プロダクト開発組織の現在地（Ver.2026/07） / product-organization

株式会社カオナビのプロダクト開発組織に関する資料です。

Transcript

1. <#> プロダクト開発組織の現在地 Ver. 2026/07 1
2. <#> 個⼈のタレントマネジメント … P.04 採⽤管理 … P.08 労務管理 … P.07 認証基盤 … P.13 権限設計の整理‧柔軟化 … P.14 AIの利⽤を前提とした データ構造への移⾏ … P.11 AI … P.06 組織‧チームの状態分析 … P.05 プロダクトデザインの 取組み … P.12 ⼤規模顧客に耐えうるデータ構 造への刷新 … P.10 AIを利⽤した 開発プロセスの確⽴ … P.18 DevOpsの強化 … P.17 検索基盤の強化 … P.15 継続的なバージョンアップの仕 組みづくり … P.18 2
3. <#> プロダクトの将来像 3
4. <#> プロダクト開発の将来像 個⼈のタレントマネジメント トロフィー LIVEモニター ⾃⾝の⽬標に向けて確実に ステップアップしている様⼦。 (機能：スマートレビュー) 街の⼈の喜んでいる姿、困っている姿を キャッチアップすることで顧客に伴⾛する開発 に繋げることができる。 タレントマネジメントシステム「カオナビ」は、個人の能力の可視化、 コンディション変化の察知、目標設定から振り返りまでの AIによる支 援など、人材管理に関わる様々な機能を備えています。 さらに、顧客が実際にどのようにシステムを活用し、どのような課題 を抱えているかをモニタリングする仕組みづくりにも取り組み、常に より良い価値を届けられるよう開発を進めています。 最近悩んでそうだから 1on1セッティングしようかな カルテ # タレントマネジメント # 人材管理 # 攻めの人事 メンバーのコンディションにいち早く気づいて 対処することができる(機能：パルスサーベイ) 4<# >
5. <#> プロダクト開発の将来像 組織・チームの状態分析 レーダーチャート 組織管理のプロダクト開発領域では、例えば「Aチーム」と「B A/Bチームを⽐較することで チーム(部署)の課題を⾒つけて 解決策を探求することができる。 チーム」を⽐較することで、各チームや部署の課題を発⾒し、 その解決策を導き出すことができます。 これは例えるなら、サッカーチームの状況を分析するように、 CさんとDさんの チームワークは抜群だな！ それぞれのチームが実際にどのように動き、活躍しているのか を客観的にモニタリングするイメージです。「カオナビ」を活 ⽤して組織管理を最⼤化することで、現状の課題やさらなる改 善策が⾒えやすくなり、結果として最強のチームビルディング （組織づくり）を実現できる仕様となっています。 # タレントマネジメント # 組織管理 # 攻めの人事 5
6. <#> プロダクト開発の将来像 AI エナジー⼯場 カオナビのデータ×AIを組み合わせた新たな エナジーを⽣み出してる建物。 ここで⽣み出されたエナジーは街の各エリア に供給される。 AI領域は、現在「カオナビ」が最も注力している領域です。 AIエージェ ントが顧客の業務効率化やタレントマネジメントの高度な分析を自律 的にサポートする機能の実現を目指しています。 AIエージェント また、カオナビに蓄積されたデータと AIを掛け合わせることで新たな価 街の⼈の「困りごと」「知りたいこと」「や りたいこと」を、AIエージェントがナビゲー トしてくれる。 値を泉のように生み出し、各プロダクトへ供給することで全機能がさら に使いやすく進化していく、強力な開発サイクルの構築にも取り組んで います。 # AI活用 # 業務自動化 # タレントインテリジェンス 噴⽔ カオナビのデータ×AIのエナジーが 溢れ出る噴⽔。 6
7. <#> プロダクト開発の将来像 労務管理 ペーパレス化 紙⾯で管理していた⼊社⼿続き、年末調 整、社会保険などをペーパーレス化で⼯数 削減。 労務管理領域では、「カオナビ」の新機能として打刻忘れや残業・有 給未取得の自動通知、勤怠データとの連携による給与計算情報の 出力、入社手続きや年末調整などのペーパーレス化により、労務管 打刻管理 理プロセスの大幅な効率化を実現します。 打刻忘れや残業、有休未取得の通知で 管理が簡単に。 これらの機能は完成間近で、他の「カオナビ」機能とシームレスに連 携できる統合認証基盤も整備しています。 プロダクト完成間近！ 給与計算 勤怠データの⾃動連携で給与計算がすぐ に完了。 # 労務管理 # 守りの人事 7
8. <#> プロダクト開発の将来像 採用管理 選考状況の可視化 履歴書 従来の「候補者リスト型」ではなく、 求⼈単位で進捗を確認できる独⾃UI。 紙‧エクセル‧PDFに散らばる候補者 データを⼀元化して情報の重複や伝 達漏れを防げる。 採用管理領域では、「カオナビ」の新機能として採用業務の効率化と 情報の可視化を実現します。紙や Excel・PDFなどで分散していた 候補者データをシステム上で一元管理し、各候補者の選考状況をひ と目で把握できる機能を提供します。 また、人材管理や労務管理など他の製品とシームレスに連携できる 共通認証基盤を備え、採用から入社後の管理まで一貫してデータと 業務を繋げられる仕様となっています。 ⼊社後の活躍まで⾒据えた 採⽤ができる！ # 採用管理 # 攻めの人事 # 新機能開発 インジケーター 誰が、どのステップにいるか⼀⽬で分 かる。 8
9. <#> 開発組織の取り組み 9
10. <#> 開発組織の取り組み 大規模顧客に耐えうるデータ構造への刷新 ⼤きい⾞ データの量が重い。社員数が多い企業の ⾞。広い道の⽅が⾛りやすい。 カオナビは当初、今より小さい企業規模の顧客を想定したデータ構造で作り 道路を広くしたり、⾞線も増やして どんなデータでもスムーズに ⾏き来できるようにしよう！ 始めた製品だったため、現在の顧客でもある社員数が多い企業に適した データ構造になっていない部分があります。 道路に例えると、データの道路が狭いため、その中を走る車が多くなると渋 滞が発生してしまう状態です。データ渋滞の結果、製品の操作が重くなって しまうなどの課題があるため、規模の大きい会社の運用に耐えられるデータ 構造へ、改修を進めています。 イラストが例えている課題と理想 ⼩さい⾞ データの量が軽い。社員数が少ない企業 の⾞。 道は狭くても問題ないが、 ⾞が多いところで渋滞に巻き込まれる。 Before 車線で車が渋滞している： 小規模企業を考えたデータ構造で大規模企業に適した データ構造ではない操作が重くなってしまう。 After 道路の幅を広げることで、渋滞(操作の重さ)を解消させることができる： 10000人の会社の運用に耐えられるデータ構造 # バックエンド # データベースリファクタリング 10
11. <#> 開発組織の取り組み AIの利用を前提としたデータ構造への移行 乱雑に陳列された棚 綺麗に陳列された棚 資料が乱雑に整理されていて、探している資料 が⾒つからない。⼈⼒で探しているので⾮効 率。 AIが利⽤しやすいように、資料が綺麗に陳列 されている。必要な資料の場所をモニターが 指し⽰してくれる棚。 当開発組織では、 AIの利用を前提としたデータ構造への移行を進めていま す。「タレントインテリジェンス」という AI時代の人材戦略を掲げる上で、個人 データが AIに読み込みやすい構造であることが重要です。従来の設計は柔 軟性を優先していたため、横断的な分析には向かない面がありました。現在 はAIが分析しやすいデータ構造への整備を進め、タレントインテリジェンス の実現を支えていきます。 イラストが例えている課題と理想 Before 自由度が高すぎて何がどこにあるか把握しにくい状態。項目が人によってバラバラ で集計・分析がしにくい。 After 汎用的な項目が標準化され、AIが読み込みやすい整理された状態。分析精度が 上がり、タレントインテリジェンスの実現につながる。 AIロボット 必要な書類をAIが探してきて 業務を⼿伝ってくれる。 # バックエンド # データベースリファクタリング # AI活用 11
12. <#> 開発組織の取り組み プロダクトデザインの取組み 古い看板 新しい看板 街のデザイン設計事務所がまだない頃に使われ ていた看板。⽼朽化でボロボロ。 街のデザイン設計事務所のおかげで視認性だけ でなく楽しさを感じる看板に。 「カオナビ」はデザイナー不在で開発が始まったため、古い UIが一部残って いる状態でした。現在は自社でデザインシステムを構築・運用し、 UIの現代 化・統一化とアクセシビリティの向上に取り組んでいます。デザイナーとフロ ここの看板が古くなっていて ⾒にくいから、新しい看板に変えよう！ ントエンドエンジニアが連携してデザインシステムを運用することで、すべ てのユーザーが快適に使い続けられる製品設計を目指しています。 イラストが例えている課題と理想 街のデザイン設計事務所：古いものをただ新しくするだけでなく、人々が楽しく、心地よく暮らせる街を目指す デザインチーム アプローチ Before たくさんの⼈が訪れてくれる建物になるよ うに、砂利道を歩きやすく、 おしゃれなレンガの道に改修。 After デザイン設計事務所 スロープ カオナビタウンの「楽しさと暮らしやすさ」を 追求する、街づくりのプロフェッショナルチーム。 あらゆる⼈が快適に、利⽤できる ように階段をスロープに改修。 古い看板： デザイナーが不在で開発されていた頃の古いUI 階段のみの入り口、未舗装の砂利道： デザイナーが不在で開発されていた頃の古いUX 新しい看板： 視認性だけでなく楽しさを感じるUI 階段横へのスロープ設置・砂利道の舗装： あらゆる人が快適に、直感的に利用できるアクセシビリティを意識したUIへの改修 # フロントエンド # デザインシステム # a11y # UI/UX 12
13. <#> 開発組織の取り組み 認証基盤 ワープゲート カオナビタウンのエリアを⾃由につなぎ、⼈々の暮 らしに寄り添う、なくてはならない移動⼿段。 当開発組織では、認証基盤の強化に取り組んでいます。以前は複数サービ スごとに個別ログインが必要でしたが、現在は入り口を一つに統合し、一度 のログインで人材管理・労務管理・採用管理など異なるサービスへシームレ スに移動できる仕組みを構築しています。これにより、ユーザーの利便性と 日々の業務効率を大幅に向上させています。 ⾏きたいところに すぐに⾏けて快適！ イラストが例えていること ワープゲート： プロダクトごとにログインしていた従来の方式から、 1つのIDで複数のプロダクトにログインで きるように整備。 # バックエンド # 認証/認可 13
14. <#> 開発組織の取り組み 権限設計の整理・柔軟化 最新ゲート 顔認証で通過する⼈の権限レベルを ⾃動で識別してくれるので、 スムーズに部屋に⼊れるようになっている。 当開発組織では、権限管理の複雑さ解消と柔軟性向上に取り組んでいま す。従来は「管理者」か「一般ユーザー」という大まかな区分しかなく、現場 のマネージャーなど実態に合った権限設計ができていませんでした。また、 機能が増えるにつれて各機能の権限設定が積み重なり、全体として複雑に なりすぎるという問題も抱えていました。現在は権限の種類を整理・統合しな がら、役割に応じた柔軟な設定を可能にすることで、これまで管理者に集中 していた操作を現場に展開しやすくし、データの民主化につなげていきま す。 イラストが例えている課題と理想 鍵で開くアナログな扉 権限ごとに扉があり、それぞれに鍵が必要な ため、管理が煩雑になっている。 Before 鍵で開くアナログな扉： これまでは機能が増えるたびに権限の種類も増え、ユーザーの使いづらさに繋 がっていました。 After 最新ゲート： 役割に応じた権限レベルを柔軟に設定でき、現場への権限委譲が進み、データの 民主化につながる。 # バックエンド # 認証/認可 # 権限管理 14
15. <#> 開発組織の取り組み 検索基盤の強化 古びた⼈材紹介会社 新しい⼈材紹介会社 アナログな探し⽅で、 顧客が求める⼈材を探すのに 時間がかかって満⾜度も低い。 スピーディーに求める⼈材を紹介して くれるので顧客満⾜度も⾼い。 当開発組織では、検索基盤の強化に取り組んでいます。従来は完全一致や 細かな条件設定を組み合わせることで目的の情報を絞り込む必要がありま した。現在は検索精度の向上に取り組んでおり、キーワードが完全一致しな い曖昧な情報からでも、ユーザーの目的に合ったスキルや人材を即座に見 つけ出せる検索環境の実現を目指しています。 イラストが例えている課題と理想 Before 古びた人材紹介会社でアナログな探し方により人材を探すのに時間がかかる： 検索ワードが限定されており詳細な条件指定ができなかった。 After 新しい人材紹介会社でスピーディーに求める人材を紹介してくれる： 機能拡張により、曖昧なキーワードからでも検索がヒットする。 # バックエンド # 検索基盤 強化された検索基盤 探したい⼈をすぐ 提案してくれて助かるよ！ 曖昧な情報でも⽬的に紐づいた 情報、スキルが特定され、求め てる⼈材をすぐ探し出すことが できる。 15
16. <#> 開発組織の取り組み ⼈⼒で⾮効率な現場 ⼿⼯具を⽤いたアナログな作業なの で、進捗がなかなか進まない。 継続的なバージョンアップの仕組みづくり 効率化された現場 機械を使ってスピーディーに⼯事を⾏ なっており、綺麗なビルが完成間近。 当開発組織では、ミドルウェアやライブラリの最新化と継続的なバージョン アップの仕組みづくりに取り組んでいます。従来はアップデートのコストが高 く、各チームがリソースを確保しにくい中で推進役への負荷が集中し、属人 化が進んでいました。アップデートによる不具合の影響範囲も見えにくく、最 新状態を維持し続けることが難しい状況でした。現在は組織横断の協力体 制を整え、継続的かつ安定したバージョンアップができる仕組みの実現を目 指しています。 イラストが例えている課題と理想 古びた道具 古びたボロボロの道具。 ⼿⼊れ追いついていないので、作業 中壊れてしまい危険。 Before 古いシャベルや手押し車： ライブラリのアップデート作業が属人化しており、システム全体のメンテナンス が追いついていない。セキュリティ脆弱性を抱えた古いライブラリを使い続け ているため危険性も伴う。 After ショベルカーなどの最新機器： 組織的にライブラリのアップデートを管理。常に安全なバージョンのライブラリが適 用される環境を構築したことで、セキュリティリスクを排除し、プロダクトを迅速に開 発できる。 機械のメンテナンス 機械の整備点検を機械を使って メンテナンスしている。 # バックエンド # フロントエンド # バージョンアップ # 運用保守 16
17. <#> 開発組織の取り組み DevOpsの強化 古いコンベア ⾃転⾞配送 配送を⾃転⾞でしていて、 ⼀度に少量しか運べないので効率が悪い。 エラーが出ても⼈が⽬視で確認しているの ですぐに原因が分からずにパニックになっ ている。 当開発組織では、 DevOpsの強化に取り組んでいます。従来は障害発生時 の原因究明に時間がかかり、エラー検知や修正・リリースの大半を手作業で 行っていたため、リリースの頻度や効率に限界がありました。現在はエラー の自動検知と管理画面からの迅速な問題解決・リリースができる体制へ移 行を進めており、同じ人員でもスピーディーかつ高品質なリリースを高頻度 で行える体制の実現を目指しています。 イラストが例えている課題と理想 タブレット 荷物のエラー内容と解決策がタブレットで 確認できて、スピーディーにエラー対処 することができる。 Before 古いコンベアエラーが出ても人が目視で確認しているのですぐに原因が分 からずにパニックになっている： カオナビで障害出ても原因究明に時間がかかる。確認に時間がかかるので リリース回数に制限がある。 After 新しいコンベアでロボットがエラーを感知し、人がモニターを見てスピー ディーにエラーを解消している： リアルタイムでエラー検知ができ、誰でも管理画面で問題解決ができること で、エラー解消のスピードが大幅に向上し、リリースの回数と頻度も向上。 ロボット エラーがある荷物をロボットが探知し てくれので、少ない⼈員でも出荷まで スピーディー。 # DevOps # SRE # o11y # 運用保守 17
18. <#> 開発組織の取り組み AIを利用した開発プロセスの確立 ⼈⼒で慌ただしい会社 従来適切とされていたの7〜9⼈チーム。 ⼈が⾜りない、または⼈がいても現場が 逼迫している。 AIと仕事している会社 当開発組織では、 AIを活用した開発プロセスの確立に取り組んでいます。従 来は7〜9名が適切とされていた開発チームの「あたりまえ」も、 AIの登場に AIを利⽤することにより、少⼈数でも アウトカムが出せるようになった よって問い直す必要があります。生成 AIによってスループットが向上した 今、その成果を全体のアウトカムに結びつけるには、チームや開発プロセス 自体のアップデートが不可欠です。私たちは数人＋生成 AIで構成されるス モールチームを複数組み合わせ、フラクタルなコミュニケーション構造を持つ AI時代のアジャイルチームを目指しています。 イラストが例えている課題と理想 人力で慌ただしい会社： Before After 7〜9名チームが「あたりまえ」とされていた状態。人対人のマネジメントが中心で、ス ループット向上が全体のアウトカムに結びつきにくい。 AIと仕事している会社： 数名＋生成AIのスモールチームが複数集まるフラクタル構造。 AIをチームメンバーとし て組み込み、少人数でも大きなアウトカムを生み出せる開発体制。 # AI # チーム開発 # アジャイル 18