードエンジニアへ共有。 • 調査フェーズを短縮し、見積もり精度と意思決定スピードを改善。 • PdM／PMMとの議論が具体化し、意思決定がスムーズに。 • 更に診断結果を実行のためのリチーミングに活用
22. 3 EMとしての働き⽅の 変化
23. AIによって、プロダクト・テクノロジーマネジメント を取り戻せた • これまでのEM業務は「人・組織・プロセス」に偏りがち • しかしAIを活用すれば、プロダクトや技術にも自ら踏み込み、意思決 定に直接貢献できる • AIが、自分と現場の距離を縮める診断ツールになった。
24. EMが現場との距離を縮めるきっかけとして • 今日話したのは、AIの使い方ではなく、EMとして技術とプロダクトに もう一度近づくためのきっかけの話。 • 組織やキャリアのフェーズによって距離は違うけれど、AIがあれば、 少しずつ技術の土俵に戻りやすくなる。 • 同じように“距離”を感じている方の参考になれば嬉しい
25. 検索 タイミー ご清聴ありがとうございました