AIを活用するほど、プロジェクトマネジメントが重要になる
1. はじめに
月商1000万円を目指して、新規プロジェクトを進めている。
このブログでは、プロジェクトの具体的な企画内容はまだ公開しない。
ただし、開発の進め方、AI活用、費用、スケジュール、課題、ドキュメント、判断の過程については記録している。
今回は、AI活用とプロジェクトマネジメントの関係について書く。
最近は、ChatGPT、Cursor、GensparkなどのAIツールを使うことで、個人でもかなり大きなプロジェクトを進められるようになってきた。
実際、自分もAIをかなり活用している。
企画整理
要件定義
仕様書作成
開発指示
コード実装
デザイン検討
ブログ記事作成
課題管理
進捗整理
かなり多くの作業にAIを使っている。
ただ、使えば使うほど感じることがある。
それは、AIを使うほど、プロジェクトマネジメントが重要になるということだ。
自分はPMPの資格を持っている。
そのため、プロジェクトを進めるときに、スコープ、スケジュール、コスト、品質、リスク、コミュニケーション、ステークホルダー、変更管理などを意識する癖がある。
AIを活用する今の開発でも、この考え方はかなり役に立っている。
むしろ、人間のチームではなくAIを使うからこそ、プロジェクトマネジメントの重要性はさらに高まっていると感じている。
2. AIは優秀だが、勝手にプロジェクトを成功させてはくれない
AIは非常に優秀である。
文章も書ける。
コードも書ける。
仕様も整理できる。
デザイン案も出せる。
バグの原因も調査できる。
改善案も出せる。
しかし、AIは勝手にプロジェクト全体を成功に導いてくれるわけではない。
AIに何を任せるのか。
どこまで任せるのか。
どの順番で作業させるのか。
成果物をどう確認するのか。
どの判断を人間が行うのか。
これを決めるのは、結局プロジェクトを管理する側である。
AIは強力な実行者になり得る。
しかし、プロジェクトの目的、優先順位、制約条件、品質基準を理解させなければ、期待した成果は出ない。
つまり、AI活用とは、単に便利なツールを使うことではない。
AIという作業者を、どうプロジェクトに組み込むかという話である。
3. AIにも役割定義が必要
人間のチームでプロジェクトを進めるときは、役割分担を決める。
プロジェクトマネージャー、開発者、デザイナー、テスター、業務担当、運用担当。
それぞれの役割が曖昧だと、作業が重複したり、漏れたり、責任範囲が不明確になる。
AI活用でも同じである。
AIだからといって、何でも雑に投げればよいわけではない。
自分の中では、AIツールごとに以下のような役割を持たせている。
| ツール | 主な役割 |
|---|---|
| ChatGPT | 企画整理、要件整理、PMO、議事録、壁打ち、記事作成 |
| Cursor | 実装、コード修正、既存コード調査、ドキュメント反映 |
| Genspark | デザイン案、LP案、チラシ案、外向け表現の検討 |
| 追加PC | 実装・検証環境 |
| 既存PC | 思考・整理・指示文作成環境 |
このように役割を分けることで、AIを使いやすくなる。
ChatGPTには、抽象度の高い整理や判断の壁打ちを任せる。
Cursorには、具体的なコード実装や修正を任せる。
Gensparkには、見せ方やデザイン案を任せる。
役割が明確になると、指示も明確になる。
逆に、役割を決めずにAIを使うと、すべてが中途半端になる。
4. AI活用に必要なのは、指示の密度と精度
AIを使っていて強く感じるのは、指示の密度と精度が成果物の品質を大きく左右するということだ。
雑な指示を出せば、雑な結果が返ってくる。
たとえば、以下のような指示は危ない。
いい感じに直して
使いやすくして
不具合を直して
管理画面を作って
デザインを整えて
これでは、AIは何を基準に判断すればよいか分からない。
一方で、良い指示には、以下が含まれる。
目的
背景
対象範囲
触ってよいファイル
触ってはいけないファイル
完了条件
優先順位
制約条件
テスト観点
ドキュメント更新要否
既存仕様との整合性
失敗時の対応方針
ここまで書くと、かなりプロジェクト管理に近い。
つまり、AIに良い仕事をしてもらうには、プロジェクトマネジメント的な指示設計が必要になる。
AIは魔法ではない。
AIは、与えた前提と指示の中で動く。
だから、指示の密度と精度が重要になる。
5. スコープ管理がないと、AIは広げすぎる
AIは非常に多くの提案をしてくれる。
それ自体は便利である。
しかし、AIの提案をすべて採用していると、スコープがどんどん広がる。
今回のプロジェクトでも、要件はかなり増えている。
AIとの壁打ちによって、良い案もたくさん出てきた。
ただ、そのすべてを初期リリースに入れようとすると、永遠に完成しない。
ここで必要になるのが、スコープ管理である。
今やるもの
後でやるもの
今はやらないもの
実装しないもの
要検討として残すもの
これを分ける必要がある。
AIはアイデアを広げるのが得意である。
しかし、プロジェクトを前に進めるには、広げるだけでなく絞る必要がある。
この「絞る判断」は、人間側のプロジェクトマネジメントで行う必要がある。
6. WBS的に分解しないと、AIにも任せにくい
大きな作業をAIにそのまま投げると、失敗しやすい。
たとえば、
サービスインできる状態にして
という指示では、範囲が広すぎる。
これを分解する必要がある。
初回登録導線
メイン画面導線
管理者画面
データ登録
履歴表示
通知
ランキング
スマホ対応
エラー表示
テスト
ドキュメント更新
さらに、それぞれを作業単位に分ける。
この考え方は、まさにWBSに近い。
AIを使う場合でも、大きな成果物を小さな作業に分解し、順序を決め、完了条件を設定する必要がある。
AIは作業を速く進めることはできる。
しかし、作業をどう分解するか、どの順序で進めるかを考えないと、成果物はバラバラになる。
7. 品質管理も人間側の責任
AIが出した成果物は、そのまま正しいとは限らない。
コードが動くように見えても、仕様とズレているかもしれない。
セキュリティ上の懸念があるかもしれない。
既存仕様を壊しているかもしれない。
画面は整っていても、ユーザー導線が悪いかもしれない。
ドキュメント更新が実装と矛盾しているかもしれない。
そのため、AI活用では品質管理が非常に重要になる。
自分が意識しているのは、以下である。
実装後に差分を確認する
既存仕様との矛盾を確認する
ビルドやテストを実行する
画面で実際に確認する
ドキュメント更新内容を確認する
不要な変更が入っていないか確認する
次の作業に影響がないか確認する
AIに任せたからといって、品質責任がAIに移るわけではない。
最終的な品質責任は、人間側にある。
これは、人間のチームでも同じである。
メンバーが作業しても、プロジェクトとして品質を担保する必要がある。
AIを使う場合も、そこは変わらない。
8. コミュニケーション管理も必要になる
AI相手でも、コミュニケーション管理は必要である。
むしろ、AI相手だからこそ、文脈管理が重要になる。
人間なら、前後の会話や空気で補ってくれることがある。
しかし、AIは文脈が不足していると、前提を取り違えることがある。
そのため、以下を明確にする必要がある。
現在のプロジェクト状態
今回の作業目的
参照すべきドキュメント
守るべきルール
変更してよい範囲
変更してはいけない範囲
作業後に報告してほしい内容
判断が必要な場合の扱い
これは、AIとのコミュニケーション設計である。
人間のプロジェクトでも、会議体、議事録、課題管理、進捗報告が必要になる。
AI活用でも同じように、指示、成果物、判断、残課題を記録する必要がある。
AIだから記録しなくてよい、ということにはならない。
9. AIを使うほど、変更管理が重要になる
AIを使うと、実装速度が上がる。
これは大きなメリットである。
しかし、実装速度が上がるということは、変更量も増えるということだ。
変更量が増えると、以下のリスクも増える。
仕様と実装のズレ
ドキュメント更新漏れ
既存機能の破壊
Git差分の肥大化
テスト不足
影響範囲の見落とし
不要なリファクタリング
作業範囲の逸脱
だからこそ、変更管理が重要になる。
AIに作業させる場合でも、以下を管理したい。
何を変更したのか
なぜ変更したのか
どのファイルを変更したのか
どの仕様に基づく変更なのか
テストは何を実施したのか
残った課題は何か
次にやるべきことは何か
AIによって変更速度が上がるほど、変更管理の重要性も上がる。
10. リスク管理も必要
AI活用には、リスクもある。
便利だからこそ、過信すると危険である。
現時点で意識しているリスクは、以下である。
| リスク | 内容 |
|---|---|
| 仕様逸脱 | AIが意図と違う実装をする |
| 過剰実装 | 必要以上に機能を追加する |
| 品質ブレ | コード品質や設計品質が安定しない |
| ドキュメント不整合 | 実装と仕様書がズレる |
| セキュリティ懸念 | 権限チェックや入力検証が不足する |
| 依存しすぎ | 人間側が判断を放棄する |
| コスト増 | AIツール費用が膨らむ |
| 作業競合 | 複数PC・複数作業でGit競合が起きる |
これらは、AIを使わなければ発生しないリスクもある。
だから、AI活用は単なる効率化ではなく、リスク管理もセットで考える必要がある。
11. PMPの考え方はAI活用にもかなり効く
PMPで学ぶプロジェクトマネジメントの考え方は、AI活用にもかなり効くと感じている。
たとえば、以下のような観点である。
スコープ管理
スケジュール管理
コスト管理
品質管理
リスク管理
コミュニケーション管理
資源管理
変更管理
ステークホルダー管理
統合管理
これは、人間のチームだけに使うものではない。
AIを使う場合でも、かなりそのまま使える。
AIは人ではない。
しかし、プロジェクトの中で成果物を生み出す存在である以上、管理対象になる。
人を管理するのとは違う。
ただし、役割を定義し、作業を割り当て、成果物を確認し、品質を担保し、変更を管理するという意味では、プロジェクトマネジメントの対象である。
12. AI時代のPMは、指示者ではなく編集者でもある
AI時代のプロジェクトマネジメントでは、PMの役割も少し変わると思っている。
従来のPMは、人に作業を依頼し、進捗を確認し、課題を管理し、リスクに対応する役割が中心だった。
AIを使う場合は、それに加えて、編集者のような役割が必要になる。
AIが出した案を、そのまま採用するのではなく、
何を採用するか
何を捨てるか
どこを修正するか
どこを深掘りするか
どこで止めるか
どの成果物を正式版にするか
を判断する。
AIは大量に出力できる。
だからこそ、取捨選択が重要になる。
この取捨選択こそ、AI時代のPMに必要な能力だと思う。
13. AIに任せる部分と、人間が握る部分
現時点では、以下のように分けて考えている。
AIに任せやすいもの
文章のたたき台
仕様整理の初稿
コード実装
既存コード調査
バグ原因の仮説出し
テスト観点の洗い出し
デザイン案の作成
ブログ記事の構成案
課題一覧の整理
人間が握るべきもの
最終的なサービス方針
優先順位
初期リリース範囲
収益化判断
品質基準
ユーザー体験の最終判断
費用判断
リスク許容度
公開タイミング
何を捨てるかの判断
AIは優秀な補佐であり、実行者である。
しかし、プロジェクトの意思決定まで完全に委ねるのは危険である。
AIを活用するほど、人間側の判断軸が重要になる。
14. 今回の結論
AIを使えば、個人でも大きなプロジェクトを進められる可能性がある。
これは本当に大きな変化である。
しかし、AIを使えば勝手に成功するわけではない。
むしろ、AIを使うほど、プロジェクトマネジメントが重要になる。
役割を定義する
スコープを管理する
作業を分解する
優先順位を決める
指示の密度と精度を上げる
成果物を確認する
品質を管理する
変更を管理する
リスクを把握する
コストを見直す
これらをやらなければ、AIを使ってもプロジェクトは散らかる。
自分はPMPの資格を持っている。
その知識や考え方は、今のAI活用型開発でもかなり役に立っている。
AIは人ではない。
しかし、プロジェクトの中で成果物を生み出す存在である以上、管理が必要である。
これからの個人開発では、単にAIを使えるかどうかだけではなく、
AIをプロジェクトの中でどう管理し、どう成果につなげるかが重要になると思っている。
月商1000万円を目指すこのプロジェクトでも、AIは重要な戦力である。
ただし、AIを使うだけでは足りない。
AIを活かすためのプロジェクトマネジメントが必要である。
今後も、PMPで培った考え方を活かしながら、AIを単なる便利ツールではなく、プロジェクトの一部として管理していきたい。
0 件のコメント:
コメントを投稿