こんにちは、ウォンテッドリー株式会社 執行役員 VPoE の要 (@nory_kaname )です。

開発組織のマネジメントが主な役割ですが、現在、注力している BI Squad の業務についてストーリーを書きました。BIといえば「Business Intelligence」で、事業 / プロダクト / ビジネス における重要な指標を取り扱うことになります。この領域は AI / AIエージェントと非常に相性がよく、使い方しだいで強烈にインパクトを出せるはずと期待値を高くもっています。

ということで、開発組織のマネージャーでありBI Squad のリーダーを務めるわたしがどのような思いを持って進めているか紹介します。

AI活用は「目的」ではなく、ボトルネックを解消するための「手段」である

昨今、あらゆるところでAI（人工知能）をいかに活用すべきかという議論が活発に交わされています。私は開発組織のマネージャーとして、BI Squadを率いるマネージャーとして、AI活用そのものを目的に据えたことは一度もありません。私たちが向き合うべきコトは、事業における問題発見から課題解決に至るまでのボトルネックを、いかに解消できるかどうか。AIを導入すること自体がゴールではなく、あくまで解決のスピードを最大化するためのツールとして捉えています。

現在、開発組織全体のマネジメントと並行して、BI Squadのリーダーを兼務しています。執行役員という立場上、プロダクトとビジネス双方の進捗や課題は日々リアルタイムで知ることができます。プロダクト開発に近い立場で接することが多いですが、まだまだ課題がたくさんあります。その一つに、各ステークホルダーが分析を依頼してから、その結果が手元に届くまでに数時間から数営業日を要しているという現状です。このタイムラグこそが、意思決定の鮮度を奪い、事業成長の速度を削ぐ大きな要因のひとつとなっています。この「待ち時間」というボトルネックを解消し、意思決定のインフラを再構築するための手段として、私は今、AIを現場に組み込む検証を行っています。

経営・開発・歴史を繋ぐ、構造としてのBIの再定義

現在、自らBISquadをリードし、実装に近い領域まで深く踏み込んでいます。わたしの役割は、ビジネス、プロダクト、技術の三面を俯瞰的に捉えることであり、その視点こそが組織における意思決定の強みとなります。特に、過去にプロダクト開発のリーダーとして携わっていた経験から、現在の数値の裏側にある「時間軸での経緯と背景」という文脈を深く理解していることは、大きな利点になります。単に現在の数字を表面上で追うのではなく、数年前の意思決定が現在のプロダクトにどのような影響を与えているかという歴史的背景を把握しているからこそ、数字の微細な変化からその真意を的確に読み解くことが可能になります。(ここにはたくさんの暗黙知がある)

BIツールとは、単なる数値の可視化ツールではありません。NSM（North Star Metric：北極星指標）やKGI（Key Goal Indicator：重要目標達成指標）を頂点とし、それを構成する複雑なサブ指標群を俯瞰的に捉えるための「構造的な健康状態のモニタリングシステム」だと定義しています。この「経営・開発・歴史」という多角的な視点を持ち、事業の全体構造を理解している人間が、自ら分析環境の構築をリードすることが極めて重要です。事業、ビジネス、プロダクトに関わる各ステークホルダーが抱える課題の背景を素早く察知し、最短距離でインパクトを生むために必要な「ハブ」としての機能を果たすことが求められています。

誰もが「専属のAIアナリスト」を抱えられる時代へ

AIエージェントの到来によって、プロダクト開発の環境は劇的に変化しました。PdMやBizDev領域の担当者が、自分専用のAIデータアナリストを常に横に置いておける環境が構築可能となりました。これは単なるツールの導入ではなく、組織の意思決定の在り方そのものを変えることになります。実際、担当者が自らAIエージェントに問いを投げ、即座に指標の要因特定が可能になったことで、分析待ちの時間は解消されつつあります。

（この記事を書いたタイミングでは、Devinをメインに使っています）

意思決定に必要な示唆や材料を最短でデリバリーできる環境が整い始めています。しかし、分析の精度に関しては依然として伸び代を残しています。ここで最も重要なのは、分析の自動化そのものではありません。「いかに筋の良い問いを立てられるか」という点は過去も未来も変わずにあり続けます。誰もが高度な分析リソースを手にできる時代だからこそ、リーダーにはこれまで以上に事業やプロダクトへの深い理解と、それを踏まえた「背景と目的を伝える能力」が求められます。より大きなアウトカムを生むためには、プロダクトの知見だけでは不十分であり、ビジネスの知識までカバーし、両面から問いを立てられるかどうかが鍵となりつつあります。(ここはまだまだ、伸びしろがあり試行錯誤する部分)

Whyを説けないリーダーは、リソースを浪費させる

AIは問いを投げれば即座に回答を出力しますが、その問いがなぜ必要なのか、その先に何を目指しているのかという「Why（背景と目的）」を定義し、言葉にするのは人間にしかできない役割です。これは相手が人間であってもAIであっても変わりません。私たちが問いの背景から丁寧に伝え、「本当にそれはいま解くべき課題なのか」「その分析手法は目的にマッチしているか」というスタンスを堅持することが求められます。

もしリーダーが背景を語らず、本質的ではない問いを投げ続ければどうなるでしょうか。相手が人であれば、意図の不明な指示によって多大なストレスを与え、メンバーの心理的負荷（コルチゾール）を増大させるだけに終わります。相手がAIであれば、不毛なプロンプトによってトークン消費を増大させ、貴重な計算リソース（半導体）を無駄遣いするだけに終わります。効率的に課題を解決するために必要な情報を、解像度高く言語化して伝えること。この「問いの背景」を設計する能力こそが、これからのリーダーの付加価値になります。

実装者として取り組むAIエージェントの育成と「Knowledge」の還流

現在、私はあえて実装者としての側面を強め、AIを活用すべき「場所」の意思決定と、AIエージェントの育成に多くの時間を投下しています。具体的には、BI Squadの業務に深く入り込み、自らが「分析依頼者」となってAIエージェントを使い倒すプロセスを繰り返しています。この過程で重要視しているのが、AIエージェントに週報を提出させ、実行タスクの推進プロセスで発生した「暗黙知」を私にフィードバックさせる仕組みの構築です。

吸い上げた暗黙知はGitHubのリポジトリにドキュメントとして蓄積し、再びAIに参照させることでエージェント自体の解像度を上げていく試みを行っています。これはAIエージェントのスキル習得を目的としたものではなく、組織の「形式知」をインフラ化するための検証です。この環境を構築する側がPdMとBizDevの両面の知識を習得していれば、どことどこを接続すれば最短で課題解決へ進められるかという「ハブ」としての機能を果たせます。私自身も、各ステークホルダーからの報告をどう事業成長に接続し、最短ルートを描くかという視点をより一層強め、日々現場のドキュメントと格闘しながら知識のアップデートを続けています。

最適解を求めて検証を継続する

最後にお伝えしたいのは、これ記事で述べてきた手法が最適解であるという確証は、まだどこにもありません。暗黙知をドキュメント化してストック情報として管理し、それをAIに還流させる手法が、数年後のスタンダードになっているかは分かりませし、別の手段が最適な方法なのかもしれません。AIしだいでは、この仕組みすら不要になるかもしれません。私自身、今まさに現場で手を動かしながら、この方法が「本質的な課題に的を射る」ための最短経路であるかを検証している真っ最中です。

より高度な課題を抽出し、組織に正しい背景と目的を示すための自己研鑽、AIエージェントのさらなる精度向上、そして組織全体への浸透。振り返れば、やるべきことは山積みです。しかし、リーダーがAI活用を「現場の効率化」として丸投げしているうちに、意思決定の停滞というボトルネックは組織を停滞させ悪化させます。事業の文脈を最も深く理解しているリーダー自らがAIと向き合い、その可能性と限界を肌で感じながら、最速の組織を作り上げる。その挑戦にこそ、今のタイミングで取り組む価値があると考えています。