Share
Embed
AI社員からAI組織のフェーズへ〜チーム単位でのAI活用の可能性〜
統合データ管理・高精度RAG・ワークフローを備えたAIエージェント開発プラットフォーム「JAPAN AI STUDIO」を用いて、要件定義テンプレートで品質とスケール性を確保する実践を共有。
個人利用から組織活用へ移行するための技術・組織設計の要点をまとめています。
GENIEE
September 25, 2025
Transcript
19 slides
-
自己紹介 プロダクトマネージャー 株式会社ジーニー JAPAN AI事業部PdM部リーダー 2022年4月に入社。テクノロジー戦略室のデータチームで「GENIEE DATA CONNECT」の開発に携わる。 2023年7月からJAPAN AI株式会社へ出向し、10月よりエンジニアからPdMに転身。現在はJAPAN
AI PdM 部リーダーとして「JAPAN AI AGENT」をはじめとした主要プロダクトの開発・設計を牽引んしている。 / Yoshiyuki Kubota 久保田 善行 -
CONFIDENTIALCopyright © JAPAN AI, Inc. All Rights Reserved. 4 会社概要|株式会社ジーニー/JAPAN
AI株式会社 社名 JAPAN AI株式会社 URL https://japan-ai.co.jp/ 設立 2023年4月14日 住所 〒163-6006 東京都新宿区西新宿6-8-1 住友不動産新宿オークタワー5/6階 TEL 03-5909-8181 / FAX 03-5909-8182 資本金 2,000万円(2023年5月末現在) 事業内容 ・AI導入コンサルティング ・AIを活用したプロダクト開発・販売 ・法人用自然言語AIチャットボットの提供 ・AIの研究開発 社名 株式会社ジーニー URL https://geniee.co.jp 設立 2010年4月14日 住所 〒163-6006 東京都新宿区西新宿6-8-1 住友不動産新宿オークタワー5/6階 TEL 03-5909-8181 / FAX 03-5909-8182 資本金 1,553百万円(2025年3月末現在) 従業員数 877名(連結、2025年3月末現在) 事業内容 広告プラットフォーム事業、マーケティングSaaS事業、海外事業 上場市場 東京証券取引所グロース市場(2017年12月18日) グループ会社 CATS株式会社(日本) JAPAN AI株式会社(日本) ソーシャルワイヤー株式会社(日本) Geniee International Pte., Ltd.(シンガポール) Geniee Vietnam Co., Ltd.(ベトナム) PT. Geniee Technology Indonesia(インドネシア) PT. Adstars Media Pariwara(インドネシア) Zelto,Inc.(米国) AdPushup Software India Pvt Ltd.(インド) 【P マーク取得済み】 当社は「プライバシーマーク(Pマーク)」 使用許諾事業者として認定されています。 【Google Cloud Build 認定パートナー】 ジーニーはGoogle Cloudと統合されたソリューション、 もしくはGoogle Cloud上で実行されるソリューション開発に 十分な実績を持つパートナーとして認定されています。 【Financial Times社発表のアジア成長企業ランキング2020受賞】 JAPAN AI株式会社は東証グロース上場企業の戦略的グループ会社です -
CONFIDENTIALCopyright © JAPAN AI, Inc. All Rights Reserved. 7 ビジネスシーンにおける生成AI活用に必要な機能を
ワンプラットフォームで提供 法人GPT データ連携 RAG プロンプトテンプレート マルチLLM対応 1 2 3 4 5 会議文字起こし 議事録作成 話者分離 会議システム連携 SFA連携 1 2 3 4 5 3 1 2 営業支援 マーケティング支援 社内FAQ、問い合わせ応答 標準搭載エージェント オリジナルのAI社員作成機能 1 2 3 4 5 自社開発の高精度RAGを搭載した 法人向けAI CHATプラットフォーム 日本語文字起こし精度94%以上の AI音声取得・議事録生成ツール 自律的にタスクを実行する『AI社員』を 簡単に作成できるAIエージェントプラットフォーム -
個人のAI活用の進展 ChatGPT、Gemini、Genspark等 AI ツールを使って、個人の生産性は確実に向 上した。 うまくAi扱える人とそうでない人との差が開 いていく。 チーム、組織での活用 個別最適に留まってしまう。データが分散・ 孤立している。チーム全体に必要なコンテキ
ストを AI が理解できない。そして、組織レ ベルでスケールしない。 現在の AI 活用には大きな限界 1 2 チームでのAI活用課題 -
STUDIO 統合的データ管理 チームや組織でAI活用にフォーカスしたAIエージェント開発のプラ ットフォームです。 プロジェクトを中心の統合環境として、AI エージェント、データ、 ナレッジ管理、ワークフロー、外部連携を一元化しました。 STUDIO 製品紹介 組織
スケール 再利用可能な 基盤 3つのポイント ※画像はイメージです -
技術要点 MCP外部連携 統合的なデータ管理により、エージェント の出力も資産化されます。 これにより、データの一元管理と効率的な 活用が可能となります。 (テーブルデータ、エージェントメモリ、 RAG、プロンプト 等) 統合コンテキスト
管理 MCPやさまざまなエージェントツール 連携を通して分散した情報を一箇所に 集めます。 日本企業向けの多くのツールと連携可 能です。 ワークフロー、 定期実行 ワークフローで自動化を行えるようにした り、長時間のタスクの実行を実装していま す。 これにより、複雑な業務プロセスの効率化 が可能です。 高精度なRAG マルチモーダル 高精度RAG(Retrieval-Augmented Generation)を標準装備しています。 用途に応じてカスタマイズすることも可能 です。 以下のデータや機能にとAIエージェントが密に連携し、最適なアウトプットを出します。 -
AIコーディングの恩恵と課題 恩恵 ・ジュニアエンジニアの生成した 大量のコードレビュー ・AIが実装した意図が不明なコー ドの増加 ・負担の局所化による品質基準の 変動/低下 課題 ・コーディング速度の大幅な短縮
・不確定要素の検証速度の向上 ・キャッチアップ時間の短縮 JAIのエンジニア組織 AIを使うことで、、 -
Kiroインスパイアの取り組み Kiroプロジェクトから着想を得た革新的な アプローチ ・ requirements.md (要件定義) ・ design.md (技術設計) ・
task.md (実装タスクリスト) Spec作成 JAIのエンジニア組織 -
JAPAN AIチームでの実践 requirements.mdのテンプレートで、 User Story および Acceptance Criteria (受け入れ基準)を記載 Business
contextやTerminologyなどの要素も追加 → Claudeの`/spec`コマンドで作成したrequirementsから design.mdの叩き台を生成 ## Overview ### Business Context - **Problem Statement**: [What problem does this solve?] - **Target Users**: [Who will use this feature?] ## Terminology ## Requirements ### Descriptive Requirements ### User Stories [Component/Module Name] WHEN [trigger/condition] THE SYSTEM SHALL [action/behavior] [AND additional actions if needed] WHEN [error condition] THE SYSTEM SHALL [error handling behavior] ## Acceptance Criteria ### Functional Criteria - [ ] Specific, measurable outcome - [ ] User-facing behavior that must work ### Non-Functional Criteria - [ ] Performance: [e.g., blocking v.s non-blocking consideration] - [ ] Security: [e.g., All inputs sanitized, privacy issue] - [ ] Accessibility: [e.g., fallback when failure or rate limit etc.] JAIのエンジニア組織 -
一貫性のある要件定義フォーマット により漏れや重複を防ぎレビューし やすい体制に → 文書をレビューし、実現しようと していることに問題がないか確認 → 意図しない入力値に対する挙動が 考えられているか 人間主導の思考
要求と技術の分離 要求と業務要件と明確に区別 それぞれに適した思考プロセスを適 用 → その機能の追加はユーザーのどの ような課題を解決するのかの次に技 術的な実現方法や制約を把握する 構造化テンプレート Spec作成の基本原則 未知の要素の調査にAIを利用しつつ もRequirementsの部分は必ず人間が考 える → 意図のわからない実装を排除 → Acceptance Criteriaをレビューし実 装後にテストと照合できる JAIのエンジニア組織 -
エンジニアとしての実装力を上げる ために、実装に手をつける前に考え るべきことを学習 実装力だけでなく課題解決に必要な スキルを習得 本来プロダクトマネージャーが考え るべき領域の一部をシニアエンジニ アに任せられるようになることで、 顧客の課題の収集や、現在のプロダ クトの課題発見、プロダクトの目指
す方向性について考える時間を取る ことができるようになる ジュニアエンジニア シニアエンジニア PdM エンジニア自身が、プロダクトが成 功するために解決するべき課題や、 機能について考える時間を確保でき るようになる 実感している効果 JAIのエンジニア組織