ZOZOのAI活用実践 〜社内基盤からサービス応用まで〜 POST Dev 2025 Copyright © ZOZO, Inc. 1 

© ZOZO, Inc. 株式会社ZOZO 執行役員 兼 CTO Ruby, Fluentd コミッタ 瀬尾 直利 / そのっつ 2019.01 (株)ZOZOテクノロジーズ入社 (前職: DeNA) 2019.04 MLOps立上げ 2020.04 ZOZOTOWNリプレイス戦略, PF-SRE立上げ 2021.04 EC基盤本部長 / CTO委員長 2021.10 (株)ZOZO 技術本部長 2022.04 技術本部長 兼 VPoE 2023.06 執行役員 兼 CTO 2 @sonots 
 

© ZOZO, Inc. https://zozo.jp/ 3 ● ファッションEC ● 1,600以上のショップ、9,000以上のブランドの取り扱い ● 常時107万点以上の商品アイテム数と毎日平均2,700点以上の新着 商品を掲載（2025年6月末時点） ● ブランド古着のファッションゾーン「ZOZOUSED」や コスメ専門モール「ZOZOCOSME」、シューズ専門ゾーン 「ZOZOSHOES」、ラグジュアリー＆デザイナーズゾーン 「ZOZOVILLA」を展開 ● 即日配送サービス ● ギフトラッピングサービス ● ツケ払い など 

© ZOZO, Inc. https://wear.jp/ 4 ● あなたの「似合う」が探せるファッションコーディネートアプリ ● 1,900万ダウンロード突破、コーディネート投稿総数は1,400万 件以上（2025年6月末時点） ● コーディネートや最新トレンド、メイクなど豊富なファッション 情報をチェック ● AIを活用したファッションジャンル診断や、フルメイクをARで試 せる「WEARお試しメイク」を提供 ● コーディネート着用アイテムを公式サイトで購入可能 ● WEAR公認の人気ユーザーをWEARISTAと認定。モデル・タレン ト・デザイナー・インフルエンサーといった各界著名人も参加 

© ZOZO, Inc. 5 目次 ZOZOのAI活用実践 ● 社内インフラ整備 ● 業務効率化事例 ● サービス／プロダクト活用 ● 課題と展望 目次 

© ZOZO, Inc. 6 社内インフラ整備 2022年11月にChatGPTがリリースされたことで、生成AIが一気に普及。 ZOZO社でも、生成AI活用のための社内インフラ整備が急務に。 

© ZOZO, Inc. 7 ZOZO社で利用可能な生成AIツール チャットツール ● Microsoft Copilot ● Gemini Advanced ● NotebookLM Plus ● ChatGPT Enterprise コーディングAI ● GitHub Copilot (coding agent) ● Claude Code ● Gemini CLI ● Codex CLI 生成AIモデル基盤 ● Amazon Bedrock ● Gemini / Vertex AI Model Garden ● OpenAI API その他（一部の部署でのみ利用中） ● Dify ● Figma AI 

© ZOZO, Inc. 8 生成AIインフラ整備の歴史 〜 チャットツール 〜 ● 2023年12月：Microsoft Copilot (旧 Bing Chat Enterprise) ● 2025年03月：Gemini Advanced / NotebookLM Plus ● 2025年08月：ChatGPT Enterprise Microsoft 365 付属 Google Workspace 付属 背景： Microsoft Copilot、Gemini を利用できていたが、 個別の要望により、部署別での ChatGPT Team 契約が発生 ChatGPT Connectors のような社内システムとの連携機能も生 まれており、統括管理するために Enterprise を導入 https://corp.zozo.com/news/20250922-007248/ 

© ZOZO, Inc. 9 生成AIインフラ整備の歴史 〜 コーディングAI 〜 ● 2023年05月：GitHub Copilot の全社展開 ● 2025年03月：Cline / Devin / Cursor の試験導入が進む ● 2025年06月：Claude Code (Amazon Bedrock) の試験導入が進む ● 2025年07月：Claude Code (Maxプラン) / Gemini CLI の全社展開 ● 2025年09月：Codex CLI / GitHub Copilot coding agent の全社展開 背景： 6月までは「最終的に Copilot 一強になる」にベットして GitHub Copilot を推進。他のコーディングAIは部署ごとの 試験利用に限定 6月以降、Claude Code の評価が急上昇したことで、マルチ スタンダードを容認。変化に備え、予算は「開発AIエージェ ント」として柔軟に運用できる形とした。 2025年7月、全エンジニアを対象に1人あたり月額200米ドルの 基準のもと、開発AIエージェントの導入決定 https://corp.zozo.com/news/20250729-007217/ 

© ZOZO, Inc. 目次 ZOZOのAI活用実践 ● 社内インフラ整備 ○ 生成AIツールの導入判断とガバナンス ● 業務効率化事例 ● サービス／プロダクト活用 ● 課題と展望 目次 

© ZOZO, Inc. 11 導入判断と費用対効果の計測 導入判断 ● 特定部署への試験導入で「どういう業務が」「どれぐらい時間削減できたか」ヒアリング ○ コーディングAI：開発業務が3割〜5割削減 ○ ChatGPT：月9〜16時間削減 ● コストメリットがあると判断して全社展開を決定 今後の効果実績計測 ● アンケートは個人の所感に依っているため、データで計測したい ● 特に、開発業務については、コーディングだけが3割〜5割削減されても、要件定義、レビュー、 QAなどフロー全体を考えると、効果が如何ほどなのか不明 ● 模索中 （本日の発表には間に合いませんでした） 

© ZOZO, Inc. 12 生成AIツールの利用ルール ①著作権、肖像権、商標の侵害に注意 ● アウトプットされた情報が著作権、肖像権、商標を侵害していないか確認すること ②入力情報を学習させないこと ● 情報漏えいの可能性を念頭に、不必要な社外秘情報は入力しないこと
 ③人のチェックを通すこと
 ● 生成結果（データ）については、人によるチェックを実施の上で活用すること
 ● 生成結果が大量で人でチェックすることが難しい場合、システム化するなどして対応すること
 ④会社メールアドレスでアカウントを発行して利用すること
 ※登壇用の簡易版であり、社内にはより詳細なチェック項目があります 

© ZOZO, Inc. 13 生成AIツールの導入審査 (MUST) 入力内容を学習されないようにする設定が可能なこと (SHOULD) その設定を管理サイドで一括管理できること (MUST) アカウント管理（退職者管理）ができること (SHOULD) アカウントをSSO管理できること (WANT) 生成物について訴訟された場合の補償があること (MUST) 政府が経済安全保障上の懸念を示している国または地域にデータを保管していない (MUST) 反社チェックに通っていること (MUST) その他、なんらかセキュリティ、法的な懸念がないこと (MUST) 情報セキュリティ部のチェックに通っていること (MUST) 法務部のチェックに通っていること ※登壇用の簡易版であり、社内にはより詳細なチェック項目があります 

© ZOZO, Inc. 14 目次 ZOZOのAI活用実践 ● 社内インフラ整備 ● 業務効率化事例 ● サービス／プロダクト活用 ● 課題と展望 目次 

© ZOZO, Inc. 15 業務効率化事例 〜生成AI活用推進〜 社内インフラを整備しただけでは不十分。生成AIを活用し効果を出してこそ意義がある。 2023年当時、開発部門では GitHub Coplit の導入や、生成AI技術のR&Dが進んでいたが、 ビジネス部門においての生成AI活用はほぼ未検討であった。 2023年9月、生成AI活用推進のためのプロジェクトとチームを発足。 ビジネス部門へのニーズヒアリングから活動を開始し、生成AIツールの開発と提供を行なった。 

© ZOZO, Inc. ● 情報システム部門の問い合わせ対応ボット ● SNS投稿文生成ツール ● IR情報の自動収集＆サマリ作成ツール ● 売上に関するトピックス作成ツール 23個のAIツールを9カ月で開発し、ITmediaの記事にも取り上げていただいた 生成AI業務活用プロジェクト 

© ZOZO, Inc. 17 生成AI活用事例①② 

© ZOZO, Inc. 18 生成AI活用事例③④ 

© ZOZO, Inc. 19 生成AI活用事例⑤ 

© ZOZO, Inc. 生成AI活用リテラシー研修 全社員でカスタムGPTを作成・利用し、月間利用者数をチーム戦で競い合う 楽しみながら、実践を通して活用を学ぶと共に、便利なカスタム GPTを開発・共有する試み https://corp.zozo.com/news/20250423-aitraining/ 

© ZOZO, Inc. 目次 ZOZOのAI活用実践 ● 社内インフラ整備 ● 業務効率化事例 ○ コーディングAI活用とエンジニアの生存戦略 ● サービス／プロダクト活用 ● 課題と展望 目次 

© ZOZO, Inc. コーディングAIエージェントの活用 GitHub Copilot (無印) の時代は、人間が主体で、AIはあくまでCopilot (副操縦士) だった。 2025年に Cline / Devin のような、AIが主体で、人間がナビゲーターとなるコンセプトのツールが登場 2025年6月に Claude Code の精度が飛躍的に向上 例) 業務委託に1週間で頼もうとしていたPoCが、1日で完了 パラダイムシフトが進行中。エンジニアの生存戦略も変化しつつある AIエージェントを利用したコーディングの流れ 1. 人間: AIエージェントにやりたいことを指示 2. AI: コード生成 3. 人間: 動作確認 4. 人間: 結果をAIエージェントにフィードバック 5. AI: コード修正 6. 人間: 実装が微妙なところは直す 3~6を繰り返す 人間はコードをほとんど触らない 特にプロトタイピングは AIで飛躍的に速度UP 

© ZOZO, Inc. コーディングAI時代のエンジニア生存戦略 このAI時代にエンジニアが生きのこるためには (1) AIと共創する力 ● AIエージェントに適切な指示を出すプロンプト設計力 ● 生成結果を的確に評価・修正するレビュー力、クリティカルシンキング (2) 設計・抽象化スキル ● 仕様を自然言語で整理し、システム構造に落とし込む力 ● 大局的なアーキテクチャ設計や非機能要件（セキュリティ・パフォーマンス）を考える力 (3) ドメイン知識の深化 ● LLMは汎用的なコード生成は得意だが、業務知識やプロダクトの背景理解は人間の強み ● 特定領域（金融、物流、ファッションなど）の知識と技術を組み合わせると代替されにくい (4) 人と組織の橋渡し ● ステークホルダーとAI/開発チームの間をつなぐ役割 ● 技術を「どう使うか」をビジネスの文脈で提案できる力 そして、時代についていく柔軟性 

© ZOZO, Inc. コーディングAI時代のエンジニア生存戦略ロードマップ AI活用: AIに指示してコードを書か せ、出力を読んで理解する。AIを 駆使して既存コードを読解する。 レビュー: 「なぜこのコードは動く ／動かないか」をAIに質問し、解 釈力を磨く。 基礎スキル強化: CS基礎を押さ え、AIではなく自分の頭で考える 「理屈の理解」を持つ。 設計力: 仕様を整理、抽象化して伝え る（人にもAIにも）力を持つ ドメイン知識: 「業務 x 技術」の掛け 算で強みを持つ 品質の責任: 自動生成コードのリスク を見抜く力を強化する。 アーキテクト力: 大規模システムの 構造を設計する。 人と組織の橋渡し: ステークホル ダー、ビジネス側、AI／開発チー ムをつなぐ。 ガバナンス: 倫理、ライセンス、セ キュリティを管理する。 ジュニア期 基礎的なコーディング力を積む ミドル期 プロジェクトの一部を任される シニア期 組織全体の「意思決定」や「責任」 

© ZOZO, Inc. 25 目次 ZOZOのAI活用実践 ● 社内インフラ整備 ● 業務効率化事例 ● サービス／プロダクト活用 ● 課題と展望 目次 

© ZOZO, Inc. ZOZOの経営戦略と AI方針 

© ZOZO, Inc. 27 ZOZO社のAIサービス活用の歴史 2018年：採寸用ボディースーツ 「ZOZOSUIT」 ※2025年現在、サービス終了 2019年：ZOZOTOWNに類似アイテム画像検索を導入 2019年：スマホで簡単に足の3Dサイズが計測できる「ZOZOMAT」 2020年：髪型からコーディネートが検索できる新機能「髪型別コーデ検索」 ※2025年現在、サービス終了 2020年：ZOZOTOWNにパーソナライズされた検索おすすめ順を導入 2021年：自宅で手指の計測が可能に！ZOZOMAT for Hands 2021年：フェイスカラー計測ツール「ZOZOGLASS」 2022年：ZOZOTOWNのルールベースの「おすすめアイテム」機能をAI化 2023年：画像認識を用いたZOZOTOWN商品に対するシーン・スタイルタグ予測 2024年：WEARにファッションジャンル診断やフルメイクARを導入 2024年：Two-TowerモデルによるZOZOTOWNのHOME面モジュールの並び順パーソナライズ 2025年：WEAR関連コーデレコメンドプロジェクトへのVertex AI Vector Search導入と実践 2025年：マッチングアプリ「ZOZOマッチ」に全身画像生成機能 

© ZOZO, Inc. 28 AIサービス活用事例〜計測プロダクト〜 

© ZOZO, Inc. 29 計測技術: ZOZOMETRYの「ZOZOSUITなし」計測 2024年10月、事業者向けに体型計測技術を提供するツールとして「ZOZOMETRY」をリリース 

© ZOZO, Inc. 30 AIサービス活用事例〜DNNを用いた画像処理〜 2019年、閲覧商品と似ている商品を検索できる「類似アイ テム画像検索機能」をZOZOTOWNに導入 https://corp.zozo.com/news/20190826-8586/ https://techblog.zozo.com/entry/auto-tagging-scene-style 商品画像に、シーン・スタイルタグを自動付与する 画像判別モデルを開発 

© ZOZO, Inc. 31 AIサービス活用事例〜パーソナライズ〜 2020年、検索結果の並び順パーソナライズ (Learning to rank) 「おすすめ順」をリリース 「おすすめアイテム」をルールベースから機械学習モデ ル (Google Recs AI) ベースにリプレイス https://techblog.zozo.com/entry/zozotown-item-recommend-infra-arch https://techblog.zozo.com/entry/zozotown-search-personalize 

© ZOZO, Inc. 32 AIサービス活用事例〜Embeddingモデル〜 2024年、Two-TowerモデルによるZOZOTOWNの HOME面モジュールの並び順パーソナライズ機能 Two-TowerモデルによるWEARの関連コーデレコメンド Embedding抽出にはGNNを利用 https://techblog.zozo.com/entry/introduction-and-practice-of-vertex-ai-vector-search https://techblog.zozo.com/entry/module-personalize-phase2 https://techblog.zozo.com/entry/zozotown-home-module-personalization-v1 

© ZOZO, Inc. 33 AIサービス活用事例〜生成AI〜 ユーザ登録に全身画像が必要だが自撮りが難しい Google Imagen を利用した全身画像生成を提供 

© ZOZO, Inc. 目次 ZOZOのAI活用実践 ● 社内インフラ整備 ● 業務効率化事例 ● サービス／プロダクト活用 ○ 生成AIのサービス活用とAIエンジニアの役割変化 ● 課題と展望 目次 

© ZOZO, Inc. 35 生成AIをサービス利用する際に気をつけること ①法規制・倫理的配慮 ● 著作権や商標侵害につながる生成物への配慮 ● 差別的・攻撃的・不適切なコンテンツ生成の防止 ②セキュリティ ● Prompt Injection（入力を悪用して意図しない動作をさせる攻撃）への耐性 ● データ漏洩リスク（個人情報や内部情報の不適切な出力）への耐性 ③品質・ユーザ体験
 ● ハルシネーション（事実誤認の生成）の制御
 ● 適切なフィードバックループ（ユーザーからの通報や改善プロセス）
 ④運用・モニタリング
 ● ログ監査
 ● 異常検知（不適切出力が増えた場合の早期対応） これらのシステム的な対応(LLMOps)が必要 例）Langfuse, Datadog LLM Observability, Google Model Armor の導入など 

© ZOZO, Inc. 36 生成AI時代におけるサービス開発とAIエンジニアの役割変化 生成AI以前 ● PoC構築：AIエンジニアが主導してPoCを実装 ● 検証～本番化：技術検証後にエンジニアが本番システムを構築 ● AIエンジニアの役割：実装・検証・運用を一貫して担当。AI/MLモデル開発が中心的スキル 生成AI以後 ● PoCの民主化：非エンジニアや企画職でも生成AIで短期間にPoCが可能に ● フローの分岐： ○ 生成AIで不可能 → 従来通り、AIエンジニアにPoCを依頼 ○ 生成AIで完結可能 → 社内サービスは即リリース、本番システム開発はAIエンジニアに依頼 ● AIエンジニアの役割： ○ セキュリティ・保守性・品質保証の役割を期待されるように（なってしまった） ○ LLMOps（LLMモデルを安定稼働させるための運用・監視・改善）が新たな必須スキルに 

© ZOZO, Inc. 37 目次 ZOZOのAI活用実践 ● 社内インフラ整備 ● 業務効率化事例 ● サービス／プロダクト活用 ● 課題と展望 目次 

© ZOZO, Inc. 38 課題と展望 社内インフラ基盤 ● 生成AIツールがめまぐるしく進化する時代なので、素早く臨機応変に対応する必要性 ● マルチスタンダードを許容 コーディングAIによるエンジニアのあり方 ● エンジニアとしてのAIとの付き合い方を考える必要性 ● 費用対効果の定量評価の仕組みをつくる ● もし仕事が3割楽になるなら、新しい開発を3割アサインできるようにCTOとして仕事を用意する サービス／プロダクト活用 ● 生成AIによって、AIエンジニアがいなくてもPoCできる事例が増えてきている ● 一方で、エンジニアがいないと保守性・セキュリティ・性能を担保できない ● LLMOps の整備が急務になってきている 

No content