生成AI時代のチーム設計 ― 役割と協働の再構築

Backlog World 2025の登壇資料です

Tidy First? ―個人で実践する経験主義的ソフトウェア設計
  • 著者／訳者：Kent Beck、 吉羽 龍太郎、 永瀬 美穂、 細澤 あゆみ
  • 出版社：オライリー・ジャパン
  • 発売日：2024-12-25
  • 単行本（ソフトカバー）：164ページ
  • ISBN-13：9784814400911
  • ASIN：4814400918
脳に収まるコードの書き方 ―複雑さを避け持続可能にするための経験則とテクニック
  • 著者／訳者：Mark Seemann、 吉羽 龍太郎、 原田 騎郎、 Robert C. Martin
  • 出版社：オライリー・ジャパン
  • 発売日：2024-06-18
  • 単行本（ソフトカバー）：312ページ
  • ISBN-13：9784814400799
  • ASIN：4814400799

Transcript

1. 生成AI時代のチーム設計 ― 役割と協働の再構築 2025/11/29 fi 株式会社アトラクタ / Certi ed Scrum Trainer （CST） 吉羽 龍太郎 （@ryuzee）
2. 自己紹介 吉羽龍太郎 / Ryutaro YOSHIBA / ryuzee ▸ 株式会社アトラクタCTO /アジャイルコーチ / 翻訳者 ▸ Scrum Alliance 認定スクラムトレーナー （CST） 認定チームコーチ (CTC) ▸ Microsoft MVP （DevOps） ▸ X（Twitter）: @ryuzee ブログ: https://www.ryuzee.com/ 2
3. 自己紹介 最新書籍紹介（買ってください!!） 3
4. 生成AI時代のチーム設計 ― 役割と協働の再構築 プロダクトの価値はどこで決まるのか？ 価値は提供元のチームや組織の外側で決まる (顧客やユーザーが決める) 4
5. 生成AI時代のチーム設計 ― 役割と協働の再構築 プロダクト開発の本質 ▸ プロダクト開発の目的は「価値を素早く継続的に届けること」 ▸ 何が正しいかは事前にはわからない（妄想） ▸ 初回のリリースは、単にスタート地点に立っただけ ▸ 仮説が正しいかを頻繁に検証するためには、頻繁にプロダクトをリリースしなければいけない ▸ フィードバックをもとにプロダクトを成長させる ▸ それを支えるのがチーム 5
6. 生成AI時代のチーム設計 ― 役割と協働の再構築 6 どんな仕事でも、仕事を形にするのはチームの力だ。車を造る チーム、問い合わせの電話に応えるチーム、手術を執刀する チーム、コンピュータをプログラミングするチーム（略）。もち ろん、 一人で仕事をする職人や芸術家などもいるが、チーム の力が世界を動かしているといっていい。スクラムのべースも チームにある。 ジェフ・サザーランド 出典 『スクラム―仕事が 4 倍速くなる”世界標準”のチーム戦術』 早川書房、p60
7. 生成AI時代のチーム設計 ― 役割と協働の再構築 今日の話のベース 7
8. 生成AI時代のチーム設計 ― 役割と協働の再構築 チームトポロジーとは？ ▸ 安定した速いフローを実現するためのもの （=価値を素早く継続的に届ける） ▸ 適応型の組織設計モデル ▸ 普遍的な公式ではなくパターン ▸ チームの目的と責任を明確にし、チーム間の相互関係の効果の向上を目指す ▸ 技術、人、ビジネスの変化に継続的に対処できるようにする ▸ 構造は静的なものではなく、状況に応じて変化させていく ▸ チームファーストのアプローチ 8
9. 生成AI時代のチーム設計 ― 役割と協働の再構築 9 チームトポロジーの根底にあるのは、どう「コンウェイの法則」に対処するか “ システムを設計する組織は、 そのコミュニケーション構造をそっくり まねた構造の設計を生み出してしまう メルヴィン・コンウェイ 1968 ”
10. 生成AI時代のチーム設計 ― 役割と協働の再構築 すなわち、チーム構成とアーキテクチャーは連動する こんな構造では、素早く、頻繁に、安 定的に価値を届けられない。 出典：『チームトポロジー』（マシュー・スケルトン、マニュエル・パイス著、原田騎郎、永瀬美穂、吉羽龍太郎 訳、日本能率協会マネジメントセンター 、2021、p22-23） 10
11. 生成AI時代のチーム設計 ― 役割と協働の再構築 プロダクトをE2Eで届けるクロスファンクショナルチームを中心に据える ▸ プロダクトをE2Eで届けるチームを中心にし、開発・QA・UX・運用など多能工で構成する ▸ スキルの壁を超えてチーム全体で成果を出す ▸ 「誰がどこまで」ではなく「どんな価値を届けるか」で責任を共有 ▸ チーム内での作業の完結を実現する ▸ チーム内の待ち時間を減らす ▸ このようなチームだからこそ速いフローが実現できる ▸ このようなチームに適切に権限移譲されていること（全部お伺いを立てたら物事が進まない） ▸ このチームを支える複数のチームが存在 11
12. 生成AI時代のチーム設計 ― 役割と協働の再構築 12 4つのチームタイプ ストリームアラインドチーム プラットフォームチーム イネイブリングチーム コンプリケイテッド・ サブシステムチーム ビジネスの主な変更フロー（つま りストリーム）に沿って配置するチ ーム インフラやツール、共通サービス などの内部サービス（プラットフォ ーム）を提供するチーム 他のチームが新しい技術やスキ ルを身につけるのを支援するチー ム 名前のとおり複雑なサブシステム やコンポーネントを扱う専門チー ム ‣ 職能横断型で、他のチームを待 ‣ セルフサービスAPI、ツール、サ ‣ 特定の技術や製品ドメインのス ‣ その分野のスペシャリストでな たずにデリバリーできる ‣ 要求探索から本番運用まで、デ リバリーに関わる能力一式を持 っている必要がある ‣ 中心となるチームタイプ ‣ 残りの種類のチームは、すべて ストリームアラインドチームの 負荷を減らすために存在する ービス、サポートなどから構成 される基盤 もしくは 使用が強 制される内部プロダクト ‣ これによってストリームアライ ンドチームは詳細を知る必要が なくなり認知負荷が下がる ‣ サービスが使いやすくて信頼性 が高くなるようにする ペシャリストから構成される ‣ ツール、プラクティス、フレーム ワークの調査や提案、オプショ ンの探索を行う ‣ テクニカルコンサルティングチ ームとも言える（実作業はしな い） ‣ 短期的な支援となるのが普通 ければ理解や変更が難しいよ うな領域を担当する ‣ AI、機械学習、動画処理、数理モ デル、特殊技術、特殊パッケー ジ…… ‣ これによってストリームアライ ンドチームの認知負荷を減らす ‣ 必要なときだけ構成する
13. 生成AI時代のチーム設計 ― 役割と協働の再構築 13 チームを小さく保つ ▸ 10人を超えるチームは大変 ▸ コミュニケーション経路数が n(n−1)/2 で増加 ▸ ダンバー数 ▸ 深い信頼: 5人、頻繁に交流: 15人…… ▸ 抱える仕事の種類も多い ▸ 認知負荷が高いと意思決定が遅くなる ▸ 小さなチームほど高速な学習が可能 ▸ 1つの目標に集中する fl ▸ 他のチームとなるべく疎結合にする Source: https://stackover ow.com/questions/984885/how-do-i-explain-theoverhead-of-communication-between-developers-in-a-team
14. 生成AI時代のチーム設計 ― 役割と協働の再構築 チーム間関係の設計: 3つのインタラクションモード コラボレーションモード 概要 利点 弱点 制約 全チームが密結合だと遅く なるので、境界を明確にしてインタラク ションを最小限に保つ 14 X-as-a-Serviceモード ファシリテーションモード 一方のチームが他方のチームが提供 するものをサービスとして利用する関 係性 一方のチームが他方のチームが新しい 技術を身につけたり学習したりするた めにファシリテーションする。他のチー ムの障害を取り除く 引き継ぎが少なく、すばやいイノベー ションと探索が可能 オーナーシップが明確。認知負荷を減ら せる ストリームアラインドチームの障害を取 り除きフローを増やす。不足している能 力や機能を検出できる 責任分界点が不明確。認知負荷の増大 を招く。オーバーヘッドによる生産性低 境界やAPIのイノベーションは遅くな る。境界を間違えるとフロー全体に影響 下 を及ぼす 1つのチームが同時にコラボレーション できるのは1チームまで 同時並行で複数のチームとX-as-aServiceモードでインタラクションする 可能性がある 2つのチームが探索を目的として協力 しあう。責任境界が不明確で効率は悪 いが学習は進む 経験豊富なスタッフが必要 同時並行で複数のチームとファシリテ ーションモードでインタラクションする 可能性がある
15. 生成AI時代のチーム設計 ― 役割と協働の再構築 まとめ：AI以前の理想形 ▸ 小さく、自律的で、クロスファンクショナル ▸ 価値のストリームに沿ったチーム構造 ▸ チーム間の関係を意識的に設計することが鍵 ▸ これがAI登場前の「良いチーム設計」の基本形 ▸ （AIによって変わるのか？変わるとしたらどう変わるのか？） 15
16. 生成AI時代のチーム設計 ― 役割と協働の再構築 16 生成AIの普及 ▸ LLMベースの支援が実務レベルで利用可能になった ▸ 調査、実装、テスト支援、ドキュメント生成など ▸ 調査 ▸ ChatGPT、Gemini、Claudeなど ▸ API/ライブラリ探索の時短 ▸ 実装 ▸ GitHub Copilot、Claude Code、Cursorなど ▸ 実装スピードの桁違いの短縮 ▸ プロトタイピングの高速化 ▸ すでに多くの現場で導入が進み、標準ツールに近づく State of AI-assisted Software Development 2025, p.27
17. 生成AI時代のチーム設計 ― 役割と協働の再構築 17 AIは増幅器 AI’s primary role in software development is that of an ampli er. It magni es the strengths of high-performing organizations and the dysfunctions of struggling ones. 「AIは増幅器として機能するため、パフォーマンスの高い組織の強みを拡大し、課題を抱える組織の機能 不全を悪化させる」（State of AI-assisted Software Development 2025） ▸ モダンな技術基盤と健全なチーム文化がある組織： ▸ AI によって少人数でも大きなインパクトを出しやすくなる ▸ そうでない組織： fi fi ▸ 「壊れたものを速くたくさん作る」状態になるリスク
18. 生成AI時代のチーム設計 ― 役割と協働の再構築 18 AIだけではできない、人間が担うべき価値領域 ▸ Kent Beck が「Programming De ation」と呼ぶように、人間がコードを書くこと自体の価値は低下 ▸ 人間が担うのは以下のような仕事（もちろんツールとしてAIを活用する） ▸ 価値判断や優先順位付け（AIができない「価値の重みづけ」） = 説明責任を果たす ▸ 曖昧な要求や状況の解釈（暗黙知や文脈読み取り） ▸ 合意形成・チームの方向づけ（判断基準を揃え、意思決定を前に進める） ▸ AI出力の批判的評価と統合（盲目的に使わず、取捨選択する） ▸ 倫理・ガバナンス・リスクの配慮（「使ってはいけない場面」を判断する） fl ▸ チームの境界の設定やチーム変更の判断（いつチームや人を変えるべきかの判断は人間がやる）
19. 生成AI時代のチーム設計 ― 役割と協働の再構築 19 AIがチーム構造に与える3つの大きな影響 影響 スキル境界の曖昧化 AIを活用した多能工化が進み、少人数 で価値を届けやすくなる。 結果として、チームメンバーの「役割」 を固定しなくなる。 概要 認知負荷の再分配 文脈共有の高速化 AIが開発作業を軽くするので、チーム が多くの領域を担当できると考えがち だが、問題設定や判断の負荷がチーム に残る。 その範囲が広すぎると、意思決定でき なくなるので、範囲を限定するためにチ ームを小さくする。 AIが仕様やコード、議事録、調査結果な どを生成することで、共有が高速化す る。また必要なときにジャスト・イン・タ イムで生成もできる。 そのため、チームメンバーの参加や離 脱が容易になる。 ▸ 結果的に、チームのサイズが小さくなり、チームメンバーの流動性が上がる ▸ プロジェクトやプロダクト単位ではなく「活動単位」で編成される一時的なチームが作られたりする fi fl ▸ 「AIは境界をより uid / recon gurable にする」（チームトポロジーのブログより）
20. 生成AI時代のチーム設計 ― 役割と協働の再構築 20 つまり、チームの動的性（Dynamic Reteaming）が増える 「ダイナミック: （プロセスやシステムの）絶え間ない変化、活動、進 歩によって特徴づけられる。 リチーミング: （人を）仕事や活動に応じて、集めたり、分けたりする」 「ダイナミックリチーミングエコサイクルにおいては、複数の異な るレベルで、異なる速度やダイナミクスの変化が同時に何回も予 測不可能な形で起こる」 出典: 『ダイナミックリチーミング 第2版 ―5つのパターンによる効果的なチーム編成』 (p.8, p.13)
21. 生成AI時代のチーム設計 ― 役割と協働の再構築 21 動的性 1：タスク単位での動的な人員の再配置 ▸ AI によって単位作業が短くなる → 参加の仕方も変わる ▸ 例：データ品質問題 → データ担当が半日だけ参加 ▸ プロンプト改善 → AIエンジニアが数時間だけサポート ▸ 法規制チェック → Legal × AI チームが短期的に合流 ▸ チームトポロジー 的には「イネイブリングチームの短期介入」が増えるイメージ ▸ チームへの固定配属から「必要なときに必要な人が入る」機会が増える fi ▸ “Team boundaries will change more often.” “Teams must be able to recon gure fast, depending on the value stream needs.” （ThoughtWorksのPodcast）
22. 生成AI時代のチーム設計 ― 役割と協働の再構築 動的性 2：役割の動的スイッチング ▸ AI によるペアリングで「軽い職能越境」が一般化 ▸ 元デザイナーが簡単な実装をこなす ▸ 元エンジニアがデータ分析を行う ▸ 元PMがプロトタイプを自分で実装する ▸ 役割が「その人の肩書き」ではなく、「その日のタスク」に応じて変わる ▸ GitHub Copilot 研究チームも「タスク分配方法の再定義」を指摘 ▸ The Impact of AI on Developer Productivity （https://arxiv.org/abs/2302.06590）
23. 生成AI時代のチーム設計 ― 役割と協働の再構築 動的性 3：プロダクトのフェーズに応じたチーム構造の変化 ▸ Explore（探索）： ▸ 少人数（2〜4名）＋ AI で仮説検証とプロトタイピング ▸ 必要に応じて専門家がスポット参加 ▸ Expand（拡大）： ▸ 一時的に人も AI エージェントも増える ▸ 「人を増やす」より「AI パイプライン整備」の比重が高い ▸ Extract（抽出）： ▸ 運用チーム＋改善チーム＋プラットフォームチームの組み合わせ ▸ フェーズごとにチーム構造が変わることが「普通」になる 23
24. 生成AI時代のチーム設計 ― 役割と協働の再構築 動的性がもたらす協働スタイル: モブプログラミング ▸ 動的に人が出入りする場合、「合意形成と品質確保をどこで行うか」が鍵 ▸ そこで重要度が増すのが「モブプログラミング」 ▸ 少人数で同じ画面を見ながら、AIを使って作業する ▸ 出力をその場で検査し、即座に修正と学習を回す ▸ レビューが「事後の検査」から「リアルタイム作業」に変わる ▸ 結果的に、その場で「完結する」 ▸ これは参加者が「自己組織化」「自己管理」している状態 ▸ 個人のスピードより、集合知の質が効く 24
25. 生成AI時代のチーム設計 ― 役割と協働の再構築 AI時代はチーム編成の自由度が高くなっていく 出典: 『ダイナミックリチーミング 第2版 ―5つのパターンによる効果的なチーム編成』 (p.21) 25
26. 生成AI時代のチーム設計 ― 役割と協働の再構築 FASTのような流動的スケーリングへ ▸ コレクティブ全体が活動単位に自己組織化 ▸ 固定チームではなく「活動に人が集まる」スタイル ▸ ミッションに応じてチームが自然に生まれる 26
27. 生成AI時代のチーム設計 ― 役割と協働の再構築 動的性を得るためにチームに必要なこと ▸ 外部の命令ではなく、当事者の意思で動的にチームを再構成する ▸ 効率ではなく効果を重視する ▸ 強固なドキュメント文化（誰でも途中参加しやすい）をもとにした文脈の可視化 ▸ チケット管理ツール、Wiki、各種ドキュメント（とそれらをもとにしたRAGやMCP） ▸ モジュール化されたアーキテクチャ（チームが変わっても壊れない、AIが壊しにくいもの） ▸ CI/CD・テスト・AI ガードレールなどの自動化 ▸ 権限移譲（分散意思決定）とメンバーの自律性、自己管理 ▸ AIプラットフォームチームとAIイネイブリングチーム（後述） 27
28. 生成AI時代のチーム設計 ― 役割と協働の再構築 28 AIプラットフォームチームとAIイネイブリングチーム ▸ 各チームの認知負荷を下げ、本当に重要なことに集中できるようにするためにAIの活用を後押しする チームを作る ▸ AIプラットフォームチーム： ▸ Agent、RAG、MCP、プロンプトテンプレート、ガードレールなどをサービスとして提供する ▸ AIイネイブリングチーム： ▸ プロダクトチームへのAIコーチング／リテラシー向上を短期介入で支援する
29. 生成AI時代のチーム設計 ― 役割と協働の再構築 チームが動的になるときマネージャーやリーダーは何をするのか？ ▸ AIのほうがマネージャーやリーダーより詳しいという現実を踏まえる ▸ つまり作業指示をしても仕方ない ▸ 指示よりも「文脈の整頓」と「変化の支援」が中心 ▸ チームを管理するのではなく、意味を与える ▸ 安全な実験と自己組織化を支える役割へ 29
30. 生成AI時代のチーム設計 ― 役割と協働の再構築 まとめ ▸ AI時代でも、価値を届ける単位は依然として「チーム」 ▸ チームトポロジーの基本形（小さく、自律的、クロスファンクショナル）はAI時代も重要 ▸ AI は「増幅器」として機能し、組織の強みも弱みも拡大する ▸ AI によって「スキル境界の曖昧化、認知負荷の再分配、文脈共有の高速化」が起こる ▸ その結果、チームはより「小さく・流動的」になる ▸ モブプログラミングのような同期協働が、品質・学習・合意形成の軸として再評価される ▸ AIプラットフォームチームとAIイネイブリングチームがプロダクトチームを支える ▸ マネージャーやリーダーの役割は「指示」ではなく「文脈の整頓と変化の支援」へ移る 30

Comment

No comments...