Guilz プロダクト概要

AI開発組織をビルドする
Guilzのプロダクト概要

Transcript

1. プロダクト概要 Guilz ZOE合同会社
2. プロダクト概要 構築進捗 • 進捗は80%程度です • 基盤設計 • デザイン • インフラ • 実装 概要（2026年7月時点） • すべて社内のリソースにてまかなっております • オープンアルファ版をリリース済になります • 販路開拓・マーケティングのため、他社と協業 を打診しています • MVP • 出資は受けておりません • 現時点での売上はありません
3. プロダクト（Guilzとは） AI x ゲーミフィケーションによるチームビルドツール • チームの成長をサポート • ゲーミフィケーションによるチームコミュニケーションの活性化 • チームの課題をAIが分析し、課題解決を支援 • AIによるチームの作業（タスクの割り当てやプログラムのレビュー）の支援 • コード管理ツール（Github）との連携による効率化 • 主にToB向けのプロダクト（個人利用も可能）
4. アジェンダ 1. ビジョン 2. 顧客と課題 3. ソリューション 4. 収益・コスト構造
5. 01 ビジョン
6. AIでチームをビルドする 長年に渡り、エンジニアマネージャとして活動 しており、チームビルディングに課題を感じて いました。 リモートワーク、およびAIによるソフトウェア の構築が主流になった現在でも、この課題は顕 著になっています（別紙記載）。 本プロダクトは、AIの積極活用により、この課 題を解決します。
7. 個人最適化から「チーム最適化」へ AIコーディング支援の市場では、ビッグテックも参戦したレッドオ ーシャン状態となっています。人が開発をAIに任せる時代になりま した。 ただし、未だ個人の作業が最適化されたレベルであり、既存企業で は、業務全体で俯瞰するとAI導入による効果が薄い課題が浮き彫り となっています。 「個人最適化」から「チーム最適化」への移行が必要であり、この プロダクトはその最短経路となります。
8. 02 課題と顧客
9. 課 題 0 1 AI導入により成果が上がっていない ソフトウェア開発における導入率は上がっているが、成果やAIへの信頼が依然として低レベルに留まる 90% 開発者のA I 業務利用率 80%超が「生産性が上がった」と実感 — けれど、それは個人の体感 DORA 2025（約5,000名） 体感 +20% 実測 −19% 認識ギャップ 39ポイント 熟練OSS開発者のRCT。「速くなった気 がする」のに、計測では遅くなってい た METR 2025（RCT・246タスク） 信頼 33% 不信 46% A I の正確性への評価が逆転 最大の不満は「惜しいが正しくない」 66%。信頼しないまま使い続けている Stack Overflow 2025 足りないのはツールではなく「チームとしての使いこなし」 — 日本企業の懸念1位も『効果的な活用方 法がわからない』（総務省 2025） 出典: DORA State of AI-assisted Software Development 2025 ／ METR RCT（arXiv:2507.09089）／ Stack Overflow Developer Survey 2025 ／ 総務省 令和7年版 情報通信白書
10. 課 題 0 2 開発ワークフローにAIによる効率性が伝播しない コード記述は開発時間の24〜32%。ボトルネックは「書く」から「読む・検証する・合意する」へ移動した 開発時間の内訳と、高速化の上限 書く 30% 読む・検証・テスト・調整・会議 70% AIでコーディングが2倍速になっても 全体は +18% が上限 （アムダールの法則 — 無限に速くしても +43% 止まり） 実測 — AI高採用チームで何が起きたか +98% マージされたPR数（生成量は倍増） +154% 平均PRサイズ（1件が読み切れない大きさに ） +91% PRレビュー時間（人間の承認が律速に） 8倍 重複コードブロック（リファクタは 25%→10%未満） 生成は速くなった。しかし律速工程は人間とチームの側 — 個人向けツールの追加では、ここに届かない 出典: Sonar／Software.com（コード記述時間）／ Faros AI「AI Productivity Paradox」（10,000名超の開発データ）／ GitClear AI Code Quality 2025（2.11億行）
11. 課 題 0 3 認知的敗北 — 理解が、生成に追い越される 認知的敗北とは — AIの生成速度に人間の理解が追いつかず、「理解してから進む」ことを諦めて検証なしの承認 ・丸投げに移行する状態。個人ではスキル形成の停止、チームではレビューの形骸化として現れる。 −17% AI利用群のスキル習得 新スキル課題のRCT。最も差が開いたの はデバッグ能力 — しかも作業は速くな っていない Shen & Tamkin（RCT・n=52） 83% 自分の成果物を説明できない AI利用群は直前に書いた内容を引用でき ず、脳の結合活動も最弱 —「認知的負債 」 MIT Media Lab（EEG実験・n=54） 信頼↑ 思考↓ 信頼するほど、考えなくなる AIへの信頼が高い人ほど批判的思考が減 少。自信のある人だけが考え続ける Microsoft×CMU（CHI 2025・n=319） 検証できる人が育たないまま生成だけが加速する — 『AIを監督できる人』が枯渇していく 出典: How AI Impacts Skill Formation（arXiv:2601.20245）／ Your Brain on ChatGPT（arXiv:2506.08872）／ The Impact of GenAI on Critical Thinking（CHI 2025）
12. ソフトウェアエンジニアの多くがリモートで働いており、開発現場 におけるAIの導入進んでいるが、チームの課題は未だに解消されて いない（DORA, 2025）。 リーダーと現場の認識ギャップは63%に悪化（Atlassian, 2025）。 生産性ツールだけでは埋まらないチームの一体感・信頼こそが、い ま最大のボトルネックになっている。
13. 顧客 1〜10名のリモート開発チームの EM / テック リード。（特有の問題に対処するため、初期の顧客から大企業は 除外する） 日本の GitHub 組織は 13.4万以上（GitHub Innovation Graph）、ITエンジニアの 6割がフルリ モート（LAPRAS, 2024）。 リモートでのコミュニケーション課題は 37%が「気 軽に相談できない」（テレリモ総研, 2024）と広く認 識されており、ツールだけでは解決しないチームの 関係性が残っている。
14. ターゲットセグメント 項目 内容 企業タイプ スタートアップ / SaaS企業 / メガベンチャーの小チーム 規模感 エンジニア 1〜10名（entry-form にも記載済み） 推定母数 GitHub日本組織 13.4万のうち、アクティブかつ小〜中チーム → 数万〜 痛みの深さ EM 1人で複数人を見る。レビュー負荷の偏り・関係性の薄さ・オンボー ディング難を自分ごととして感じている 決裁 EM本人 or CTO。導入決定が速い なぜ最優先 GitHub連携が即座に刺さる。チーム小→導入コスト低→口コミ伝播しや すい 具体的なペルソナ • SaaS企業のEM。リモート5名のチームを1人で見ている。レビューが特定メンバーに集中し、新人の関与度が見え ない。1on1で聞くが主観頼り。 • スタートアップCTO。GitHub Insightsでは「誰が何行書いた」しかわからず、チームの関係性や負荷のバランスを 把握できない。
15. マーケットサイズ Phase 1 アーリーアダプター・PoC 約数十社 Phase 2 日本のエンジニアマーケット（小規模スタートアップ 約500社 日本のGitHub組織数 約13万のうち0.5%にリーチする Phase 3 日本のエンジニアマーケット（中小企業 約3000社 日本のGitHub組織数 約13万のうち3%にリーチする Phase 4 Web制作マーケット（中小企業 2万 ＋ α？（このマーケットでベンチマークとなるJira / Confluence は 合わせて約22万社の顧客）
16. 03 ソリューシ ョン
17. 真のAI駆動開発組織を作る 開発生産性は、ソフトウェアプロダクトを展開する事業者にとって は重要な指標であり、企業価値に直結する。 前述した通り、AIを使用した開発に解決するべき「課題」があり、 これは現状、組織固有の努力または、外部組織のコンサルティング サービスなどにより解決が図られている。 組織はやワークフローは多様でも、同質の課題があり、プロダクト のソリューションとして提供可能である。 「真のAI駆動開発組織を作る」サポートをすることで、これらの課 題を解決する。
18. コード管理ツール（Github）から取得する活動データを 元に、サービス内のAI（LLM）チューターがチームの負 荷・関係性・育成を可視化し、EM の「指示役」負担を下 げながらチームの一体感を高める。 • チームメンバー育成 • AIによる育成目標の提案 • コードの自動評価による育成状況の把握、コーチング • メンバーの相互理解・状況の把握 • 負荷状況をAIが監視、タスクの最適化を提案 • AIによるプロフィール作成、得意分野をアイコン化 • 協力体制の強化 • ゲーミフィケーションによる一体感の醸成 • AIによるチーム評価の共有
19. 解 決 0 1 Guilz — 「使いこなすチーム」を育てる土台 生産性の計測ツールでも、個人の生成ツールでもない。GitHub実データ × AI × ゲーミフィケーション。 1 GitHub 実データ GitHub App連携で活動データを自動 収集。自己申告もアンケートもゼロ 。導入は最短10分で、翌週から動き 出す 2 AIチューター・ライム アサイン候補・レビュー観点・負荷 の再配置・育成評価・相談に伴走。 EMがひとりで全員を背負わなくてい い 3 ゲーミフィケーション レトロRPGのUIで、成長が「わざ」と 「冒険の書」として残る。監視され るデータではなく、メンバー自身が 使いたくなる体験 「AIはチームを直さない。あるものを増幅する」（DORA 2025）— だから、増幅されて嬉しいチームの土 台から育てる 出典: プロダクト詳細: guilz.dev ／ 4分でわかるGuilz（デモ動画）
20. 解 決 0 2 律速の7割に、チームで効く 「書く」の外側 — 読む・検証する・合意する — を、機能でチームの能力に変える。 レビューが律速 レビュー時間 +91% → みまわり ＋ チームH P 4軸 ライムがレビュー観点を提案。パフォーマンス・アサイン・レビュー・コミュニケーションの4 軸で、偏りと滞留をリアルタイムに可視化 負荷とPRの偏り PRサイズ +154% → 冒険 ＋ さいはいち Issueをモンスターとして一覧化し、チームの戦況をひと目で共有。負荷の再配置とアサイン候補 をライムが提案 情報探しと認識ギャップ 週10時間の損失 → プロフィール自動生成 ＋ 相談 活動データから得意分野・ステータスを自動生成。誰が何を知っているかが見え、リーダーと現 場の共通言語になる 詰めるための計測ではなく、チームの状態が見えて次の一手が楽しく決まる可視化へ 出典: 課題02の実測値（Faros AI／Atlassian DevEx 2025）に対応する打ち手
21. 解 決 0 3 認知的敗北を、成長の物語に変える 研究が示した「学べるAIの使い方」を、日常の習慣としてプロダクトに実装する。 1 鍛える（きたえる） 「わざ」スロットに育成目標を装備。 PRマージごとにライムが自動評価し、 成長が止まらない。メンターの負荷も 軽くなる 2 相談（そうだん） 概念で聞き、理解を確かめる対話をラ イムと。研究で高得点だった「認知的 関与の高い使い方」（65%+ vs 丸投げ 40%未満）が自然と習慣になる 3 冒険の書 しゅぎょうの積み重ねが記録として残 る。詰められるためのデータではなく 、あなたの成長の記録 — 「やれ」では なく「やりたい」 開発チームを、冒険のパーティに。 guilz.dev 出典: 高関与パターンの得点差: Shen & Tamkin（arXiv:2601.20245）§6 ペルソナ分析
22. レトロなロールプレイングゲームのようなUIを採用し、 「しごと」感の脱却を目指す。 タスクの消化にリワードなどのゲーミフィケーションを取り入れ、 チームの一体感を醸成する。 既存のAI開発ツールとの差別化を行う
23. アーキテクチャ サーバーレス CloudFlare上にPages/Workersを使用 した構成。WokerにてJobやEvent等 の処理も行う AI API AIは、コスト効率から自前で構築せ ず、複数のAIサービスを特性に応じ て組み合わせて使用 認証 Globalで利用されるClerkによる Oauth認証
24. 04 収益・コスト構造
25. 収益とコスト — 維持可能な構造 低固定費 × 原価上限 × 営業ゼロで「維持」を担保し、チームの成長に連動するシート課金で「グロース」を担保する。 収益 • サブスクリプション料 – Teamプラン 3,000円/月・5名まで込み（稟議不要・セルフサー ブ） – 6名以降 追加シート 500〜1,000円/人/月（Phase 1で検証） • AI使用による従量課金（MP＝AI利用枠）＝拡張収益 コスト • インフラ — Cloudflareサーバーレスで固定費ほぼゼロ • AI API使用量 — MPの上限設計で原価に天井（軽量モデル中心で 1チーム月数百円規模） • 制作費（人件費） 維持とグロース • 維持: 粗利85%超（サーバーレス＋原価上限）— 顧客が少数の期間も赤字化せず、撤退圧力がかからない • グロース: シート課金がICP（1〜10名）の内側で効く — 10名チームで月5,500〜8,000円、なお稟議不要の価格帯 • 500社時の月商見込み 275万〜400万円（固定3,000円のみでは150万円で頭打ち → 5名込み＋シート制に再設計）
26. グロース戦略 — 「使い続けるチーム」を先に作る 先んじてリテンションを優先して獲得し地盤を固める 計測する指標（North Star） • 週次アクティブパーティ数（WAP） — 週1回以上、進捗やAIと の対話があるチーム数 • Activation — 導入7日以内にメンバー3人以上＋Goal設定1つ（目 標 60%） • W4リテンション — 導入4週後も継続（目標 40%以上。未達なら グロースに進まない） 定着はプロダクトで作る • 冒険の書 — 成長の記録が資産として蓄積し、使い続ける理由に なる • AIチューターがオンボーディングを伴走 — 人手をかけずに初期 定着 • メンバー自身が使いたくなる体験 — 監視ツール化しない（導入 時の現場反発を防ぐ） • やらないこと: 義務・強制系の通知やランキング 段階目標 2026 Q3 2026 Q4 2027 H1 2027 H2 デザインパートナー 5〜10チーム WAP 30・W4 40% 有償化テスト開始 有償50社 チャネル別CVRを把握 効くチャネル1本確立 → Phase 2へ
27. グロース戦略 — 内蔵ループ × マーケティング 拡散はプロダクト自身に担わせ、オフラインで活動。チャネルは同時最大2つ・4週間で数字判断。有償広告はオーガニック立証後。 プロダクトに内蔵された2つのループ • Loop A: 招待ループ – 1チームの導入が最大10人の「体験済み見込み客」を生む。メ ンバーが次にEM/リードになったとき、自分のチームへ導入 • Loop B: 見せたくなるループ – わざ習得・冒険の書の共有カード（X・Slack・登壇資料）→ 認 知 → 新規パーティ ゼロ予算の3エンジン（マーケター不在の前提） • 登壇巡業（RSGT・スクラムフェス・EMConf）とX発信で認知と 信頼 • コンテンツ資産 — Zenn月2本・GitHub Marketplace日英・デモ 動画が検索に蓄積 • プロダクト自身（PLG） — 招待3分以内・共有カード・ソロ→ パーティ導線 • 時間配分は Phase 0＝6:3:1 → Phase 1＝3:4:3 へ移行 フェーズ計画 Phase 0（いま〜2026 Q3） Phase 1（2026 Q4〜2027 Q1） Phase 2（2027〜） 「愛される10チーム」 Exit: Activation 60%・W4 40% PoC数十社・有償化検証・事例3本 Exit: 有償転換20%のチャネル1本 500社へ — セルフサーブ課金 × ライムによるオンボーディング自動化
28. 05 チーム
29. チーム紹介 メンター AIdeaLab COO 筑波大学理工学群応用理工学類卒業、カリフォルニア 州立大学経営学部留学。 PwCにて戦略コンサルティング・M&A、Sonyグルー プにてAI事業の新規立ち上げ。 その後スタートアップ役員等を経て現職。文部科学省 のアントレプレナー推進大使として小中高生向けに講 義も行う。 実施者 ZOE合同会社 代表 主にソフトウェアエンジニアとして20年程度の経験を 持つ。 CTOとして複数社スタートアップの立ち上げに参画。 EastVentures、AntlerJapanのアクセラレータプログラ ム等から出資を受けた実績を持つ。 直近では生成AIを活用した営業支援システムや話者分 離モデルの実装経験も有し、技術選定・設計・実装ま で一貫して推進。 他、UXリサーチャー、デザイナなど業務委託2名程度
30. 付録
31. リンク • サービス詳細 （Gitbook） • 4分でわかるGuilz（Loom動画） • サービスサイト