正確なタスクを積み上げてプロジェクトを成功させる - 生成AI 時代にも通じる基本中の基本

617 Views

December 01, 25

スライド概要

人にも生成AI にも共通するタスクマネジメントの基本とは？

橋本将功

スライド一覧

パラダイスウェア株式会社代表取締役早稲田大学第一文学部卒業。文学修士(MA)。大学・大学院ではイスラエル・パレスチナでテロリズムの調査研究を実施。IT業界25年目、PM歴24年目、経営歴15年目、父親歴11年目。 Webサイト/ Webツール/業務システム/アプリ/ 組織改革など、500件以上のプロジェクトのリードとサポートを実施。著書に『人が壊れるマネジメント』（ソシム、2025）『プロジェクトマネジメントの本物の実力がつく本』（2023、翔泳社）『プロジェクトマネジメントの基本が全部わかる本』（2022、翔泳社）。

またはPlayer版

埋め込む »CMSなどでJSが使えない場合

ダウンロード

関連スライド

猫でも分かるUnreal Engineの学び方 - 超初心者向け編 - 2023 v1.0

ue4 ue5 ue-beginner

エピックゲームズジャパン 1.6M

Unreal Engine5 Lumenの仕組みと肝心なところ

ue5 ue-rendering ue-lumen

エピックゲームズジャパン 1.4M

UE5レンダリングフロー総おさらい(2024) 基礎編！[CEDEC+KYUSHU 2024]

ue5 unreal engine ue-rendering

エピックゲームズジャパン 1.2M

Meta XR SDK(V66-74)でQuestアプリを開発

spatial anchor unity quest pro shaperecognizeractivatestate oculus integration transformfeaturestateprovider building blocks transformrecognizeractivestate ovrsemanticclassification jointdeltaprovider ovrscenemanager jointvelocityactivestate オクルージョン sequenceactivestate scene manager ambisonic depth api metaxraudiosource playerlocomotor meta xr sdk quest3 ovrplayercontroller マルチモーダル meta haptics studio direct touch ui meta xr haptics sdk ovrspatialanchor ovrtrackedkeyboard hapticclipplayer fingerfeaturestateprovider hapticclip ワイドモーションモード wmm mruk mr utility kit voice sdk jointrotationactivestate meta horizon os ui set asw application spacewarp ovr metrics tool unityscene manager colocation discovery コロケーション mx ink passthrough camera api hand tracking microgestures webcamtexturemanager passthroughcamerautils cameraviewermanager hand pose selector recorder

あうぜん 1.1M

猫でも分かる UE5.0, 5.1 におけるアニメーションの新機能について【CEDEC+KYUSHU 2022】

ue5 cedec+kyushu ue-animation ue-optimize ue-bp ue-physics ue-sequencer

エピックゲームズジャパン 1M

各ページのテキスト

講師紹介橋本将功 Masayoshi Hashimoto パラダイスウェア株式会社 CEO プロジェクト / プロダクトマネージャー IT業界25年目、PM歴24年目、経営歴15年目、父親歴11年目。 Webサイト / Webツール / 業務システム / アプリ / 組織改革（DX） / 新規事業など、500件以上のプロジェクトのリードとサポートを実施。数千人のソフトウェアエンジニアとプロジェクトを実施。 • ユーザ参加型のメディアを立ち上げ、4000万ユーザ獲得 • 8000万人規模の会員管理システムのインフラ整備・システム拡張を実施 • 新規事業の SaaS をゼロから立ち上げ、2年目で2.6億円の受注を達成 • プロジェクト実行体制の整備や売上向上について経営コンサルティングを実施 3 © Paradise Ware Inc. All rights reserved.

タスクマネジメントのアンチパターン - なぜ人はタスクマネジメントで壊れるのか

タスクマネジメントの代表的なアンチパターン ‣ 担当者への丸投げ・曖昧な指示 ➡ ‣ マイクロマネジメント ➡ ‣ 長時間労働による効率性の低下、担当者の自己効力感の喪失ミスに対する個人的な叱責や罰 ➡ ‣ 担当者の思考停止による生産性や効率性の低下、受け身の姿勢非現実的な締切り設定 ➡ ‣ 手戻り（やり直し）による非効率性、担当者の不安やモチベーション低下ミスの継続的な発生によるトラブル、受け身の姿勢タスクのキャンセル・方針転換の頻発 ➡ 担当者のモチベーションの低下 ‣ 「丁寧なタスクマネジメント」がビジネスと組織を作る 9 © Paradise Ware Inc. All rights reserved.

10.

「RQ-AC-DD」で丁寧なタスクマネジメントを行う 1. RQ (Request / Requirement) ‣ 「何をしてほしいか」をできるだけ 6W2H（誰が・何を・なぜ・いつ・どこで・誰に・どうやって・いくらで）でまとめる 2. AC (Acceptance Criteria) ‣ 「何が成されれば完了なのか」を完了の判定条件（受け入れ基準）をできるだけ数値・テスト・具体的な状態で示す 3. DD (Due Date / De nition of Done) ‣ ‣ 「いつまでに、誰が完了を確認するか」を明示する慣れない場合は生成AI にフォーマット化してもらうと便利 ‣ 依頼に可能な限り曖昧さを排除して丸投げを防ぐ 10 fi © Paradise Ware Inc. All rights reserved.

11.

タスク依頼の例 🙅 Bad 来週の経営会議の資料、こないだ話した内容で作っといてくれる？なるはやで。 👍 Good 新規事業検討のための資料を（What）、経営会議のために（Why）、役員が読むことを想定して（Whom）、企画チームで（Who）、所定のフォルダに（Where）、来週月曜日の午前 10 時までに（When）、20 ページ程度で（How much）作成してください 11 © Paradise Ware Inc. All rights reserved.

12.

生成AI への適用 RQ-AC-DD を生成AI にも適用する

13.

AIコーディングにおける Human-in-the-Loop このタスクやっといてワカリマシタプロンプト（指示） ITエンジニア AIエージェントガードレールタスクの分割と実行順序の計画各タスクの逐次実行成果物実行結果の評価プログラムの生成・実行情報の収集・分析外部アプリケーションとの連携簡潔かつ具体的なプロンプト、厳格なガードレールがエラー率を下げ、コードの品質指標を改善できる（RQ-AC-DD の原則を活用できる） ‣ まだ限界はある一方で、今後の主流となることは確実 13 © Paradise Ware Inc. All rights reserved.

14.

プロンプトとガードレールの重要性・プロンプト次第でモデルの性能が最大45%変動 *1 → LLMは「入力の書き方」に極度に敏感。構造化された指示があるだけで品質が大幅に向上する・50語以内が最も正確／150語超は64%がガベージ混入 *2 → 長文の曖昧な指示はモデルが“迷子”になり誤情報生成率が上昇。短く明確な指示ほどエラーが減る・Human-in-the-loop：欠陥率が最大15pt改善 *3 → 人間の「ここ違うよ」の一言が最も効果的なガードレール。LLM単体では改善しきれない・初回生成の75%前後が欠陥コード *3 → LLMの“一発目”は必ず質が荒い。再試行と検証ループを前提にする必要がある・LLM生成Cコードの62%に既知脆弱性 *4 → LLMはセキュリティ意識がなく、危険APIや脆弱パターンを自然に書いてしまう・LLMLOOP：76.22%→90.24%（+14pt改善）*5 → コンパイル→静的解析→テスト→ミューテーションの「多段フィードバック」が劇的に効く・Microsoft CORE：Python 59.2%／Java 76.8%が基準クリア *6 → 静的解析＋LLM自動修正＋LLMランカー（評価モデル）の三段構えで品質が安定化 *1 Do Prompt Patterns A ect Code Quality? A First Empirical Assessment of ChatGPT-Generated Code *2 Using LLMs for Code Generation: A Guide to Improving Accuracy and Addressing Common Issues | by Dan Cleary | Medium *3 Developer-LLM Conversations: An Empirical Study of Interactions and Generated Code Quality *4 GitHubʼs Copilot Code Review: Can AI Spot Security Flaws Before You Commit? *5 LLMLOOP: Improving LLM-Generated Code and Tests through Automated Iterative Feedback Loops 14 ff *6 CORE: Resolving Code Quality Issues using LLMs © Paradise Ware Inc. All rights reserved.

15.

AI時代のプロジェクトマネジメント意思決定者生成AI の活用を前提としたプロジェクト体制の構築ノウハウが必須となる情シスプロジェクト/プロダクトマネージャー ITエンジニア中核となる人材の育成が必須各業務における生成AI の組み込みロボティクスのシステム化外部パートナーベンダー ‣ 「人とAI」をマネジメントすることが求められる時代になる 15 © Paradise Ware Inc. All rights reserved.

16.

タスクマネジメントのチェックリスト【RQ：要求の明確さ】 ✓ Why（目的）を1行で説明できるか？ ✓ What（成果物）が具体的に書けているか？（形式・粒度・範囲） ✓ 前提条件を伝え忘れていないか？ ✓ 依頼者と実行者が「同じ絵」を見ているか確認したか？【AC：受け入れ基準】 ✓ 「OKの状態」が3つ以内の基準で定義されているか？ ✓ 定量 or 検証可能な形（テスト・条件）になっているか？【DD：完了条件 / Due Date】 ✓ 期限（When）は現実的で、調整プロセスを踏んだか？ ✓ 誰がDoneを確認するか（Who）明記したか？ ✓ 成果物の保管場所（Where）が決まっているか？【タスクの品質を上げる運用】 ✓ 進捗の見える化ができているか？（Backlog / ボード） ✓ 詰まりが起きたときのエスカレーション方法は決まっているか？ ✓ 生成AI：プロンプトが短く・具体的で・構造化されているか？ ✓ 生成AI：ガードレール（静的解析・テスト等）が設定されているか？ 16 ✓ 人間の場合：相手の理解度・負荷・余白を見て指示を調整したか？ © Paradise Ware Inc. All rights reserved.

17.

“It is not the strongest of the species that survives, nor the most intelligent; it is the one most adaptable to change.” 「最も強い者」でも「最も賢い者」でもなく、「変化に最もよく適応した者」が生き残る - チャールズ・ダーウィン（レオン・C・メグギンソンによる要約）

18.