内製ツールの｢作る｣｢作らない｣ 〜｢作る｣の判断軸と｢作らない｣のメリット 〜

Transcript

1. 株式会社ログラス 社⻑室 AIオペレーションマネージャー (AI-Ops-Mgr) 加藤直⽮ 2026年3⽉5⽇ AI Ops Community Vol.3 1 内製ツールの｢作る｣ ｢作らない｣ 　〜｢作る｣の判断軸と｢作らない｣のメリット 〜
2. 経歴 草加市役所 障がい福祉課（ 3年） 施設調査、お宅訪問などのケースワーク業務 請求書の作成を「Word + 電卓」から「Excelフォーマットへの入力」に変更 RPA（WinActor）活用して課内の業務を自動化（年間300時間の工数削減） 人材系スタートアップ（ 3年5ヶ月） 常駐RPAエンジニアとして企業向けDXツールの開発（1年） Webディレクター（2年）兼CS（2年）兼フロントエンドエンジニア（1年）兼バックエンド エンジニア（1年）兼情シス（1年）兼... 株式会社ログラス 社長室（2025年9月〜） AIオペレーションマネージャー 社内業務のAI化、社内AI活用の促進 備考 　第1回Difyハッカソンにてチームが優勝 🎳ボウリングハイスコア： 300 ♨サウナスパ健康アドバイザー 加藤 直矢（29） @ai_ops_kato 自己紹介
3. 3 1. そのツール本当に作りますか？ 2. ｢作る｣の基準 3. ｢作らない｣の効果 4. 🏢 会社紹介 目次
4. 4 AI-Opsとしての仕事 ミッションはAIで企業全体の生産性を向上させる AI利用を促進する文化の醸成 •GeminiやNotebookLMなどの基本的 なAIツールの利用の推進 •CursorやClaude CodeなどのAIエー ジェントツールの利用率の引き上げ •最新のAI動向をキャッチし、活用/推進 方法の検討 高度なAI活用における課題解決 •チーム/部署全体で使うGemの作成 •Difyを活用したAIワークフローの作成と 展開 •最新のAI動向をキャッチし、活用/推進 方法の検討
5. 5 自らのAI力で課題を解決しがち 課題の相談に対して自分がAIツールを作成してしまう方向に考えてしまう AI利用を促進する文化の醸成 •GeminiやNotebookLMなどの基本的 なAIツールの利用の推進 •CursorやClaude CodeなどのAIエー ジェントツールの利用率の引き上げ •最新のAI動向をキャッチし、活用/推進 方法の検討 高度なAI活用における課題解決 •チーム/部署全体で使うGemの作成 •Difyを活用したAIワークフローの作成と 展開 •最新のAI動向をキャッチし、活用/推進 方法の検討
6. 6 個別の依頼に順次対応 イネーブルメントを行いつつ、作れるものを作っていった 商談後のメールを 作成してくれるGem 社内の問い合わせ対応 NotebookLM 複数人のマネージャーからの 商談レビューDify
7. 7 AIツールの作成の依頼が殺到 組織のAIレベルが未成熟だと中低度のAIによる課題解決の依頼がくる Geminiにプロンプトを 入力するのが面倒 社内から問い合わせ がたくさん来て大変 なんかもう全部 AIに やってほしい
8. 8 ツールと社員の進化 AIの進化と社員のAIレベルの進化が問題を解決することに気づいた AIツールが進化する ・Geminiなどのモデルの進化 ・NotebookLMなどのツールの進化 ・skillsなどの仕組みの進化 AI活用が進む ・GemやNotebookLMの共有が行　 われる ・Cursorの利用率が 7割を突破する 自律的な問題解決が起こる ・ドメイン知識 x 高度なAI活用 ・過去作成したツール以上の性能の　 ツールが現場で開発される
9. 9 そのツール本当に作りますか？ ｢作らない｣という判断とイネーブルメントが中長期的には最強の選択 全体の約8割を占める細かい依頼は汎用ツールで解決可能。 究極的なことを言えば、社員全員が自分と同じくらい AIを使えて いたら、内製化ツールの開発は必要ない。 ツールの作成依頼があったら • そもそも既存ツールで解決できないか • 既存ツールのアップデートによって解決されないか • 中長期的にメンテナンスコストが大きくならないか
10. 10 1. そのツール本当に作りますか？ 2. ｢作る｣の基準 3. ｢作らない｣の効果 4. 🏢 会社紹介 目次
11. 11 ｢作る｣と決めたツール 企業調査botの要件ヒアリングと意思決定のプロセス 営業チーム数十名が必ず行う大規模な作業 商談前に必ず実施する作業で、毎回数時間の作業が発生する。ベテランと新人の品質の差分も大きい 汎用ツールでは品質に差分が大きく実務レベルではない GeminiのDeep ResearchやGemでは抜け漏れが発生したり、ハルシネーションも散見された 業務効率化や品質向上によるコストパフォーマンスが良い 業務効率化による営業あたりの商談数の増加と高度化による受注率の向上が見込まれる
12. 12 汎用ツールでは到達できない領域へ Deep Researchをベースに低コストで安定して圧倒的な高品質なツールを設計 Deep Research
14. 14 汎用ツールでは到達できない領域へ Deep Researchの変数部分を固定値にすることで目標を実現 安価モデルで高品質な調査 各エージェントの調査範囲を限定し、sonerモデルでも高品質な調査を担保 ワークフローを固定化し高速で均質な調査 プロンプト固定でブレと再探索を減らし、並列で高速な処理 タスク分割で性能最大化 短尺化したタスクにリソースを集中することで、品質を底上げ
16. 16 Deep Researchとの差分 各社のDeep Researchとのコスト、実行時間の差分 サービス コスト 実行時間 OpenAI o3 Deep Research 約1,100円 3~30分 OpenAI o4-mini Deep Research 約100円 2~4分 Gemini Deep Research 約400~800円 5~20分 Perplexity Deep Research 約100〜200円 2〜4分 今回作成した企業調査 bot 約50円 約2分
17. 17 爆速開発サイクルの構築 ヒアリング内容をClaude Codeを使って徹底的にDifyへ叩き込むサイクル 営業からヒアリング Meetの文字起こし Slackから呼び出す ymlファイルに反映 Claude Codeに参照として渡す 営業が使ってみる
18. 18 1. そのツール本当に作りますか？ 2. ｢作る｣の基準 3. ｢作らない｣の効果 4. 🏢 会社紹介 目次
19. 19 内製化ツールの罠 作りすぎると、社員が自分でAIを使って課題を解決する力が削がれる AI利用を促進する文化の醸成 •GeminiやNotebookLMなどの基本的 なAIツールの利用の推進 •CursorやClaude CodeなどのAIエー ジェントツールの利用率の引き上げ •最新のAI動向をキャッチし、活用/推進 方法の検討 高度なAI活用における課題解決 •チーム/部署全体で使うGemの作成 •Difyを活用したAIワークフローの作成と 展開 •最新のAI動向をキャッチし、活用/推進 方法の検討 現場の解決能力が向上 より高度な課題の発見 AI-Opsでは解決できない問題の解決 属人化しやすい 内製ツール→AI活用スキルにならない メンテナンス地獄
20. 20 作らないと決めた例 Salesforceへの入力データの生成 商談の文字起こしの内容を 基に、Salesforceへの入力 内容をAIで作成したい
21. 21 依頼当初の要件 商談終了後に完全自動でSalesforceにデータが入力されていてほしい Meetが文字起こしされる Salesforce に入力する 項目の情報 Geminiで 入力内容の生成 APIで入力 APIで取得 APIで取得
22. 22 イネーブルメント x 手動作業 AIイネーブルメントを徹底し、少しの手作業で課題を解決 Meetが文字起こしされる Salesforce に入力する 項目の情報 NotebookLMに｢Salesforceに 入力したい｣と伝える コピペ 手動で選択 手動でNotebookLMのソースとして選択
23. 23 ｢作らなかった｣メリット AIイネーブルメントが促進され、AI-Opsの業務負担も軽減される 社員全体の AI活用の理解度が上がる 自らが手を動かしてAIを動かすことで、AI活用度が上がり、自己解決能力も向上する 手作業が発生するが効率化されている 手作業が発生していることで一見不便さを感じるが、AI活用前後で見るとかなりの効率化になっている 要件を下げることができる AIの理解度が上がることによって、要望の要件が下がり、運用が安定する
24. 1.内製化ツールは社員が AI活用する文化を｢作らない｣ 2. ｢作る｣の基準を｢作る｣ 3. ドメイン X AI活用のサイクルを｢作る｣ 24 まとめ
25. 25 1. そのツール本当に作りますか？ 2. ｢作る｣の基準 3. ｢作らない｣の効果 4. 🏢 会社紹介 目次
26. 会社紹介 26