AI導入を「事業成長」へ変える実践知 〜自社業務をAIネイティブに再設計する『gaipack』の全貌

https://event.shoeisha.jp/axday/20260804/session/6921
AIを「効率化ツール」で終わらせず事業成長へ直結させるには、業務の再定義が不可欠です。本セッションでは、KDDIアイレットが自社の提案・開発・マネジメント全領域をAIネイティブに再設計した生きた実践知を共有します。我々が現場で磨き上げたAI駆動開発のノウハウは、AX支援サービス『gaipack』を通じ、皆様の変革プロセスにそのまま適用可能です。自社組織でのドックフーディングで裏付けられた、机上の空論ではない、事業を加速させるAIネイティブ組織のリアルをお伝えします。

Transcript

1. AX Day 2026 August AI 導入を「事業成長」へ変える実践知 自社業務を AI ネイティブに再設計する『 gaipack』の全貌 西田 駿史 KDDIアイレット株式会社
2. Profile に し だ し ゅ ん じ 西田 駿史 KDDIアイレット株式会社 gaipack 本部 AIDD 技術部 AIDD 営業推進室 室長 2025 Japan AWS Top Engineers 2023-26 Japan All AWS Certifications Engineers Google Cloud Partner Top Engineer 2025-26 Fellow 2024 Google Cloud Partner All-star in Sales Google Cloud Partner All Certification Holders 2025 Google Cloud Ambassador 経歴 2019年アイレットに中途入社 クラウド・生成 AI 技術を中核とした DX 推進を 企画から設計・実装・運用まで一気通貫でリードする、エンジニア・マネージャー・プリセールス 数多くの AWS や Google Cloud を活用したシステム設計・開発・プロジェクトマネジメントを経験 2025年10月より KDDIアイレットの新事業「gaipack」に立ち上げメンバーとしてジョイン、プリセールスを主管 2
3. アジェンダ 01 AI 導入が「効率化」で止まる理由 02 AI ネイティブ再設計の全貌 03 Why gaipack? 04 まとめ・ Next Action
4. 会社紹介
5. 所在地 東京都港区虎ノ門１丁目１７番1号 虎ノ門ヒルズビジネスタワー29F 事業内容 AI インテグレーション・活用支援、 IT コンサルティング、システム開発、 運用保守、および AI 駆動開発の推進 資本金 7,000万円 設立 2003年10月 従業員 1,698名(2026年4月時点) 株主 KDDI株式会社100％ グループ会社概要 KDDIアジャイル開発センター株式会社 アジャイル開発事業および保守事業 株式会社フライウィール データおよび人工知能を活用した サービスソリューションの開発・提供 株式会社 ELYZA AIリサーチ＆ソリューション事業、 AI SaaS事業 株式会社 KDDIウェブコミュニケーションズ クラウド・ホスティング事業、ウェブ サービス事業、プラットフォーム事業 Scrum Inc. Japan株式会社 Scrum Inc.認定資格セミナーの開催、 組織変革コンサルティング
6. 取り扱いクラウド クラウドの歴史は、 KDDIアイレットの歴史 AWS や Google Cloud、Oracle 公認の技術力 AWS プレミアティア サービスパートナー プレミア パートナー – Sell および Service エン ゲージメント モデル 2013年6月より 2019年7月より Enhanced Oracle PartnerNetwork Program Level 2 2025年2月より 6
7. 取り扱いクラウド： AWS AWS プレミアティアサービスパートナー 2026 Japan AWS Top Engineers に15名選出！ 2026 AWS Ambassador Program - Agentic AI Specialization に1名選出！※国内で4名のみ AWS 認定資格保有数 は5,100件を突破！ 2024 Geo and Global AWS Partner Award で2部門を受賞！ ・Industry Partner of the Year – Auto and Manufacturing – APJ ・Industry Partner of the Year – Media, Entertainment, Gaming & Sports – APJ NEW 国内2社目となる AI サービスコンピテンシーを 2025年1月取得 7
8. ワンストップ提供 構想‧戦略策定から開発‧運⽤まで、⼀気通貫でご⽀援する体制を構築 構想・戦略策定 ・システム構想 / AI 実装方針 / 実行ロードマップ / ガバナンス策定支援 運用・保守 ONE STOP SOLUTION ワンストップ体制 ・サービス運用設計 / 安定運用 設計・開発・実装 ・要件定義 / 設計支援 ・監視保守 / 最適化支援 ・AI 駆動開発 /クラウド構築支援 ・テスト / 本番運用支援 あらゆるニーズに対応した 多様な周辺サービスをご用意
9. 導入実績 2,500 社超 4,300 プロジェクト超 10,000 台以上 運用・保守 ゲーム・ エンターテインメント 製造業 サービス 運輸・通信業 公共・教育機関 幅広い業種・業態のお客様へ、国内トップレベルの導入実績 9
10. ガバナンスへの対応 安心してご利用頂くため、第三者機関による認証を取得 情報セキュリティに対し万全の態勢 品質マネジメントシステム（ISO 9001） 情報セキュリティ国際標準（ISO/IEC27001） クラウド情報セキュリティ（ISO/IEC27017） クラウド個人情報保護（ISO/IEC27018） ITサービスマネジメントシステム（ISO/IEC 20000-1） 個人情報保護国際標準※ （ISO/IEC27701） ※KDDIアイレットが世界初の取得 金融レベルのセキュリティ監査レポート(SOC2)※ ※AWS上での受領としては KDDIアイレットが日本初 クレジットカード運用基準 （PCI DSS) 10
11. 1. AI 導入が「効率化」で止まる理由
12. 皆さんの会社で、 AI は 「効率化ツール」で止まっていませんか？ 議事録は一瞬で作れる。コードも AI が書ける。― で、事業は成長しましたか？ 議事録の要約 コード生成 事業の成長 売上は？ 開発速度は？
13. なぜ「効率化」で止まるのか ― 3つの壁 個人の壁 業務の壁 統制の壁 ツールを配って終わり、 使いこなしは個人任せ プロセスは人間前提のまま AI が働ける形になっていない リスクを「禁止」で止める 現場の活用が広がらない 13
14. AI の進化 ― 道具から「働き手」へ 2023 AIチャット 人が聞き、 AIが答える → 2024 RAG 社内情報を 参照して答える → 2025 AIエージェント 目標を与えると 自分で動く → 2026〜 エージェントチーム 複数のAIが協働して 業務を進める 14
15. 手法のトレンド ― 差がつくのは仕組みと文脈 プロンプト → 指示を磨く コンテキスト 情報の流れを設計 → ハーネス × オントロジー いま、ここ ハーネスエンジニアリング オントロジー AIが安定して成果を出せる 「作業の足場」 を組むこと。 手順・チェック・やり直しを仕組みに落とし、 人の腕前に頼らず品質を担保する 業務の言葉・ルール・関係を、 AIが読める 「業務辞書」 として資産化。 モデルが変わっても会社に残り続ける 15
16. ツールを入れても、業務が変わらなければ成果は「個人の時短」で止まる AI を事業成長につなげる鍵は、業務そのものの再定義 = AI ネイティブな再設計 AI ツールを入れるだけ AI に合わせ業務を再設計する 成果は「個人の時短」止まり 組織の成果 = 事業成長へ
17. 2. 自社業務を AI ネイティブに再設計した ドッグフーディングの全貌
18. 私たちは、自分たちで実際に試したことを サービスとして提供している 2025年10月の立ち上げから約1年、全業務で 自社運用 → 実証 → サービス化 ① 自社運用 ② 実証 ③ サービス化 毎日の業務で自分たちが使う 効果を数字で確かめる gaipackとしてお客様へ提供
20. 再設計した 5つの領域 自社業務を、まるごと再設計 1 開発 AIDD × コーディングエージェント で全工程を駆動 4 環境 IDP + クラウド型開発環境で ローカル作業撤廃 2 ナレッジ 3 GitHub正本管理 + AIブログを平日毎日公開 営業・バックオフィス Slack × AI、ベテランの 判断基準をスキル化 5 基盤 Skills（AIへの手順書）の自己進化ループ + 全AIを記録する観測基盤 20
21. AI 駆動開発（ AIDD: AI Driven Divelopment）とは？ AI が全工程をドラフト 人間は「判断」に集中 要件定義〜設計・実装・テストを生成 AI が70%を加速、人間が30%を判断 成果物は全てファイルに 「AI 任せ」にはしない 前工程の出力が、次工程の正確な入力に タスクを選び、仕組みで統制する 21
22. 開発：AIDD パイプライン ・全工程をエージェント + Skills で駆動 ・要件と受け入れ基準はPRD（Product Requirements Document） ・デザインの正本は DESIGN.md（AIが参照できる形に） ・失敗を制約化する「ループエンジニアリング」 ・成果物は全てファイルに残り、次工程の入力に
23. 実証：SkillCraft（自社運営・副業マッチング基盤） 従来想定 2〜3年 → 実績 約半年 20万行超・5フレームワーク混在のレガシーを全面リニューアル 体制は専任 3割・副業メンバー 7割の流動チーム 人が入れ替わっても品質が均一 ― 個人の腕前ではなく仕組みで作る 手動テスト週 40時間を大幅削減 テスト自動化と AI 駆動の品質ゲートで品質を担保 23
24. ナレッジ：あらゆる正本を GitHub に ・戦略からルール・研修教材まで一元管理 ・人も AI も「同じ正本」を参照して働く ・毎朝10時の「gaipack Live」を AI がブログ化 ・平日毎日ブログ公開、知見は正本へ還流 24
25. 営業・バックオフィス： Slack × AI 商談議事録・レポート 提案書・見積 AI が構造化し、次の一手まで整理 AI がドラフト、人は仕上げに集中 GitHub からサービス仕様を参照 デモ作成 判断基準のスキル化 AIDD で実際に動く成果物モックを作成 会長・営業本部長のペルソナ Skill で AI が次の一手や提案をレビュー。 社内のフロント営業組織へ展開中 25
26. 環境：「気をつけて使う」から「安全にしか使えない」へ ・統制は個人の注意力ではなく、基盤側で強制 ― 開発体験は変わらない ・クラウド型開発環境を自社で毎日業務運用 → 情報漏洩リスク最大99%減が設計目標（※目標値） 26
27. 基盤: プラットフォーム全体像 ― 使うほど賢くなる ・利用データがスキル改善に還流 ― ノウハウはオントロジー＝ “業務辞書 ”として組織に残り続ける 27
28. 失敗と学び ― だから「仕組み」に落とす 1 準備せず AI に頼りすぎた ― 要件定義の精度が低下 → 人のレビュー・承認ゲートを工程に固定 2 要件を想像で埋めてしまった ― ハルシネーション → 「迷ったら必ず TBD」を AI に徹底させる 3 インプットとレビューが粗いまま着手 ― リテイク頻発 → 資料の構造化・Markdown 化とレビューの徹底 28
29. 自社再設計の成果 自社サービス開発スピード 約4倍 ナレッジ発信 平日毎日 SkillCraft 実績（想定2〜3年 → 約半年） AI がブログを自動生成・公開 開発コスト 最大30%削減 運用保守費 最大60%削減 ※サービス設計目標値 ※サービス設計目標値 29
30. 冒頭の問い ― で、事業は成長したのか？ 再設計そのものが、 新事業になった 自社で磨いたプロセスが商品になり、 AI 時代の SI を切り開く新規事業に 現場の学び・観測データが、サービスを日々強化し続ける
31. ３. Why gaipack
32. Why gaipack? ― 選ばれる 3つの理由 実践の裏付け プロセス全体の連携 安心感 自分たちで実際に試したことをサービ ス化している AI・ハーネス・オントロジー KDDIグループ × AWS 最上位 × ISO/IEC 42001 三位一体の設計 32
33. AWS 上で動く技術基盤 開発 クラウド型開発環境 + コーディングエージェント AI Amazon Bedrock（gaibot / RAG / LLM の自動評価） 観測 全 AI 利用を OpenTelemetry で収集 → Databricks（AWS 上）へ蓄積・分析。「禁 止ではなく計測」の土台 運用 AWS DevOps Agent と エージェントを連携。検知 → 集約 → 自律調査 → Issue 起票 → 修正 PR まで自動化（適用は人がレビュー） 実績 AWSプレミアティアサービスパートナー / AI サービスコンピテンシー国内2社目 33
34. 実践知: イネーブルメント ― 研修から入る 1 題材は実際の案件ワークフロー リスキリング → ヒアリング → 提案書 → 要件定義 → デモ → PJ 計画書 → AI 実装 2 エンジニアだけのものではない ― 営業・プリセールス・PM・企画も「AI 駆動開発」ができる状態へ 3 AIと人間の役割分担を明確に AI が70%を加速、人間が30%を判断 34
35. 始め方: 課題から設計する「アプローチ」 1 STEP1 情報共有（無償） ― 課題と既存資産を共有 2 STEP2 AIデモ・ご提案（無償） ― ソースコード解析、モック 生成、仮想プロジェクト体験など 3 STEP3 研修 / PoC / 開発 ― 研修 → 伴走内製化 → 開発 と段階的に拡大可能 35
36. 導入後の典型的な進み方 ① STEP1-2 無償で体験 ② 研修から入る 課題共有 → AI デモ・ご提案 実案件をベースにしたワークフローで 「 AIDD の型」を体験 ③ 伴走内製化 ④ 組織展開 実業務を題材に、スキル化を伴走支援 基盤に載せて配布 ― 使うほど賢くなる 36
37. 4. まとめ・ Next Action
38. まとめ 1. AI が「効率化」で止まるのは、業務を再定義していないから 2. 私たちは自社で先に再設計し、実証した ― 自分たちで試したことをサービスにしている 3. その実践知は gaipack でそのまま使える ― 机上の空論ではない、生きたノウハウ ✓ 業務を再定義する ツール導入で終わらせず AIありきで組み直す ✓ → 自社で先に実証 自分たちで実際に試したことを サービスにしている ✓ → gaipackでそのまま使える 机上の空論ではない 生きたノウハウ 38
39. 明日からできる、 3つのこと 正本を集める 1業務をスキル化 禁止ではなく計測 業務ドキュメントを AI が読める場所に一元化 手順を AI に教えて 「誰でも同じ品質」を体感 まず観測できる状態を作り データで安全に広げる 39
40. Next Action ― まずは無料でお試しください ご相談は STEP1 情報共有 / STEP2 AIデモ・ご提案 まで 無償 です gaipack.ai サービスサイト・無料相談はこちら AIショーケース ブログ 実際に動く AIデモを体験 実践知を平日毎日発信 showcase.gaipack.ai gaipack.ai/blog 導入事例 サービス一覧 お客様の AI活用事例を紹介 3シリーズ・全 20種のサービス gaipack.ai/column gaipack.ai 40
41. Thank you