こんにちは、タイミーの横田です。

タイミーは、スポットワーク事業を基盤に多角化を進めるフェーズにあり、プロダクトデザイン組織を今後1年で大幅に増員します。こうした過程で生じる「AIがデザインにどう影響するのか」という問いを、個人のキャリアではなく、事業のためのデザインという立場から考えることにしました。

プロダクトデザインを念頭に書いていますが、他のデザイン領域でも構造はおよそ近いものがあると思います。

要点

• デザインを Insight（仮説をたてる）/ Craft（形にする）/ Decision（決める） の3つの作用で捉えると、AIに委ねやすいかどうかは機能差ではなく、アウトプットを裁く評価基準の性質（閉じている／開いている）で見立てられる

• AI時代の変化は「デザイナーの仕事が広がる」というより、これまで人が担ってきた機能の一部が前提化され、より速く達成される状態に移行している、という捉え方ができる

• 組織設計に影響する変化を読むには、文脈で答えが変わるゆらぎと、放っておくと生まれる非対称性であるゆがみを区別して扱う必要がある

• 今後デザイン組織が引き受ける主要な論点として、①自動化のアイロニー（熟練が痩せる構造）への応答、②自社文脈の複雑さがAI活用のボトルネックになる問題を取り上げる

Insight / Craft / Decision

小難しい話からはじまり恐縮ですが、いくつか議論の前提を揃えたいと思います。
まずは、デザインをどう捉えるかをピン留めします。

ここでいうインサイトは、確定した真実ではなく、洞察から得られる仮説のようなものです。仮説を起点に形をつくり、世に出すものを決める。形にしてはじめて確かめられ、確かめると次の仮説が生まれます。この往復が、デザインにあるものとします。

三層への分解

デザインの仕事を3つの機能に分けます。ダブルダイヤモンドやデザイン思考といったモデルがすでにありますが、フェーズの順序ではなく、作用として整理してみます。

• Insight（仮説をたてる）問いの立て方、洞察、誰の何を解くか

• Craft（形にする）形にする、可視化する、整える

• Decision（決める）統合する、取捨選択する、コミットする

「デザインするときに仮説なんて考えてないよ！」という方がいるかもしれません。
しかし、こうするとよいのではないかと仮説をたて、UIに起こし、試行錯誤を経て最終的なデザインを仮ぎめしていく。これはどのデザイナーも何らかのかたちでやっていることだと思います。デザイナーがしばしば「センスがある」と評されるときの中身は、三層のあいだの行き来をうまく接続する感覚値として表現できます。

三層は何層にも入れ子になります。事業戦略の粒度でも、機能設計の粒度でも、UI部品の粒度でも。線形のプロセスではなく、フィードバックループとして循環していきます。形にすると仮説が更新され、決めると別の仮説が立ち上がっていく。三層は循環のなかで互いを更新しています。

次に、Insight・Craft・Decisionは独立したものではなく、相互依存的な関係にあります。 たとえば、形にする過程で「この問いの立て方自体が違う」と気づくことがあります。

何を残し何を捨てるかを決めた結果、別の仮説が立ち上がる。CraftのなかにInsightが芽生え、Decisionが次のInsightを生む。

この相互依存は、「CraftがAIに代替される」という単純な理解は捕えきれないことを示唆します。形にする層に触れることは、他の二層にも影響を与えるからです。誰がどの機能を担うかは、どのような粒度のものをデザインしているかや、体制によって変わってきます。仮説をたてること（Insight）と決めること（Decision）は、形にする人が暗黙のうちに行うか、ほかの職種が担っている場合もあります。

AIへの委ねやすさは、評価基準で決まる

少し前まで、AIに任せられるかどうかの境界は、性能の変数と切り離して考えられませんでした。モデルの精度が指数関数的に向上し、アプリケーションレイヤーの利便性も高まる現在では、想定をよりクリアに考えられます。
その境界を形成するのは、そのアウトプットの良し悪しを判定する評価基準の輪郭だと考えています。ここでは、閉じた基準と開いた基準として整理します。

閉じた基準と、開いた基準

閉じた基準は、作業者や既存の論理の内側で判断が完結するもの。収束が約束されているもの。コントラスト比、レギュレーションへの適合、A/Bテストの数値、コードが動くかどうか。デザインのセオリーにあっているか。収束が約束されている。

開いた基準は、評価のために外側の文脈や方針を要するもの。これが本当に解くべき問いか。どの正しさを優先するか。ブランドとして許容できるか。基準が責任と価値観をともない、決着のために外在的な文脈を要します。収束が約束されていない。

このように、AIに向いている・向いていないは、動作で線を引くのではなく評価基準で線を引くほうが議論の解像度が高まるのではないかと思います。閉じた基準で評価できる仕事は、AIと相性がよい。開いた基準で評価される仕事の良し悪しは、AIだけでは決まらず、人が外側の文脈を引き受けることになります。上記で述べた、仮説をたてること（Insight）と決めること（Decision）の多くの側面はこれで説明することができます。

一方、形にすること（Craft）の評価基準が、常に閉じているとも限りません。手探りから偶発的に生まれるクリエイティブの価値も、私たちはよく知っています。形にする領域にも開いた基準で評価される仕事があり、仮説をたてる領域にも閉じた基準で評価できる仕事もあります。

組織に起きるゆらぎ・ゆがみ

事業の結果が最大であり続けるために、AIと人間の相互作用をどう設計するか。技術背景の変化やワークモデルの過渡期を観察すると、いくつかの軸でゆらぎとゆがみが見えてきます。

• ゆらぎは、答えが事業フェーズや組織の文脈によって相対的に異なる性質。AIに渡せる範囲、越境すべき範囲、どこに手作業を残すか。普遍の正解はなく、自らの文脈で評価されるべきもの。

• ゆがみは、放っておくと自然に生じるずれや非対称性。越境できる範囲と越境すべき範囲のずれ、自動化が進むほど熟練が痩せる構造、同職種の語彙と他職種の語彙のずれ。

レンズが揃ったところで、しばしば話題になるトピックを見ていきます。

いま、何が起きつつあるか

可視化が専売特許でなくなる

アイデアを可視化するというバリューは、長らくデザイナーに特有な仕事の象徴とされてきました。ところが、AI時代には、可視化そのものはデザイナーの専売特許ではなくなりつつあります。プロンプトを書けば図が生まれ、画面が立ち上がります。エンジニアもPdMも、デザイナーを介さずに可視化を手にできます。

タイミーでも自社のデザインシステムをもとに誰でもプロトタイピングできる仕組みをつくっています。他職種から要請されたわけではありませんが、実際に展開してみると想像以上に使われている。社内のSlackでの「プロトタイプ」のワード出現頻度はYoYで3倍になりました。

誰もが部分的にデザインできる時代がやってきつつあります。デザインの実行のチョークポイントが、組織のあちこちに広がっていく現象です。一方で、何をどんな文脈で、どこまでの抽象度で、どの順序で見せるかといった統合と判断は、開いた基準の領域に残り続けます。

では、これをもってデザイナーは形にすることから「判断や解釈の側」に移るのでしょうか。

これについては、少し異なる捉え方をしています。もともと「形にすることで判断や解釈の世界をつくりあげる」のが役割の主眼で、そのHowがアンロックされたのだと考えています。判断や解釈の仕事は、前からみんなの仕事であった。

ただし、誰でも可視化ができるようになったとはいえ、可視化の本質的な能力を体現できるかは別のこと。仮説だてやアイデアのジャンプには、デザイナーゆえに体得している技術があります。その側面は見落とすべきではないと考えています。

諦められていた仕事が花開く

デザイン組織に、属人性を克服するためのストック要素を取り込み、複利を効かせて組織能力を向上するモデルは、ここ数年で定着しつつあります。
しかしながら、デザインの角度のイシューは、波及効果が長期的だったり、差分がわかりにくかったりするのが常です。

AIはこれらへのコスト構造を変革する可能性があります。例えば、デザインシステムの整備、リサーチリポジトリの運用、判断基準の言語化、ナレッジベースの構造化。AIが整備の足回りを助けることで、時間や人手の制約で諦められていたイシューに、組織として取り組めるようになりました。

注目したいのは、取り組むコストと再生産のコストが同時にAIでレバレッジされている点です。デザインシステムを例にとると、整備するコスト自体がAIで下がり、各画面への展開コストも下がります。両面で構造変化が起きるゆえに、これまで投資判断がつかなかったテーマに取り組みやすくなっています。

こうしたアセットマネジメントは、組織のOS設計に重要なファクターになります。何をどこまで創造性の余白としてとっておくか。整備したアセットの再利用と更新をどう設計するか。デザイン組織が感覚で扱っていた領域が、組織能力の輪郭そのものを規定するようになります。

ただし、何をするかの選択は価値ベースでおこなうべきです。パーキンソンの法則(仕事は与えられた時間を満たすまで膨張する)が指摘するとおり、価値の低い仕事で空いた時間が埋まるだけでは投資対効果は果たせません。何に時間を使うかという価値の判断も同時におこなう必要があります。

どこまで越境するべきか問題

職種の壁が薄くなっている、とよく語られます。
タイミーでも、デザイナーがSQLでデータドリブンに仮説を立て、PdMがプロトタイプをつくる。エンジニアがユーザーインタビューをすることも起きています。

観察したいのは、できることと、すべきことのゆがみです。
AIによってデザイナーが担える領域は広がりますが、踏み込めることと、踏み込むべきことは別の問題です。上流のプロセスに目を向けているのは他の職種も同じで、本当にデザイナーが担って事業の結果が大きくなるのか、という問いがあります。であるから、デザイナーが何をするかはデザイナーができるようになったことベースではなく、職能横断的な目線で設計されるべきと考えています。

初めての越境では、もとのプロフェッショナルが出せる水準には届きにくい。さらに難しいのが、自分が出せている水準が専門家から見てどう見えるかは、越境する側からは見えにくいことです。

それでも初めの一歩の敷居が下がった分、私たちはお互いの景色が少しずつ見えてくる。今後イメージすべきは、複数の専門性が相互にオーバーラップしあいながら、その場面場面の求められる強みを反映して価値発揮するワークモデルなのではないかと考えています。

デザインにも「餅は餅屋」な性質があるように、デザイナーが広げる先の越境には、段階を踏んで発達する知的誠実さが必要です。たとえば、デザイナーがPdMに踏み込むとき、PdMのイメージを作業の種類で認識するのか、価値で認識するのかは人によって異なります。何でもかんでも極めるのが全てではありませんが、徐々に解像度を高めることで越境による価値が発揮できるようになる、と考えています。

組織として越境性を活かすには、職能マネージャー同士でAI前提のガードレールを設計したり、習熟と連携のための機会創出を進めたりすることが重要になってくるのではないかと思います。

評価基準の閾値が動く

評価基準の開閉には時間軸でのゆらぎもあります。いま開いた基準で評価している仕事のうち、一部は半年後・1年後には、閉じた基準で評価できる仕事へと動いていくものがあります。
この閾値を動かす要因は、いくつか考えられます。

1. モデルの精度の向上で、これまで人がレビューしないと信頼できなかった出力が、ある範囲では機械的に評価できる水準に近づいている。あるいは信頼するメリットが大きくなる。

2. データの接続性が高まることで、出力を実データに照らして評価する仕組みが組みやすくなる。

3. 組織資産の整備が進むと、デザインシステムや判断基準のドキュメントを参照点として、人手レビューの一部が手放せるようになる。

これらが同時に進行することで、現在開いている基準が閉じる方向へ動き、AIがカバーできる範囲は増えていきます。

これは個人にも組織にも揺さぶりをかけます。今日「自分の仕事はここだ」と置いていた重心が、半年後には別のところに動いていることもあります。逆に、定型と思っていた作業が、よく見ると開いた基準を含んでいて、人が引き受けるべきだったと気づくこともあります。

こうした閾値の移動は、デザインプロセスそのものへの問いにもつながります。AIによるプロダクト開発の信頼性が高まるにつれ、プロセスを積み重ねるより先に形を出して検証するソリューションファーストのアプローチが合理性を帯びてくる、という考え方があります。生成の品質が一定水準に達し、フィードバックループが速く回せる領域では、プロセスを踏むコストより先に出荷して市場で確かめるほうが合理的になる。

これに対してNielsen Norman Groupは、プロセスは消滅するのではなく凝縮されると論じています。熟練したデザイナーがプロセスを「捨てている」ように見えるのは、実際には長年の実践を通じてプロセスを内面化し、圧縮しているからだ、と。AIはこの圧縮をさらに加速し、経験の浅い人にも速い循環を可能にする。ただし、不確実性やリスクそのものが消えるわけではない。

この2つの見方は対立しているようで、実は適用条件が異なります。ソリューションファーストが機能するのは、プロダクトパターンが成熟し、閉じた基準で評価が完結する領域。凝縮が当てはまるのは、開いた基準が残り、仮説と判断の往復を省略できない領域です。

重要なのは、現実のプロジェクトではこの2つのモードが混在しているということです。同じプロダクトのなかにも、ソリューションファーストで回せる部分と、圧縮はできても省略はできない部分が同居している。

どちらのモードを、どの場面に適用するかを見極める力が、現場に求められる中核的な判断になります。NN/GはこれをProcess Literacyと呼んでいます。そして、この見極め自体が開いた基準の仕事です。プロセスの選択がメタレベルの設計判断になるという入れ子構造が、ここに生まれます。

スキルの価値階層が、シフトしている

評価基準の開閉のラインが動くことに加えて、もうひとつ見ておきたい現象が、スキルの価値階層のシフトです。

ここで狩野モデルを借用してみます。狩野モデルは顧客の知覚品質を5つに分類します（このフレームワーク自体、プロダクトデザインの実務でもよく使われます）。

1. 当たり前品質: あって当然、なくて不満。差別化要因にならない

2. 一元的品質: あれば満足、なければ不満。直線的に評価される

3. 魅力的品質: あれば満足、なくても不満ではない。差別化要因になる

4. 無関心品質: あってもなくても、満足度に影響しない

5. 逆品質: あると不満、なくても満足

本来は製品・サービスの品質を分類するフレームワークですが、デザイナーのケイパビリティの価値に応用してみます。

このレンズでデザイナーのスキルを見ると、かつて一元的品質や魅力的品質だったものが、急速に当たり前品質にシフトしていることが見えてきます。 たとえば、SQLでデータを引き出して仮説を確かめること、AIでプロトタイピングして案を比べること、デザインシステムを参照して整合性のあるUIを組むこと。少し前までは一元的品質や魅力的品質でしたが、いまは「できて当然、できないと不満」の当たり前品質に近づきつつあります。

代わりに新しい一元的品質として立ち上がってくるのが、開いた基準で評価される判断 —— 何を解くか、どう決めるか、どう接続するか —— の質であったり、強力な専門性から意思決定を支えることで表現されてきます。 「これからのデザイナーはInsight・Decisionに重心を移すべきだ」といった単純な議論は、何が一元的品質を占めるかが組み替わっている、と解することができます。

なお、スキルの価値は希少性だけではなく、その組織や文脈で効果的であることが必要です。貢献の力点を考える時、できるようになったこと自体のみでは片手落ちで、どう価値とつなげていくかとセットで考えることになります。

アンラーニングし続けないといけない

ここまでに見てきた変化は、別々の現象に見えて、ひとつの方向に共通点があります。これまで身につけてきた前提を、いったん解いて捉え直しつづけないといけないということです。

• デザインはデザイナーの仕事、という前提

• 形にできること自体が職能の中心的な強みである、という前提

• ジュニアデザイナーはCraftから入ってシニアになるにつれて上流に上がる、というキャリアパスの前提

• 評価基準のラインは大きく動かない、という前提

それぞれの前提が動いた結果として、現場で何が起きるかが変わっています。アンラーニングは、前提を一度対象化して、いまの状況のなかで置き直すことです。

実のところ、我々の仕事に関係するAIのアプリケーションレイヤーの変化は、ある程度予測しやすいものだと思っています。ところが、複数の職能が同時にアップデートされ、事業環境に応じた組織デザインが求められるとき、あり方は一概に収束されることは基本的にない。できるのは、今後も試行錯誤を繰り返して適応し続けること。

アンラーニングには負荷がかかりますが、スムーズに新たな価値にアクセスできる場合もあります。捉えたいのは最初の一歩がアンロックされた瞬間に、一気にゲームチェンジする領域がある、という点です。タイミーでも、デザインシステム上で他職種がプロトタイピングできる仕組みを整えただけで、組織のなかで可視化が爆発的に広がりました。あるいは、データの抽出の方法を獲得することでそれまで習熟できなかった思考領域に足がかりがみえて、急に伸び始めるという現象も起きています。

したがって、デザイナーがどうなるかが今見えていることよりも、柔軟に自己変革し続ける姿勢が誰もに必要なのではないかと思います。

さて、本論だと思って読んでいただいた方には恐縮ですが、ここまでは「何がわからないかがわかった」という整理であり、課題の背景を扱ってきました。

ここからは、組織マネジメント上解かなければならない課題に統合していきます。

課題1 | 育成とキャリアパス

自動化のアイロニー: 熟練が痩せる構造

1983年、認知工学者のLisanne Bainbridgeは「自動化のアイロニー（Ironies of Automation）」を提示しました。自動化は通常時の作業を肩代わりするが、破綻時に対応するのは人。自動化が進むほど異常時に求められる熟練度は上がる一方で、その熟練を養う機会が失われるという性質を指摘しています。

デザインにも同じ構造が見えます。AIがUIの構成やコンポーネント選定を担うと、そこで悩む機会が減っていきます。一見喜ばしいこと。しかし、その悩みの過程こそが、プロダクト全体の整合性を感覚として養う経路でした。リサーチの要約をAIに任せれば原文を読み込む時間は減りますが、ユーザーの肌感覚を取り込む機会も同時に失われます。

もとよりデザイナーの技能の一部は、違和感をもつことに支えられていました。「なんとなく違う」を具体的な言葉に変換する力は、自分の手で形を起こしてきた蓄積の上に成り立ちます。生成された形を「解かれた問題」と区別できなくなったとき、レビューの質は静かに劣化します。

育成と機会創出

一見、課題のありかが遷移しているだけのようにも見えます。Craftの熟練が問題だったのが、今度は判断力の育成が問題になった。しかし前章で見たとおり、評価基準の閾値は動き続けます。つまり「いま何を育てるべきか」の答え自体が書き換わり続ける。個人の努力だけでは追いつけません。組織として評価の再定義と機会設計の両面で応答する必要があります。

評価の重心移動。 Figma上の表現精度やUIの完成度から、判断の質—何を残し何を捨てたか、その軸の言語化—や、越境による組織能力の拡張へ。評価が測るものの比重が変わります。

経験機会の設計。 判断の質はフィードバックを通じてしか育ちません。Insight / Craft / Decisionを一気通貫で引き受ける経験と、あえて手作業として残す領域の選定を、組織として設計する必要があります。視野・視座とハードスキルは同時には上げにくく、段階的な螺旋で育つもの。その螺旋が回る場を維持することが、マネジメントの検討事項です。

キャリアパスの型

組織がどのようなキャリアの型を必要とするかも、再考の余地があります。
これまでデザイナーのキャリアは、Craftから入って徐々に上流へ、という登り方が定石でした。「シニアになってからの仕事」とされていた領域に、シニアになるまで踏み込めない構造があった。
AIで形にする手前のハードルが下がるぶん、仮説をたてる、決める、というデザインの中核に、若いうちから手触りで関われる経路ができました。Craftから上流へ、という登り方とは別の道筋が、現実の選択肢として立ち上がりつつあります。

AnthropicでデザインをリードするJenny Wenは、Anthropicで採用しているアーキタイプとして3つの像を挙げました。

基本の類型自体は新しくはありませんが、AIで「形にする」のコストが下がるなかで、デザイナーに求められる一元的品質の像が、これまで以上に先鋭化していく方向を示しています。

一方で、キャリアラダーの入口が痩せる懸念があります。AIが従来「ジュニアの仕事」とされてきた領域を肩代わりすると、手を動かしながら学ぶ機会の総量が減ります。問題は「仕事が消える」こと自体ではなく、前述の三層の相互依存に照らせばわかります。Craftを通じてInsightやDecisionの勘を養う経路が細ることで、判断力の育成まで影響が及ぶ。これが自動化のアイロニーの組織版です。

ここで考えたいのは「Craftから入る道」と「Insight・Decisionから入る道」を並列に用意すればよい、という単純な話ではない点です。三層が循環する以上、どの入口から入っても他の層に触れる設計が必要になります。Craft起点のデザイナーには、AI生成物のレビューや不整合の言語化といった「判断を伴うCraft」を意図的に残す、Insight起点のデザイナーには、仮説を自分の手で形にする経験を組み込むなど考えられます。入口は複数でも、三層を横断する循環はどのパスでも経験させることが、キャリア設計の要件になります。

課題2 | 文脈の複雑さゆえにAIを活かしきれない

次の課題は、技術背景が整ったとしても、本当にAIの恩恵を最大化し、事業へのレバレッジを高めきれるのか？の問いです。

AIによって生成は速くなり、レビューもAIで支援されつつあります。それだけで全体のスピードが出るかというと、別の要因がボトルネックになります。生産性が大きく跳ね上がる領域は、いまのところ限られています。

文脈の複雑さがボトルネックになる

成熟したプロダクトには、層が積もっています。抽象的なデザインディレクション、ドメインロジックの分岐、例外処理、規制対応、過去の意思決定の積み重ね。AIが生成した画面やコードが自社の文脈に整合しているかを確かめるには、人の手による文脈チェックが要ります。文脈は、組織のなかにだけ存在します。

仮に生成が即時になり、AIによるレビューも技術的に信頼できる状態に近づいていくとします。経営の観点では、プロダクト投資は時間と不確実性が高い領域なので、スピードの革命は魅力的な機会です。

それでも、自社の文脈が複雑であるがゆえに、人手のレビューを手放しきれない問題が出てきます。文脈には、コードやデザインのようなハードなものも含まれます。適合性のあるアウトプットの生成やレビューに人手と時間がかかり、リリースまでの時間が短縮されない。エンジニアリングと同じく、デザインにもこの課題がやってきます。

仮に評価基準の開閉のラインが動き、Evalのような仕組みでデザインの品質の一部が「閉じた基準」として運用できる世界に近づいたとします。それでも、自社の文脈の複雑さが大きいほど、その世界には到達しにくい。文脈の複雑さは、スピードの革命がデザインのプロセスにどこまで波及するかを規定する阻害要因になります。

3つの方向性: 複雑さを扱う、基準を扱う、再現性を高める

この問題に対する打ち手は、大きく3つの方向に整理できます。

1. 複雑さの側を扱う:
   AIに渡せる範囲を明示し、渡してはいけない領域を線引きするガードレールの設計。あるいは、プロダクトや組織そのものの複雑さを減らす、シンプル化の動き。例外処理や業務ロジックの分岐のうち、削れるものを削る方向です。

2. 人手レビューの基準の側を扱う:
   領域ごとに要求する厳格さを分け、ある領域はガードレールを緩めて速度を優先し、別の領域は厳格な人手レビューを敷く。あるいは、リリース判断基準そのものを意図して下げ、早く出して市場で検証し、あとから直す。速さから得られる恩恵を最重視する経営判断もここに含まれます。

3. AIの再現性を高める
   一度下した判断や、レビューで見つけた違和感の言語化を、組織のアセットとして残し、次の似たケースで参照できるようにする。判断のパターンを蓄積していくことで、人手レビューを必要とする範囲を、徐々に絞っていけます。先ほど触れたアセットマネジメントの議論とつながる方向で、一度きりの整備で済むものではなく、継続的に積み上げていく性質を持ちます。

これらは、いわゆるデザインの範疇だけで整理できるものではありません。プロダクトや組織の複雑さを減らすにはエンジニアリングや業務オペレーションも関連します。基準を変えるには経営判断やPdMとの整合性が必要です。再現性を高める動きは、エンジニアリング側のアセット、データ基盤、レビュー文化と密接に結びついています。デザインだけで完結する打ち手ではなく、組織の意思決定をどう設計するかという話になります。
さらには他職種もAIでワークモデルを変革している中で、クイックに実践する動きと中長期でのトランジションを両立していく必要があります。

組み合わせは、場合によって変わってきます。小規模プロダクトでは、リリース判断基準を変える方向や、ガードレールを緩める方向が機能しやすい。失敗の影響範囲が限定的で、市場の検証から学習を取りやすいからです。大規模プロダクトでは、シンプル化、空間的な制御、再現性を高める投資が中心になります。

自律性と、コンウェイの法則の両面性

プロダクトや組織の自律性との関係も重要です。

組織のなかでAIに渡せる範囲を広げると、各チームが自分たちのワークフローを自律的に組み立てられるようになります。Cursor・Claude Codeを使った開発、AIを介したリサーチ、デザインシステムの自動更新。それぞれが自律的に動ける足場ができます。

問題は、その自律性が組織の境界に沿って閉じてしまうケースです。チームAとチームBが分断されたまま、それぞれのAIワークフローも分断されたまま動く。片方の知見がもう片方に届かない。組織の境界に沿って分断されたプラクティスをAIがそのまま増幅すれば、分断はかえって深まります。

逆に、組織やプロダクトが繋がっている単位でAIを運用すると、自律性を保ちつつもナレッジが横断的に流れます。一つのデザインシステムが複数のドメインで通用し、判断基準の言語化が組織横断で参照される。AIの恩恵を最大化する観点で、組織やプロダクトの接続性は構造的なファクターです。

このことは、AIがコンウェイの法則(組織のかたちがプロダクトのかたちを決める、という観察)を、加速もすれば緩和もする両面の動きを持つ、と読み替えられます。どちらに転ぶかは、自律性をどう設計し、それをどう接続するかで決まります。

おわりに

本記事で扱った論点は、Insight / Craft / Decisionの三層モデル、評価基準の開閉、スキルの価値階層のシフト、アンラーニング、自動化のアイロニーへの応答、キャリアパスの型、自社の文脈の複雑さ、そして自律性とコンウェイの法則の両面性です。事業の結果を最大化するためにAIと人間の相互作用をどう設計するかという問いに、いくつかの角度からあたってみたものでした。

いろんな論点がありますが、今後しばらくは多くの変数が異なるスピードで変化していくフェーズにあると考えています。そのたびに向き合うべき問いも変わっていきます。必要なのは個人・組織ともに変化に柔軟であり続け、自らを更新していくことを厭わないことであると考えています。

さて、タイミーではAI時代になおプロダクトデザイナー組織を大幅に増員することにしました。近々、別の記事「AI時代になぜプロダクトデザイナーを大幅に増員するのか」を公開予定なので、併せてご覧いただけると嬉しいです。

AIや組織に関するお話がしたい方、タイミーについて興味のある方はぜひお話しましょう。

参考資料

評価基準と判断

• Nathan Beck, The death of design

• Pawel Klasa, On being a designer in the most interesting, exhausting moment of our careers

• John Maeda, AI Upskilling for Product Designers

• Dan Ramsden, Why you need design maturity in a product organisation, and how to get it

• Patrick Neeman, AI Wants Builders. Here's How to Become One.

AI時代のキャリアと育成

• Ihor Artiukhov, Not just management: how AI is changing designers' careers

• Alexandra Lebleu, The Super IC Era: Rethinking Career Growth in Product Design with AI

• Jens Hurling, The Death of Junior Jobs? AI Is Eating the Bottom of the Career Ladder,

• Nielsen Norman Group, Design Process Isn't Dead, It's Compressed

• Heenesh Patel, Designing with AI without losing your mind

• Michael Buckley, Sorry, designers, we don't decide the future of design

組織とリーダーシップ

• Cristina Stoica, 2026: Manoeuvring the next era of DesignOps,

• Microsoft Design, Design isn't dying, it's shifting left

• Fabricio Teixeira, Caio Braga, The State of UX in 2025

• Nadia Fendrich, AI Is Changing Design Leadership. Here's How

• Jenny Wen, The design process is dead. Here's what's replacing it