Chatwork×BPaaS×AIエージェントで創る 次世代コーディネート基盤 株式会社kubell 執行役員CPO 徳原 希望 2025年12月16日 1 

アジェンダ AGENDA 01. ChatworkとBPaaS 02. Chat UI × BPaaS × AI Agentの体験設計 03. Agent開発とCoordination Engine 

Profile 3 役職：執行役員CPO 専門領域：プロダクト開発および新規事業開発 職歴： ● 学生起業を経てプロダクト領域と新規事業開発を軸に、複数の企業で事業成長に貢献。 ● 株式会社良品計画(CPO 兼 新規事業開発部長)として、無印良品のデジタル領域と新規事業 開発を牽引。 ● LINE株式会社（現 LINEヤフー株式会社）にて、BtoB向けミニアプリ・Official Account、 BtoC向けチャットルームのマネタイズやヘルスケアなど専門家マッチング事業の立上げや グロースを推進。 ● 出前館(投資事業)でクイックコマース・フードテックを成長させ、プロダクトマネジメント 本部長としてグロースを牽引。 ● プライム上場企業からスタートアップまで、複数社のプロダクト顧問として幅広く貢献。 ● その他：グリー、グルーポン・ジャパン、リクルートといった企業などでも経験。 ● 2025年1月に株式会社kubellへ参画。同年7月に執行役員CPOに就任。 徳原 希望 (Tokuhara Nozomi) 

01 | ChatworkとBPaaS 

働くをもっと 楽しく、創造的に ⼈⽣の⼤半を過ごすことになる 「働く」という時間において、 ただ⽣活の糧を得るためだけではなく、 1⼈でも多くの⼈がより楽しく、 ⾃由な創造性を存分に発揮できる社会を実現する MISSION 

働く4.0の世界を広げる 食べるために 働く 原始時代 狩猟、農耕など、食料 をいかに確保するか。 働くとは、食料を手に 入れること。 働く4.0 働く4.0を1人でも多く広げ、「働く歴史」を前進させる kubellが目指すこと 守るために 働く 戦国時代 ムラ、国など、所属する コミュニティを守る。 働くとは、戦うこと。 お金のために 働く 資本主義社会 安定した生活を営むた めに仕事をする。 働くとは、お金を稼ぐ こと。 楽しむために 働く 創造社会 社会を豊かにするため に楽しく創造する。 働くとは、価値を創造 すること。 働く3.0 働く2.0 働く1.0 6 

すべての人に、 一歩先の働き方を ⼀部の先進的な⼈だけではなく、 世界中で働くあらゆる⼈が、 ⾃分⾃⾝の働き⽅を常に「⼀歩先」へと 進めていけるプラットフォームを提供する VISION 

事業概要 ● 国内最大級のビジネスチャット「Chatwork」を展開。業界のパイオニアであり国内利用者数No.1*1、導入社数は95.3万社*2を突破 ● 圧倒的な顧客基盤のあるプラットフォームを背景に、チャット経由で業務を請け負いDXを推進するBPaaSを展開 　ビジネスチャット「Chatwork」 BPaaS (Business Process as a Service) 8 ● 国内利用者数No.1*1 有料ユーザーの97%が中小企業ユーザー ● 日本の1/5を占める導入社数95.3万社以上*2 792万ユーザー ● 全業界・全職種の方が日常的に使うプラットフォーム *1 Nielsen NetView 及びNielsen Mobile NetView Customized Report 2024年4月度調べ月次利用者（MAU:Monthly Active User）調査。 調査対象はChatwork、Microsoft Teams、Slack、LINE WORKS、Skypeを含む41サービスを株式会社kubellにて選定。 *2 2025年9月末時点。 チャット経由で業務を請け負いDXを推進 業務代行 経理・総務・事務など幅広い業務に対応 人事・労務など専門性の高い業務に対応 採用 経理・会計 労務 営業事務 AI・SaaSを徹底活用 

オンプレミス IaaS Infrastructure as a Service PaaS Platform as a Service SaaS Software as a Service BPaaS Business Process as a Service DX人材 DX人材 DX人材 DX人材 DX人材 業務オペレーション 業務オペレーション 業務オペレーション 業務オペレーション 業務オペレーション アプリケーション アプリケーション アプリケーション アプリケーション アプリケーション データ データ データ データ データ ミドルウェア ミドルウェア ミドルウェア ミドルウェア ミドルウェア OS OS OS OS OS サーバー サーバー サーバー サーバー サーバー ストレージ ストレージ ストレージ ストレージ ストレージ ネットワーク ネットワーク ネットワーク ネットワーク ネットワーク =ユーザーが管理 =サービス提供者が管理 BPO Business Process Outsourcing DX人材 アプリケーション データ ミドルウェア OS サーバー ストレージ ネットワーク 業務オペレーション BPaaSが提供する範囲 ● クラウド上でDX人材と業務オペレーションまで提供するため、ユーザーの管理コストが大幅に低減 ● システムの導入・運用が進まない、社内にDX人材が不足している企業もDXが可能になる 9 

BPaaSは、中小企業のマジョリティ層DXの本命 BPaaS SaaS 業務代行 CRM/SFA Web会議 ストレージ SaaS向きユーザー ・自力でツールを選定できる ・経営陣も従業員も使いこなせる 業務プロセスごと依頼・DXも外部に依頼 DXによる業務課題解決を自力で 自社で選定・ 使いこなす ITに詳しい先進層 BPaaS向きユーザー ・SaaS導入の意思決定が困難 ・使いこなしが困難 マジョリティ市場 タスク管理 プロジェクト管理 ドキュメント 管理 10 ● SaaSを選定し使いこなせるのは、ITに詳しい先進層のユーザーが中心 ● 人口の3分の2以上を占めるマジョリティ市場のユーザーは、使い勝手が異なる多数のSaaSプロダクトを使い分けることは困難 ● マジョリティ市場のDX実現には、業務プロセスごと巻き取り顧客に代わりSaaSやAIを使いDXを推進するBPaaSが有効 代行する業務の中で SaaSやAIを積極活用 採用 経理・会計 労務 営業事務 

AIエージェント時代におけるSaaSへの影響 AIエージェントの仕組み AIエージェントによりSaaSは裏方へ ● AI技術の発展に伴い、複数のLLM*1が協調して精度の高いアウトプットを生み出すAIエージェントが台頭 ● SaaSベンダーが直接の顧客接点を持てなくなり「SaaS is Dead*2」(SaaSの時代は終わった)という見方が業界で広がりつつある ● ChatworkはコミュニケーションサービスのためAIエージェントにより代替されず、チャットUIがあるためAIと親和性が高い 従来の生成AI AI ● Web検索 ● データベース検索 ● SaaSの操作 質問 回答 AIエージェント AIエージェント 複数のLLMが ワークフロー上で 協調動作 質問・依頼 従来のAI 高品質の回答 アウトプット 必要に応じて 外部データを 参照 ユーザー インターフェース DB 入力 結果 AIエー ジェント API実行 結果 従来のSaaS AIエージェントがSaaSを操作 Chatwork チャットUI ユーザーがSaaSを直接操作しなくなる = SaaS is Dead ユーザー ユーザー ユーザーA ユーザー API DB SaaS 計画 DB検索 アウトプット生成 Web検索 SaaS操作 LLM(A) LLM(B) ワークフローを実行 操作 依頼 ユーザーB チャットUI 対話 対話 直接会話することに意味がある (AIエージェントに代替されない) *1 Large Language Model (大規模言語モデル) の略で、大量のテキストデータを使ってトレーニングされた自然言語処理のモデル *2 2024年12月に公開されたMicrosoft CEOであるサティア・ナデラ氏のポッドキャストでの発言から、テックメディアやブログが大きく取り上げたことで話題となった 

AIエージェントによる革新でBPaaSは大きく加速 ● BPO市場は規模が巨大でAI活用により労働集約の構造が変革されるため、AI活用の最有望領域のひとつ*1といわれている ● BPaaSはチャット経由での「オペレーターによるSaaS運用代行」から「オペレーターによるAIエージェント活用」にシフト。これに よりオペレーターのSaaS習熟コストの削減、1人あたり生産性の大幅向上が見込まれる ● kubellでのBPaaS戦略ではChatworkのユーザー数を活かし、まず顧客数の最大化を志向して面を確保。その後、AIエージェントによ る技術革新を前提にAIドリブンなオペレーションを追求することで利益率の劇的な改善を目指す（AIの進化が追い風に） AIを活用したBPO市場(グローバル)の成長率*2 BPaaSはAIにより効率化が進む 採用 経理・会計 労務 営業事務 SaaSを運用代行 AIエージェントがSaaSを運用 12 *1 McKinsey & Company「Beyond the hype: Capturing the potential of AI and gen AI in tech, media, and telecom」 *2 Market.Us「AI In BPO Market」 採用 経理・会計 労務 営業事務 AIエージェント 単位：10億ドル オペレーター オペレーター CAGR34.3% (2024-2033) ユーザー ユーザー オペレーターの生産性が大幅向上 (1人あたりの担当クライアント数の拡大) 

人口減少の社会背景 -> 中小企業のコーポレート業務課題を手当する意義 ● 人口減により、エンタープライズとスタートアップ的な企業には一定人は集まるが、会社設立から一定期間が立ち、 株式報酬の明確なリターンメリットがない中小企業の人材集めは今よりも課題が顕著に現れる想定。 ● 特に中小企業のコーポレート業務に課題が出てくる前提で、弊社が中小企業のコーポレート機能を担える状態を目指す。 ※国立社会保障・人口問題研究所HP 人口統計資料集2023年改訂版、及び日本の将来推計人口（全国）より作成 2000年代初頭に ピークアウト 2060年代に ピークアウト 13 日本の人口の推移(万人) 世界の人口の推移(万人) 

02 | Chat UI × BPaaS × AI Agentの体験設計 

実現する世界観 経理領域 請求書発行・管理、経費 精算、予算管理、会計処 理、税務申告サポート 採用領域 求人掲載、応募者管理、 面接調整、内定手続き、 入社手続きサポート 給与計算領域 勤怠管理、給与計算、賞 与計算、源泉徴収、年末 調整処理 労務手続き領域 社会保険手続き、雇用契 約書作成、就業規則更 新、労基署対応 クリエイティブ領域 資料作成、提案書デザイ ン、ウェブコンテンツ制 作、画像・動画編集 Chatwork × BPaaS × AI 統合プラットフォーム 様々な業務領域をChatworkに依頼するだけで完結。AIエージェントとBPaaSが統合的に連携し、データ処理から申請、 承認、支払いまでを一気通貫で実行。BPaaSが背後で実務を担うことで、信頼性と拡張性を保証します。 　　 依頼 クライアント企業が Chatworkで業務を依頼す るだけ。複雑な手続きは 必要ありません。 　　 AI処理 コーディネーターエー ジェントがユーザーの指 示を理解し、A2AとA2H の組み合わせを判断しま す。 　　 BPaaS実行 専門エージェントとアシ スタントがBPaaSの実務 を担当し、業務プロセス を正確かつ効率的に実行 します。 　　 完了・報告 業務完了後、結果を Chatworkで報告。履歴は 自動で記録・保存されま す。 業務オペレーション領域 

取引先コミュニケーションとタスク実行支援 Chatworkでの会話中にAIエージェントが業務遂行を支援したり、タスク実行をサポート 行ったりきたりしながら業務遂行をサポート 【役割・見え方】 業務を行うときに、それ自体を サポートしてくれる秘書的な機 能。作業内容は、自分にしか見 えてない。 [成果物をチャットへ投稿する] 【具体的な機能イメージ】 取引先リサーチ、取引内容・方 向性を優位にするアドバイス・ サポートを行うなど。 【役割・見え方】 ● 社内外での会話の間に立っ て、不明点を明確にしたり 取引を進めるためのサポー トを行う。 ● AIエージェントのアクショ ンやメッセージは、他の チャット参加メンバーにも 見える。 【具体的な利用イメージ】 ● 契約ドラフト、請求、支払 いタスク支援、資料授受な どを支援し、不測不備を指 摘してサポート。 ● 取引先とのNextActionタス クドラフトを生成。 AIファシリテーター AI秘書 

プロダクト体験の二層構造とトーク起点のタスク化 AIファシリテーター (中央トークルーム) ・合意形成支援:議論の要点を整理し、共通理解を促進 ・次アクション提示:会話内容から必要なアクションを 　抽出・提案 ・会議運営:要約/To-Do抽出/アサイン案の生成 トーク起点のタスク化 　自然言語での依頼:チャット内の会話から 　依頼内容を確定 　A2A/A2H委任:AIエージェントまたは 　人的リソースに適切に振り分け 　進捗の自動反映:タスク/カレンダーに 　進行状況が自動更新 　実行状態の可視化:リアルタイムで 　ステータスの確認が可能 AI秘書(右サイドパネル) ・非公開の要約/リサーチ:個人向けの情報整理·調査 ・下書き支援:メール·提案文書の素案作成 ・1クリックでエージェント依頼: 　必要な作業をコーディネーターAIエージェント 　から専門エージェントなどに委任。 1 2 3 4 会話 タスク化 実行 完了 ・従来の「依頼→調整→実行→報告→確認→完了」から 　高効率・新体験を提供 

コミュニケーション支援につながる取り組み 18 業務に関する 会話履歴 AI コミュニケーション 支援新機能 Chatworkでのやり取り（業務上の会話履歴）をコンテキストの一部とし、 社外取引・取引先コミュニケーションを支援 

例：取引先との未読メッセージへの対応を支援 ● 未読チャットがたくさんあり、どこから手をつけたらいいか 分からない ● 重要なチャットを見逃してしまい、業務進行に支障が出る 課題 ● チャットルームを横断的に探索し、キャッチアップできる ● 内容に応じて、ユーザーが取るべき具体的なアクション （関係者への指示出し等）を提案 提供価値 未読がたくさんある… ※本画面は、社内での研究開発段階のイメージです。将来的な正式実装や一般提供をお約束するものではありません。 ※当社がAI関連機能を提供する際は、関連法令の遵守と、ユーザーのプライバシー保護に最大限配慮してまいります。 

例：取引先に対する過去の対応履歴を踏まえた対応方針を提案 ● 期業務（年に一度の決算対応等）について、過去対応時の作業内 容が適切に引き注がれていない（探すのに時間がかかる） ● クライアントが不信感を持つ結果となってしまう 課題 ● 過去の会話履歴から、前回対応時の注意点やノウハウを認識し、 まとめて提示。 ● 過去経緯を踏まえた対応でクライアントからの信頼獲得。 提供価値 ※本画面は、社内での研究開発段階のイメージです。将来的な正式実装や一般提供をお約束するものではありません。 ※当社がAI関連機能を提供する際は、関連法令の遵守と、ユーザーのプライバシー保護に最大限配慮してまいります。 

社外取引支援・課題を組み合わせ問題として解くための取り組み 21 業務に関する タスク処理 AI 業務 支援新機能 コーディネーターエージェントは、ユーザーの指示を理解し専門エージェントと 双方向で通信し、指示されたタスクを完了させることで、 人に戦略やクリエイティブに集中し、ノンコア業務はBPaaSで消化する体験を提供 MISSION ： 働くをもっと楽しく、創造的に VISION ： すべての人に、一歩先の働き方を 

まずは、Chatworkにおける特定職能の Active User（AU）の業務プロセスを Verticalに深堀りし、不可逆的な体験を提供する。 さらに、そのアプローチをHorizontalに展開することで カバー範囲を最大化する。 

連絡（納品） 完了 電子申請準備 優先度・高 インプット 従業員データ受領 従業員データ インプット 例：労務手続領域のAIエージェント 23 従業員情報 管理システム (順次対応する SaaSを増やす) 優先度・中 優先度・低 優先度・低 エージェントの 想定 ● 顧客の資料 準備アシス ト ● 不足/不備 時の通知 ※要・詳細化 初回のみ 入社する従業員が発生したタイミング 従業員のデータをSaaSへ 従業員の個人情報+賃金 台帳などをベースに社会 保険情報なども入力 管理するSaaSの識別番号 なども揃える 1.受領したデータを 確認 2.顧客に不明点などの 確認 3.従業員情報を入力・ 保管 この情報をもとに手 続きや給与顧問の作 業を行う 優先度・中 優先度が高く汎用的な処理が期待できるところから開発 (赤枠) 従業員データ 受領 従業員情報を受け取る or 管理SaaSから取得する 情報を確認する 顧客に不明点などの確認 社労士側で問い合わせな ども発生 手続きに必要な情報を過不 足なく集める 行政の公的なPDFデータ 処理 連携サービスからの 情報連携 優先度・低 優先度・低 インプットされ た情報をもとに 手続きに必要な 電子申請の下書 きまで終える ※要・詳細化 手続き前の目視 確認は必須 ※要・詳細化 電子申請完了後 の公文書をもと に顧客に手続き 完了の連絡を行 う（管理SaaSが 別の場合に納 品） ※要・詳細化 優先度・高 

社外取引支援・課題を組み合わせ問題として解くための取り組み 24 LLM RAG 専門エージェント： シート選択 コーディネーター エージェント 専門エージェント： Spreadsheet 専門エージェント： Box 専門エージェント： 給与更新 専門エージェント： 手当インポート 専門エージェント： 控除インポート 専門エージェント： 退職日チェック Excelからシート名を取得する Spreadsheetから各フォー マットのデータを出力する Boxのエクセルから各フォー マットのデータを出力する 基本給をSaaS APIで更新する 手当をブラウザ操作で 更新する 控除をブラウザ操作で 更新する 退職日をSaaS APIで取得して 未入力をチェックする コーディネーターはユーザー の指示を理解し専門エージェ ントと双方向で通信し、指示 されたタスクを完了させる AI Agent 

AI Agent Tool: B 給与計算 SaaS 更新 Tool: A データ読み取り 社外取引支援・課題を組み合わせ問題として解くための取り組み Func: 手当・控除変換 Func: SaaS更新 Func: Data Format 専門エージェント LLM RAG AI Agent 自然言語で記載された控除や手当 を Pydanticでルール化する。 Agent用アカウントで特異台帳の データを更新する。 Tool: B にデータを渡すために JSON フォーマット化する。 25 

[プロトタイプ紹介1] 特異台帳の内容を読み取り→freeeに入力 ● 特異台帳は、自然言語で様々な書 き方をされる。 ● ● ● それをAIエージェントで賢く読み 取り、freeeに入力。 (例) 昇給のケース ・Aさん昇給10,000円 ・Aさんは来月から1万円昇給です。 技術的なチャレンジ 1. スプレッドシート上の特異台帳 の内容を確認 2. AIエージェントを動かし、特異 台帳の内容をfreeeに入力 (昇 給、手当、控除が対象) 3. 特異台帳の内容がfreeeに反映さ れていることを確認 デモ動画の内容 26 

[プロトタイプ紹介2] 住民税の決定通知書をOCR読み取り→freeeに入力 27 住民税の決定通知書のOCRでの 読み取り 技術的なチャレンジ 1. freee上の住民税が0になってい ることを確認 2. 住民税の決定通知書が格納され たGoogleドライブのフォルダの URLをAIエージェントに与え て、「freeeに入力して」と依頼 3. AIエージェントが自動的にOCR 処理を行い、freeeに入力を行う 4. ・4: freeeを開いて、住民税の決 定通知書の内容が記入されてい ることを確認 デモ動画の内容 

住民税や特異台帳情報のSaaS反映をAIエージェントが対応 28 ● 特異台帳は、自然言語で様々な書 き方をされる。 ● ● ● ● それをAIエージェントで賢く読み 取り、freeeに入力。 ● 住民税の決定通知書のOCRでの読 み取り (例) 昇給のケース ・Aさん昇給10,000円 ・Aさんは来月から1万円昇給です。 技術的なチャレンジ 1.AIエージェントを動かし、特異台帳 の内容をSaaSに入力 (昇給、手当、 控除が対象)。特異台帳の内容が SaaSに反映されていることを確認 2.住民税の決定通知書が格納された GoogleドライブのフォルダのURLを AIエージェントに与えて、「SaaSに 入力して」と指示。AIエージェント が自動的にOCR処理を行い、SaaS への入力を行う デモ動画の内容 

AIエージェント導入による効果例： 給与顧問 29 ● AIエージェントを導入することで、社労士の工数の最大約30%を削減可能。 ● 浮いた工数で新たな顧問先の開拓など対応可能に。 計算の前提: ・顧問先は社員30人前後の企業が多い社労士事務所 ・社労士の各作業を、AIエージェントでそれぞれ 　30%~50%削減できる計算 (ヒアリング時の期待値) -10.6% -25.7% -29.6% -9.3% -22.5% -25.9% -7.4% -18% -20.7% ・楽観シナリオ: 社労士1人あたりの顧問先40社 ・中間シナリオ: 同35社 ・悲観シナリオ: AIエージェント導入の期待効果を一律20%減 T1 T2 T3 楽観 中間 悲観 特異台帳 読み取り/入力 公的PDF 読み取り/入力 40分→20分 15分→7.5分 データチェック 120分→84分 累計削減時間 不備時の各種対応 10分→7分 名寄せ 自動納品+ 通知 市区町村 問い合わせ 文言作成 10分→5分 5分→2.5分 10分→7分 楽観 中間 悲観 楽観 中間 悲観 27.5分 66.5分 77分 20分 7.5分 36分 3分 3分 2.5分 5分 最大 約 30% 削減 導入で 期待される効果 社労士の工数削減度合い 機能ごとの工数削減度合い 

特定業務ドメイン特化のAI Agent例：Horizontal展開ユースケース カテゴリ 商品コード サービス名称 代表ユースケース 労務 L-01 勤怠チェックエージェント 打刻CSV ↔ 規程差分アラート L-02 給与計算・データ投入エージェント 勤怠API→給与CSV自動充填 L-03 社保手続エージェント eGov XML作成・提出 経理 A-01 請求書OCR→仕訳エージェント PDF→OCR→勘定科目推論→API登録 A-02 経費精算エージェント レシートOCR→ルール検査→承認 A-03 月次決算エージェント 仕訳集計→PL/BS/CashFlow自動作成 Web制作 W-01 LPオートジェネレータ 商品説明→Figma API→静的HTML W-02 バナージェネレーター コピー＋CI設定→SDXL→サイズ出力 W-03 CMSパブリッシュエージェント Chat投稿→Markdown→Git Push 営業支援 S-01 商談要約エージェント Zoom録音→Whisper→要約→CRM S-02 提案書ドラフトエージェント 要件→SVGスライド→PPT出力 S-03 リレーションフォローエージェント CRMイベント→次アクション生成 採用 R-01 レジュメフィルタエージェント PDF→Embedding判定→ランク付け R-02 面談要約エージェント 面談録画→要点抽出→共有 R-03 オファーレター生成エージェント 報酬・条件→文面生成→送信 R-04 JDオートライター＆投稿エージェント 募集要項自動生成＋求人媒体への一括投稿 

例：AI資料作成 31 ● 商談メモをインプットすると自動的にGoogle Slideが生成。BPaaSテンプレに適用するところまで1次検証済み。 よく使う汎用デザインパターンを事前実装 テンプレカタログ 個別テーマを適用 個別デザイン 商談メモを入力 商談メモを入力 ● 実際のアウトプットイメージ 

AI資料作成：実装状況 32 スライド生成チャットBotへ指示するとGoogleスライドが作成可能 

モック等のイメージ 33 

03 | Agent開発とCoordination Engine 

Managed Service Agent Service Tool Agent Runtime Framework Agentの基本構成 可観測性 LLM Management Model Managed Memory Browser Code Interpriter Custom Tool Secret Manager Object Storage Short-term Long-term External APIs Agent Hub Client Frontend App Native App OAuth Monitoring Logging User {“12 月の勤怠管理を更新して”} 

Vertical Depth × Guarded Precision × Horizontal Scale 36 ● Business chatを業務エントランス化し、"深さ"で不可逆体験を作り、"速度"で学習し、"広さ"で最大化 

非決定論（LLMなど）を適用する領域：探索と学習をAIに委任 37 ● "答えが一つに定まらない領域"はAIに探索させ、候補生成・ランキング・パーソナライズで価値を創出 

決定論を適用する領域：壊してはいけない領域をトレース 38 ● 基幹業務・権限・コンプライアンスは決定論（ルールベース）で再現可能・説明可能・監査可能に 

39 AI Agentと人材リソースをコーディネート AIエージェント AI秘書 RAG Chatwork Coordination Engine Taxita Frontdesk/Backyard Bot Bot Slide生成 エージェント Bot ● 業務を最小タスクへ分解し、目的と制約を入力に“組み合わせ問題”として最適手順を生成 ● コーディネーションエンジンが、AI Agentと人材リソースをコスト・品質・期限・権限で最適配置 ● ユーザーはチャット上の対話を起点にBotへ依頼するだけで、要件補完→実行→完了まで一気通貫で進行 ● ガードレールとして、HITL（重要判断の承認）＋予算上限＋承認フロー＋監査ログで安全に運用 

技術要素（コア技術スタック） 精度・速度・可用性を両立する実装 LLM Reranking処理 ルール・ベクトル検索で絞り込んだ 候補の最終順位付け 詳細評価 タスク要件と候補者スキルの精緻な マッチング分析 説明理由生成 「なぜこの人材が適しているか」の 根拠を自然言語で提示 フィードバック学習 承認/非承認データからの継続的な 精度改善 ベクトル検索 セマンティック類似度計算 タスクとスキルの潜在的な関連性を 高次元で捕捉 コサイン類似度 タスクベクトルメスキルベクトルの 角度で類似性を測定 埋め込みモデル 業務ドメイン特化型の高精度エン コーディング pgvector最適化 高速インデックス検索とスケーラブ ルな運用基盤 連携・認証 Chatwork API 結果通知／アサイン通知／成果物レ ビュー通知の自動連携 Webhook活用 リアルタイムイベント連携とデータ 同期の自動化 SSO認証 既存ID管理との統合、シングルサイ ンオンによる導入摩禁低減 権限管理 タスク・人材データへの適切なアク セス制とセキュリテ 

41 Long-term Org:A Org:B　 Short-term Coordination Engine ● 中小企業の業務実態と人材要件を深く理解 ● チャットログを分析し、長期記憶として個人の能力（専門性・行動特性等）を定量評価 ● 人材やAI Agentの能力と企業ニーズを高精度で自動マッチング ● 従業員のスキルを可視化し、社内人材の最適配置を実現 Group Chat A Group Chat B Group Chat C 職能スコア 行動特性スコア matching 採用担当者 従業員 Agent 人事担当者 Agent Agent IN OUT IN OUT 

42 サマリー： BさんがAIエージェントの担 当者（A）に、固定ロジック のステップ1を試すよう依 頼。Cさんが「労務部アカウ ント」について確認し、Bさ んの催促を受けてプッシュ （催促）を完了させた。 Cさんが明日の定例会に向 け、各チームに対し、この一 週間の活動内容（成果、学び など）を3行でまとめるよう 依頼している。 Aさんはどんな人？ 職能スコア： Chatwork にある職能スコア からAさんは.... Something in Chatwork 今週は固定ロジックだとしてもステップ1やってみて、AIエー ジェントの皆さんについて再度今週考える時間と 労務部アカウントいかがでしょうか！ まだ来ないです プッシュプッシュ！！ プッシュしました Long-term Memory AI に詳しい 技術者を 探している 職能スコア 

43 External Agents Internal Agents A2A Agentへの委任とOAuth ● AgentCardによるAgent-to-Agent認証方式の定義 ● OIDC BrokerがJWT形式のアクセストークンを発行 ● 付与されたSkill権限に基づくAgent間の安全な通信を実現 authentication: { schemes: [“Bearer”] } authentication: { schemes: [“Bearer”] } authentication: { schemes: [“Bearer”] } Agent API User 

44 Business Chat that actually runs your business ● ビジネスチャットを起点とした経営支援 ● すべてのビジネスチャットがインテント認識型の契約自動化 ● 「来月10万円で開発お願いします」→ 瞬時に契約生成 ● 納品確認の会話で自動決済、即座に仕訳 

戦略・ビジョンの“重なり”と“違い” 違うところ 重なるところ 対話が起点、エージェントが実行、横断的な検索/連携、ナレッジ活用。 ● 誰のためのOSか：グローバル・エンタープライズのOSであるか。 → 私たちは(日本の)中小企業の“業務エントランス”である。 ● 何を成果と呼ぶか(現時点の定義)：アプリが“使えるようになる”を成果と呼ぶか。 → 私たちは“仕事が終わる”（BPaaSはリソースも提供）を成果と呼ぶ。 ● 誰が使いこなす前提か：“高リテラシー前提”とするか。 → 私たちはマジョリティ層に“使いこなし不要”のDXを前提とする。 ● 人の活かし方：人⇄アプリのハブであるか。 → 私たちは人材/社外プロ/AI Agentの“最適配置”まで踏み込む。 組織の配置最適化と採用効率化や、外部の隙間リソースの活用なども含める狙い。 “アプリ実行ハブ”に対し、人材とAgentの需給をつなぐ層を内包している。 （=私たちの強み） 

kubellが展開するBPaaSのイメージ ● ビジネスチャットを最大限活用したBPaaSを展開。AIエージェント＋SaaS Hub＋Humanを組み合わせ、 バックオフィス業務の実行までを網羅的に代替 業務発生 Chatwork プロダクト 人事・労務 営業・マーケティング 経理・財務 調達・購買 総務・その他リサーチ BPaaS窓口 ● サービス一覧 ● 案件管理・相談 ビジネスチャット ● チャット・タスク ● 通知(お知らせ・BOT) 46 発生した業務を AIエージェント＋SaaS Hub＋Humanの 連携で実行 AI エージェント SaaS Hub Human データ処理 通知… 外部ツール 連携… 非定型 専門業務… 業務完了 業務効率化 によるコア業務へ の集中 業務タイプ 業務オペレーション 

取引先開拓自動化／人間の役割再定義 ● AI・BPaaSと人間の最適な役割分担による新時代のビジネスモデルを実現 

技術スタック（プロダクト横断で抜粋） 48 

AWS/Google比較 49 AIエージェントサービス実装を進める上での基盤検討について下記の通りまとめた 項目 AWS Google 技術的機能 対応言語 Python, (TypeScript) Python, Java フレームワーク Strands Agents, OSS Agent Development Kit, OSS エージェント 実行環境 AgentCore Runtime Agent Engine Runtime メモリ・状態管理 AgentCore Memory Agent Engine Memory Bank 長期記憶（知識の選択・圧縮） AgentCore Memory Agent Engine Memory Bank AIモデル統合 Bedrock (Nova, 3rd party models) Model Garden (Gemini, 3rd party models) Tools (Browser-Use, Code Interpreter) AgentCore Built-in Tools Agent Engine Code Execution 開発・運用面 開発の容易さ GUI, AgentCore starter tool kit GUI, Vertex AI SDK for Python デプロイ方式 agentcore CLI (Python) shell(Agent Engine), adk CLI(Cloud Run) セキュリティ 認証 Cognito, 3rd party: Okta Identity-Aware Proxy, Workforce Identity. アクセス制御 PrivateLink, Service Control Policy VPC Service Controls 監視・ログ機能 AgentCore Observability Cloud Logging, Cloud Trace 

Agent Engine Instance Runtime Memory Browser Agent Engine AgentCore Runtime Memory Browser Code Interepreter Code Interepreter 拡張機能の充実 ● AgentCore は、Browser Tool や Code Interpreter といった機能を拡張するツールが充実している。 ● これらの拡張機能により、AI Agent は実践的なタスクを実行できる。 Preview Agent 基盤の比較 ① 拡張機能 50 

Agent Engine Instance Memory Agent Engine Instance Runtime Memory Memory Runtime Memory ● AgentCore Memory は独立した Resource である。 ● Agent Engine は Instance と Memory/Runtime が親子関係である。 ● Agent Engine はデフォルトで Memory（Memory Bank）が有効になる。 ● Runtime の有無にかかわらず、Memory は有効になる。 ○ Memory の作成について、Agent Engine と AgentCore の大きな差異はない。 default Agent 基盤の比較 ② メモリ Agent Engine AgentCore 51 

Agent Engine Instance Runtime Memory Runtime Memory ● Multi-Agent 協調の実現容易性 Agent Engine は、Memory 共有が自動的に行われ、Agent Engine Instance のスケーリングにおいて高い効果を発揮する。 ● 価値創出と開発者体験の向上 Agent Engine では、Memory 管理が抽象化されているため、開発者は Memory の接続を意識する必要がない。Memory がすぐに利用可能な 状態で提供されるため、インフラ構築に時間を費やすことなく、ビジネスロジックの実装に集中できる。これにより、AI Agent の市場 投入までのリードタイムを短縮できる。 ● 運用効率の向上 Agent Engine は、Memory と Runtime を「単一ユニット」として管理でき、デプロイメント プロセスを大幅に簡素化する。 ● パフォーマンスの最適化 Agent Engine は、同一インスタンス内での Memory アクセスにより、低レイテンシでの処理を実現する。 deploy, management create create create Agent 基盤の比較 ③ 開発・運用 Agent Engine AgentCore 52 Script Script 

Agent Engine Agent Engine Instance Runtime Memory Agentspace Runtime Memory Frontend Auth Security Auth Security ● エンドツーエンドのセキュアな AI Agent サービスの提供 ○ Agent Engine は、AI Agent を即座に本番利用可能である。 ○ Agentspace により、UI、認証、セキュリティが組み込まれた状態で提供できる。 ● 開発リソースの戦略的活用 ○ Agentspace を活用することにより、自前実装による UI の開発およびメンテナンスコストを削減できる。 ○ UI のセキュリティ リスクの責任を軽減できる。 ○ UI のセキュリティ監査（脆弱性診断）が不要になる。 エンドユーザー Agent 基盤の比較 ④ セキュリティ・コスト 53 AgentCore 

採用について 54 kubellでは、ミッションに共感し、ともに実現していく仲間を募集しています （キャリア登録やニュースレター登録も受け付けています！） kubell採用 https://www.kubell.com/recruit/ 

55 採用ポジションのご案内 AIエンジニア・AIプロダクトマネージャーを積極採用しています！ ご興味あればぜひカジュアルにお話ししましょう！ AIエンジニア AIプロダクトマネージャー 

【宣伝！】年末にかけて積極的に情報発信しています！私も書きます！ 56 kubellのプロダクトメンバーによる kubell Advent Calendar 複数企業が参加している BPaaS/AI+BPO Advent Calendar https://adventar.org/calendars/11348 https://qiita.com/advent-calendar/2025/kubell 

【宣伝！】CSO桐谷がBPaaSを語る、PIVOTが公開！！ 57 「日本の中小企業の生産性を劇的に変える”BPaaS”」をテーマに BPaaSを立ち上げたCSO桐谷が徹底解説しています！ 動画はこちら 

ダウンロードは こちら 【宣伝！】BPaaS/AI+BPOカオスマップ2025 58 国内の主要なBPaaS/AI+BPOサービスの約50サービス（社）を7つのカテゴリに分類し、 AI活用アウトソーシング市場の全体像をとりまとめています！ 

Thank you 59 

働くをもっと楽しく、創造的に 60