ABEMAにおける 生成AI活用の現在地 / The Current Status of Generative AI at ABEMA

Transcript

1. AbemaTV, Inc. All Rights Reserved
 AbemaTV, Inc. All Rights Reserved
 1 ABEMAにおける 生成AI活用の現在地 2025/8/21 Yuji Hato / Shunya Suga
2. AbemaTV, Inc. All Rights Reserved
 • ABEMAについて • 開発体制 • 活用推進と生産性 • 活用事例 • 生成AIとエンジニアリングの進化 • 生成AI活用の課題と打ち手 • AI時代におけるエンジニアの変化と育成 • 今後の展望 2 アジェンダ
3. AbemaTV, Inc. All Rights Reserved
 • ABEMAについて • 開発体制 • 活用推進と生産性 • 活用事例 • 生成AIとエンジニアリングの進化 • 生成AI活用の課題と打ち手 • AI時代におけるエンジニアの変化と育成 • 今後の展望 3 アジェンダ
4. AbemaTV, Inc. All Rights Reserved
 波戸 勇二 a.k.a. dekatotoro 株式会社AbemaTV Development Headquarters - Product Division Principal Product Engineer • 2011年中途入社。バックエンドの共通基盤開発、並行して AmebaのAndroid、iOSアプリの開発。 • 音楽ストリーミングサービス「AWA」の立ち上げに参画。 • 2016年から ABEMA のiOSアプリ開発に。同プロダクトにて iOS・AndroidチームのEngineering Managerとクライアント戦 略室室長を務める。 • 2024年からはPrincipal Product Engineerとしてプロダクト開発 のエンジニアリングの責任者に就任。 愛用 AI ツール : Claude Code, Cursor
5. AbemaTV, Inc. All Rights Reserved
 ABEMAについて 5
6. AbemaTV, Inc. All Rights Reserved

7. AbemaTV, Inc. All Rights Reserved
 ABEMAについて 7 登録不要で、いつでも無料で楽しめる 24時間365日編成されているリニア配信と 見逃した作品を好きなタイミングでオンデマンドでも楽しむこともできます。 国内最大級のオリジナルエピソード数 オリジナルエピソード数は国内発の動画サービスで日本No.1(※)を誇り、 注目の新作映画、国内外の人気ドラマ、話題のアニメなど豊富なラインナップの作品や、 様々な音楽や舞台のオンラインライブも展開。 ※2024年10月時点、自社調べ 100%プロコンテンツ サイバーエージェントとテレビ朝日 それぞれの強みを活かした制作体制で高品質なコンテンツを配信しています。 多彩なラインナップ 24時間編成のニュース専門チャンネルをはじめ、 オリジナルのドラマや恋愛番組、アニメ、スポーツなど、 多彩なジャンルの約40チャンネルを24時間365日放送しています。
8. AbemaTV, Inc. All Rights Reserved
 ABEMAについて
9. AbemaTV, Inc. All Rights Reserved
 ABEMAについて 2,771万 引用元: CyberAgent 2025 年 3Q 決算発表資料
10. AbemaTV, Inc. All Rights Reserved

11. AbemaTV, Inc. All Rights Reserved
 開発体制 11
12. AbemaTV, Inc. All Rights Reserved
 開発体制 PM Product Design Product Backend Web Browser Quality Engineering Mobile Android-ba sed TV Web-based TV Game Console Data Science Data Platform Data Enabling Content Engineering Content Delivery Broadcast Technology Streaming Client Cloud Platform Platform Backend Developer Productivity SRE Security DX Promotion Operation Strategy Product Platform Content Data Data Science
13. AbemaTV, Inc. All Rights Reserved
 開発体制 Monetize Growth 横断Projects PM Product Design Product Backend Web Browser Quality Engineering Mobile Android-ba sed TV Web-based TV Game Console Product Data Science
14. AbemaTV, Inc. All Rights Reserved
 プロダクト開発フロー 設計 企画 開発 テスト リリース 分析・検証 大きく3パターン • ビジネスの優先事項をもとに要件を整理した機能開発 • 仮説・分析・ユーザーフィードバックをもとにした改善サイ クル • プロトタイピングを元にした開発サイクル 仮説 プロト タイピング
15. AbemaTV, Inc. All Rights Reserved
 リリースサイクル Product Backend Web Browser Mobile Android- based TV Web-based TV Game Console 週一リリース 週一リリース 手動オンデマンドリリース 手動オンデマンドリリース 手動オンデマンドリリース Apple TV 手動オンデマンドリリース オンデマンドリリース ※一部手動オンデマンド
16. AbemaTV, Inc. All Rights Reserved
 技術スタック Infrastructure Google Cloud, AWS, Kubernetes, Akamai, Cloud CDN, Cloudflare, Terraform, Grafana, Prometheus, etc. Backend Go, MongoDB, AlloyDB, Bigtable, Firestore, Spanner, gRPC, Pub/Sub, BigQuery, etc. Web React.js, TypeScript, Jotai, React hooks, Tanstack Query, RxJS, Flux, Storybook, node.js, gRPC, Nginx, Fastly, webpack/Babel/PostCSS, etc. Android Kotlin, ExoPlayer, Jetpack Compose, Retrofit/OkHttp, Dagger Hilt, Gradle, Room, Clean Architecture, Kotlin Multiplatform, etc. iOS Swift, SwiftUI, Swift Concurrency, RxSwift/RxCocoa, Swift Package Manager, XcodeGen, SQLite, Realm, Clean Architecture, Kotlin Multiplatform, etc. Game Console C#, C++, Unity, UnityEngine, Nintendo SDK, PS4 SDK, Zenject, UniRx, R3
17. AbemaTV, Inc. All Rights Reserved
 ドキュメントツール 現状、統一的なドキュメントツールは定めておらず、チームや用途に合ったものを選んで使用してい ます。 esa.io Notion Google 仕様/マニュアルの 記述など プロジェクト/タスク 管理など 議事録、プロジェクト 管理など GitHub 仕様/設計/デザインシ ステム
18. AbemaTV, Inc. All Rights Reserved
 活用推進と生産性 18
19. AbemaTV, Inc. All Rights Reserved
 開発業務に携わるエンジニアに生成 AI に $200 を投資 2025/06/19 引用元: https://www.cyberagent.co.jp/news/detail/id=32077
20. AbemaTV, Inc. All Rights Reserved
 開発業務に携わるエンジニアに生成 AI に $200 を投資 引用元: https://www.cyberagent.co.jp/news/detail/id=32077 対象となるAIツール プログラミング支援AI、コードレビューAI、ドキュメント生成AI など、 開発業務に特化した生成AIツールが対象 ※対象ツールは社内の生成AI活用ガイドラインおよび各事業部のルールに準拠して選 定 サポート内容 ・一人あたり 月額 200米ドル までの費用を負担 　予算増額については事業部ごとに判断 ・効果的な活用方法に関するトレーニングやワークショップの開催 ・先行導入事例の共有とナレッジベースの提供
21. AbemaTV, Inc. All Rights Reserved
 エンジニアに限定せず、テク職 / ビジ職 / デザ職が AI ツールを業務利用できるように支援枠を 設けています。必要であれば、責任者の事前承認を得ることで追加の支援枠を利用できます。 エンジニアのベースは $200 必要性があればさらに支援！ 利用例 : $334/月 - ChatGPT $40 - Cursor $40 - Claude Max 20x $200 - Gemini Code Assist $54 AbemaTV 生成AI活用支援
22. AbemaTV, Inc. All Rights Reserved
 生成AI ツール 💬 テキスト生成 / LLM・プラットフォーム • Azure OpenAI Service • Amazon Bedrock • ChatGPT Enterprise • Gemini for Google Workspace • Claude API • Gemini in Looker • Vertex AI • … 💻 開発支援（IDE・エディタ・コーディング） • Claude Code • GitHub Copilot • Cursor • Windsurf • Gemini Code Assist • JetBrains AI • Apple Intelligence • … 🌐 業務効率化 • Google Notebook LM • DeepL Pro • Canva Enterprise • Wrike AI • LINE WORKS AiNote • Notion AI Enterprise (trial) • …
23. AbemaTV, Inc. All Rights Reserved
 🔎 確認中 • DeepWiki MCP Server MCPサーバー ☀利用 OK • ESA MCP Server • Honeycomb MCP Server • Figma MCP Server • JIRA MCP Server • Playwright MCP Server • Maestro MCP Server • Serena • BigQuery MCP • PipeCD Docs MCP ☁ 要整備 • hashicorp/terraform-mcp-server • googleapis/genai-toolbox • awslabs/mcp • Azure/azure-mcp • MicrosoftDocs/mcp • cloudflare/mcp-server-cloudflare • Firebase MCP Server • Atlassian Remote MCP Launch • elastic/mcp-server-elasticsearch • mongodb-js/mongodb-mcp-server • redis/mcp-redis • fastly/mcp • Datadog MCP Server • JetBrains/mcp-jetbrains • upstash/context7 • campfirein/cipher • …
24. AbemaTV, Inc. All Rights Reserved
 課題 利用したいAIツールがあっても確認先が不明で、野良の 利用やプロンプト共有の属人化が進み、ガバナンスとナ レッジ活用に課題。 アプローチ 各技術領域からメンバーを集め、専門チームを立ち上げ て、技術検証・評価 → 方針策定・環境整備 → 運用・ イネーブリング の流れを確立し、生成AI活用を全社的 に推進。 成果 利用可能なAIツールを明確化し、安全な利用環境を提 供。知見共有の仕組みを整備して属人化していた活用を 解消し、各技術領域でのAI活用を支援、横展開をスピー ドアップ。 AI推進 Team Generative AI Innovators Team Team Team Team Team Team Team 技術検証/評価 方針制定/環 境整備 展開/運用/ イネーブリン グ
25. AbemaTV, Inc. All Rights Reserved
 生産性 GitHubのCommit/PR/Merge数、変更行数やfourkeysなど定量計測もし ていますが本日は非公開になります 🙇
26. AbemaTV, Inc. All Rights Reserved
 生産性 - ツールはClaude Code, Esa MCPが 多く使われてる - 効率化を体感できているメンバー がほとんど 2025/07/22 ~ 2025/08/20 (※ 一部チームなので偏りあり) Pull Requestベースのアンケートによる定性評価
27. AbemaTV, Inc. All Rights Reserved
 活用事例 27
28. AbemaTV, Inc. All Rights Reserved
 活用事例 - コンテンツ制作を最適化 https://speakerdeck.com/cyberagentdevelopers/ca-dot-ai-number-1-abema-nokontentuzhi-zuo-wozui-shi-hua-sheng-cheng -ai-x-kuraudoying-xiang-bian-ji-sisutemu
29. AbemaTV, Inc. All Rights Reserved
 活用事例 - コンテンツ制作を最適化 https://speakerdeck.com/cyberagentdevelopers/ca-dot-ai-number-1-abema-nokontentuzhi-zuo-wozui-shi-hua-sheng-cheng -ai-x-kuraudoying-xiang-bian-ji-sisutemu 放送終了
 文字起こし 依頼 オフィス クラウド 制作会社 受領 文字起こし 納品 受取 記事制作 記事投稿 2, 3時間 30分 Before
30. AbemaTV, Inc. All Rights Reserved
 活用事例 - コンテンツ制作を最適化 https://speakerdeck.com/cyberagentdevelopers/ca-dot-ai-number-1-abema-nokontentuzhi-zuo-wozui-shi-hua-sheng-cheng -ai-x-kuraudoying-xiang-bian-ji-sisutemu 放送終了 オフィス 制作会社 文字起こし 生成 30分 クラウド 記事生成 2,3分 確認 / 修正 記事投稿 after
31. AbemaTV, Inc. All Rights Reserved
 活用事例 - レコメンド活用メタ生成 課題 新作や視聴ログの少ない番組はレコメンドしにくい。 アプローチ 番組データを生成AIでメタデータに変換。 ベクトル検索で「近しい番組」を見つける。 成果 コンテンツベースのレコメンドを実現。 ユーザーが新たな番組に出会える機会を拡大。 新作でも素早くレコメンド可能に。 生成AI＋ベクトル検索で番組レコメンドを進化
32. AbemaTV, Inc. All Rights Reserved
 活用事例 - 社内ナレッジ検索・自動応答 課題 社内ナレッジを素早く参照できない。 アプローチ 全文検索 + ベクトル検索のハイブリッドで関 連度の高いドキュメントを取得し質問文と関 連文書を組み合わせてSlack ボットを通じて 回答。 成果 社内ナレッジに基づく精度の高い素早い自動 応答を実現 ベクトル検索＋LLMで社内ナレッジ検索支援
33. AbemaTV, Inc. All Rights Reserved
 課題 E2E の自動化とテスト項目管理が分離しており、 テスト資産の一貫性や再利用性が低かった。 アプローチ 従来のテスト項目書を 生成 AI で分類・シナリオ 化。YAML 形式に変換し、Git で管理できるよう に統一。 成果 テスト項目書の SSOT化。Maestro や AI エージェ ントといった自動テストツールで活用できる共通 データを構築してテスト設計と自動化の断絶を解 消。 活用事例 - テスト項目書のシナリオ化 テスト項目書 シナリオ Yaml形式 Git管理 テスト設計と自動化をつなぐ共通データ化
34. AbemaTV, Inc. All Rights Reserved
 課題 従来のE2E テストは UI変更に弱く、安定性の確保が難し い。シンプルなAIエージェントだと、複雑なシナリオが 難しい。 アプローチ シナリオ分解と依存管理で AI を制御。 UI／コード両対応で QA と開発が協働。 マルチプラットフォーム対応 & 自己修正機構。 成果 数分で AI テスト開始が可能に。 壊れにくいシナリオテストを実現。 信頼性・再現性が向上。 活用事例 - AI Agent Testing Framework https://github.com/takahirom/arbigent https://speakerdeck.com/takahirom/arbigent-test-by-ai-agent-ff262ea0-4da4-40b3-a34a-6d19afe6447 e?slide=6 AI Agentによるシナリオテストの自動化
35. AbemaTV, Inc. All Rights Reserved
 課題 バグチケットの起票に多くの時間がかかってお り、精査やエンジニアとのやり取りに工数がか かっていた アプローチ JIRA のデータをベクトル化し、検索可能な データベースとして構築しRAGを用いて類似不 具合の検索、過去のナレッジ参照、チケット起 票プロンプトによる半自動化。 成果 不具合の精査、バグチケットの起票プロセス効 率化。 活用事例 - QAプロセスの効率化 https://learn.microsoft.com/ja-jp/azure/search/retrieval-augmented-generation-overview?tabs=docs#cu stom-rag-pattern-for-azure-ai-search ベクトル検索＋LLMでバグ精査・起票を支援
36. AbemaTV, Inc. All Rights Reserved
 課題 コンテンツ依存のスパイクに対して、適切な HPA 上 限値設定の試算に工数がかかっていた。 アプローチ 予測リクエストに対するキャパシティプランニング を、本番環境を用いた負荷試験に対して Honeycomb MCP で実施し、適切な HPA の上限値 をレポート。 成果 HPA 上限値を定量的な根拠をもって設定できるよう になった。さらにキャパシティープランニングにか かる工数を削減し、チーム全体の運用効率を向上。 活用事例 - SRE キャパシティプランニング支援 ※ 各数値は実際とは異なります
37. AbemaTV, Inc. All Rights Reserved
 課題 障害時の情報共有が複雑化し、コミュニケーション に時間がかかる。障害報告書の作成の負担が大き い。 アプローチ 障害ごとに専用 Slack チャンネルを自動生成する Warroom を導入し、生成 AI によりログや会話を要 約してリアルタイムに共有、さらに報告書のドラフ トを自動生成。 成果 障害発生時の 情報共有スピードが向上し、関係者が 素早く状況を把握可能に。 活用事例 - 障害対応 ※こちらは生成AIにつくってもらった仮の障害です 障害対応の効率化
38. AbemaTV, Inc. All Rights Reserved
 課題 PM 業務において PRD・仕様書作成や分析クエリなど幅広 く、ドキュメント作成や分析に多くの時間を要している。 アプローチ 簡易スクリプトや分析クエリの生成、PRD や仕様書の初稿作 成も生成AIを活用。さらにコードリーディングやシステム探 索にも AI を取り入れ、調査や理解を効率化。 成果 PRD や仕様書の作成スピードが向上し、分析クエリやレポー ト生成も効率化され、レビューや意思決定により多くの時間 を割けるようになった。 活用事例 - PM領域での活用 PMチームがよく使うツール システムに関する質問 コードリーディング・探索活用 PM領域の業務効率化
39. AbemaTV, Inc. All Rights Reserved
 生成AIとエンジニアリングの進化 39
40. AbemaTV, Inc. All Rights Reserved
 過去 ~ 現在 (ざっくり) • 2022 ◦ LLM: GPT-3.5 ◦ Tool: GitHub Copilot • 2023 ◦ LLM: GPT-4/Turbo, Claude 1/2 ◦ Tool: Cursor (AIネイティブIDE) • 2024 ◦ LLM: GPT-4o, Claude 3/3.5, Gemini 1.5 ◦ Tool: Devin, Cline (VS Code拡張・自律エージェント), Windsurf ◦ MCP: 公開（Anthropicが11月に発表・OSS化) • 2025 ◦ LLM: GPT-4.1/5, Claude 3.7/4, Gemini 2.0/2.5 ◦ Tool: Claude Code, Gemini CLI, Codex （CLI エージェント型） ◦ MCP: 主要ツールに実装され、業界標準として定着
41. AbemaTV, Inc. All Rights Reserved
 現在 • 生成AIが当たり前に ◦ RAG / Small LM / On-device LLM (Apple Intelligence、Gemini Nanoなど) が「実 運用フェーズ」へ • 個人からチームへ ◦ 個人支援から、AIチームアシスタント・エージェントがプロジェクト全体を回す段階 へ • 基盤整備のフェーズ ◦ AIエンジニアリング（セキュリティ・権限・モニタリング） ◦ ModelOps（モデル更新・監視・廃止の標準化） • AI対応データ・コンテキスト整備の重要性 ◦ データ整備が競争力に直結 ◦ コンテキストエンジニアリングが重要性が増す • AIネイティブ開発初期フェーズ ◦ 設計・コーディング・テストまで人と協調して半自律的に進める ◦ 「AI前提の開発スタイル」 が現実化
42. AbemaTV, Inc. All Rights Reserved
 • モデル精度向上、コンテキストの拡大 ◦ 複雑な工程や大規模リポジトリを理解し、設計・実装支援がさらに高度化 • 軽量・分散モデル (Small / Distilled / On-device) 活用 ◦ コスト低下・高速応答・リアルタイム常時稼働が可能に ◦ 大規模モデルは高度推論、軽量モデルは常駐軽量タスクなど役割分担 • マルチエージェント化 ◦ 担当領域やドメイン、企画／設計／実装／QA／運用などの役割ごとにAIが協調 ◦ チーム単位で開発を回す「AI開発組織」へ • 長期記憶サポート ◦ 永続メモリやプロファイル学習でエージェントが高度化 ◦ 全体の文脈を継続的に理解し任せられる仕事が拡大 見えている未来
43. AbemaTV, Inc. All Rights Reserved
 ポイント 生成AIの進化は 想定以上に速い 「正解」や「安定解」はまだ存在しない キャッチアップし続けることが前提 素早く学び、小さく試し、成功を広げる文化が重要
44. AbemaTV, Inc. All Rights Reserved
 • ABEMAについて • 開発体制 • 活用推進と生産性 • 活用事例 • 生成AIとエンジニアリングの進化 • 生成AI活用の課題と打ち手 • AI時代におけるエンジニアの変化と育成 • 今後の展望 44 アジェンダ
45. AbemaTV, Inc. All Rights Reserved
 菅 俊弥 Suga Shunya 株式会社AbemaTV Development Headquarters - Product Division Senior Software Engineer 2021 年新卒入社。「ABEMA」 に参画し、大規模スポーツイベント 用の新機能開発や検索基盤のリプレイスなどに携わる 2024 年より Backend チームの Engineering Manager を務める。 愛用 AI ツール : Claude Code
46. AbemaTV, Inc. All Rights Reserved
 このパートで話すこと ABEMA での生成 AI 活用を現場の EM 目線で話します • 実際のサービスでの活用事例 • 活用した上での課題やその打ち手 • AI 時代におけるエンジニアの変化や育成 • 今後の展望 トライアンドエラーで進めていることもあり、どんどん変化していっているので こんな考え方もあるんだみたいな感じで見てもらえると
47. AbemaTV, Inc. All Rights Reserved
 AI 活用の課題と打ち手 47
48. AbemaTV, Inc. All Rights Reserved
 生成 AI 活用事例 • ニュース下書き/ハイライト生成の自動化 • レコメンド活用メタ生成 • 社内ドキュメントの RAG プロダクト活用 日常業務 実用化 実験中 • QA 効率化 • Claude Code を活用した障害調査 • AI Agent Testing Framework
49. AbemaTV, Inc. All Rights Reserved
 生成 AI 活用の課題 組織として AI を活用していく上での課題 • ドキュメントの分散・品質のばらつき • アウトプットの品質の不安定さ • コンテキスト設計の難しさ
50. AbemaTV, Inc. All Rights Reserved
 ドキュメントの分散・品質のばらつき 仕様や要件がそれぞれの場所に散らばっていて、AI に渡したい情報をすぐに取り出せない 品質にばらつきがあってうまく使えない GitHub へタスク・仕様を集約、MCPで抽出可能に
51. AbemaTV, Inc. All Rights Reserved
 アウトプットの品質の不安定さ 活用する上で品質の不安定さやハルシネーションが課題 マーチン・ファウラーの指摘 • 新たな抽象化のレベル（new level of abstraction） • 非決定性（non-determinism） AI は強力だが再現性がなく不確定要素が多い レビューや Human-in-the-Loop 最終品質を担保
52. AbemaTV, Inc. All Rights Reserved
 コンテキスト設計の難しさ コンテキスト設計における4つの戦略 LangChain が出しているコンテキスト エンジニアリングの手法 • 記述 (Write) CLAUDE.md に設計・アーキテクチャ構造を記録 • 選択 (Select) 必要な部分を選び出してコンテキストに投げる • 圧縮 (Compress) MCP を活用して要点のみに • 分離 (Isolate) 不要な文脈は切りだす LLMのコンテキストは有限なため、情報を詰め込むとノイズが混ざり結果が不安定になる
53. AbemaTV, Inc. All Rights Reserved
 AI 時代におけるエンジニアの変化や育成 53
54. AbemaTV, Inc. All Rights Reserved
 変わったこと（楽になった・広がった） 楽になったこと • MTGの文字起こし → 議事録作成 • メールや文章の添削 • コードの自動生成 • 調査・要約などの時間削減 広がったこと • 生成AI の膨大な知識によるキャッチアップの速度や幅の広がり • 違う職種や領域への挑戦 • 個人の生産性の底上げ 生成 AI によって日常業務が楽になり、挑戦の幅も広がった
55. AbemaTV, Inc. All Rights Reserved
 差が出てきている部分 私の考えるプロダクト開発における AI 活用の 3 レベル レベル 1 ：部分的活用 テストやサンプルコード生成など、断片的に使う。 レベル 2 ：タスク全体活用 タスクを構造化（調査 → 設計 → 実装）し、生成 AI と伴走しながら成果物を作る レベル 3 ：知識資産化 + 改善ループ タスクで得た要点や意思決定を整理し、再利用可能なナレッジへ昇華
56. AbemaTV, Inc. All Rights Reserved
 差が出てきている部分 活用レベルの違いが成果や成長に差を生んでいるように感じる • タスク全体を設計し、生成AI と伴走しながら成果物を作れるか • ナレッジ化して改善サイクルを回せるか ここでエンジニアの成長や組織の進化に 大きな差 が生まれると考える
57. AbemaTV, Inc. All Rights Reserved
 育成をどうしていくか 個人育成 • 生成 AI を活用して学ぶ • 基礎力だけでなく タスク分解、構造化する力 を育てる チーム育成 • 個人の活用をナレッジ, ドキュメントとして残すフローを設計 • 成果や学びをシェアする仕組み • 再利用できる仕組みを作ることを評価指標に組み込む
58. AbemaTV, Inc. All Rights Reserved
 今後の展望 58
59. AbemaTV, Inc. All Rights Reserved
 展望 • 個人の知識から組織の資産へ • 急速な進化への対応 • エンジニアの役割の進化 • 未来に備える視点
60. AbemaTV, Inc. All Rights Reserved
 個人の知識から組織の資産へ • 個人の活用を知識ベース, ドキュメントとして残すフローを設計 • 成果や学びをシェアする仕組み ナレッジが循環し、再利用・改善のスピードが加速する
61. AbemaTV, Inc. All Rights Reserved
 急速な進化への対応 正解を待たず、常に試行錯誤 成果と失敗を共有し、改善を続ける モデルは変わっていくが エンジニアとして求められる能力（基礎力やタスクの構造化力）は 大きく変わらないはず。。 変わるもの・変わらないものを見極めることが大事
62. AbemaTV, Inc. All Rights Reserved
 エンジニアの役割の進化 エンジニア • ビジネス課題を翻訳し、形にする力 • 基礎力＋課題発見力 特に大規模・サイロ化された組織では翻訳・橋渡し役としての重要性が高まると考える エキスパート まだ世の中的にナレッジがないような問題を解決する人
63. AbemaTV, Inc. All Rights Reserved
 未来に備える視点 見えている未来 • モデル精度向上 • コストの低下 • 長期記憶・コンテキスト保持 • マルチエージェント化 だからこそ考えるべきこと • ナレッジ活用化の構造 • コンテキストエンジニアリング • ナレッジ設計への投資
64. AbemaTV, Inc. All Rights Reserved
 まとめ • AI 活用は 部分的な利用 から 成果物を共創し、ナレッジを循環させる 段階へ • 個人の知識を組織の資産に変えることで、成長と改善のループをを回す • 試行錯誤と共有が力になる • エンジニアは ビジネスの翻訳・橋渡し役 として、基礎力＋課題発見力を磨くことが重要 • 未来に備え、ナレッジ活用の構造をつくる