5つのプロジェクトを1人で同時に回す。
大手ITインフラ企業の物流システム。大手通信事業者のSaaS。日系企業のWeb開発。自社サービスの構築。そしてAI研究。業種も規模もフェーズもバラバラの5案件を、1人のPM + AI社員チームで運営している。
本記事では、この体制がどう成り立っているのか、コスト構造、役割分担、1日の運用フロー、そしてAIの限界まで、包み隠さず記録する。
5つのプロジェクトの全体像
現在並行して進めている5案件の概要と、各案件でのAI活用ポイントを整理する。
| # | プロジェクト | 領域 | 主な業務 | AIの主な貢献 |
|---|---|---|---|---|
| 1 | 大手ITインフラ企業 物流システム | マネジメント | 要件定義・進捗管理・品質管理 | 議事録整理、WBS素案作成、リスク分析 |
| 2 | 大手通信事業者 SaaS開発 | PM + 設計 | 設計・テスト・リリース管理 | 設計書レビュー、テストケース生成、コードレビュー |
| 3 | 日系企業 Webサイト開発 | フルスタック | 設計・開発・デプロイ | コンポーネント実装、レスポンシブ対応、SEO最適化 |
| 4 | 自社サービス開発 | プロダクト開発 | SaaS構築・コンテンツ生成 | フルスタック開発、テスト自動化、技術記事の構成 |
| 5 | AI研究 | R&D | データサイエンス・マイクロサービス開発 | データ前処理、統計分析、プロトタイプ構築 |
案件1・2はマネジメント中心のため、AIは主にドキュメント作成やレビューの補助として機能する。案件3・4はフルスタック開発が中心で、AIが実装の大部分を担う。案件5はAI自体が研究対象でもある。
この5案件を同時に回せている理由は、Claude Code MAXとPMBOK-AIの組み合わせにある。
Claude Code MAXが「開発チーム」になる理由
Claude Code MAXは、Anthropic社が提供するCLIベースのAI開発ツールの最上位プランだ。月額$200（約3万円）で、最高性能のAIモデルに無制限でアクセスできる。
Claude Codeが通常のチャットAIと決定的に違うのは、ファイルシステムに直接アクセスして作業する点だ。
- プロジェクトのルートディレクトリで起動すれば、コードベース全体を理解した上で作業する
- コードの生成、レビュー、リファクタリング、テスト作成、デバッグを一貫して実行する
- 設計書に基づく一貫性のある実装が可能
ブラウザのチャット画面にコードを貼り付ける必要はない。ターミナル上で直接コードを読み書きし、実行するAI開発パートナーだ。
人間とAIの役割分担
人間（PM）が担う領域
私の本業はプロジェクトマネジメントと設計だ。以下はAIに委任できない、あるいは委任すべきでない領域として自ら実行している。
- 顧客との打ち合わせ：要件のヒアリング、認識合わせ、信頼関係の構築
- 要件定義：ビジネス要件を技術要件に翻訳する判断
- アーキテクチャ設計：技術選定とシステム全体の意思決定
- 品質の最終判断：テスト結果の評価と受入確認
- リリース判断：本番環境へのデプロイ可否の判断と実行
AI社員が担う領域
開発作業と分析業務はClaude Codeを中心としたAI社員チームに委任している。
- コーディング：設計書に基づく実装、コンポーネント作成
- コードレビュー：PRの事前レビュー、セキュリティチェック
- テスト作成・実行：テストコードの自動生成と品質チェック
- データ分析：ログ解析、パフォーマンス計測、統計処理
- ドキュメント：技術文書の初稿作成、API仕様書の生成
- リサーチ：技術調査、競合分析、最新トレンドの整理
AI社員の実際の稼働データはAI社員の実稼働レポートで公開している。
この分業はPMBOK-AIの第1の柱「AI社員の役割定義」と第2の柱「人間の役割再定義」そのものだ。
5案件を回す1日の運用フロー
マレーシアの開発会社に所属し、就労ビザを取得している。マレーシア企業の社員と日本の会社の代表を兼務する形だ。昼はマレーシアの業務、夜は日本のプロジェクト。2つの国の仕事を1日の中で切り替えている。
昼（9:00-18:00）：マレーシアの開発業務
日中はマレーシアの開発会社の業務に集中する。現地チームとの打ち合わせ、開発タスク、コードレビュー。ここでもClaude Codeは開発効率を底上げしてくれる。
夜（19:00-23:00）：日本のプロジェクト
マレーシアと日本の時差はわずか1時間。夜の時間帯で、日本のクライアントとの打ち合わせや案件の推進が可能だ。
運用のポイントは、AIに並行作業をさせること。Claude Codeで案件Aの開発タスクを指示し、その間に案件Bの設計書を書く。戻ってくると実装が完了している。限られた時間でも複数案件を前に進められるのは、この並行処理があるからだ。
早朝（6:00-8:00）：自社サービスとAI研究
誰にも邪魔されない早朝は、自社サービスの構築とAI研究に充てる。データサイエンスの実験、マイクロサービスのプロトタイプ、新技術の検証。Claude Codeを最も集中的に活用する時間帯でもある。
コスト構造の比較：同条件での検証
コスト比較は条件を揃えなければ意味がない。ここでは「1人のPMが5案件を回す場合」という同一条件で、外注中心の従来型とAI活用型を比較する。
比較条件
- PM本人の人件費は両方に共通するため、比較対象外とする
- 5案件を回すために必要な追加リソースのコストを比較する
| 項目 | 従来型（PM + 外注） | AI活用型（PM + AI） |
|---|---|---|
| 外注開発費 | 月30-60万円 × 3-5案件分（スキル・地域により変動） | なし |
| AIツール費 | なし | 月約3万円（Claude Code MAX） |
| レビュー・テスト外注 | 月10-20万円 | なし |
| ドキュメント作成外注 | 月5-10万円 | なし |
| 追加リソース合計 | 月105-310万円 | 月約3万円 |
注意すべき点がある。この比較は「1人のPMの作業量」が前提だ。大規模案件でAIが対応できない領域（複数人の専門家が必要な高度設計、大量の手動テスト等）では、従来型チームの方が適切な場合もある。AIは万能ではなく、PMの専門性とAIの得意領域が噛み合って初めて成立する体制だ。
案件ごとのAI活用の実態
案件1：大手ITインフラ企業 物流システム（マネジメント中心）
この案件は要件定義と進捗管理が中心で、コーディングは別チームが担当する。AIの役割は「PMの思考を加速する裏方」だ。
- 打ち合わせ後の議事録を構造化し、次のアクションアイテムを抽出
- WBSの素案作成とクリティカルパスの分析
- リスク一覧の作成と影響度の定量評価
AI貢献度：中。マネジメント案件ではAIの貢献は補助的だが、ドキュメント作成の時間短縮効果は大きい。
案件2：大手通信事業者 SaaS開発（PM + 設計）
設計フェーズではAIがレビューアーとして機能する。
- 設計書のレビューと改善提案（セキュリティ、パフォーマンスの観点）
- テストケースの自動生成（境界値、異常系を含む網羅的なケース）
- コードレビューの一次フィルタ（PRの事前チェック）
AI貢献度：高。設計レビューとテスト生成は人間が手作業で行うと数日かかる作業を数時間に短縮する。
案件3：日系企業 Webサイト開発（フルスタック）
この案件はAIの貢献が最も直接的だ。
- Next.jsコンポーネントの実装（設計書からの一気通貫の開発）
- レスポンシブデザインの実装とクロスブラウザ対応
- SEO最適化（構造化データ、メタタグ、パフォーマンスチューニング）
AI貢献度：非常に高。設計さえ固まれば、実装の80%以上をAIが担当する。
案件4：自社サービス開発（プロダクト開発）
自社サービスはAI活用の実験場でもある。
- フルスタック開発（フロントエンド、API、データベース設計）
- テスト自動化とCI/CDパイプラインの構築
- 技術ブログの構成と初稿作成
AI貢献度：非常に高。自社サービスは制約が少ないため、AIの力を最大限に活かせる領域。
案件5：AI研究（R&D）
AI研究は他案件の知見を横断的に活用するハブ的存在だ。
- データの前処理と探索的データ分析
- 統計モデルの構築と検証
- マイクロサービスのプロトタイプ開発
AI貢献度：高。研究フェーズでは仮説検証のサイクルをAIが高速で回してくれる。
この体制の限界：AIにできないこと
5案件を回す中で、AIの限界も明確に見えてきた。この体制を検討する方のために、正直に記録しておく。
顧客折衝と信頼構築
AIは顧客との信頼関係を構築できない。要件の背景にある「言外の意図」を汲み取ること、政治的な配慮が必要な場面での判断、長期的な関係構築。これらはすべて人間の仕事だ。特に大手企業案件では、この領域の重要性が案件の成否を左右する。
創造的な設計判断
AIは過去のパターンに基づいて優れた提案をするが、前例のないアーキテクチャ判断やビジネス戦略に紐づく技術選定は人間が行う必要がある。「この案件にはマイクロサービスとモノリスのどちらが適切か」——こうした判断にはビジネスコンテキストの深い理解が求められる。
品質の最終保証
AIが生成したコードは必ず人間がレビューする必要がある。テストが通っているからといって、本番環境で問題が起きない保証はない。特にセキュリティ関連のコードや、金銭に関わる処理は、AIの出力をそのまま本番に出すべきではない。
コンテキストスイッチのコスト
5案件の切り替え自体は技術的に可能だが、PM自身の認知負荷は依然として高い。AIがプロジェクトの文脈を即座に把握してくれるとはいえ、最終判断を下す人間の頭は1つしかない。体力・集中力の管理はこの体制の隠れた課題だ。
実感している効果
コンテキストスイッチの高速化
5案件の最大の課題は「頭の切り替え」だ。Claude Codeはプロジェクトごとにコードベースを理解しているため、プロジェクトを切り替えるたびに状況を説明し直す必要がない。ディレクトリを移動してClaude Codeを起動すれば、そのプロジェクトの文脈を即座に把握する。
全案件での品質底上げ
人間1人で5案件を回すと、品質にばらつきが出る。AI社員がコードレビュー、テスト生成、セキュリティチェックを自動で行うことで、全プロジェクトで一定以上の品質ラインを維持できている。
知見の横断的活用
AI研究プロジェクトで得た知見を、他のクライアント案件に即座に応用できる。1つの案件で解決した技術課題が、別の案件のヒントになる。5案件が同時に回ることで、学習サイクルが加速する。
PMBOK-AIの実証としての位置づけ
この5案件同時進行は、PMBOK-AIが提唱する「人間 + AI社員のハイブリッドチーム」の実証でもある。
- AI社員の役割定義：案件ごとにAIの貢献領域を明確化
- 人間の役割再定義：PM・設計・顧客対応・最終判断に集中
- AI PMとしての指揮：1人のPMが人間チームとAI社員の両方をオーケストレーション
- データドリブンな意思決定：AI社員が生成する分析データを基に判断
- 継続的な改善：5案件のナレッジを横断的に蓄積し、運用を最適化
理論を自ら実践し、その結果をフレームワークにフィードバックする。PMBOK-AIは机上の空論ではなく、毎日の実務から生まれた実践知だ。
FDE（Forward Deployed Engineer）という潮流
この働き方に名前があることを、最近知った。
FDE（Forward Deployed Engineer）——フォワード・デプロイド・エンジニア。元々はPalantirが生み出したロールで、「ソフトウェアエンジニアの技術力」と「顧客に直接入り込んでアウトカムを出す力」を兼ね備えたハイブリッド職種だ。単にコードを書くだけでなく、顧客の現場に入り込んで、ソフトウェアが実際に機能するよう責任を持つ。
AI時代において、この役割の求人が800%増という爆発的な伸びを見せている（Fast Company, 2025年11月）。OpenAI、Anthropic、xAIなどの主要AI企業がこぞってFDEを採用している。理由は明確で、ジュニアエンジニアのコーディング作業はAIで代替できるが、顧客理解・現場対応・成果オーナーシップはAIにはできないからだ。
私がやっていることは、まさにこれだ。5つの案件に「入り込み」、顧客の業務を理解し、技術的な判断を下し、AI社員に実装を任せて成果物を納品する。「PM + AI社員」の体制は、FDEの進化形とも言える。技術力 × 顧客理解 × AI活用——この3つの掛け算が、1人で5案件を回す体制の正体だ。
まとめ
1人のPMがAI社員と組んで5案件を同時に回す。月額3万円のAIツール投資で、外注費を大幅に削減しながら、品質を維持する体制だ。
ただし、これは「AIが何でもやってくれる」という話ではない。顧客折衝、信頼構築、創造的判断、品質の最終保証——人間にしかできない仕事は山ほどある。AIはあくまで、人間の専門性を最大化するためのチームメンバーだ。
5案件同時進行の体制構築に興味がある方は、PMBOK-AIの詳細やAI社員の導入ガイドも参考にしていただきたい。