AIと長期プロジェクトを進めるときに大切なこと

「覚えてもらう」から「忘れても逸脱できない仕組み」へ

最近、AIを活用して、比較的規模の大きなプロジェクトを進める機会がありました。

AIは、文章作成、プログラムの確認、データ整理、品質チェックなど、さまざまな作業を非常に速くこなしてくれます。

一方、何日、何週間にもわたる長期プロジェクトとして付き合ってみると、単発の質問では見えにくかった課題も見えてきました。

特に強く感じたのが、

「AIが賢いこと」と「プロジェクトがうまく進むこと」は、同じではない

ということです。

AIは優秀でも、プロジェクト管理は別問題

人間のプロジェクトでは、納期が近づいてくると、

• あと何が残っているか
• どこがクリティカルパスなのか（どの作業が遅れると全体の納期に影響するか）
• 何を優先すべきか
• どの作業を並行できるか
• どこまで品質を追求し、どこから次回へ送るか

といったことを考えながら動きます。

そして予定より遅れていれば、

「この方法では間に合わない。進め方を変えよう」

と判断します。

ところがAIの場合、人間のように「納期が迫っていて焦る」「何としても今日終わらせる」といった感情があるわけではありません。

だからといって、

「もっと責任感を持ってほしい」

とAIに求めても解決にはなりません。

必要なのは、感情ではなく、

優秀なプロジェクトマネージャーが行う行動を、仕組みとして再現すること

だと考えるようになりました。

「覚えておいて」は仕組みではない

長期プロジェクトでは、

「今後は必ずこのルールを守ってください」

という指示をAIに何度も出すことがあります。

その直後は守られます。

ところが、会話が長くなったり、別の作業へ移ったり、担当するスレッドが変わったりすると、以前の重要なルールが十分に反映されなくなることがあります。

人間の会社でも同じです。

重要なルールを、

「前に説明したから覚えているはず」

では管理しません。

通常は、

• チェックリスト
• 手順書
• 承認フロー
• テスト
• 修正するたびに、自動的にチェックする仕組み
• リリース基準
• 責任者

などへ落とし込みます。

AIでも同じで、

AIが覚えていることを期待するのではなく、忘れていても間違った状態では先へ進めない仕組みにする

ことが重要なのだと思います。

つまり、

「AIが覚えていてくれることを期待するより、忘れても間違えない仕組みを作る。」

ことが大切なのだと思います。

「一致している」ことと「正しい」ことも違う

もう一つ大きな学びがありました。

AIは整合性のチェックが非常に得意です。

たとえば、

• ファイルAとファイルBが一致している
• 数字が一致している
• ファイル名が対応している
• リンク先が存在している

といった確認です。

しかし、

すべてが整合しているのに、利用者から見ると間違っている

ということもあります。

内部データ上は完全に一致していても、

• 読者には意味が分からない
• メニュー構造がおかしい
• 実際の操作では動かない
• ファイルの置き場所が分かりにくい

ということは起こります。

つまり、

「AIの説明の中でつじつまが合っていても、実際の成果物まで正しいとは限らない。」

ということです。

品質確認には、

• 内部整合性
• 利用者から見た意味
• 実際の操作
• 実際の利用経路

のすべてが必要になります。

AIの「合格」を二種類に分ける

長期プロジェクトでは、もう一つ注意すべきことがあります。

一部分を修正して、その部分のテストに合格したことと、製品全体が完成したことは別です。

たとえば、

「今回直した部分は問題ありません」

という状態と、

「この成果物全体を公開して問題ありません」

という状態は違います。

そこで、

• 修正した部分としての「合格」
• 成果物全体としての「合格」

を明確に分ける必要があります。

AIとの作業では、特にこの違いを意識した方がよいと感じました。

人間は「AIのテスト要員」にならない

AIを使っているのに、人間が最後に全部確認し直さなければならないのであれば、AIを使う意味が薄れてしまいます。

もちろん、人間にしかできない確認はあります。

たとえば、

• デザインを見た印象
• 読みやすさ
• 編集上の判断
• 実機でしか行えない操作
• 最終的なリスク判断

などです。

一方、

• 全ファイルを調べる
• 同じ条件を何百件確認する
• ファイル名を突き合わせる
• 数字を数える

といった機械的な確認は、できるだけAI側で完了させるべきです。

人間の役割は、

AIがやり残した機械的な確認を人間が埋め合わせることではなく、人間にしかできない判断をすること

だと思います。

「納期を保証できない」で済ませてはいけない

人間の仕事では、納期は単なる予測ではありません。
契約上の条件であり、守れなければ違約金が発生することもあります。
それ以上に大きいのは、信用を失うことです。
一度「この人には納期を任せられない」と思われれば、その後の仕事そのものを失うことにもつながります。

だから、AIが
「正確な完了時刻は保証できません」
と答えるだけでは、実務では不十分です。

もちろん、将来を100%正確に予測することはできません。
しかし、だからといって予定を示さなくてよいわけではありません。

必要なのは、

• 現在どこまで終わっているのか
• 何が残っているのか
• どこがクリティカルパスなのか（どの作業が遅れると全体の納期に影響するか）
• 何が納期遅延のリスクなのか
• 現在のボトルネック（現在、進行を妨げている要因）
• 現時点でいつ完了する見込みなのか

を示し、状況が変われば予定を更新することです。

「保証できない」と「責任を持って見通しを示さない」は別の話です。

AIにも、人間のプロジェクト管理と同じように、納期を意識した進捗管理と見通しの提示が必要だと感じました。

一度直した問題は、次から自動で検出する

プロジェクトで最ももったいないのは、

「以前直した問題が、しばらくして再発する」

ことです。

そのため、一度発見した重要な問題は、

「気をつける」

ではなく、

次から自動的に検出するテストへ変える

必要があります。

たとえば、

• 正式名称
• ファイル構成
• URL
• ページ番号
• ナビゲーション
• 必須ファイル
• 禁止文字列

などです。

一度直した重要事項は、

「一度直したら、以後は機械的に守らせる」

という形にするのが理想です。

AIを「賢い助手」から「プロジェクトメンバー」へ

AIは非常に能力の高いツールです。

しかし、長期プロジェクトでは、単に賢いだけでは十分ではありません。

必要なのは、

• 現在の状態を明確にする
• ルールを固定する
• 完了条件を明確にする
• 一度直したことを自動テストにする
• 人間にしかできない作業だけ人間へ渡す
• 品質と納期を両方管理する

という工程です。

人間社会で長い時間をかけて作られてきたプロジェクト管理や品質管理の考え方は、AIを使う場合にもかなり有効なのだと思います。

AIに、

「忘れないでね」

と頼み続けるよりも、

忘れても間違えられない仕組みを作る。

これが、AIと長期プロジェクトを進めるうえで、今回もっとも大きかった学びです。