AI駆動1on1〜AIに自分を育ててもらう〜

4/21 みんなの試行錯誤から学び合おう！AI時代の育成・評価の事例共有会【D-Plus Tokyo #23】

Transcript

1. AI駆動1on1 AI駆動1on1 エンジニア育成に、AIでレバレッジをかける EM COMMUNITY LT / 10 MIN 安田佳央 / RYOBIALGOTECHCAPITAL ENGINEERING MANAGER 03 / 33 04 / 33 05 / 33 06 / 33 07 / 33 08 / 33 09 / 33 10 / 33 11 / 33 13 / 33 14 / 33 15 / 33 16 / 33 17 / 33 19 / 33 20 / 33 21 / 33 22 / 33 23 / 33 24 / 33 25 / 33 26 / 33 27 / 33 28 / 33 29 / 33 31 / 33 32 / 33 33 / 33
2. SECTION 01 理論 AI時代のEMの仕事は、メンバーの自走力を育てること
3. EM'S GOAL EMの目的はエンジニアリングの最大化。 育成がその最大レバレッジ。 マネージャーの評価軸 マネージャーのアウトプット = チームの アウトプット + 影響を与えた他のチーム
4. AI ERA AI時代、メンバーに求められるのは 「AIを使いこなす自走力」 作業・スキル コードのバグ／テストエ ラー／ライブラリの使い 方 → AIで自己解決できる 意味・価値観・関係性 何に取り組むか／なぜそ れを選ぶか／違和感・モ ヤモヤ → 本人の中にしか答えがない（AI
5. NEW QUESTION 「何か困ってる？」はもう機能しない 第 1 階層：作業・スキル コードのバグ／設計の壁打ち／技術選 定 部下は「ない」と答える （自分／AI で自己解決済） 第 2 階層：意味・関係性・価値観 「このプロセス、人間がやる意味あ る？」 チーム内の摩擦／キャリア不安／組織 への違和感 AI には解決不能
6. EM'S JOB 自走力は、メンバーがAIを使うだけでは育たな い。 だからEMが育てる。 自走とは メタ認知で現在地を把握し、適切に周囲 を巻き込める状態
7. NON-REPLACEABLE AI時代、EMが提供すべき 4 つの非代替価値 🗺️ コンテキスト・権限の貸出 社内政治・キーマン・予算という暗黙 知 「理論上は A、うちでは B が通りやす い」の翻訳 ❤️ 感情の共鳴と心理的安全性 一緒に怒る／喜ぶ／悔しがる AI の共感とは質が違う 👁️ 非言語情報の察知 🎯 キャリアのスポンサーシップ
8. WHY 1ON1 1on1で自走力が育つ — 経験学習サイクル ↻ 繰り返すと、本人の中でサイクルが自動で回り始める＝自走 1 具体的経験 本人の違和感・ モヤモヤ 本人に起きた出 来事 2 省察 EMが頭を貸して 客観視 「何がストレス だった？」 3 概念化 本人の価値観 （Will）を抽出 「なぜそこにこ だわる？」 4 実験 価値観を軸に次 のアクション = 自走
9. VERBALIZATION 自走力を育てるのは、2 つの言語化 ① いい感じを言語化（再現性） 無意識の成功を意識的スキルに変換 ＝ SECI モデルの「表出化」 今回うまくいったけど、何を意識した？ 同じ状況でも再現できる？ポイントは？ 他の人にアドバイスするなら、何を伝える？ ② 自走しきれないを言語化（健全な SOS） どこから先が EM のサポートや権限が 必要か ＝ メタ認知の証拠としての SOS 自分だけで判断しきれないものは？ 私の権限や人脈が使えるなら、何に使う？ 一人では厳しいな、と思う境界線は？
10. KOLB CYCLE — QUESTIONS 経験学習 4 ステップ — EM の問いかけ集 Step 1 — 具体 的経験 日々の摩擦・違和感 何があった？ どんな場面で起き た？ Step 2 — 省察 的観察 感じたことを客観視 どう感じた？ 一番のストレス は？ 前にも似たこと が？ Step 3 — 概念 化 価値観（Will）の抽 出 なぜそこにこだわ る？ 大事にしている何 かと繋がる？ 気にならない人も Step 4 — 能動 的実験 価値観を軸に次の 一手 次のアクション は？ 小さく試せる？ 必要なサポート は？
11. THE GAP でも、EMスキルはエンジニアの延長線上にな い エンジニア癖は引き出す場面では全部アンチ（ティーチング／詳細化／自分の意見を述べる） エンジニア＝正解を出す 問題を見つけたら即座に解決策を提示 する思考回路。 EM＝相手から引き出す 傾聴・問いで返すのが仕事。 コード書きの延長線上にない。
12. SECTION 02 失敗 AIに評価させたら、パニックゾーンに落ちた
13. STARTING POINT 誰も私を育ててくれない。 ならば、AIに評価してもらおう。 EMの現実 誰も私を1on1で成長させてくれない。 引き出し方を教えてくれる相手もいな い。 密室で、自分の癖に気づけない。 思いついた実験 メンバーに許可を取って、1on1を録 音。 文字起こしをAIに渡す。 AIにコーチとして評価してもらう。
14. FIRST TRY とりあえずAIに評価させた。だが…… 「良い問いかけが複数見られます。発話比率も概ね良好 ゾーン。今後さらに部下の内省を促す問いを工夫すると 良いでしょう。 」 — AIからの最初のフィードバック（当たり障りない評価）
15. RETRY ならば、厳格に、とにかく厳しく評価させる あなたはプロフェッショナルな組織開発コーチです。 以下の1on1の文字起こしを、厳格に、とにかく厳しく評価してください。 忖度・配慮は一切不要です。 マネージャーとしてあり得ない振る舞いがあれば、そのまま指摘してください。 【文字起こし】 （ここに貼り付け）
16. THE ANSWER 返ってきた評価 これは「1on1」ではなく、上司の「独演会」です。 部下には「苦痛な時間」そのもの。 EMとして、むしろ有害です。 — AIからの回答
17. LEARNING ZONE これはパニックゾーン。学びにならない。 Comfort 快適。でも成長しな い。 Learning 適度な負荷。 ここで育つ。 Panic 厳しすぎて動けな い。 学びにならない。 いまココ
18. SECTION 03 仕組み 理論を、全部スキルに詰めた
19. THEORY STACK 1on1 の理論を 5 本のナレッジに集約 📘 自走力 メタ認知で現在地を 把握し、 適切に周囲を巻き込 める状態 再現性の獲得 × 健全 なSOS 📘 頭を貸す 相手の外部脳として 機能する 悩む→考える / 作業台 / ティーチング排除 📘 経験学習サイクル 日々の摩擦を Will に 接続 経験 → 省察 → 概念 化 → 実験
20. CORE CONCEPT 「頭を貸す」= 悩む（泥沼）を 考える（レン ガ）に変える 悩む（泥沼）— 状態 同じことを考え続けても解決策が出 ず、疲弊している 思考がループして前に進まない 考える（レンガ）— 行動 「これを調べよう」 「〇〇さんに聞こ う」と 次にすべきことが決まっている
21. NO TEACHING ティーチングを排除し、相手の思考を引き出す 器に徹する ❌ NG ✅ OK 「こうすればいいよ」 解決策の直接提示 「私もつらかった！この前も...」 「今話した以外に方法はあるかな？」 視点を増やす問い 「その施策、お客さまにはどんなメリ ット？」
22. SKILLS 理論を 3 つのスキルに吸わせた 理論 /prep /record /review 自走力（再現性 / SOS） • • • 📋 /1on1-prep 過去記録・前回review から準備メモを自動生 成 🗂️ /1on1-record 文字起こしを再構築し 構造化記録 🔍 /1on1-review 7観点で採点し次回 prep に戻す
23. /1ON1-PREP マネだけが見る prep と、2人で書き込む topics に分けた 自動で流し込まれるもの review.md（前回） ├─ Problem → prep「意識 すべきこと」 ├─ Try → prep「問い かけ案」 ├─ 発話比率実績 → prep「注意事 📕 prep.md — マネだけが見る フォーカステーマは1つに絞る 問いかけ案は4カテゴリ（あるべき姿 / 再現性 / SOS / 意味づけ）
24. /1ON1-RECORD 口調とメモで、機械の文字起こしを 1on1 の記 録に戻す 文字起こしの再構築 Notta の話者1 / 話者2 は信用しない ↓ 敬語 / タメ口 で判定 安田 ＝ タメ口寄り（「〜だよね」） メンバー ＝ 敬語寄り（「〜です」） ↓ 断片化を統合 （1-2秒の交互切替は同一人物） ↓ 話者混在を分離 📘 record.md（構造化） ・いい感じ（再現性の獲得） ・モヤモヤ・摩擦（意味・価値観） ・キャリア・Willへの接続 ・ネクストアクション ＋ マネ向け内部メモ（次回 prep との
25. /1ON1-REVIEW レビュー結果への違和感を、採点基準そのもの に戻す 採点 7 項目 1. 準備 → 実践の一貫性 2. topics 設計 3. 発話比率 良好 4:6〜5:5 / 加点 3:7〜2:8 4. 頭を貸すスキル（10点） 5. Keep — 具体引用 🔁 ループ ① review.md → 次回 /1on1-prep が自動 読込 Problem / Try / 比率実績が流れ込む
26. SCORING CRITERIA 採点の 5 観点 — 理想と注意すべきパターン 観点 ✅ 理想 ⚠️ 注意すべきパターン 発話比率 M:S = 4:6〜5:5 が良好、3:7〜 2:8 は加点 5:5 を超える（マネージャー側 が上回る） 沈黙 部下の思考時間として尊重する 沈黙に耐えられず被せる 質問の質 オープンクエスチョン中心 Yes/No で終わるクローズドな 質問 内容の焦点 価値観・感情・成功パターン 業務報告・進捗確認に終始
27. EVIDENCE 発話比率の採点には根拠がある コーチング理論 広木大地氏（頭を貸す） M:S = 3:7〜2:8 が「頭を貸す」コー チングの理想 EM が聞き役に徹するほど深い対話が 生まれる 満足度調査 ディップ株式会社（2019, n=300） 1on1 にメリットを感じた人のうち、 満足度が最も高い発話比率は 5:5（22.4%）と 6:4（21.9%）
28. CYCLE 録音 → AIレビュー → 次回prepに還元 1 🎙️ 録音 同意を取って録 音 2 📝 文字起 こし Nottaで自動化 3 🤖 AIレビ ュー 引用で指摘 4 📋 次回 prep 自動反映 ↻ このループが回り続ける
29. REAL FEEDBACK AIレビュー抜粋 ティーチング改善 先に結論を置いて、 深掘りを止めた 部下が自分の気づき を語り始めた瞬間、 マネが「つまり〜っ てこと」と言い換え て会話を閉じてしま 良かった点 要約で相手の思考を 一段深めた まとまりかけの部下 の話を、 マネが「〜という解 釈でいい？」 と要約して返した。 次回の改善 時間切れの議題を次 回冒頭へ 用意していた 「社外から評価され てる件、 本人はどう感じて る？」
30. SECTION 04 成長 AIが、私のコーチになった
31. INSTANT FEEDBACK EMに欠けていた「即座のフィードバック」が 戻ってきた ⚙️ エンジニア時代 ビルド通った／テスト通った。 即座にコードの良し悪しが分かる。 🎤 EMの仕事（Before） 判断の良し悪しが長期的にしか見え ない。 密室で癖に気づけない。
32. WORKING MEMORY 一番効いたのは prep。ワーキングメモリが解 放される Before — 頭に抱えたまま 「この前のファシリテート良かった、 伝えねば」が頭に残る。 マルチタスクが苦手な自分は、傾聴に 集中しきれない。 After — prep に全部預ける 気をつけること・その理由・触れてお きたい話題を prep に書き出す。 本番はファシリテートに全振りでき る。
33. RESULT 実測 — メンバーが話す割合が増えた Before メンバー 50% / EM 50% After（平均） メンバー 70% / EM 30% 良好ゾーン：メンバー 60〜80% メンバー EM メンバー EM