Career Development Plan ／ CMDS v0.3
キャリア開発計画
Business Model You の価値提供モデルと、Individual Development Plan の開発・レビューを統合した公開版です。 採用・協働・社内配置の検討に使えるよう、専門性、提供価値、将来の役割、開発テーマを整理しています。
本計画は固定的な職位計画ではありません。技術、市場、社会環境の変化を踏まえ、年次で更新します。 世界認識の背景は 公開書籍 にまとめています。
M1 Purpose & Constraints
現場の利用者が新しい操作を覚えなくても業務を続けられるよう、IoT、クラウド、生成AIを組み合わせて業務プロセスを設計する。 現場・事業・技術のトレードオフを可視化し、判断の前提と責任の所在が共有される状態をつくる。
提供する専門性
物理デバイスからクラウド、生成AIまでを接続する統合設計。実装・運用・引き継ぎまでを含む。
重視する価値
根拠の開示、利用者の受容力からの設計、持続可能な運用、知識の資産化。
活躍しやすい環境
現場と意思決定者の距離が近く、設計意図と運用結果を往復できる組織。
避ける環境
単一技術の反復だけで量を競う環境、判断の前提が共有されない環境、研究開発だけが目的の役割。
M2 Future Scenarios
役割の選択肢を単線化せず、現在の専門性を深める道、公共・産業へ広げる道、所属を越えて提供する道を並列に持つ。 3年程度はAを基線とし、BとCに有効な資産を同時に蓄積する。
A
延長・深化
現場実装のアーキテクト
現在の専門性を、組織横断の設計責任へ広げる
製造業の現場接点を持つ環境で、生成AIを組み込んだ業務プロセスと共通アセットを設計する。
B
意欲・転換
公共・コモンズの設計者
行政・公共・産業の意思決定基盤へ領域を広げる
データコモンズ、行政プロセス、社会インフラの継続性を支える技術と運用を実装する。
C
制約解除
独立した技術パートナー
所属に依存しないアセットと支援モデルをつくる
再利用可能なソフトウェア、設計原則、伴走支援を組み合わせ、複数の組織・現場へ価値を届ける。
| 評価軸 | A | B | C | 読み方 |
|---|---|---|---|---|
| 本人の関心 | 高 | 非常に高い | 高 | 長期的なテーマとの一致 |
| 現在からの接続 | 高 | 中 | 中 | 既存経験からの移行可能性 |
| 社会的需要 | 中 | 高 | 中 | 継続的に解く価値がある課題か |
| 選択肢の拡大 | 中 | 高 | 非常に高い | 他の役割にも効く資産か |
| 現時点の位置づけ | 基線 | 展開先 | 長期オプション | 固定的な決定ではない |
時間軸（8項目）
役職名ではなく、担う問題・責任・専門性・証拠・環境で将来を記述する。
- Being
- 技術の実装力と業務理解を兼ね備え、現場の課題を構造化して意思決定へつなげる実務者。
- Role
- 現場と経営のあいだを翻訳するアーキテクト。業務プロセスと共通アセットの設計責任を担う。
- Impact
- 利用者の作業動線を変えずに、情報整理・エスカレーション・判断支援の費用を下げる。
- Domain
- 製造業、設備、業務プロセス、生成AI、クラウド基盤。
- Capability
- 複数の技術層を横断した設計、トレードオフの可視化、関係者間の合意形成。
- Evidence
- 本番運用された業務アセット、設計記録、導入効果、再利用可能なドキュメント。
- Environment
- 現場との接点を持ち、設計意図と運用結果を往復できるチーム。
- Life
- 長期的に成果を出せる働き方と、継続的な学習・発信の時間を確保する。
- Being
- 特定の製品や技術ではなく、現場・事業・技術を接続する能力で選ばれる専門家。
- Role
- 複数職能にまたがる意思決定を、選択肢・コスト・影響範囲の可視化によって前進させる。
- Impact
- 現場への導入負担を抑えたデータ化と判断支援を、複数の業務領域で再現する。
- Domain
- 環境知能、プロセス設計、データコモンズ、公共・産業のガバナンス。
- Capability
- 顧客課題の発見、事業価値の定義、技術投資の説明、実装から計測までの一貫運用。
- Evidence
- 複数のケーススタディ、公開設計原則、他者に引き継がれたアセット、紹介・相談。
- Environment
- 組織内外の専門家と協働し、所属を越えて知見と成果を循環させる環境。
- Life
- 専門性の深化と、持続的に価値を提供できる働き方を両立する。
- Being
- 事業と技術を橋渡しし、変化の大きい環境でも継続性のある仕組みを設計できる社会アーキテクト。
- Role
- 一事業または複数チームの中長期の技術・プロセス戦略に責任を持つ。
- Impact
- 組織や地域が、外部サービスに依存しきらずに判断と業務を継続できる設計を残す。
- Domain
- 情報主権、Local-First、エッジAI、通信・データ基盤、地域・産業システム。
- Capability
- 設備・構成・制度の3つの水準を同時に設計し、人材育成まで含めて定着させる。
- Evidence
- 組織・地域に定着した運用プロトコル、育成された人材、継続利用される設計資産。
- Environment
- 組織・地域・専門コミュニティを横断する、実装と知識循環のネットワーク。
- Life
- テーマと働き方を主体的に選び、長期的な社会実装に関わる。
- Being
- 人と組織の判断・創造性を拡張する仕組みを生み、次の世代へ渡す設計者。
- Role
- コモンズの設計思想家・技術指導者。
- Impact
- 供給の継続性と決定の根拠を、現場で運用可能な設計へ落とし込む。
- Domain
- 情報・通信・水・電力など、生活を支える基盤の局所協調。
- Capability
- 技術、制度、組織文化を一つの設計体系として説明し、後進へ移転する。
- Evidence
- 属人性を排した設計書、OSS、運用プロトコル、継続して使われる教育資産。
- Environment
- 地域に根ざしながら、専門知を広く共有する活動形態。
- Life
- 学び・創造・文化形成を続けながら、次の担い手が自律できる状態をつくる。
M3 Personal Career Model Canvas
誰に、どのような価値を、どの経路で届け、どの資産と関係を得るかを9ブロックで整理する。
Customers / 顧客
現場の利用者、業務責任者、事業責任者、公共・産業の意思決定者
Value Provided / 提供価値
利用者の導入負担を抑えた業務データ化、判断支援、トレードオフの可視化
Channels / 経路
本番実績、ケーススタディ、設計ドキュメント、公開記事、紹介、プロトタイプ
Relationships / 関係
組織横断の協働、プロジェクト、技術顧問、専門家コミュニティ
Revenue & Benefits / 対価
給与・報酬、裁量、専門性、信用、継続的な社会的インパクト
Key Resources / 主要資産
IoT・組込み・クラウド・生成AIの統合経験、設計原則、公開実績、共通アセット
Key Activities / 主要活動
課題発見、アーキテクチャ設計、実装、評価、合意形成、ドキュメンテーション、人材育成
Key Partners / 主要パートナー
現場の熟達者、プロダクト・デザイン・営業、公共側の実践者、技術専門家
Costs / コスト
導入・運用・保守の負担、意思決定の遅延、技術負債、知識移転の費用
M4 Target Profile & Evidence
5年後を主な開発対象とし、学習ではなく実務の証拠で到達を確認する。
| 領域 | 目標状態 | 証拠 |
|---|---|---|
| 専門性 | 現場の導入負担を抑えたデータ整形と判断支援を本番に載せる | 導入実績、ADR、稼働ログ |
| プロダクト | 機能ではなく業務上の成果と負担軽減で価値を定義する | 採択実績、利用者の声、改善結果 |
| リーダーシップ | 選択肢と影響範囲を示し、複数職能の意思決定を前進させる | 提案資料、意思決定記録、チーム成果 |
| 事業・経済性 | 技術投資を費用・継続性・成果の桁で説明する | 効果試算、承認記録、継続利用 |
| 信用・発信 | 現場×AIの設計について相談される | 公開物、問い合わせ、紹介、対話 |
| 知識移転 | 設計意図と運用方法を、他者が再利用できる形で残す | 設計書、テンプレート、育成実績 |
M5 Development Gaps
不足をすべて埋めるのではなく、複数の将来に効く高レバレッジの課題から着手する。
| ID | 開発テーマ | 目標 | 現在の焦点 | 優先度 |
|---|---|---|---|---|
| G1 | 組織横断の意思決定 | 技術・事業・現場の選択肢を揃え、責任ある決定を支援する | トレードオフの可視化と提案の反復 | 高 |
| G2 | 顧客課題の直接検証 | 利用者の行動と業務結果から価値を検証する | 二次情報から一次の現場接点へ広げる | 高 |
| G3 | 専門家ネットワーク | 自分が直接扱っていない領域の妥当性を協働で確認する | 公開知と目的ベースの対話を接続する | 中 |
| G4 | 事業価値の説明 | 技術投資を費用・継続性・成果の桁で説明する | 技術成果を事業成果へ翻訳する経験を増やす | 中 |
市場変化への適応
生成AIの利用が一般化した場合は、画面上の機能開発だけを競争軸にしない。 現場の物理環境、エッジでの処理、業務制度の設計を組み合わせる領域へ、専門性の重心を移す。
M6 Development Experiments
大きなキャリア変更の前に、小さな業務実験で役割適合性と成果を検証する。
- 課題
- 会議・業務ログから判断事項を構造化し、意思決定の遅延と見落としを減らす
- 仮説
- 情報整理を仕組み化することで、担当者の認知的な負荷を下げ、重要な判断に集中できる
- 実施
- 小さな業務範囲で抽出・確認・共有の流れを試し、利用者の反応と運用上の障壁を記録する
- 成果物
- 運用フロー、設計記録、評価指標、改善案、再利用可能なテンプレート
- 成功条件
- 実務で継続利用され、意思決定の前提が共有される。効果と限界を説明できる
- 判定
- 継続・拡大・別領域への展開・中止を、利用結果と関係者の判断で決める
M7 Review & Reconfiguration
四半期
実験の結果、利用者の反応、成果物、次に取るべき選択を確認する。
半期
開発テーマの優先順位と、12か月の実行計画を見直す。
年次
Purpose、シナリオ、価値提供モデル、目標プロフィールを更新する。
判断材料は、成果物、利用結果、市場・組織の反応、外部環境の変化。計画は固定せず、証拠に応じて再構成する。