はじめに
PM業務に従事してはや五年。
ITを取り巻く環境は、AIが台頭仕出した（と僕は認識してるだけですが汗）2024年ごろから一気に様変わりしました。
今までPM業務は
- 要件整理
- クライアントとエンジニアの橋渡し
- 品質管理etc...
と多岐にわたる作業であっという間に時間が溶けていきました。
しかし、最近はAIを使うことで、悩む時間が大幅に減ったと感じています。
この記事では、私が実際の業務で使っているAI活用方法を紹介していきます。
ただ、あくまで最終判断は人間であり、AIは補助として活用しているといった点にご注意ください。
私的なAIの立ち位置
先にも書きましたが、最終判断は必ず人間がやるということを肝に銘じています。
「これはどうしてこういうことになったのですか？」と聞かれたときに、
「AIがそういったからです！」と言う人を誰が信用してくれるでしょうか。（いるかもしれないですけど。。。）
最近は少なくなってきたとはいえ、ハルシネーションが0とは言い切れないため、それらしい答えが返ってきた時でも、ソース確認は必須だと思っています。
（近い将来、それも必要なくなるなぁとは思っていますが。perplexityなどソースをもとに回答するモデルが出ていますし。）
さて、そんな前提を踏まえまして、私的なAI立ち位置は考える相手になってもらうといったところですね。
- 観点の洗い出し
- 考えの抜け漏れチェック
- たたき台の作成
などなど、一人では難しいなと思っていたところに、強力なサポーターがついたイメージです。
ここからは、私が活用している事例をご紹介していきたいと思います。
1. 要件定義フェーズでのAI活用
1-1. 要件定義で「確認漏れ」を防ぐ
要件定義で一番怖いのは、
考慮漏れだと思っています。
今まで幾度となく保守フェーズで考慮漏れによるバグが発見されてきました。
もちろん完全にゼロにすることは難しいですが、AIを活用することで未然に防げることもままあると感じています。
やり方としては、自分なりに整理した要件をAIに投げて、
- クライアントに確認すべき観点
- 曖昧になっていそうな部分
- 判断が必要そうなポイント
を洗い出してもらいます。
ポイントは、
自分が作ったものをチェックさせること。
当たり前ですが、自分で整理しないと仕様理解なんてできるはずもないですよね。
その上で、見過ごしていたことだったり、あまり重要じゃないだろうと思ったことについて、AIから指摘されると、「あ、なるほどそういう穴があるのか」などという気づきが結構出ます。
1-2. 知見がない要件の概要理解
例えば、
「バーコード読み取り仕様で、NW-7って対応できますか？」
のように、知らない仕様が突然出てくることがあります。
こういうとき、いきなり公式ドキュメントを読み込む前に、
- どんな用途で使われるものか
- 実装・運用で注意すべき点は何か
といった全体像の把握をAIに手伝ってもらいます。
注意しているのは、
理解した気になった状態で止めないこと。
AIで概要 → 公式資料や有識者で裏取り
という順番にすることで、ハルシネーションが無いことを確認するようにしています。
2. 見積もり・工数感の整理
要件定義後の工数目安出し
要件定義が無事に終わり、実装工数の見積もりが必要になったときにAIを活用しています。
とはいえ、正確な見積もりを作らせる目的ではなく、
- 作業項目の洗い出し
- 工数がかかりそうなポイントの指摘
- 抜けていそうな工程の確認
- 項目ごとの工数割合の確認
など、
自分の工数感と比較する材料として使っています。
「この作業、忘れてない？」「この項目安過ぎないor高過ぎない？」と突っ込んでもらう役です。
3. 品質担保フェーズでのAI活用
テストの叩き台作成
シナリオテスト作成でも助けてもらってます。
使い方は主に2パターンです。
1. コードからシナリオテストを起こす
- 実装済みのコードを渡す
- 想定される操作フローを洗い出させる
2. 要件定義からテスト観点を出す
- 要件定義書を元に必要そうなテストケースを列挙させる
どちらも叩き台として作成させていますが、最近は結構優秀にチェック観点を提示してくれているので、助かってます。
ただ、最終的な取捨選択・粒度調整は必ず人間がやります。
4. コミュニケーション改善への活用
メール文面の添削
これはかなり使っている人も多いと思いますが、
私自身とても助けられているので、ぜひ書かせてください。
私は自分で文章を書くと、
- 無駄に回りくどい
- 前提条件が抜ける
- 読み手の立場になれていない
ということがよくあります。
AIに投げて添削させることで
- 簡潔にしてもらう
- 前提が伝わるかチェック
- 相手視点で違和感がないか確認
してから送るだけで、
意図が伝わらないために生じる往復が減りました。
(今まで私の意味不明な文章を解読してくださったクライアントの方々の負担軽減に少しは貢献できたのではと。。)
5. トラブル対応・障害調査でのAI活用
エラー箇所の速やかな特定
エラーが出たときは、
AIを使って初動調査を早くするようにしています。
- エラーメッセージ
- 関連しそうなコード
- 実行環境の前提
を渡して、怪しそうな箇所を絞ってもらうイメージです。
もちろん、AIの指摘がそのまま原因とは限りませんが、
「どこから見るか」で迷う時間が減るのは大きいです。
まとめ
PM業務は、
- 考える
- 確認する
- 伝える
という作業が多く、うがぁ〜〜〜と頭がパンクすることが多い業務です。
（いやそんなことないぜ！って言う優秀なPM様、ぜひとも弟子にしてください。）
ただそんな頭の容量が少ない私とAIはとても相性が良いと感じています。
特別な使い方をしているわけではありませんが、
それでも業務の質の底上げに大きく貢献してくれています。
これからも、
「判断は人、補助はAI」
という前提は忘れず、よりよい製品作りに邁進していこうと思います。