ブログ

はじめに――生成AIの登場が、仕事の分担を変え始めている

生成AIの活用が広がり、システム開発の現場では、ドキュメント作成、情報収集、設計のたたき台づくり、テストケースの検討、コード生成など、さまざまな業務の進め方が変わり始めています。

これまで数時間かかっていた作業を短時間で進められるようになる一方で、単純に「一人あたりの作業時間が減る」だけではありません。誰にどの仕事を任せるのか、どのようなチーム構成が適切なのか、若手にどのような経験を積んでもらうのかといった、アサイン管理の前提そのものが変化しています。

加えて、システム開発の現場では、少人数で複数案件を並行して進める体制や、常駐・リモート・時短勤務などを組み合わせたハイブリッドな働き方も一般的になりました。

このような環境では、「案件ごとに担当者を決め、終了まで固定する」という従来型のアサイン管理だけでは、変化に対応しにくくなっています。

これから求められるのは、生成AIによる生産性の変化も捉えながら、メンバーの稼働状況、スキル、経験、役割を継続的に見直す、動的なアサイン管理です。

本記事では、生成AI時代のシステム開発組織において、アサイン管理をどのように見直すべきか、具体的な考え方と運用のポイントを整理します。

生成AIによって、アサイン管理の前提はどう変わるのか

生成AIの活用が進むと、同じ業務であっても、必要となる時間やスキル、担当者の役割が変化します。

まずは、アサイン管理に影響する代表的な変化を見ていきましょう。

一人が担当できる業務の範囲が広がる

生成AIを活用することで、これまで専門担当者に依頼していた作業の一部を、別のメンバーが補助的に進められる場面が増えています。

例えば、エンジニアが設計書のたたき台を作成したり、プロジェクトマネージャーが会議内容を整理したり、若手メンバーが調査結果を短時間でまとめたりすることが可能になっています。

その結果、職種や役割の境界が以前より曖昧になり、一人のメンバーが複数の役割を担うケースも増えていきます。

アサイン管理においても、「この人はこの職種だから、この業務だけを担当する」という固定的な考え方ではなく、生成AIを活用した場合にどこまで対応できるのかを含めて、担当範囲を捉える必要があります。

作業時間の見積もりが変わる

生成AIを活用できる業務では、従来の実績をそのまま次回の工数見積もりに使えない可能性があります。

一方で、生成AIを使えば必ず工数が減るわけでもありません。出力内容の確認や修正、前提情報の整理、セキュリティ上のチェックなど、新たに必要となる作業もあります。

さらに、生成AIの活用度合いは、メンバーの経験や習熟度によって大きく異なります。

そのため、「この業務は従来何時間かかったか」だけでなく、誰がどのように生成AIを使い、実際にどの程度の時間で完了したかを確認しながら、見積もりやアサイン計画を更新していくことが重要です。

若手の育成機会を意識して設計する必要がある

生成AIによって、情報収集、資料作成、簡単な実装、テスト項目の作成などが効率化されると、これまで若手が経験していた業務の一部が減る可能性があります。

こうした業務は、一見すると単純作業に見えても、プロジェクトの背景を理解したり、先輩の考え方を学んだり、業務の進め方を身につけたりする機会でもありました。

効率だけを優先して生成AIに置き換えると、短期的には生産性が上がっても、中長期的には若手が経験を積む機会を失うおそれがあります。

生成AI時代のアサイン管理では、「最も短時間で終えられる人に任せる」だけでなく、「誰にどのような経験を積んでもらうか」という育成の視点が、これまで以上に重要になります。

管理者には、業務を再設計する役割が求められる

生成AIが使われるようになると、管理者の役割も変化します。

従来は、必要な業務を洗い出し、それをメンバーに割り振ることがアサイン管理の中心でした。しかし今後は、業務をそのまま割り振るのではなく、次のように分解して考える必要があります。

• 人が判断すべき業務
• 生成AIに任せられる業務
• 生成AIの出力を人が確認する業務
• 経験を積むために、あえて人が担当すべき業務

つまり、生成AI時代のアサイン管理とは、人を配置するだけでなく、人と生成AIの役割分担まで設計する仕事へと変わっていくのです。

従来型のアサイン管理では対応しにくい理由

生成AIによる業務変化に加え、少人数化やハイブリッド勤務が進むことで、従来型のアサイン管理にはさまざまな限界が生じています。

少人数で複数案件を掛け持ちしている

少人数の組織では、一人のメンバーが複数のプロジェクトや役割を兼務することが珍しくありません。

A案件ではプロジェクトリーダーを担当し、B案件では設計レビューに参加し、C案件では若手の支援を行うといった働き方も増えています。

このような状況では、案件ごとに個別の管理表を作成しても、メンバー単位の負荷を正確に把握できません。

生成AIによって一部の作業時間が短縮されても、その余力が別の案件や突発的な対応に使われれば、実際の負荷は見えにくいままです。

ハイブリッド勤務によって状況が見えにくい

常駐、在宅勤務、時短勤務、フレックスタイムなど、働き方が多様になると、同じチームであっても稼働時間やコミュニケーションの取り方が異なります。

オフィスで顔を合わせていれば自然に把握できた状況も、リモート環境では意識的に共有しなければ見えません。

特に生成AIを活用した業務は、短時間で成果物が作成される一方で、その過程が周囲から見えにくいことがあります。

成果物だけを見て「余裕がある」と判断すると、実際には確認や修正、調査に多くの時間を使っていたということも起こり得ます。

固定的なアサイン表では変化に追いつけない

案件の受注時期、仕様変更、障害対応、メンバーの休暇、他案件の遅延など、プロジェクトのリソース状況は日々変化します。

さらに、生成AIの活用によって想定より早く作業が終わる場合もあれば、確認に時間がかかり、予定どおり進まない場合もあります。

一度決めたアサインを長期間固定する運用では、こうした変化を反映できません。

これからのアサイン計画は、確定事項として管理するのではなく、状況に応じて見直す前提で設計する必要があります。

Excelやメールによる確認作業が増えている

少人数の現場では、Excelやスプレッドシート、メール、チャットを組み合わせてアサイン情報を管理しているケースも多いでしょう。

しかし、案件数や兼務が増えるほど、情報の確認と更新に時間がかかります。

「この人は来月どの程度空いているのか」「生成AIの活用で予定より早く終わりそうな業務はあるか」「別案件の支援に回せるか」といった確認を、その都度本人や各プロジェクトの責任者に聞いていては、管理者の負担が大きくなります。

生成AIを活用して現場の作業が効率化されても、アサイン管理が手作業のままでは、管理側の業務だけが取り残されてしまいます。

生成AI時代のアサイン管理に必要な4つの視点

生成AI、少人数体制、ハイブリッド勤務が組み合わさる現場では、従来の管理方法を部分的に改善するだけでは十分ではありません。

アサイン管理の考え方そのものを、次の4つの視点から見直す必要があります。

1．役割ではなく「業務・スキル・稼働」で考える

従来のアサインでは、「プロジェクトマネージャー」「エンジニア」「デザイナー」といった役割を基準に担当者を決めることが一般的でした。

しかし生成AIによって、一人が対応できる業務の範囲が広がると、役職や職種だけでは適切な判断ができません。

そこで重要になるのが、業務に必要なスキル、本人の経験、対応可能な時間、生成AIの活用レベルを組み合わせて考えることです。

例えば、同じ設計書作成でも、ゼロから作成するのか、生成AIで作成したたたき台をレビューするのかによって、必要な経験や工数は異なります。

業務を具体的に分解し、それぞれに必要なスキルと稼働量を整理することで、現実に即したアサインを検討しやすくなります。

2．確定アサインだけでなく、仮の予定も共有する

変化が多い環境では、確定してから情報を登録する運用では判断が遅れます。

受注確度が高い案件、開始時期が調整中の案件、追加要員が必要になる可能性のある案件など、まだ確定していない情報も含めて、仮のアサインとして共有することが重要です。

仮アサインを登録しておけば、案件が正式に決まる前から、リソースの重複や不足を確認できます。

生成AIによる工数削減を見込む場合も、最初から余力として扱うのではなく、一定の幅を持たせた仮計画として管理し、実績を見ながら調整する方が安全です。

3．計画と実績の差を継続的に確認する

生成AIの効果は、業務内容や担当者によって異なります。

そのため、「生成AIを使うから30％短縮できる」と一律に計画するのではなく、予定していた工数と実際にかかった工数を継続的に比較することが必要です。

差分を確認することで、次のようなことが分かります。

• 生成AIの活用によって短縮しやすい業務
• 確認や修正に時間がかかりやすい業務
• 生成AIを使いこなせているメンバー
• 支援や教育が必要なメンバー
• 当初の見積もりが適切でなかった業務

こうした実績を蓄積すれば、次回以降の見積もりやアサイン精度を高められます。

4．効率と育成を分けて考えない

生成AI時代には、効率化と人材育成を同時に設計する必要があります。

すべての業務を経験者と生成AIの組み合わせで進めれば、短期的な生産性は上がるかもしれません。しかし、それだけでは次のリーダーや専門人材が育ちません。

例えば、若手メンバーに生成AIで作成した成果物をそのまま使わせるのではなく、出力内容をレビューさせたり、改善点を説明させたりすることで、学習機会に変えることができます。

また、経験者だけが生成AIを使いこなしている場合には、使い方や判断基準をチーム内で共有することも重要です。

アサインを検討する際には、「誰が最も早く終えられるか」だけでなく、「この業務を通じて誰に何を身につけてもらうか」という視点を加えましょう。

実践方法――生成AI時代のアサイン管理をどう進めるか

ここからは、実際の現場で取り組みやすい運用方法を紹介します。

アサイン状況を一つの場所に集約する

まず必要なのは、誰が、どの案件に、いつまで、どの程度関わっているのかを、一つの場所で確認できる状態をつくることです。

案件ごとに別々の管理表を持つのではなく、人軸と案件軸の両方から確認できる形で整理します。

最低限、次の情報を共有できるようにするとよいでしょう。

• プロジェクト名
• 担当メンバー
• 担当期間
• 予定稼働量
• 確定または仮アサインの区分
• 担当する役割や業務
• 勤務時間や勤務場所などの制約

生成AIを利用する業務については、必要に応じて、生成AIの利用有無や想定する確認工数も記録しておくと、計画と実績を比較しやすくなります。

Googleスプレッドシートでも始められますが、案件数やメンバー数が増えるほど、更新漏れや集計の負担が大きくなります。

状況に応じて、アサイン管理に特化したクラウドツールを活用することも選択肢になります。

メンバーのスキルを定期的に更新する

生成AIの登場によって、メンバーが対応できる業務は短期間でも変化します。

以前は経験がなかった業務でも、生成AIを活用し、経験者のレビューを受けることで対応可能になる場合があります。一方で、生成AIの出力を適切に評価するには、一定の業務知識が必要です。

そのため、スキル情報は年に一度更新するだけでは不十分です。

次のような情報を定期的に確認しましょう。

• 業務経験
• 技術スキル
• プロジェクト経験
• 顧客対応経験
• 生成AIを活用できる業務
• 生成AIの出力をレビューできる領域
• 今後経験したい業務
• 勤務時間や働き方の制約

特に、「生成AIを使えるか」という一項目だけで評価するのではなく、どの業務で、どの程度活用できるのかを具体的に整理することが重要です。

仮アサインを使って先の負荷を確認する

案件が確定してから担当者を探し始めると、候補者がすでに他案件で埋まっている可能性があります。

数か月先までの案件予定を確認し、受注前や開始時期が未確定の段階でも、候補者を仮アサインしておきましょう。

仮アサインを活用すれば、次のような状況を早めに把握できます。

• 特定のメンバーへの集中
• 同じ時期に発生する案件の重複
• 必要なスキルを持つ人材の不足
• 若手の育成機会の偏り
• 生成AIによる工数短縮を前提にしすぎた計画

確定していない情報を登録することに抵抗があるかもしれませんが、仮の予定だからこそ、早い段階で調整できます。

重要なのは、確定情報と仮情報を区別し、状況が変わった際に更新する運用を整えることです。

短い頻度でアサイン状況を見直す

半年や四半期ごとにアサイン計画を立てても、実際のプロジェクト状況は日々変化します。

特に生成AIを利用している現場では、想定以上に早く進む業務もあれば、確認作業が増えて遅れる業務もあります。

そこで、週次や隔週などの短い頻度で、アサイン状況を確認する場を設けます。

会議では、単なる進捗報告ではなく、次の内容を確認するとよいでしょう。

• 予定していた稼働とのずれ
• 過剰な負荷がかかっているメンバー
• 予定より早く終了しそうな業務
• 生成AIの活用で変化した工数
• 支援やレビューが必要な業務
• 今後発生する案件と仮アサイン
• 若手に任せる業務や育成機会

少人数の組織では、会議を長時間行う必要はありません。情報が整理されていれば、短時間でも十分に確認できます。

生成AIの活用状況を個人任せにしない

生成AIの活用方法を各メンバーに任せきりにすると、成果や生産性に大きな差が生まれます。

あるメンバーは効率的に活用している一方で、別のメンバーは使い方が分からず、従来どおりの方法で業務を進めているかもしれません。

この差を本人の能力だけの問題として扱うのではなく、チームの運用課題として捉えることが重要です。

活用事例、入力方法、確認時の注意点、利用してはいけない情報などを共有し、チームとして一定の基準を設けましょう。

生成AIを活用できる人に業務を集中させるのではなく、活用ノウハウを広げるためのアサインを意識することも必要です。

数値だけでは分からない状況も確認する

アサイン管理を可視化しても、数値だけでメンバーの状況を完全に把握することはできません。

稼働率には余裕があっても、難易度の高い業務に集中している場合があります。また、生成AIによって作業時間が短縮されても、判断やレビューに強い負担がかかっていることもあります。

少人数のチームだからこそ、日常的な声かけや一対一の会話を通じて、数値に表れない負荷を確認することが大切です。

ツールによる可視化は、コミュニケーションを減らすためではなく、必要な会話をしやすくするために活用するものです。

生成AIを導入しても、アサイン管理が自動的に最適化されるわけではない

生成AIを活用すれば、さまざまな業務を効率化できます。しかし、生成AIを導入しただけで、チーム全体のリソース配分が自動的に最適化されるわけではありません。

生まれた余力がどこにあるのか、その余力をどの案件に振り向けるのか、誰に新しい役割を任せるのかは、組織として判断する必要があります。

また、生成AIを使うことで個人の作業は速くなっても、確認や承認の工程が変わらなければ、プロジェクト全体のスピードは上がりません。

生成AIの効果を組織の成果につなげるためには、業務プロセスとアサイン計画をあわせて見直すことが重要です。

アサイン状況が可視化されていれば、生成AIによって生まれた余力を、新規案件への対応、品質向上、若手育成、属人化の解消などに振り向けやすくなります。

生成AIの導入とアサイン管理の見直しは、別々の取り組みではありません。両者を組み合わせて初めて、組織全体の生産性向上につながります。

まとめ――生成AI時代のアサイン管理は「固定」から「継続的な再設計」へ

生成AIの登場によって、業務に必要な時間、担当できる範囲、メンバーに求められるスキルは変わり始めています。

さらに、少人数体制やハイブリッド勤務、複数案件の兼務が重なることで、アサイン管理はこれまで以上に複雑になっています。

こうした環境では、一度決めた担当者や体制を固定するのではなく、状況に応じて継続的に見直すことが重要です。

これからのアサイン管理では、次の視点が求められます。

• 役割ではなく、業務・スキル・稼働量で考える
• 確定前の案件も仮アサインとして共有する
• 生成AI活用後の計画と実績の差を確認する
• 効率化と人材育成を同時に設計する
• 数値と対話の両方からメンバーの状況を把握する

生成AIは、単に作業を速くするためのツールではありません。仕事の分け方やチームのつくり方を見直すきっかけでもあります。

だからこそ、生成AIの導入を個人の工夫だけに任せるのではなく、アサイン管理を含めた組織の運用として捉える必要があります。

まずは、現在のアサイン状況と実際の稼働を可視化し、生成AIによってどの業務が、どのように変わっているのかを確認することから始めてみてはいかがでしょうか。

小さな見直しを積み重ねることが、生成AI時代に変化へ対応できるチームづくりにつながります。