Helpfeel Tech Conf 2026: AIに作業を渡したあと、PdMの仕事は測ることになった

2026-09-12(土) Helpfeel Tech Conf 2026 @竹芝
AIに作業を渡したあと、PdMの仕事は測ることになった

Transcript

1. AIに作業を渡したあと、 PdMの仕事は測ることになった AI時代のプロダクトマネジメント Helpfeel 開発グループ ジェネラル・マネージャー/プロダクトマネージャー 熊澤 裕治
2. 自己紹介 熊澤 裕治（@kuma_0930pdm） • Helpfeel開発グループの 写真 ジェネラル・マネージャー • Helpfeel初の非エンジニアPdMとし て2025年に入社 • 好きなものはマンション https://x.com/kuma_0930pdm
3. 皆さんAIを活用していますか？
4. 当社のPdM業務のAI移譲マップ プロダクトマネージャーとしての「作業」について。 判断基準をドキュメントに書いてスキルが実行時に読み込む形で回している 運用中 一部導入・検証中 未着手 戦略・ビジョン ロードマップ 策定・更新 市場・競合分析 収益計画・ ビジネスモデル 顧客・市場理解 要望の収集・ 分類優先度付け 失注・解約分析 利用状況の モニタリング ユーザーリサーチ 意思決定・ 優先順位付け 要望トリアージ・ 優先度判断 意思決定の 質の計測 エンジニアの アサイン判断 リソース配分・ Go / No-Go判断 実行管理 リリース計画・ 進捗管理 タスク管理・ チーム状況 リリースノート・ 変更管理 インシデント対応 社内報告 会議運営・ 議事録 社内・顧客対応 チーム間調整 情報整理・ ナレッジ維持 採用広報・ 個人発信 コミュニケーション 関 係者調整 ナレッジ管理・ ブランディング
5. 判断基準を書けば、AIに渡せることはわかってきた 要望の優先度判断 判断基準に沿って、要望を整理・評価する リリースの周知 変更内容を整理し、周知文の下書きを作る 実現方式の調査 実現可能性を調べ、方式と論点を整理する
6. とはいえ、レベルの差はあれどここまでは皆さんもやっているはず みなさんとは次の問いについて一緒に考えたい 同じAIという武器を持つ プレイヤーの間で 何が差になるのか？
7. 今日話す2つのテーマ AI時代において、これまで計測できなかったものを計測し、意思決定に変えられるかどうかが重要 よって「計測」と、計測結果を意思決定や仕組みに返す「制御」の 2点を話したい 計測 制御 「測る」 「返す」 開発プロセスの滞留や意思決定の ボトルネックは、どこにあったか 「返す」候補が 2つ。 人の意識に戻す or 手順に戻す
8. ① 計測「測る」
9. 計測「測る」 制御「返す」 開発プロセスの滞留を測る 当時感じていたこと ・AIで開発スピードは速くなった ・プロトタイピングやフィジビリティ 検証は凄まじいスピードに。 ・その割に、顧客に価値を提供する スピード自体は大幅に速くなった 実感がない… モヤモヤの解消に向けて … 開発のボトルネックを 「測って」 みることに
10. 参考：当社の開発プロセス 1.Cosenseで起票・検討 計測「測る」 制御「返す」 2.GitHubで実装・レビュー・マージ
11. 計測「測る」 制御「返す」 起票からマージまでを、2つに分ける 計測のために、起票から初回コミットまでを「検討フェーズ」、 初回コミットからマージまでを「実装」フェーズにそれぞれ切り分ける 起票 検討フェー ズ 初回 コミット 対象：マージ済み PRに紐づく 478案件（人が作成した PRのみ） 対象期間： 2025/8/24〜2026/8/24の1年間 実装フェー ズ マージ
12. 検討開始からデプロイの間で明らかになった課題 計測「測る」 制御「返す」 多くの時間が「検討フェーズ」の滞留で溶けていることが判明 実装の高速化だけでは顧客へ価値を届けるまでのリードタイム短縮に限定的な効果しか得られない 時間の内訳 リードタイム短縮の見積もり 現状 検討の滞留 70% 検討の更新あり 約6% 実装 24% 実装をゼロに 24%短縮 検討の滞留を 半分に 35%短縮 検討の滞留を ゼロに 70%短縮
13. 計測「測る」 制御「返す」 “検討の滞留”のその先にある課題を探す 共通していたのは、次に「誰が・何を・いつまでにするか」が曖昧であった点と判明 停滞していた内容の内訳 事例1 議論の途中 17件 起票のみ 9件 他者への依頼 4件 保留 2件 宣言のみ 1件 タグとタイトルだけで起票 → 108日間、更新なし 事例2 「このあと測ってみる」と記録 → 552日間、更新なし
14. より解決すべき課題の特定はAIのサポートで実現 計測「測る」 制御「返す」 人力だと不可能 / 膨大な工数がかかる大量データの分析も、言わずもがな AIだとお手のもの 同じデータを前提としても出力される結果や仮説の精度も高く、より抜本的な仮説に向き合える データ取得/集計 人間 【対象データ】 ・GitHub PR / レビュー ・Cosense検討履歴 ・3か月以上 停滞している全 PR AI 分析対象の選定 対象データの精読 導出された課題仮説 データの集計件数 だけ分かるが、滞留要 因を掴めるデータの当 てがつかない 限られた時間の中で コメントの内容までは 細かく踏み込んで読み 込めない 検討フェーズ が長い 対象期間の PRや 案件詳細、滞留し ている全案件 滞留理由を分類し てレビューと顧客 の催促内容を確認 次の担当と 行動が未定
15. 別の測りごと：正解が存在しない判断の測り方 計測「測る」 制御「返す」 プロダクトマネジメントの現場では、判断の質のような「事前に絶対的な正解が存在しないもの」につい ても測っていきたい。 「人間の回答を、ひとまずの正解とおく」アプローチから開始する 正解が不明で 定量で決まらない指標 数えれば決まる指標 例） 受注率、チャーンレート、MRR 客観的な数値として算出でき、 正解が明確なもの 例） この機能開発を今実施すべきだったかどうか 判断の質のように、事前に 絶対的な正解が存在しないもの ただし、これでは人間の限界を超えられない。 自分×AIの組合せで、自身の判断力を超える意思決定が行われることを目指したい
16. ② 制御「返す」
17. 計測「測る」 制御「返す」 Case：週次振り返りでGapを指摘するSkillを作成 計測結果を意識に返しても、人間の意識は弱く行動の大半は改善しない ドキュメント更新履歴とチャットを 観察し、PdM行動基準（7軸）との ギャップを指摘する 行動変化した割合 AI 人 指摘を直すかどうかは、 上司の代わりに自分で判断する 22%
18. 計測「測る」 制御「返す」 性弱説にもとづき、意識ではなく手順に返す 見つかった型をすべて手順書に書き足すと、例外規則だらけになり指示全体が効かなくなる。 人手による「手順へ反映するかの判断」が不可欠 1 AIによる実行 2 人手による手直し 3 手順書への 反映判断 精度確認 繰り返し出る型だけを、スキルが実行時にみ込む形へ書き戻す。 自分の頑張りに任せない
19. 計測「測る」 制御「返す」 手順に返して改善した実例 AIが実現方式の検討の最後に、毎回段階的な実装スコープを付けてきたケース 改善前 無駄な 出力 回数 改善後 ・毎回手動で消していたが、 AI側に 出力を止める指示までは行わず。 ・手順書を修正して、無理やりな 段階スコープの生成をやめさせた ・ログの確認により、 毎回消している事実に初めて気づく ・AIにルールを明確に「返す」ことで 無駄な調整コストを根本から削減 16 回 0回
20. 計測「測る」 制御「返す」 「手順に返す対象」を見つけるテクニック メタ層を用意。次にスキル化すべき作業を、思いつきではなく実測で選び、 作業側 1つずつ Skillを増やす 半自動化の実現 夜間自動処理が 10本以上自動で走り、 作業はすでに手を離れている スキル化 時間側 これ以上詰められない 空きは1日1.7時間。 最大連続空きは平均 58分
21. 計測「測る」 制御「返す」 あまりに自動化を推進した末路 メタ層からこんなフィードバックが …。自動化とは別の課題が明らかとなることに。 作業側 半自動化の実現 夜間自動処理が 10本以上自動で走り、 作業はすでに手を離れている ！ ！ スキル化 な る す 化 動 自 を 業 作 これ以上 時間側 これ以上詰められない 空きは1日1.7時間。 最大連続空きは平均 58分
22. 「測る」と「返す」を自己活用
23. 月次レビューから見えてきた自己課題 自動化対象となる作業が少なくなる一方、「判断」が次のボトルネックに。 実際に自分で決められる判断が何十日も止まっていた。 月次評価項目 問題設定 代替案 根拠 トレード オフ 論理 実行への コミット 判断待ちを一覧化し 滞留を週次で検知する 仕組みを導入へ
24. 過去の自分の判断＋AI活用で自分自身の成長を促す 判断時点の情報と事後の結果をセクションで分離し、結果を知ってから判断を評価してしまう バイアスを構造的に遮断。 記録プロセスは改善したが、判断の質への効果は未検証 Step.1 Step.2 Step.3 重要な判断 1件ごと記録 結果を見ずに判断プロセスを評価 予測と結果を照合 AI併用が判断の質を 上げているかを測る ために記録 判断プロセスだけを6観点で評価。擬似定量は ノイズになるためスコアリングはしない 結果は遅行指標なものもあるた め、時間がかかる 1.自分の事前判断 月次評価項目 記 録 す る こ と 2.AIの提案 問題設定 代替案 根拠 トレード オフ 論理 実行への コミット 3.最終判断 4.検証可能な予測 （期限・結果・確率） 結果の検証は これから
25. まとめ
26. まとめ：私にとっての「Re: Your Engineering」 冒頭みなさんに問うた「同じ AIという武器を持つプレイヤーの間で何が差になるのか？」 に対する私なりの答え 自分の仕事と自分の判断など 測定系の更新し続ける速度 こそ 差別化 / 優位と考える AIに作業を渡しても、次のボトルネックは自動では解消されない。測っ て見つけ、判断基準や手順を更新する仕事が残る。 それこそが、AI時代のプロダクトマネジメント