1. はじめに
独力＋AI活用で月商1億円を目指している。
最近、ChatGPT、Cursor、Gensparkなど、かなり多くのAIツールを使っている。
企画整理、仕様整理、実装指示、コード修正、テスト、ドキュメント整備、進捗管理、ブログ記事作成。
AIが関わる範囲は、かなり広がってきた。
最初は、AIを便利な相談相手として使っていた。
しかし、今はもう少し違う段階に入っている。
AIに作業をさせる。
AIに報告させる。
AIにテスト観点を出させる。
AIに残課題を整理させる。
複数のAIや端末を役割分担させる。
その結果を人間が確認し、統合し、判断する。
ここまで来ると、単なる「AI活用」ではなく、ほとんどAIチーム運営に近い。
そこで今回は、自分なりに AI活用成熟度モデル として整理してみたい。
2. AI活用には段階がある
AI活用という言葉はかなり広い。
メール文を整えるだけでもAI活用である。
コードを書かせるのもAI活用である。
複数AIを使って開発プロジェクトを回すのもAI活用である。
しかし、これらは同じレベルではない。
AI活用には段階がある。
最初は、AIを個人の相談相手として使う。
次に、作業単位でAIに成果物を作らせる。
さらに進むと、業務プロセスやプロジェクト運営にAIを組み込む。
高度な段階では、複数AIを役割分担させ、プロジェクトマネジメントの知識で統制する必要が出てくる。
つまり、AI活用の成熟度は、単に「AIを使っているかどうか」では測れない。
AIをどれだけ管理可能な形で成果に結びつけているかが重要になる。
3. レベル0：AI未活用
まず、AIをほとんど使っていない段階である。
調査、文章作成、設計、開発、レビュー、進捗管理を、人間が従来どおり行う。
もちろん、これは悪いことではない。
AIなしでも仕事はできる。
ただし、作業速度は人間の経験と稼働時間に依存する。
品質も属人化しやすい。
ベテランがいれば強いが、ナレッジが個人に閉じやすい。
AI活用という意味では、まだスタートラインの手前である。
4. レベル1：個人の補助ツールとして使う
次に、AIを個人の補助ツールとして使う段階である。
たとえば、
メール文を整える
文章を要約する
アイデア出しをする
簡単な調査をする
コードの一部を書かせる
この段階では、AIは便利な相談相手である。
個人の作業効率は上がる。
ただし、プロジェクト全体にはまだ組み込まれていない。
成果物の責任は完全に人間側にある。
AIの出力をそのまま信じてしまうと、事実誤認や品質低下が起きる。
この段階では、「AIを使っている人」と「使っていない人」で個人差が出やすい。
5. レベル2：作業単位でAIを活用する
次は、AIに明確なタスクを渡して、作業単位で成果物を作らせる段階である。
たとえば、
仕様書のたたき台を作る
テスト観点を洗い出す
エラー原因を分析する
画面設計案を出す
コード修正案を作る
議事録を整理する
このあたりから、作業効率はかなり上がる。
ただし、タスクの粒度が曖昧だと、成果物がぶれる。
未確認事項が混入する。
作業範囲が勝手に広がる。
AIは、はっきりした依頼には強い。
しかし、曖昧な依頼では、それっぽいが使いにくい成果物を出してくることがある。
この段階では、AIへの指示力が重要になる。
6. レベル3：業務プロセスにAIを組み込む
さらに進むと、AIを単発作業ではなく、業務フローの一部として使うようになる。
たとえば、
要件定義から設計書作成までAIに補助させる
不具合報告から原因分析・修正案作成までAIを使う
テスト結果から改善課題を抽出する
会議録から課題一覧・ToDo一覧を生成する
定型的なレビュー観点をAIに確認させる
ここまで来ると、AIは個人の便利ツールではなく、業務プロセスの一部になる。
ただし、プロセスが整っていないとAI活用も不安定になる。
課題管理や品質管理がないと、手戻りが増える。
AIが作った成果物が管理されず、あちこちに散らばる。
この段階では、AIそのものよりも、AIを組み込む業務フローの設計が重要になる。
7. レベル4：AIをプロジェクト運営に組み込む
次は、AIをプロジェクト全体の運営に使う段階である。
たとえば、
残課題一覧をAIに整理させる
不具合一覧をAIに更新させる
進捗報告をAIに要約させる
リリース判定チェックリストをAIに作らせる
仕様変更の影響範囲をAIに洗い出させる
テスト結果からリスクを整理させる
この段階では、AIがPMO的な補助を始める。
プロジェクト管理資料の更新にAIが関与する。
進捗、課題、品質、リスクの見える化を支援する。
ただし、ここにも危険がある。
AIが管理資料を増やしすぎる。
進捗しているように見えて、実態が伴わない。
確認済みと未確認の区別が曖昧になる。
AIに管理資料を作らせる場合、その管理資料自体の品質管理が必要になる。
8. レベル5：複数AIを役割分担させて使う
さらに進むと、複数のAIを役割ごとに使い分ける段階になる。
たとえば、
実装担当AI
レビュー担当AI
テスト観点整理AI
UI改善提案AI
ドキュメント整理AI
プロジェクト管理補助AI
調査担当AI
この段階になると、AIを単体ではなく、複数の専門役割として使うようになる。
作業速度は大幅に上がる可能性がある。
しかし、同時に管理も難しくなる。
AI同士の作業が競合する。
同じ問題を別々に修正する。
方針が分裂する。
成果物の整合性が崩れる。
人間側が統合しきれなくなる。
ここから先は、単なるAI活用ではなく、AIチーム運営に近くなる。
9. レベル6：プロジェクトマネジメントで複数AIを統制する
ここが、現実的な意味でかなり高い到達点だと思う。
複数のAIを、プロジェクトマネジメントの知識を使って統制する段階である。
AIを単に便利な道具として使うのではない。
プロジェクト内の実行主体として位置づける。
人間は、AIに対して以下を管理する。
目的
スコープ
優先順位
制限事項
課題
不具合
変更
品質基準
完了条件
進捗
リスク
成果物の統合
たとえば、実装AIにはP0/P1タスクを渡す。
レビューAIには品質観点を渡す。
テストAIにはE2E観点を渡す。
ドキュメントAIには変更差分だけを反映させる。
そして、人間が全体方針、優先順位、リリース判断を行う。
この段階では、AIを使う力ではなく、AIを管理する力が問われる。
プロンプト力だけでは不十分である。
必要なのは、プロジェクトマネジメント力である。
10. レベル7：AI-PMO化
レベル6の上にあるのが、AI-PMO化である。
AIを個別作業者として管理するだけでなく、プロジェクト管理そのものの一部をAIに担わせる段階である。
AIが以下を支援する。
課題一覧の更新
不具合傾向の分析
進捗遅延の検知
品質リスクの検出
スコープ変更の影響分析
リリース判定の補助
優先順位案の提示
次に着手すべき作業の提案
会話、ドキュメント、Git差分から状況を整理する
この段階では、AIは作業者ではなく、PMO補佐になる。
ただし、判断責任は人間に残る。
AI-PMOは、プロジェクト状態を見える化し、判断材料を出す。
しかし、リリースするか、止めるか、優先順位をどうするかは人間が決める。
ここを間違えると、AIの進捗判断を過信してしまう。
整った報告に見えて、実態が伴っていないこともある。
11. レベル8：AIオーケストレーション
さらに上位になると、AIオーケストレーションである。
複数AI、複数ツール、複数プロジェクトを横断して、人間が全体を設計・統制する段階である。
たとえば、
開発AI
QA AI
ドキュメントAI
調査AI
マーケティングAI
SEO AI
顧客対応AI
分析AI
PMO AI
こうしたAI群を連携させ、プロジェクト全体、あるいは複数プロジェクト全体を動かす。
ここまで来ると、AIを単体で使う話ではない。
AIごとの役割、権限、入力、出力、品質基準を設計する必要がある。
プロジェクト、運用、改善、分析がつながる。
この段階の本質は、AIを使うのではなく、AIを組織化することである。
12. レベル9：AIネイティブ組織・AIネイティブ事業運営
最上位は、AIネイティブ組織・AIネイティブ事業運営である。
AIが補助的に使われるのではない。
最初からAI活用を前提に、業務、組織、プロジェクト、品質管理、意思決定プロセスが設計されている状態である。
この段階では、
AI活用を前提に業務プロセスが設計されている
AIごとの役割と責任範囲が定義されている
AI出力の検証プロセスが標準化されている
AIによる課題検知、改善提案、品質分析が日常化している
人間は最終判断、戦略、価値判断、リスク判断に集中する
AI活用の成果が、個人の能力ではなく組織能力になっている
AIを使うこと自体が特別ではなく、業務の前提になっている。
これは、AIを使う組織ではない。
AIを前提に設計された組織である。
13. まとめ表
整理すると、以下のようになる。
| レベル | 名称 | 状態 |
|---|---|---|
| 0 | 未活用 | AIを使っていない |
| 1 | 個人補助 | 個人の相談相手・文章補助として使う |
| 2 | タスク活用 | 単発作業をAIに任せる |
| 3 | プロセス活用 | 業務フローの一部にAIを組み込む |
| 4 | プロジェクト運営補助 | 課題・不具合・進捗・品質管理にAIを使う |
| 5 | 複数AI分業 | 複数AIを役割別に使い分ける |
| 6 | AIチーム管理 | PM知識で複数AIを統制する |
| 7 | AI-PMO化 | AIがプロジェクト管理そのものを補助する |
| 8 | AIオーケストレーション | 複数AI・複数業務・複数プロジェクトを統合運用する |
| 9 | AIネイティブ組織 | AI活用を前提に組織・業務・意思決定が設計されている |
14. 自分はいまどの段階にいるのか
自分の今の状態は、レベル5からレベル6に入り始めている感覚である。
複数のAIや端末を役割分担させている。
実装担当、確認担当、方針整理、ドキュメント整理、テスト支援のように使い分けている。
さらに、最近はそれらをプロジェクトマネジメントの考え方で統制しようとしている。
役割分担
作業範囲
進捗報告
残課題管理
ブロッカー管理
制限事項管理
FixedとConfirmedの分離
再確認条件
完了報告フォーマット
リスクと未確認事項の明示
ここまで来ると、AIを便利に使うというより、AIチームを管理している感覚に近い。
これはかなり面白い。
同時に、かなり難しい。
15. 一番重要な主張
今回のモデルで一番言いたいのは、これである。
AI活用の成熟度は、どれだけ高度なAIを使っているかではなく、AIをどれだけ管理可能な形で成果に結びつけているかで決まる。
もっと短く言うなら、
AI活用の本当の成熟度は、AIを使えることではなく、AIを管理できることで決まる。
これはかなり重要だと思っている。
AIを使うだけなら、誰でもできる。
しかし、AIの成果物を品質管理し、進捗管理し、プロジェクト成果につなげるのは簡単ではない。
そこには、プロジェクトマネジメントが必要である。
16. 今回の結論
AI活用には段階がある。
最初は、AIを個人の相談相手として使う段階である。
次に、AIに作業単位で成果物を作らせる段階に進む。
さらに進むと、AIは業務プロセスやプロジェクト運営の中に組み込まれていく。
そして高度な段階では、複数のAIを役割分担させ、プロジェクトマネジメントの知識を使って統制する必要が出てくる。
この段階では、AIを使う力よりも、AIを管理する力が重要になる。
AIを使うだけでは足りない。
AIを管理する。
AIの成果物を検収する。
AI同士の競合を防ぐ。
AIの出力をプロジェクト成果につなげる。
ここまでできて初めて、AI活用は成熟していく。
独力＋AI活用で月商1億円を目指すなら、単に良いAIを使うだけではだめだ。
AIをチームとして扱い、プロジェクトとして管理する。
これが、これからの自分の大きなテーマになっていくと思う。
0 件のコメント:
コメントを投稿