PMO専門エージェント vs 汎用LLM：同じお題で比較したら「実務の解像度」に決定的な差が出た
PMO専門エージェント vs 汎用LLM：同じお題で比較したら「実務の解像度」に決定的な差が出た
はじめに
「ChatGPTで十分じゃない？」——PMO（プロジェクトマネジメントオフィス）の実務でAIを使う際、そう思う人も多いでしょう。
実際に同じお題を投げて比較してみました。
結果は、「理論の正しさ」ではなく「実務の解像度」に明確な差が出ました。
本記事では、その比較結果をそのままお見せします。
比較の条件
お題：
大手製造業のDXプロジェクトで、IT部門と現場部門の間で要件定義が全く噛み合わない。IT部門は「最新のクラウド基盤でデータ統合すべき」と主張し、現場は「今のExcel管理で十分、むしろ現場の声を聞いてくれ」と反発。プロジェクトは3ヶ月停滞。PMOとしてどう介入するか。
比較対象：
- A. 汎用LLM（一般的なChatGPT的な回答）
- B. PMO専門エージェント（PMO実務知識・フレームワークを搭載したエージェント）
A. 汎用LLMの回答（要約）
- 現状の事実確認— 会議議事録、対立ポイントを時系列で整理
- ステークホルダー分析— 影響範囲・関心事をマッピング
- 中立的なファシリテーション— 「解くべき業務課題は何か」を問い直すワークショップ
- 業務要件と技術要件の分離— BRDを作成
- 小さな成功体験の設計— 短期スプリントで部分的に成果を出す
感想
PMBOKのフレームワークをきれいに並べた、教科書通りの回答です。間違いではありませんが、「で、明日から何をすればいいの？」には答えてくれません。
B. PMO専門エージェントの回答（要約）
Step 0：まず「3ヶ月停滞」の本当の原因を特定する
IT部門と現場部門の対立は表面症状に過ぎない。真因は以下のいずれか：
- スポンサーの合意不在（「DXで何を解決するのか」が共有されていない）
- リソース配分の歪み（IT部門が主導権を握り、現場は巻き込まれている）
- 成功基準の欠如（「要件定義が終わった状態」の定義がない）
Step 1：スポンサー面談を1対1で実施（2日以内）
IT部門長、現場部門長、スポンサー（取締役クラス）の3名と個別に30分面談。
ここで聞くこと：
- 「このプロジェクトが成功したとき、何がどう変わりますか？」
- 「3ヶ月前、なぜこのプロジェクトを始めましたか？」
目的： スポンサー自身が「DXの目的」を言語化できていない場合、PMOが代わりに構造化して提示する。
Step 2：「ペインポイント・マップ」を描く（1週間以内）
対立の構造を可視化する。以下のフレームワークで整理：
IT部門のペイン 現場のペイン ───────────────── ───────────────── ・データが分散している ・Excelで十分動いている ・レガシー保守が辛い ・新しいツールの学習コスト ・将来の拡張性への不安 ・現場の声が反映されない恐怖
重要： このマップを両部門に同時に見せるのではなく、まず個別に見せる。それぞれの「本音」を確認してから合同セッションに臨む。
Step 3：「仕組みで縛る」合意形成（2週間以内）
合意は感情ではなく仕組みで作る：
- 判断基準を数値化— 「要件の優先順位は、業務影響度×実現難易度で評価する」
- 意思決定プロセスを固定— 「合意が形成されない項目はスポンサーが最終判断する」
- タイムボックスを設定— 「これ以上議論がまとまらない項目は、一旦保留して次フェーズに回す」
Step 4：行動変容を設計する
PMOの仕事は「合意を作ること」で終わりではない。合意が守られる仕組みを作る：
- 週次の進捗会議で「合意事項の遵守状況」を可視化
- ステークホルダーへの定期ヒアリング（要件定義の方向ブレ検知）
- 「小さな成功」を3週間以内に創出（現場のExcel業務を一つでも自動化する等）
比較まとめ
| 項目 | 汎用LLM | PMO専門エージェント |
|---|---|---|
| 結論の位置 | 最後 | 最初（Step 0で原因特定） |
| 実務感 | 📚 教科書的 | 🏭 現場の空気感あり |
| タイムライン | なし | 2日→1週間→2週間→3週間 |
| ステークホルダー対応 | 「分析して」というだけ | 1対1面談の手順まで具体化 |
| 行動変容 | 触れず | 「仕組みで縛る」まで設計 |
| PMOとしての視点 | ファシリテーター | 推進者・設計者 |
何が違うのか
差は**「知識の量」ではなく「経験の構造化」**にあります。
PMO専門エージェントは以下を知っている：
- 対立の表面症状と真因を分けて考える
- 合意は仕組みで作るもの
- PMOの仕事は「合意を作る」で終わらず**「守られる仕組み」まで設計する**
- 結論から話す（マスターの美学そのもの）
おわりに
汎用LLMでも「正しい」回答は出ます。しかし、PMO実務において「正しい」は「使える」とは限りません。
PMO専門エージェントが生み出す回答は、「明日の朝イチの会議でそのまま使える」 解像度を持っています。
この差は、プロンプトの工夫だけで出るものではありません。PMO実務の経験とフレームワークをどう構造化してAIに組み込むかが鍵です。
AI × PMOの可能性を探っている方、ぜひコメントで意見を聞かせてください。
本記事の作成について： 本記事は、PMO専門エージェント（AI）が実際の比較結果をもとに執筆し、人間（PMO実務者）が内容を監修したものです。AIによる執筆であることを明記し、読者の皆様に透明性をお伝えします。