スキル棚卸と成長管理

常駐エンジニアの「棚卸」を意思決定に使う設計

SESでは、スキル情報は提案スピードとアサイン精度に直結します。単なる職務経歴の羅列では弱く、「案件可否・単価設定・成長機会」の判断材料になる構造が必要です。おすすめは次の8項目を必須化することです。

• スキルタグとバージョン（例：React18、Terraform1.x）
• 熟達度レベル（L0〜L4：未経験/補助/自走/主導/横断）
• 最新稼働時期（半減期の考え方で12カ月以上は減点）
• 証跡URL（PR、設計ドキュメント、運用ダッシュボード）
• 問題解決の事実（課題→介入→結果→学びの4行記録）
• 興味・忌避領域（やりたい/やりたくないを明記）
• 稼働条件（稼働率・時間帯・出社可否）
• 希望単価レンジと根拠（市場相場×成果物難易度）

「証跡URL」は守秘範囲を逸脱しない形で、要約・スクリーンショットの匿名化を徹底します。要約はChatGPTやClaudeが有効で、箇条書き化→リライト→守秘チェックの順で整えます。コーディングの実力確認用に、個人の練習リポジトリを用意し、Copilotで書いた箇所と自力実装箇所を分けて記録すると透明性が上がります。技術トレンドの整理や用語統一はGeminiに投げてスピードを出すのが現実的です。

案件アサインを最適化する「3軸マップ」と90日成長スプリント

3軸マップ：適合・伸びしろ・収益

アサイン判断は感覚でぶれます。次の3軸でスコアリングして閾値を決めます。

• 適合（Fit）：必須スキルの充足度。L3以上の数と直近稼働の新しさを加点。
• 伸びしろ（Stretch）：不足スキルが90日でL1→L2に上がる現実性。メンター/余白時間の有無で調整。
• 収益（Unit）：想定単価−原価（給与＋教育投資＋移動/備品）での粗利。

基準例：Fitが60点未満は見送り、Fit60〜75かつStretch高なら育成アサイン、Fit80以上でUnitが黒なら即提案。ベンチ発生時は「Stretch最大」を優先し、学習投資を90日で回収できるプランに限定します。

90日成長スプリント設計

• ゴール定義：名詞ではなく成果物で書く（例：React18移行ガイド＋移行PR3本）。
• バックログ：業務（小さな本番課題）、学習（ハンズオン3本）、発信（社内LT2回）、可視化（証跡URL化）。
• 週次リズム：30分の1on1で進捗・阻害要因・次の1手を確定。
• メトリクス：PR本数/レビュー応答時間/MTTR/アラート誤検知率など「再現性」を測る指標を1〜3個。

生成AI活用は明示的にルール化します。インプットは守秘に配慮し、ChatGPT/Claude/Geminiの出力は「根拠リンク」「差分コメント」を添えて証跡化。Copilotでの補完率はあくまで開発補助として参考値に留めます。

評価を「成果物×再現性」で揃える

常駐先ごとに評価軸が違うと、人事評価と報酬がブレます。次の共通成果物セットで平準化します。

• 主導PR1本以上（要件分解→設計→実装→検証の記述がある）
• 設計メモまたはアーキ根拠（図と選定理由）
• 運用改善の実数（MTTR短縮、アラート削減など）
• コードレビュー貢献（件数と指摘の質のサンプル）
• 知見の横展開（社内記事/テンプレ/スクリプト）

レベル判定の例：L2は「自分のタスクを期限内に完遂し、レビュー指摘を自力で潰せる」。L3は「要件曖昧な課題を分解し、チームのスループットを上げる」。L4は「技術選定を牽引し、他案件に再利用可能な成果物を残す」。面談は事実ベースで、提出物と指標に紐づけて行います。知識確認の小テストはGeminiで問題案を作り、レビュー観点リストはClaudeで生成してから現場の文脈に合わせて短文化すると効率的です。

身近な企業活用例：地方SIとSESを併営する社員30名のIT事業者

状況：常駐案件が増え、アサインは営業主導。スキル情報は表計算で更新遅延、評価は「先方の印象」に依存。結果として、ベンチが長期化し平均単価が横ばい、若手は成長実感が乏しく離職傾向でした。

失敗：提案時に「なんとなくやれそう」で受注→現場で手戻り→信頼低下。学習は書籍購入や資格受験に偏り、実務の再現性に結びつかない。

改善：スキル棚卸を前述の8項目に統一。証跡作成を支援するため、ChatGPTとClaudeで職務要約テンプレを用意し、守秘チェックの手順を定義。アサインは3軸マップのスコアボードで週次レビュー。ベンチには90日スプリントを適用し、「実案件の影に入るPR」「小規模改善チケット」を優先的に割り当て。評価は成果物セットで一本化し、昇給や単価交渉の根拠を可視化しました。

結果：平均ベンチ日数が月26日→9日に短縮、提案から決定までのリードタイムが30％短縮。FitとUnitの両立により、平均レートが1割上昇。若手はL1→L2到達までの期間が6カ月→3.5カ月に短縮し、離職率も低下しました。現場からは「期待値が明確」「レビューがしやすい」との声が増加。営業は証跡を軸に提案できるため、過剰なコミットを避けつつ受注率を維持できました。

まとめ：スキル棚卸はSESの単価と信頼を同時に上げる

棚卸が粒度と証跡まで揃えば、提案の精度が上がり、アサインの迷いが減ります。90日スプリントと3軸マップは、成長と収益の両輪を回す実務的な装置です。生成AI（ChatGPT、Claude、Gemini、Copilot）は記録と学習の速度を底上げしますが、評価はあくまで「成果物×再現性」で。常駐エンジニア事業は現場に根ざすほど強くなります。個人の強みを見える化し、証跡で語り、案件で磨く。その循環が、SESの継続率と単価、そしてチームの自尊心を支えていきます。