はじめに:「Aさんしかできない案件」が組織の脆さを生む
Aさんの退職で案件が止まる、アサインが特定のメンバーに集中して稼働率が80%を超える、若手の育成機会が失われる――これらはすべて属人化の副作用です。
第1章:属人化が組織に引き起こす4つのリスク
リスク① 退職時の事業継続性が崩れる
退職や長期休暇のたびに、複数の案件が同時に止まってしまいます。
リスク② 特定メンバーへの稼働集中
優秀な人の稼働率が80〜90%に達して疲弊し、離職リスクが高まります。一方で、ほかのメンバーは稼働率50%といった不均衡が生まれます。
リスク③ 育成機会の喪失
「難しい案件はベテランに」が固定化し、若手が育ちません。
リスク④ 採用判断が正しくできない
誰がどのスキルをどのレベルで持っているかが見えないため、戦略性のない採用になってしまいます。
スキルマトリクスは「壁に貼る図」ではなく、「経営判断の道具」です。
第2章:スキルマトリクスの設計フレーム
軸① スキルカテゴリの設計
15〜30程度のカテゴリに整理します。
- 技術:Java/Python/JavaScript/AWS/Salesforce/DB設計
- ビジネス:要件定義/プロジェクト管理/顧客折衝/提案資料作成
- ドメイン:金融/製造/医療/公共/EC
- プロセス:アジャイル/ウォーターフォール/DevOps/品質保証
軸② 熟度レベルの定義
3〜5段階で定義し、標準は4段階です。
| レベル | 定義 |
|---|---|
| レベル1(初級) | 指導の下で実施できる |
| レベル2(中級) | 独力で実施できる |
| レベル3(上級) | 他者に指導できる |
| レベル4(エキスパート) | 戦略立案・難案件のリードができる |
軸③ 評価方法の設計
自己申告(半期ごと)、上長評価(客観的な評価で調整)、タスクデータ(種別・難易度・成果から自動算出)の3つを組み合わせます。
軸④ 更新頻度
半期の評価面談で全員分を更新します。自動算出の仕組みがあれば、月次で推移を追えます。
第3章:アサインダッシュボードの実装パターン
パターン① スキル検索型
「Java上級+AWS中級」のように検索し、空き工数とあわせて候補者を表示します。
パターン② 案件マッチング型
案件種別ごとに必要なスキルセットを定義し、新しい案件の登録時に候補者をランキング表示します。
パターン③ 育成提案型
「Java中級は社内に5名、上級は2名」といったギャップから、中級のうち1〜2名を育成プログラムに乗せる判断につなげます。
パターン④ 採用要件型
「向こう半年で大型案件が増える見込みのため、AWS上級を1名追加採用する」といった戦略的な採用に使います。
第4章:タスクデータからスキル熟度を自動集計する仕組み
仕組み① タスクのスキルタグ化
例:「APIサーバ実装(タグ:Python、AWS、API設計)」。完了したタスクから、関連するスキルを自動で収集します。
仕組み② 熟度の自動算出ロジック
| 条件 | 熟度 |
|---|---|
| Python関連タスクを3件以上完了 | レベル1(初級) |
| 高難易度のPythonタスクを3件以上完了 | レベル2(中級) |
| Pythonでチームをリードした案件がある | レベル3(上級) |
| Pythonのアーキテクチャ設計案件がある | レベル4(エキスパート) |
仕組み③ 自己申告との突合
自動算出の結果と自己申告の乖離が大きい場合は、1on1で確認します。
第5章:Task Relayが提供するスキルマトリクス機能
- メンバー別のスキルマトリクス
- タスクのタグからの熟度の自動算出
- スキル検索による候補者の即時表示
- 案件種別 × 必要スキルのマッチング
- 組織全体のスキル分布レポート
- 半期評価のワークフロー
| アサインの課題 | 従来の運用 | スキルマトリクス×ダッシュボード |
|---|---|---|
| 候補メンバーの特定 | マネージャーの記憶頼み | スキル検索で即時表示 |
| 案件マッチングの精度 | 主観 | スキル×熟度×稼働率で客観判定 |
| 属人化リスク | 見えない | 1名だけが持つスキルを可視化 |
| 育成方針 | 感覚 | スキルギャップから逆算 |
| 採用要件 | 曖昧 | 組織の分布から戦略的に決定 |
まとめ:可視化が組織の冗長性を作る
「Aさんしかできない」が解消される組織とは、Aさんの仕事を奪う組織ではなく、その領域を担える人を増やす組織です。まずは自社で属人化している領域をリストアップするところから始めましょう。