​四方山話

組織やプロジェクトチームを作り上げる上で、リーダに『共感力』が必要と言われています。その理由は、チームの成果が個々の能力の単純な総和ではなく、メンバー間の相互作用によって大きく左右されるためです。リーダがメンバーの立場や状況を理解しようとする姿勢を持つことで、現場で発生している課題やリスク、懸念事項が共有されやすくなり、意思決定に必要な情報の質と量が向上します。その結果、判断の遅れや手戻り、重大な見落としを防ぐことが可能となるからです。 また、『共感力』は指示や方針の実行力を高める要因でもあります。業務の背景や負荷を説明されることで、メンバーは目的を理解した上で行動しやすくなり、形式的な対応や指示待ちの状態を減らすことにつながります。これにより、チーム全体の生産性や対応力が安定するし、さらに専門分野や経験の異なる人材が集まる組織においては、意見の相違や認識のズレが避けられませんが、リーダが各意見の背景を理解した上で調整を行うことで、対立を最小限に抑え、合理的な合意形成を進めることができます。 加えて、『共感力』は組織運営上のリスクを早期に

我々、社会で働いている人は、社員やパートや事業主に限らず、社会やお客様や会社・上司から評価されていますし、それから逃れることできません。そうであれば、高い評価を受けるようにしなければ、社会や会社の仕組みの中で、充実した時間を送ることは出来ません。 それでは、評価する側つまり会社や部門は、何を評価しているのでしょうか。評価の重要ポイントが分かれば、自身がそれに即した思考と行動を心がければいいのです。 その人の評価を考えるとき、誰もが、経験年数、スキルセット、コミュニケーション力等がある中で最初に思い浮かべるのは「その人がどんな成果を出してきたか」ではないでしょうか。 もちろん成果というのは、その人がどんな貢献をしてきたのか、ビジネスの世界ですから、成果を出すということは大前提の話です。ですが、これからの時代、評価され続ける人とは、「過去の成功にとどまらず、常に学び、挑戦し、進化し続ける人」です。成果よりも大切なのは、“未来への伸びしろ”を自らつくり出せるかどうかなのです。変化の速い今、会社も人も「成長し続ける力」こそが最大の競争優位となるからで

1. 先行指標としての「コーディングエージェント」 AI活用の停滞の中で唯一、未来を先取りしているのが開発者領域です。 クラウドが辿った「開発者 → 部門 → 全社」という普及パターンを、AIも同様に進んでいます。 GitHub Copilotはすでに2000万ユーザに達し、Fortune 100企業の90％が導入しています。しかし、エンタープライズ全体での本格普及は2028年と予測されています。 現時点のAIでは、エンタープライズアプリケーションの開発には向いていないのです。その理由は、必要な“全体最適・責任・統制”を担えないことが本質的な制約だからなのです。 （１）要件定義の曖昧さを解釈しきれない 大規模業務システムの難しさは、コードではなく要件定義にあります。業務要件は①暗黙知・例外だらけ②部門ごとに利害が衝突する③法規制や商習慣が頻繁に変わる、だからです。 AIは「明文化された仕様」には強いですが、実際の現場にある曖昧・矛盾・政治的調整を含む要件整理はできません。 （２）システム全体の整合性（アーキテクチャ設計）が弱い...

1. 熱狂と停滞の奇妙な共存 私たちは今、テクノロジー史においても類を見ない「期待」と「実態」の乖離の中にいます。 2025年上半期、ベンチャーキャピタル（VC）資金の半分以上1160億ドルがAI分野に投資されました。しかし、この巨額の投資にもかかわらず、ビジネスの現場では「AIによる劇的な変化」を実感できている人は驚くほど少数です。 なぜならAI投資の73％はインフラ層に集中し、エンドユーザーが恩恵を受けるアプリケーション層への資本供給は相対的に不足しているからです。 2. 衝撃の事実：本格導入はわずか「10%」にすぎない 「AIがすべての業務を代替する」という夢のような物語とは対照的に、マッキンゼーの「2025年AI動向グローバル調査」が示す数字が現実です。 ●少なくとも1つの業務機能でAIエージェントを展開している組織は23％ ●それを全社スケールで運用している割合は、わずか10％未満 多くの企業における「導入」とは、限定的な実験にとどまり、組織の業務基盤を換えるには至っていないのが現実です。 3. タイムトラベル：2025年のAI

1．「書く仕事」から「設計する仕事」へ 従来、エンジニアの中心業務は詳細設計・コーディング・テストでした。しかしAIがコード生成を担うことで、役割は以下へシフトします。 システム全体構造の設計/AIへの適切な指示（プロンプト設計）/生成コードの品質評価 すなわち、「プログラマー」から「システム設計者」への転換です。 2．「実装能力」より「問題設定能力」 AIは、実装は得意ですが、「何を作るべきか」を定義することは不得意です。そのため重要となるのは以下の能力です。 業務理解/課題定義/要件整理 これは、How（どう作るか）からWhat（何を作るか）へのシフトを意味します。 3．「コーディング」から「AIとの協働」 開発は「人間＋AI」の協働型へ変化します。 要求整理/AIへ実装指示/コードレビュー/修正フィードバック エンジニアは、「開発者」から「AIディレクター」的役割へと進化します。 4．品質保証の重要性の増大 AI生成コードには以下のリスクがあります。 ロジックミス/セキュリティ問題/パフォーマンス問題/ハルシネーション（誤情報生