Share
Embed
Transcript
27 slides
-
自己紹介 福田 大賀 / Taiga Fukuda GitHub: FukTig X: RCTectoy
略歴 2012年から京都で自治体向けパッケージ開発に従事 その後2017年から株式会社フェズへ JOIN アプリケーション開発からスタートし、データ連携基盤 /分析基盤の立ち上げ に伴いデータエンジニアへ。 現在は、データ基盤グループのマネージャーをしつつデータ活用・ AI活用に 取り組んでいます。 FEZ Inc. All rights Reserved. 2 -
会社概要 会社名 株式会社フェズ 代表者 代表取締役 赤尾 雄司 設立 2015年12月3日 社員数
158名(2026年7月現在) 事業内容 リテールメディア事業等 本社所在地 東京都港区西新橋一丁目 2番9号 日比谷セントラルビル 6階 資本金 351百万円(2026年6月末現在) グループ会社 株式会社ファイブシーユー 株式会社ストアギーク トレマ株式会社 会社フェーズ 未上場 事業・組織拡大期 -
事業内容 リテールデータプラットフォーム「 Urumo(ウルモ)」を中心に、 広告×販促×店頭ソリューションをワンストップで提供 購買データを元に、 ニーズに最適な広告を届ける 生成 AIの力で専門知識なし で購買データの活用を実現 広告
データ利活用におけるセ キュリティ対策を支援する 統合データ グループ・合弁会社と連携し、 売場にもアプローチ FEZ Inc. All rights Reserved. • 購買データ • 商品データ • 位置情報データ 店頭 販促 アプリ販促支援 -
フェズの特徴 フェズの特徴① データの量・質・活用 (複数小売様データの統合・事業化) 複数の小売企業様からの信頼のもと、業界の先駆けとして購買データを預けていただき、 企業ごとに異なるフォーマットを統合することで、市場全体を捉えられるデータの価値を創造。 業界最大規模のデータ量、デジタルメディアのデータと接続できるよう適法に収集されていること(質)、 データを活用/事業化できる技術力(4つの特許を取得)がフェズの大きな特徴です。 包括的な マーケティング
DXサポート 業界トップクラスの第三者提供許諾済み ID数 を元に統合データを作成 1,700 万 ID 小売への深い理解 による信頼の獲得 FEZ Inc. All rights Reserved. ドラッグ ストア スーパー マーケット ホーム センター 様々なメディアへ データ接続・活用可能 6 -
フェズの特徴 フェズの特徴② Win-Win-Winを実現するビジネスモデル 小売企業様へは DXコンサル/実装ご支援に加え、お預かりしたデータやメディア面で メーカー様向けの付加価値を創出。それを元にデータ / メディアフィーを還元。 Win-Win-Winのビジネスモデルを確立しています。 データ
/ リテールメディア 活用ご支援(小売DX) コンサル/実装フィー 小売 データ / リテール メディア面の提供 購買データを用いた マーケティングの最適化支援 メーカー メーカー ソリューションフィー データ / メディアフィー ※ソリューションフィーを元に還元 FEZ Inc. All rights Reserved. 7 -
フェズの特徴 フェズの特徴③ グループ会社・合弁会社を通じ、店頭でのマーケティングも支援 フリークアウト HD社との合弁会社 メーカーの営業担当者様に代わって ドラッグストアやコンビニ、スーパー等の店頭を巡 回、 商品陳列を行い、売上向上を支援 FEZ
Inc. All rights Reserved. 商品購入直前の瞬間に訴求できる デジタル広告「ストアギークサイネージ」を開 発・提供 「トレードマーケティング」に関する企業研 修やコンサルティングサービスを提供 8 -
Urumo全体感 顧客軸/商品軸 Urumo BI 分析/探索 機能 抽出/連携 機能 1st Party
Data メディア軸/マーケティング軸 データ基 盤 Urumo 購買Data 3rd Party Data FEZ Inc. All rights Reserved. RMN 分析/探索 機能 Ads Manager 広告/販促 機能 9 -
制度やAIの利用状況 • • 会社全体 ◦ Googleワークスペースでの Gemini ◦ その他部署ごとに ChatGPT/Claudeを利用
開発部門 ◦ • 開発側以外でも 知見を持ち寄る AI MeetUp の社内開催も! 個人のAI活用 3万円/人/月 データ基盤 ◦ ◦ FEZ Inc. All rights Reserved. チームで持っている研究開発費 ▪ Devin ▪ CodeRabbit 上記個人ごとの予算 ▪ ClaudeCodeを主 ▪ Codexもクロスレビューや障害時の代替として利用 11 -
開発の実働は AIへ、人はより上流へ(シフトレフト) 人が開発するにしろ、 AIが開発するにしろ、 要求・要件をしっかりまとめることが質の高い成果物・取り組みの土台です。 • サービスや業務の側での言語化 — 何が必要で、何をやってはいけないかを明らかにする •
業務側からの依頼やヒアリングに加えて、開発側が業務・運用に染み出して 言語・課題の明確化を行う動きへ — エンジニアに求められる動きがスライドしてきている • 開発の実働が AIで代替されたことで、人はより関与すべき上流工程へ(=シフトレフト) FEZ Inc. All rights Reserved. 12 -
今年に入ってからの取り組み 4月:AI環境整備について 6月:整備状況の拡大について 今回:その後どう歩みを進めているかを紹介します データ基盤での環境整備 - モノレポ化 - docs整備 -
AGENTS.md / Skills / Agentの拡充 - AI活用をベースとしたプロセスの見直し など FEZ Inc. All rights Reserved. 13 -
コンテキストは古くなる・肥大する AGENTS.md / Skills / Agent / Docs / ADR…
とコンテキストを整備しても、 コードは日々変わり、コンテキストは人が意識して更新しないと変わらない。 (個人の範囲内で学習・メモリ記憶されるに留まる) • 「変更した人が必要に応じてドキュメントを更新」 →漏れる • AIでコード変更が増える →乖離が加速する • 頑張ってコンテキストを積み上げ続ける →コンテキストが肥大しコンテキストウィンドウを圧迫 AIのために整備したコンテキストが、 AIをミスリードし始める FEZ Inc. All rights Reserved. 18 -
コンテキスト更新を開発プロセスに組み込む 人の善意に頼らず、 仕組みとして コンテキストを更新するプロセスを構築します。 設計のポイント: • 何をコンテキストとして扱うか • いつ更新するか •
AIに何を判断させるか、人がどこをレビューするか • 更新対象が複数になる場合は、複数の更新プロセスに分ける FEZ Inc. All rights Reserved. 19 -
コンテキストの循環を作る Context as Code コンテキストを「 AIのための補助資料」ではなく、開発を成立させるための資産として、 同じリポジトリ内に蓄積( docsやagentのスキル定義)し各所で参照 • AI
Coding Agent • 人間のレビュー • オンボーディング • 障害対応 / 設計 / 開発意思決定(背景把握) など FEZ Inc. All rights Reserved. 21 -
今後の取り組み データ基盤の開発のために整備したコンテキストを、 データ利用/システム開発の「コンテキストレイヤー」として事業へ広げていく ① コンテキストを開発以外へ提供する • 開発用に整備してきたオントロジー /コンテキストを、データ利用者にも提供 • ナレッジグラフなどへ拡張し、コンテキストの更新性・参照性を高める
② 小さく始めて、ビジネス側へ広げる • まずはデータ利用・開発に近い領域から着手 • 効果を確かめながらビジネス側のユースケースへ拡張 ③ 事業のコア資産として積み上げる • データの拡充も予定。データ ×コンテキストを事業のコア資産に • コンテキスト整備を、ビジネス拡大に向けた「加速装置」にしていく (予定) FEZ Inc. All rights Reserved. 22 -
まとめ • AIに大きな単位で仕事を任せるほど、AIの能力以上に「渡すコンテキスト」が開発品質を左 右する • ただしコンテキストは作って終わりではない ◦ • コードの変化に置いていかれ、古くなり・肥大化してAIをミスリードし始める 人の善意に頼らず、仕組みとして更新する
◦ コンテキスト更新を開発プロセスに組み込み、AIが更新・人が承認する • コンテキストをコードと同じリポジトリで循環させる(Context as Code) • 今後はデータ基盤の「コンテキストレイヤー」として事業へ 広げていく FEZ Inc. All rights Reserved. 24