AI Product Development / PM Workflow
使い道から逆算して、見積業務AIを1ヶ月半でリリース。
PM業務で使うファンクションポイント積算ツールを開発。目的、出力形式、必要精度、人のレビュー観点を整理。顧客のクラウド環境上に短期間でリリースしました。
Case Outline
入り口
ファンクションポイントを積算したいが、何に使うか、どこまで精度が必要かも整理が必要な状態。
支援範囲
業務理解、出力設計、AIとルールベースの役割分担、レビュー観点、開発・リリースまでを実施。
到達点
約1ヶ月半で開発し、顧客のクラウド環境上で利用できる形へリリース。
欲しいツールではなく、使われる判断材料を作る。
ファンクションポイントを算出するだけなら、出力を作ること自体が目的になりがちです。Lab K9は、PMがその結果を何に使うのか、元請けや関係者への説明にどう活かすのかを確認し、出力フォーマットと必要精度を設計しました。
用途から整理
積算結果を説明や投資判断に使えるよう、単なる数値出力ではなく見せ方まで設計しました。
顧客クラウドへリリース
短期間で開発し、顧客環境で使える状態まで持ち込みました。
過剰品質にせず、必要な精度を見極める。
AIで全部を解こうとせず、目的に対してどこまで自動化すべきか、どこから人が確認すべきかを整理しました。
必要精度の設計
用途に照らして、どこまでの精度があれば業務上価値が出るかを確認しました。
AI活用範囲の判断
AIに任せる部分と、ルールベースで実装する部分を分けて設計しました。
人のレビュー観点
人間がどこを見ればよいかを整理し、AIの出力を業務で使える形にしました。
動くもので確認
長い仕様説明よりも、プロトタイプを示して判断しやすい状態を作りました。
PM業務に組み込むために扱った範囲
積算ロジックだけでなく、入力、出力、説明、レビュー、クラウド上での利用までを一続きの業務として扱いました。
設計資料・入力情報の扱い
ファンクションポイント積算ロジック
説明しやすい出力フォーマット
レビュー・クラウド利用の運用
1ヶ月半で顧客クラウドへ出すまでの流れ
Phase 01
業務の目的を聞く
何を積算したいかだけでなく、積算結果を誰にどう説明するかを確認しました。
Phase 02
出力を設計する
PMや関係者が使いやすいフォーマットをこちらから作成し、提案しました。
Phase 03
実装範囲を決める
AI、ルールベース、人のレビューを組み合わせ、過剰品質にならない範囲に絞りました。
Phase 04
短期間で開発する
プロトタイプを確認材料にしながら、必要な機能を集中して実装しました。
Phase 05
クラウド上でリリースする
顧客のクラウド環境で利用できる状態にし、業務で試せるところまで持ち込みました。
見積業務を、判断に使えるAIプロダクトへ。
Lab K9は、AIツールを作る前に、業務上どの判断を助けるべきかを整理します。欲しい機能をそのまま実装するのではなく、目的、必要精度、確認方法まで含めて設計することで、短期間でも使える成果物にできます。
この事例は、AIに詳しくない担当者でも、推奨案に沿って確認していけば目的に近づける進め方を示しています。技術説明を増やすのではなく、意思決定を減らし、必要な品質で早く形にする支援です。