どれだけ優れたAIプロジェクトでも、適切な人材がいなければ失敗します。多くの初期エージェントプロジェクトが停滞するのは、誰が何を担当するのか明確でないためです。

責任の曖昧さは、プロジェクト開始後の遅延や承認のループ、混乱を引き起こします。

AIエージェントは単なるソフトウェアではありません。ビジネス目標、データアクセス、ユーザー体験の交差点に位置し、複数のチームが関わります。それぞれのチームが異なる優先事項を持つため、調整がなければ、些細な変更でも大きな障害になりかねません。

開発を始める前に、エージェントを実現し運用し続けるチームを定義しましょう。最低限、次の4つの主要な役割が必要です。

1. 業務知識の専門家： エージェントが対応する実際の業務を理解している人。
2. プロジェクトマネージャー： 進捗や期限、チーム間の連携を管理する人。
3. 技術担当者： 通常はフロントエンドまたはフルスタック開発者で、エージェントをシステムに統合できる人。
4. AIスペシャリスト： プロンプト設計やモデル管理、LLMの挙動のトラブルシュートができる人。

機械学習の博士号や大規模な研究チームは必要ありません。必要なのは、自分の担当領域を理解し、効果的に協力できる人材です。

Terminal Roastでは、Tarynがチーム編成のリーダーを務めます。エージェントがビジネスの複数部門に関わることを理解しているため、関係者全員を集めて短い計画ミーティングを開きます。

リードバリスタのAdrianが業務知識の専門家となり、顧客がコーヒーの味についてどのように話すか、どんなフィードバックが有用かを具体例で提供します。

技術リーダーのGideonがウェブサイトの技術的な設定と統合を担当します。

会計担当のRossは、後にプロジェクトが運用コストに対してどれだけ価値を生み出しているかを追跡します。

Tarynは全員の足並みを揃え、プロジェクトが明確なビジネス目的に沿って進むようにします。

初期段階で全員を集めることで、後々多くのプロジェクトを頓挫させる引き継ぎの問題を回避できます。このステップはプロジェクト管理の基本のように思えるかもしれませんが、AIプロジェクトでは特に重要です。従来のシステムと異なり、エージェントの挙動はデータやプロンプトの変化で変わるため、その柔軟性は価値がある一方で新たなリスクも生みます。監督責任者がいなければ、そのリスクが高額なトラブルにつながります。

開始前に明確な責任体制を確立することで、モデルのトレーニング、パフォーマンスの監視、トーンやポリシー、データソースの更新承認など、ライフサイクルのすべてに責任者が明確になります。

この明確さがプロジェクトを円滑に進め、エージェントの導入準備が整った際の遅延を防ぎます。

チームを編成する際は、次の2つの質問に注目しましょう。

• エージェントが解決する本当の課題を理解しているのは誰か？
• 技術的なアクセス権と実装権限を持っているのは誰か？

必要に応じてコンサルタントや代理店、ベンダーを活用できますが、この2つの責任は必ず自社内に置くべきです。このバランスを保つことで、外部の専門知識を活用しつつも主導権を維持できます。初期段階でこの体制を整えたチームは、意思決定が必要なときに誰に連絡すればよいか明確なため、実運用まで到達する確率が大幅に高まります。

Terminal Roastのプロジェクトがうまくいくのは、ワークフローのすべてに明確な責任者がいるからです。

業務知識の専門家が「良い」の基準を定義します。

技術リーダーがエージェントがその基準を満たせるようにします。

プロジェクトマネージャーがこれらの取り組みを実際のビジネス成果につなげます。多くの失敗したパイロットプロジェクトは、この体制を特定できていません。多くのチームがスピード重視で後から考えようとしますが、AIプロジェクトは責任の曖昧さを許しません。小規模でも連携の取れたチームは、大規模でまとまりのないチームより常に成果を出します。

アクション： エージェントプロジェクトに関わるべき主要メンバーをリストアップしましょう。

開発を始める前に、ビジネス目標、技術実装、継続的な監督の責任者を明確に割り当ててください。

‍