依存関係マッピング

SaaS企業の8人チームがダッシュボード機能をリリースする計画を立てた。全体で23タスクあり、直感的に「6週間で終わる」と見積もっていた。

依存関係マッピングを実施すると、次の事実が判明した。

• クリティカルパスは「API設計 → データモデル変更 → バックエンド実装 → フロントエンド結合 → E2Eテスト」の38日間
• フロントエンドチームは「バックエンド実装」が終わるまで18日間待機状態だった
• 「データモデル変更」に後続タスクが7個集中していた

対策として、バックエンドが完了前にモックAPIを提供し、フロントエンドの結合作業を12日前倒しできるよう依存を組み替えた。さらにデータモデル変更をスキーマ定義とマイグレーション実行の2タスクに分割した。

結果、クリティカルパスは38日 → 26日に短縮され、当初見積もりの6週間（30営業日）以内にリリースが完了した。

従業員150名の企業がオフィス移転を計画した。総務部がスケジュールを引いたが、「ネットワーク工事」と「什器搬入」を並行で進める前提だった。

DAGを描いたところ、見落としていた依存が浮かび上がった。

当初の並行計画では「社員PC移設」が移転日の2日前に始まる予定だったが、実際には電気工事からの直列依存で最低12日かかることが判明。移転日を2週間後ろ倒しすることで、当日のトラブルを未然に防いだ。

後ろ倒しの判断ができたのは、DAGで依存関係を可視化していたからこそ。描いていなければ移転当日にネットワークが使えない事態になっていた。

人事チーム3名のスタートアップで、エンジニア1名の採用に平均62日かかっていた。「もっと早くしたい」という要望に対し、採用フローの依存関係マッピングを行った。

描いたDAGの結果、クリティカルパスは「求人票作成（5日）→ 書類選考（10日）→ 技術面接（7日）→ 最終面接（5日）→ オファー作成（5日）→ 内定承諾待ち（14日）」の46日間。残りの16日は各ステップ間の「待ち時間」だった。

ボトルネック分析の結果:

• 書類選考の10日は、CTOが週1回しかレビューしていなかったため。レビュー権限を2名に分散し3日に短縮
• 技術面接の7日は、候補者と面接官のスケジュール調整に時間がかかっていた。面接可能スロットを事前に公開する仕組みを導入し3日に短縮
• 待ち時間16日は、次ステップへの引き継ぎが手動だったため。Slackの自動通知で4日に圧縮

結果、採用リードタイムは62日 → 34日に短縮。四半期の採用目標3名に対し、4名の採用に成功した。