AIで生産性が3倍になった私たちが、チームを置き去りにした話
「すぐには理解できないが、正しいことを言っているのだと思う」 週次の報告会で、上司がそう言った。 私はAIで作ったスライドとHTMLレポートを画面に映していた。上司は内容を否定しなかった。むしろ、正しいと言ってくれた。理解はできないけれど、正しいのだと思う、と。 そのときの私は、それを好意的な反応として受け取っていた。今になって思えば、あれはレビューが壊れた瞬間だった。 私は大手製造業のDX推進部門でマネージャーをしている。この1年ほど、チームの若手中堅メンバーと一緒にAI活用を進めてきた。体感の生産性は3倍になった。そして同じ時期に、私たちは上司とベテランメンバーを置き去りにした。 これは、その置き去りがどう起きて、何を壊したかの記録である。先に結論を書いておく。置き去りは誰の悪意でも怠慢でもなく、構造で起きる。そして置き去りにした側も損をする。 登場人物に悪役はいない。上司は誠実だった
Claude Code／Codexに中～大規模開発を任せるためのタスク管理 - Qiita
概要 Claude CodeやCodexのようなAIコーディングエージェントは、コードの調査、実装、テスト、ドキュメント更新などをまとめて進められます。 小さな修正であれば、「この不具合を直してください」という指示だけでも十分な結果が得られることがあります。 一方、数十〜数百件のタスクを含む開発では、同じ進め方は通用しません。 どのタスクを作業しているのか分からなくなる 依頼していない範囲まで変更される 実装済みと検証済みが混同される ドキュメントとソースコードの状態がずれる 「完了しました」という報告を受けたものの、実環境では動かない 新しく見つかった問題が、作業中のタスクへ無理に混ぜ込まれる こうした問題は、AIのコーディング能力だけでは解決できません。 重要なのは、AIが迷わず作業でき、人間があとから検証できる形にタスクを設計することです。 この記事では、実際に多数の開発タスクをAI
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
