カンファレンス参加から得た学びをまとめます。
イベントの概要
近年のAI技術の飛躍的な進化により、世界中のテックリーダーは、
開発プロセスや組織の抜本的な変革と日々向き合う必要性が増しています。
しかし、AIの導入、技術選定、さらには開発組織のあるべき姿については
「正解」が見えない中、各社が手探りで取り組んでいるのが実情です。
開発生産性をいかに高めるか、エンジニアリングへの投資をどう判断するか、
採用戦略や組織設計をどう描くかなど、テックリーダーの皆様には
多角的な視点からの意思決定が求められています。
「AI×開発組織Summit」は、こうした課題に向き合う皆様が、
AI時代における開発プロセスや組織のあり方、
そして変革の方向性について議論を深め、
新たな視点と実践的な知見を得る場を提供します。
引用：
イベント参加の背景
- AI台頭以降の開発組織のあり方について色々な意見を知りたい。
- いつもFindyさんのイベントに大きな気づきと学びをいただいている。
- 聞きたいセッションばかりのため終日参加。
参加したセッション
オープニング
今までFindyではデリバリーの生産性に注目したFindyTeam+を扱ってきた。
生成AIの躍進により生産性が変わっていく中、
ディスカバリーにも注目し、Findy Insightsに力を入れている。
KDDIが実践するAI活用と経営戦略としての意思決定
メモ
KDDIはauをはじめ幅広いサービスでお客様接点を構築している。
AI領域では、AIを中心に事業を構築している。少し前はデータを中心にしていた。
業務効率化のためAIチャットを全社展開している。
BtoC領域のサポートセンターでも活用している。
デジタルデータ×AIを支えるインフラを構築。地域AIデータセンターを設けている。
ELYZA社がKDDIグループに加わっている。
アジャイル開発センターで俊敏性高く技術検証を行っている。
KDDIの投資に当たる優先順位の付け方。
社長が技術者出身のため感度が高いため説得は不要。
大企業のやり方だけじゃなく、スタートアップのやり方にも理解がある。
海外では買収対象だが、KDDIは出資をしても相手企業のあり方を変えようとはしない。
スタートアップを前に進んでもらうためにKDDIに協力してもらっている。
KDDIは大きな組織のため色々な領域でそれぞれの目線でAIに注目している。
効率化＝人員削減で考えがちだが、そもそも日本は労働力が減っている。
そのうえで、新しい労働力を得るという視点でAIを扱っていく方が良い。
そうでないと、海外との競争力などにも勝てない。
SIerの選定に当たってもAIの活用に言及がないとリジェクトしている。
標準化されている業務はAIに置き換えやすい。
今は開発に焦点があたっているが、次は業務に焦点があたっていくと想定している。
コンサルや金融のジュニアリサーチャーの業務に活用していける。
インターネット黎明期のことを考えると、今までの業態を変えていったのがIT企業だった。
AIを活用して既存の業務を塗り替えるところにエンジニアが動いていく。
今後そうした他領域をAIが変えていく気がする。
アジャイル開発センターでの生成AIの利用はミドルマネジメントに任せている。
生成AIのあり方は日々変わっていく。
それをトップダウンで追っていくことは不可能だと思っている。
ミドルアップ・ダウンで進めていく。
ロジカルに説明できるレベルではなく、推進できる人がいることを前提に進めていく。
できるところから始めていく。
今後のR&D組織について。
基礎研究に注力する。AIの次もR&Dとして扱っていく。
商品化も考えている。
これからのエンジニアについて。喫緊の課題だと思っている。
その時々で求められる価値観は変わっていく。
先人達の知見が不要になるタイミングがある。
使えるものを徹底的に使って、良いものを作れることが重要となる。
生成AIの時代のエンジニア像がある。
生成AIを使って何を生み出せるかを考えられることが重要。
経営側が何を観ているか。
扱う現場が一緒に同じゴールを見て動けることが重要になっていくと思う。
日本の会社がもっと生成AIを活用していくために何ができるかを考える。
すべて頼るとバイアスがかかった答えが返ってくる。
全員が全員賢くなくてもよい。随時採用して検証していく。
デバイス向けの小規模言語モデルなどでは、できることはまだまだある。
学び
大企業におけるミドルマネジメントの重要性を知りました。
技術的な採択における判断だけでなく、
選択したものを推進していくためのトップやメンバーとの信頼関係も重要と感じました。
また、改めてKDDIに対するKAGの役割が気になりました。
KAGがあることによって先進的な技術検証を可能としているのか。
AI時代に非連続な成長を実現するエンジニアリング戦略
メモ
・なぜ挑戦型組織への変革が重要か
今までの非連続の成長に限界が来ている。
ソフトウェア開発にスマイルカーブ現象としての根本的な変化が訪れている。
プロダクト設計・改善の付加価値が高まり、総体的に実装の価値は低下していく。
8割程度のプロダクトコードが生成AIが作れる状態となっていく。
実装における人により差別化が減っていく。
・プロダクト戦略
プロダクト体験の設計やエンドユーザーの最適化が求められる。
プロダクトにもAIが組み込まれていく。
・プロダクト改善
単純にリリースして終わりではなく、MLOps的に学習し改善していくことが重要。
フィードバックに対する価値が高まっていく。
「なぜ」が重要となる。
プロダクトの0→1が速くなっている。
従来、何ができるかを深く考えてきたが、これからはAIも加えて考える必要がある。
そのうえで、リーダーシップが重要となっていく。問いの設定。
今までのエンジニアの醍醐味がHOWだったのに対し、Why/Whatが求められていく。
挑戦型組織のために、AIネイティブの組織構築を行っている。
プロダクト、サービス、開発プロセスの中心にAIを置いている。
自分たちの仕事をどう変えていくかを問い続け、本質的な変化を起こすようにしている。
プロダクトマネジメント組織にAIの研究員が加わっている。
フェーズ１：AI導入
フェーズ２：開発プロセスの再設計
フェーズ３：AIを用いた価値創造できる組織、組織文化の醸成
今はフェーズ２にいる。
AIに完全BETした組織を作り、2倍の生産性向上を実現できた。
これを全体に普及していく。
今後レビューや技術的負債の返却が必要となっている。
今見えている範囲で言語化していくことが重要となる。
エンジニア兼PdMのような役割も増やしていく。
イーサン・モリックの提唱原則。
・常にAIを参加させる。
・人間参加型とする。
・AIを人間のように扱う。
・AIの進化を前提とする。
AIとの「共同知能」を実践して、失敗を恐れない文化を作ることが重要。
実際に挑戦して生産性落ちたチームもあるが、それも実績知として活用していく
リーダーシップについて。
マネージャー：連続的な成長を実現
リーダー：非連続的な成長に責任を持つ
非連続な変化に対し、連続的成長と非連続的成長の中でAIネイティブ組織を築く。
すべてのエンジニアが各々の持ち場でリーダーシップを発揮することが重要になっていく。
新しいアプローチを採用し、正解を求めないチャレンジが重要になる。
ソフトウェアの生産性をあげるために開発プロセスにAIを適用していく。
従来の組織構造を越えて、自発的に学習しアイデアを生む動きをしていきたい。
AI駆動開発。
成果：生産性2倍向上。4.5か月が2.0か月に短縮。
AIがドキュメント作成を担っている。
AIに良いプロダクトを創ってもらうために設計の質をあげて良いインプットを与える。イベントストーミングを採用している。
失敗：設計の曖昧さは解消されず後戻り工数が余分に出た。設計実装の並行進行により、実装からの設計へのフィードバックが難しい。仕様変更の文書化、整合性を常に保つ必要がある。
生成AIを活かしていくために、
・ドキュメントのテンプレートの質をあげる。
・AIに対して追随姿勢をどう持つか。
・役割分担・協業体制をゼロから再構築する必要がある。
エンジニアの価値は再定義される。
アンラーニングが重要になっていく。
コードを書く＝勝ち創出ではなくなる。課題定義が重要になっていく。
正解のある世界の最適化ではなく、正解がない状況で前に進める力が重要。
知識が差別化にならない。知識活用による想像が重要となる。
磨くべき本質的な価値
・問題定義力
・人間にしかできない直感と意味づけ
・構造設計・ワークフロー設計能力
・コラボレーションと知識流通力
・スピードと打席数の最大化
エンジニアは失敗を恐れない挑戦の数を増やすことが求められる。
Sansanには超長期と超短期しかない。短期はOKR。
CompanyOKRレベル：各組織の業務をAIに置き換える
プロダクトOKRレベル：AIのポジショニングの決定
エンジニアリング組織のOKRレベル：AI駆動で開発されたPBIの１件以上リリース
今後の展望。
人間とAIの共創。人間が決定する。
・AIネイティブな開発プロセス
・全エンジニアのリーダーシップ発揮
・事業戦略と技術戦略の統合
不確実なことが多い時代において、エンジニアリング組織は難しくなる。
それに真正面から向き合うことが重要。
小さなことから、素早く学び、継続的に改善する。
学び
正解や失敗に捉われない探索的なエンジニアリングの重要性を感じました。
プログラミングを軸としないリーダーシップの醸成のためにエンジニアリングの再定義が必要になるとも感じました。
実装の価値が下がっていくことに対し、ソースコードにWhyやWhatを込めていくことはまだしばらくは必要になると思っています。
今まで以上にエンジニアの価値が多様化していくイメージを持ちました。
その価値を発揮するためにも、素早く失敗を繰り返し価値の検証を繰り返していくことが重要と改めて思いました。
生成AI時代の開発組織のあり方を探る：実践企業が語るパネルディスカッション
メモ
生成AI時代の開発組織のあり方。
・なぜ内製化を進めているのか
ダイキン：
100%ではない。会社として潮目が変わったのは１、２年。
非連続的な要求に対して、モノ売りからコト売りへの変革が求められている。
それに対し、第三者が入ることでのノイズ／遅滞を取り除きたかった。
ミズノ：
エンドユーザー向けアプリは外注だった。
計算アルゴリズムの迅速的な展開などができておらず、それを解消したかった。
ウォーターフォール型での依頼で実際に出来上がったものがニーズとマッチしていなかった失敗もあった。
・内製開発における壁
ダイキン：
大きく２つ。
１．どうやって実現するかが分からなかった。
規模が小さい内はなんとかなった。
規模が大きくなると、信頼できるパートナーに依頼している。
２．本当のステークホルダーに会えていない。
小さく始めたことによって、上からストップがかかることは無かった。
ミズノ：
プロダクト中心の会社。お金の工面が課題だった。
本当にできるのかという疑問からのスタートだった。
最初のプロダクトは小さいリニューアルだった。
人員は数名で兼務メンバーの協力も仰ぎ、草の根活動から進めていった。
・生成AIの活用状況
ミズノ：
企画、デザイナーなど初期段階から活用している。
データ分析でもコードを書くことにも使っている。
開発に対して知らないことも多くあるため、生成AIをモブプロとしても活用している。
ダイキン：
RAG。部署ごとにテンプレートを利用している。
レビューへの活用を考えている。
社内の知識を生成AIで活用するには試行錯誤があった。
BigTechのスピード感にどのように合わせていくかも難しかった。
社内コミュニティをどのように繋いでいくかを大事にしている。
・今後の内製開発の方向性
ミズノ：
少しずつ社内認知も進んできた。それに伴いいろいろな要望も増えてきた。
ただ、人材が追い付いていない。限られた人数で実現していく。
そのためにも、生成AIをどのように活用するかが重要。
今までの成功により内製化に向けたモチベーションはあがってきている。
ダイキン：
大前提としてAIを利用する。
そのうえで、バイブコーディングと組み込み系に対する慎重なコーディングの活用が求められる。
製造業としては、後者に加え、ガラパゴス化された社内ツールとの連携も含め磨いていく必要がある。
探索チームと探索結果を広めていくチームが必要になっていく。
学び
内製開発への時流に向け、我々受託企業はどれだけ事業・プロダクト目線でサービスを提供できることが重要であると改めて思いました。
3ShakeさんのSREを通したイネーブリングという考え方が好きです。
受託企業だからこその数多くの経験とコンテキストに依存しないエンジニアリング力をプロダクト目線で発揮する必要がある。
内製開発を始めたという話にいつも大きな刺激を頂きます。
サイボウズ×メルカリと考える、AI時代の組織戦略 ー サイロ化解消で事業貢献を最大化
メモ
AI活用のためにサイロ化解消が重要となる。
・サイボウズ
Purpose：チームワーク溢れる社会を作る
・メルカリ
CtoCの基盤を活用した事業成長。
Cash In/Outのエコシステムを実現。サイロ化に陥りやすいサービス。
55か国から人材が集まっている。言語の壁を取り払うことが重要となっている。
サイロ化とはチームや部門の間が断絶することで全体最適に動けないこと
サイボウズ：職能チームvs.製品チーム、横断チームvs.製品チーム、全社の規模
メルカリ：コミュニケーション、優先順位
AI時代にサイロ化のあり方が変わる。
社内でも他グループが社外として扱われる状態となる。
会社間の情報のサイロ化は良いが、プロダクトとプラットフォームでも断絶がある。
知識が各社に溜まり、ベストプラクティスが共有されないことが問題。
会社が大きくなることで、各組織の暗黙知が生まれ、有効活用できない。
・職能チームvs.製品チーム
プロダクトチームにとって本当に欲しいものが提供されなくなる。
職能での評価によってとプロダクトの価値貢献ではない部分での評価が生まれる。
参考：
・コミュニケーション
メルカリではProduct、Foundation、Platformに開発レイヤーが分かれている。
意思決定が難しくなっている。
・サイロ化解消に向けて
サイボウズ：情報共有と対話、振り子と螺旋、チームトポロジー
メルカリ：シャッフル、全社統一エンジニアリングロードマップ、ゴールデンパス
参考：
サイボウズ：企業理念もアップデートしていくものとして、変化に追従していく。
メルカリ：ゴールデンパス。使用するテックパスの固定化。意思決定をオープンに決断した。
・サイロ化解消による成果
サイボウズ：
アラインメント。局所最適から全体最適に。
やるべきことが最適化された。やり方が効率化された。
メルカリ：
AI-TaskForceにより各組織にエンジニアが入り込んだ。
暗黙知が形式知にしていくことがサイロ化を防ぐことにも効果があった。
今後の課題感
サイボウズ：螺旋の進化、自社プロダクトの進化、AIとブロードリスニング
メルカリ：複数ロールへの挑戦（AIによって暗黙知が形式知になったものの再現）
参考：
学び
AI活用によりサイロが解消されていくことが興味深かったです。
同時に、AIによって暗黙知が形式知とされることを困る人たちもいるイメージを持ちました。
そうした組織は結局は淘汰されていくのだろうか。
サイボウズさんの時に企業理念も刷新していくという考え方が印象的でした。
AIで加速する開発に“ガードレール”を──テストから開発組織全体の生産性と挑戦の総量を高める
メモ
慢性的な人手不足。IT人材は常に業務に追われている。
開発のための時間のおおよそ４割がテストに使われている。
その75%が手動テストに依存している。
アジャイル開発は高頻度に小さなものをリリースすることにある。
結果、高頻度にテストが求められる。
テスト自動化を導入することによって、エンジニアがより価値ある業務に注力できる。
サイバーエージェントでは、クライアントテスティング室がある。
クライアントサイドの自動テストを充実し、手動テストを減らすことで、
開発エンジニアが価値ある機能を作る時間を増やすことを目的とする。
AIは、コーディング、ドキュメントに活用している。
テストにはソースコードをソースにしたユニットテストや、
仕様書からのテスト仕様書作成に活用している。
テストという領域においては、上流工程に活用している。
AIによって組織における考え方は変わっていないが、やり方が変わってきている。
テスト項目の最適化することで、約90%削減された。結果時間も減らせた。
減らすことでバグの発生件数には影響がないことも確認できた。
QA業務のやり方を効率化もできた。
プロンプトを整えることで、揺れの少ないより良いテストケースが作成できている。
変化する開発の中でテストの役割はどう変わるか。
重要だけど自動化できず、手動に頼らざるを得ないテストもある。
人が作ると揺れがでてくるものを任せたい。
人が先にプロセスを考える必要がある。
生成AIによって問題があったときも人によるケアも必要。
学び
エンジニアにとってテストが自身が作ったものに対するフィードバックと考えると、
AIにどこまで委譲するかは成長を損失しない程度にすべきと考えています。
ただ、テストの実行ではなくテストの設計を委譲することは、最終的な判断をエンジニアに残すことになり、AIが作ったものが第三者的な視点としてプロダクトを見つめ直す機会になるため効果的だと思いました。
テスト領域でのAIの使い方もなんとなく悩むぐらいであれば、実践して適宜取捨選択をしていくのが良いのだろうと思いました。
AI時代に生き残るための開発組織戦略 - いま求められる人材と投資の現在地
メモ
バイセル今村さん：
入口、出口までを扱うリユースプラットフォームCosmonを内製している。
社内生成AI基盤「Buddy」を用意している。
参考：
エムスリー山崎さん：
エンジニアリング組織としては120名程度しかいない。各チーム平均6名程度。
AIをフル活用している。生産性Dify、NotebookLM。基本的にはすべて使っている。
・少数開発の進行と人材戦略の変化 「数」から「質」へ
エムスリー山崎さん：
個別のチームで考えると変化している。
エムスリーはもともと少数精鋭。少数精鋭で闘える大きな武器が生成AI。
多くの会社でジュニアエンジニアが課題になっている。
トップエンジニアがAI使って書いた方が速い世の中になっている。
特に新卒はLLMネイティブ。生成AIを使いこなしている。
コンピューターに対する造詣をもつ人間を戦略的にどのように組み込んでいくかが重要となる。
バイセル今村さん：
新卒の質は大きく変えている。AIの使い方が全然違う。
今までの失敗や先輩から学びを得る文化から、生成AIに聞きまくる学ぶ文化に移行している。
企業文化を吸収する人材はどの時代も必要。これからも新卒は取っていきたい。
ただ、新卒は有名企業に取られがち。
・人材戦略
エムスリー山崎さん：
層が厚くなっていくと思う。
今までは性格性や脳に依存する部分もあったが、生成AIは裾野を広げる可能性がある。
生成AIとのQAが当たり前となる学習環境で得られる知識は今までにない状態となる。
新卒でCTOという形もあるかもしれない。
佐藤さん：
生成AIが出したアウトプットについていけてない人がでてくることもあると思う。
そうした意味では、今までと求められる部分に大きな変化はないかも知れない。
・採用/人材戦略
バイセル今村さん：
今瞬間は変えていない。中長期でみると変える可能性はある。
エムスリー山崎さん：
直近しばらく採用方針は変えない。
マルチプロダクト戦略に関わってくる。
縦方向には生産性があがるが、横方向に加速するために人が必要となる。
・理想の開発チーム・体制はどう変わるか
エムスリー山崎さん：
より少数精鋭になる。少人数で儲かるプロダクトを作っていける状態になる。
バイセル今村さん：
SaaSプロダクトと事業会社では違いはあるが、少数精鋭は方向性としてある。
現場課題の発見のために人が仲介する必要がある。
１チーム当たりの人数を考えるにあたり、そうした課題発見をする人を入れる必要がある。
リユースプラットフォームに近づけば近づくほど技術力が求められる。
・少数精鋭ではない組織はどう変わっていくべきか
エムスリー山崎さん：
理想チームの定義は今までの延長線上から飛び越える必要がある。
プロダクトチームは越境することで大きくなっていく。
ただ、その越境部分を大きくしないで生成AIで実現していくことができる。
最後のチェックは人が行うべき。
ただ、人、チームの成果物に対する相談は生成AIでできる。人に依存する必要はない。
・AI時代のテックリーダーとキャリアの行方
バイセル今村さん：
もともとフルスタックだった時代から細分化されていった。
それぞれの技術が深くなっていった結果。
生成AIの登場によりキャッチアップしやすくなった。
なので、そのリミッターを外して自分の領域を限定しないことが重要。
できないと思っていることを無くすことが重要。プロダクトや事業戦略も思考する。
エムスリー山崎さん：
CTO、VPoEを目指す人間は使いこなせることがマストになる。
まずはリファクタリング、負債の返却からフル活用する。
今まで手を付けられていなかったところに適用する。
M&Aをした企業のプロダクトの刷新にもAIフル活用している。
・総括
バイセル今村さん：
テックリードはなんとかしてくれるという信頼を持てることが一番重要。
エムスリー山崎さん：
AIネイティブエンジニア募集中
学び
開発チームがより少数精鋭になっていくイメージを持ちました。
そのうえで、今まではジュニアエンジニアの育成が課題になると思っていましたが、
それが固定化された考えであるとも感じました。
我々は長年エンジニアリングを経験してきていることをアドバンテージに感じることを止めた方が良いとも思いました。
既存の価値観に捉われずトライ＆エラーから学び続けることが重要と思いました。
学びと感想
AI台頭以降のエンジニアリング組織のあり方について多面的に捉えることが１日になりました。
少なくとも作る領域でのニーズは減り、その分の躍進が求められることは必須と改めて理解しました。
またジュニアレベルのエンジニアを、盲目的に今までの価値観で測ってしまっていたことに気付きました。
今までの正解はとっくに正解じゃなくなってるかも知れない。
そうした判断をするためにも小さい単位で失敗を恐れず検証することが重要とも思いました。
また、マルチプロダクト戦略のためにはまだまだ人が必要という話は救いになりました。
大きな刺激と緊張をいただいた１日でした。貴重な１日をありがとうございました。
