Gemini と NotebookLM を組み合わせて目標設定の負荷を軽減する方法 / Goal setting with gemini and notebooklm

Slide 1

Slide 1 text

2025/10/22 クラスメソッド組織開発室⽥部井勝彦 Google Cloud に学ぶ「AIエージェントって何？」を解決する、やさしいビジネス活⽤と業務効率化事例 Gemini と NotebookLM を組み合わせて⽬標設定の負荷を軽減する⽅法

Slide 2

Slide 2 text

⾃⼰紹介 ● 2021年11⽉⼊社エンジニアリング統括室 ● 2023年01⽉エンジニアリング統括室室⻑就任 ● 2023年07⽉組織開発室室⻑ ● 2025年10⽉現在 2 ● 部署 ○ 組織開発室室⻑ ● 名前（ニックネーム） ○ ⽥部井勝彦（てぃーびー） ● e-Book(ZennBook) ○ ITエンジニア採⽤⼊⾨

Slide 3

Slide 3 text

ウェブエンジニア→⼈事 ● 2001年04⽉新卒ウェブエンジニア： ● 2019年06⽉ウェブエンジニア卒業 ● 2019年07⽉スタディスト⼊社⼈事へ ○ ⼈事評価制度担当 ● 2021年11⽉クラスメソッド⼊社 ○ エンジニアリング統括室配属 ● 2022年06⽉⼈事評価制度担当 ● 2022年07⽉〜2022年10⽉⼈事評価制度改定を担当 ● 2023年01⽉エンジニアリング統括室室⻑ ● 2023年07⽉⼈事グループ組織開発室室⻑ ● 2023年10⽉⼈事評価制度⼊⾨制度設計編執筆 ● 2024年01⽉⼈事評価制度⼊⾨現場運⽤編執筆 ● 2024年05⽉⼈事評価制度⼊⾨被評価者編執筆 ● 2025年07⽉⽬標設定⽀援ツールの導⼊ 3 ● ウェブエンジニア出⾝ ● 開発時代にツール導⼊経験あり ○ 顧客へのBIツールの導⼊ ○ 開発チームへの各種ツール導⼊ ● 2社で⼈事評価制度担当を経験 ● 現職では2022年7⽉から継続して⼈事評価制度を担当

Slide 4

Slide 4 text

⽬次 4 ● 今⽇お伝えしたいこと ● 今回のお題 : ⽬標設定 ● 活⽤事例の紹介 ● まとめ

Slide 5

Slide 5 text

今⽇お伝えしたいこと

Slide 6

Slide 6 text

AIで業務改善のフロンティアを狙う 6

Slide 7

Slide 7 text

○ ⽂書の要約 ○ 問い合わせ対応 ○ アイデア出し ○ 情報収集 ○ 画像⽣成‧編集 ○ etc AIに適した⾮定型業務の例 7

Slide 8

Slide 8 text

AIに適さない⾮定型業務の特徴 8

Slide 9

Slide 9 text

AIを活⽤した業務改善に必要な3要素 9

Slide 10

Slide 10 text

今回のお題 : ⽬標設定

Slide 11

Slide 11 text

今回のお題 : ⽬標設定に関する課題 11

Slide 12

Slide 12 text

今回のお題 : 問題点は多様 12

Slide 13

Slide 13 text

今回のお題 : 従来の解決策 13 従来の解決策は、解決まで年単位の時間がかかる

Slide 14

Slide 14 text

AIで⼿動と⾃動の業務改善の間を埋めよう 14

Slide 15

Slide 15 text

今回紹介する例 : ⾮定型でAIで解決可能な業務 15

Slide 16

Slide 16 text

活⽤事例の紹介 : 全体像

Slide 17

Slide 17 text

活⽤事例の紹介 : ⽬標の構成要素 17

Slide 18

Slide 18 text

活⽤事例の紹介 : ⽬標設定⽀援ツールの全体像 18

Slide 19

Slide 19 text

活⽤事例の紹介 : ⽬標設定⽀援ツールの全体像 : Gemini 19 Geminiは、マルチモーダル対応の⽣成AIモデルで、テキスト‧画像‧動画など複数の形式の情報を理解‧処理し、⾼度な推論と応答が可能です。

Slide 20

Slide 20 text

活⽤事例の紹介 : ⽬標設定⽀援ツールの全体像 : NotebookLM 20 NotebookLMは、ユーザーが提供したソースに基づいて情報整理、要約、ブレインストーミングを⽀援するAIノートアシスタントです。

Slide 21

Slide 21 text

活⽤事例の紹介 : 前提の整理 : 本⼈の情報

Slide 22

Slide 22 text

活⽤事例の紹介 : 前提の整理 : 本⼈の情報 22

Slide 23

Slide 23 text

活⽤事例の紹介 : 前提の整理 : 本⼈の情報 23

Slide 24

Slide 24 text

活⽤事例の紹介 : 前提の整理 : 本⼈の情報を出⼒ 24

Slide 25

Slide 25 text

活⽤事例の紹介 : 前提の整理 : 本⼈の情報を出⼒ : 出⼒例 25

Slide 26

Slide 26 text

活⽤事例の紹介 : 前提の整理 : 本⼈の情報を出⼒ : 出⼒例 26

Slide 27

Slide 27 text

活⽤事例の紹介 : 前提の整理 : 本⼈の情報を出⼒ : 出⼒例 27

Slide 28

Slide 28 text

活⽤事例の紹介 : ⽬標設定 Gem : ポイント 28 ● ステップバイステップの質問の流れを Gem に設定してある ○ 利⽤者は Gemini の問いに回答だけすればよい ● 次のキャリアステップの内容をAIによって動的に出⼒している ○ ⼊⼒値に応じたキャリアプランの選択肢を提⽰している ● Gem は社員全体の Google Group に共有している ○ 社員の増減に対して権限設定のメンテナンスが不要

Slide 29

Slide 29 text

活⽤事例の紹介 : 前提の整理 : 全社‧評価制度の情報

Slide 30

Slide 30 text

活⽤事例の紹介 : 前提の整理 : 全社‧評価制度の情報 30

Slide 31

Slide 31 text

活⽤事例の紹介 : 前提の整理 : 全社‧評価制度の情報 31

Slide 32

Slide 32 text

活⽤事例の紹介 : 前提の整理 : 全社‧評価制度の情報を設定 32

Slide 33

Slide 33 text

活⽤事例の紹介 : 前提の整理 : 部⾨の情報

Slide 34

Slide 34 text

活⽤事例の紹介 : 前提の整理 : 部⾨の情報 34

Slide 35

Slide 35 text

活⽤事例の紹介 : 前提の整理 : 部⾨の情報 35

Slide 36

Slide 36 text

活⽤事例の紹介 : 前提の整理 : 部⾨の情報を設定 36

Slide 37

Slide 37 text

活⽤事例の紹介 : ⽬標の素案を出⼒

Slide 38

Slide 38 text

活⽤事例の紹介 : ⽬標の素案を出⼒ 38

Slide 39

Slide 39 text

活⽤事例の紹介 : ⽬標の素案を出⼒ 39

Slide 40

Slide 40 text

活⽤事例の紹介 : ⽬標の素案を出⼒ 40

Slide 41

Slide 41 text

活⽤事例の紹介 : ⽬標設定 LM : ⽬標の素案 : 出⼒例 41

Slide 42

Slide 42 text

活⽤事例の紹介 : ⽬標設定 LM : ⽬標の素案 : 出⼒例 42

Slide 43

Slide 43 text

活⽤事例の紹介 : ⽬標設定 LM : ⽬標の素案 : 出⼒例 : JD 役割 • データエンジニアリングの専⾨性を活かした複雑なデータ基盤の設計‧構築を主導する役割。 • ⼩規模案件のプロジェクトマネジメントおよびプリセールスを担い、顧客との信頼関係構築及び技術的リーダーシップを発揮する役割。 • ⽣成AIを活⽤した新しい仕組みの構築‧改善を通じて、組織全体の技術戦略と⽣産性向上に貢献する役割。 43

Slide 44

Slide 44 text

活⽤事例の紹介 : ⽬標設定 LM : ⽬標の素案 : 出⼒例 : JD 44 主要な業務 ● 役割1: 複雑なデータ基盤の設計‧構築を主導 ○ パフォーマンス‧セキュリティ要件が厳しい案件におけるデータ分析基盤の⾼度な設計（アーキテクチャ設計、セキュリティ設計など）と実装を主導する。 ○ 顧客固有のインフラ要件やツール指定といったイレギュラーな個別要件に対し、コストパフォーマンスを考慮した解決策を考案し、実現までつなげる。 ○ データパイプライン構築‧運⽤において、技術検証を主導し、品質‧効率性を⾼めるための技術判断と改善提案を⾏う。 ● 役割2: プロジェクトマネジメントとプリセールス、技術的リーダーシップの発揮 ○ ⼩規模案件または追加案件において、顧客の要求整理、⾒積書作成、顧客折衝（期待値調整を含む）を⾃律的に担当する。 ○ プロジェクトにおいて主導的なポジションで参画し、チーム外の関係者や顧客との合意形成‧調整を⾏い、業務を完遂する。 ○ ⾃らが⼿本となり専⾨能⼒を発揮し、レビューやOJTを通じてチームメンバーの技術的な成⻑を⽀援する。 ● 役割3: ⽣成AIを活⽤した新しい仕組みの構築‧改善 ○ ⽣成AIの活⽤に関する部⾨の課題（例：⽣産性向上）に対し、技術的解決策を⽴案し、組織横断的な仕組み（技術選定や標準化）の整備に貢献する。 ○ 担当業務において、複数のAIやツールを組み合わせた効率化⼿法を確⽴し、その具体的なやり⽅やノウハウを社内へ体系的に共有する。

Slide 45

Slide 45 text

組織課題1 : ⽣成AIを活⽤した開発効率の劇的な向上と技術品質の標準化上位⽬標‧部⾨課題を踏まえた取り組む意義の説明データ事業本部では、AI活⽤による⽣産性の向上が全社的な課題とされており、XX部でも⽣成AIの活⽤が主要な課題の⼀つです。G4スペシャリストに求められるAIリテラシー（複数のAI/ツールの組み合わせ活⽤と社内共有）を発揮し、得意とするプロフェッショナルな知⾒を活かして、チームの⽣産性向上と技術的な差別化（スケールアップ/⾼利益率化）に貢献します。 Objective ⽣成AIを最⼤限に活⽤し、データエンジニアリングにおける新たな開発標準を確⽴することで、チーム全体の⽣産性を劇的に向上させる。 KeyResults ● [KR1.1] 担当プロジェクトにおいて、複数のAI/ツールを組み合わせて業務を遂⾏し、データパイプライン構築における⼯数効率を20%以上改善し、その具体的な⼿法を社内共有（DevelopersIOまたは社内ドキュメント）を4件以上実施する。 ● [KR1.2] データ基盤構築における⽣成AIを活⽤した新たな効率化の仕組み（例：データクレンジングの⾃動化⽀援、テストコード⽣成⽀援など）を開発‧検証し、社内プレゼンテーションを2回以上実施する。 ● [KR1.3] 技術品質を意識したコーディング規約や設計レビューの観点（パフォーマンス‧セキュリティを含む）を整備し、チームメンバー3名以上がレビュー時に利⽤可能な状態にする。活⽤事例の紹介 : ⽬標設定 LM : ⽬標の素案 : 出⼒例 : OKR 45

Slide 46

Slide 46 text

現在のグレードG3の基準をクリアし、次のグレードG4スペシャリスト（S4）に求められる役割と⾏動を達成することを⽬標とします。成⻑課題 : 第1層マインド評価要素リーダーシップ⽬標チームの技術的な課題解決とメンバーの成⻑⽀援を主導し、共通⽬的に向かって貢献することで、G4スペシャリストに求められるリーダーシップを発揮する。達成計画 ● プロジェクトへのタスクアサインメントにおいて、チームの⽅針を共有するとともに、メンバーの成⻑を促すために適切な難易度のタスクを計画的に割り振り、完遂まで⽀援する（成⻑⽀援）。 ● 組織課題（エンジニア層の不⾜、育成課題）に対して、⾃ら解決策を⽴案し、上⻑や関係者を巻き込みながら解決に向けたアクションを推進する（⾃律的な課題発⾒と周囲の巻き込み）。 ● 業務のプロセス改善や技術的な負債の解消について、「どうすればできるか」を考え、チームを巻き込みながら具体的な改善活動を主導する。活⽤事例の紹介 : ⽬標設定 LM : ⽬標の素案 : 出⼒例 : グレード⽬標 46

Slide 47

Slide 47 text

活⽤事例の紹介 : ⽬標設定 LM : ⽬標の素案 : 出⼒例 : グレード⽬標 47 成⻑課題 : 第1層能⼒評価要素 AIリテラシー⽬標 AI活⽤を⽇常の業務で徹底的に実践し、G3の基準を満たすとともに、複数のAI/ツールを組み合わせた⽣産性向上⼿法を確⽴‧社内共有することで、G4に求められるAIリテラシーを発揮する。達成計画 ● データエンジニアリング業務全般において、AIが有効な場⾯（例：ドキュメント⽣成、テスト、デバッグ）を特定し、⽇常的にAIをフル活⽤することを徹底し、G3の基準を達成する。 ● 担当業務において、最低でも2種類以上のAI/ツール（例：RAG、コード⽣成AIなど）を組み合わせて活⽤し、作業効率化に貢献し、その具体的なやり⽅をドキュメント化して社内共有する。 ● AI活⽤を推進するための新たなツールや技術について、技術検証を主導し、部⾨内での導⼊の可否や活⽤⽅法について結論を出す

Slide 48

Slide 48 text

● ソースファイルに制御⽤プロンプトを設定している ○ 公式のドキュメントで⾔及されている利⽤⽅法ではないが、⼀つのプラクティスとして運⽤できている ● Google ドキュメントの更新が便利 ○ 同期機能で更新内容を⼿軽に反映可能活⽤事例の紹介 : ⽬標設定 LM : ポイント 48

Slide 49

Slide 49 text

活⽤事例の紹介 : ⽬標のレビュー（省略）

Slide 50

Slide 50 text

活⽤事例の紹介 : ⽬標設定 LM : ⽬標のレビュー 50 ⽬標のレビューに関しては時間の都合上割愛します。利⽤しているノウハウとしては⽬標の素案出⼒と変わりません。

Slide 51

Slide 51 text

活⽤事例の紹介 : AIだからできたこと

Slide 52

Slide 52 text

AIだからできたこと : 多様な課題を抱える⾮定型業務だったこと 52

Slide 53

Slide 53 text

AIだからできたこと : 短期導⼊ 53 ● 2025/06/09 の週 ○ タスクばらし ● 2025/06/16 の週 ○ マネージャーへ⽬標設定の課題をヒアリング ○ 過去の⽬標設定の記録から課題を掘り起こす ● 2025/06/23 の週 ○ ⽬標設定に必要なプロセスを整理する ○ ⽬標設定⽀援ツールで解決する要件を決める ○ ⽬標設定⽀援ツールのアーキテクチャ設計

Slide 54

Slide 54 text

AIだからできたこと : 短期導⼊ 54 ● 2025/06/30の週 ○ 評価関連資料をPDFにエクスポート ○ 全社⽅針に関する資料を整理 ○ 部⾨⽅針に関する資料についてデータ事業本部を例に整理 ● 2025/07/07の週 ○ ⽬標設定 Gem の開発 ○ ⽬標設定 Gem のテスト ○ ⽬標設定 LM の開発 ○ ⽬標設定 LM のテスト ○ ⽬標設定⽀援ツール全体のテスト

Slide 55

Slide 55 text

● 2025/07/14の週 ○ ⽬標設定⽀援ツールのリファレンス作成 ○ ⽬標設定⽀援ツールの検証⽤に 5部⾨に協⼒依頼 & 必要な対応の説明 ○ ⽬標設定⽀援ツールの検証⽤に 5部⾨の NotebookLM と補助資料を整備 ○ 検証からのフィードバックを取得 ○ フィードバックを元にしたツール‧リファレンスの修正 ○ 動作確認が取れたところで、残対応の実施 ■ 全部⾨(+12部⾨)の部⾨別補助資料のテンプレート作成 ■ 全部⾨(+12部⾨)の NotebookLM の作成および疎通確認 AIだからできたこと : 短期導⼊ 55

Slide 56

Slide 56 text

AIだからできたこと : 短期導⼊ 56 ● 2025/07/22の週 ○ トップマネージャーのミーティングで⽬標設定⽀援ツールのデモを実施 ○ マネージャー全体へツール導⼊に向けた事前の協⼒依頼の周知 ○ 全社への⽬標設定⽀援ツールの提供周知私1⼈、1ヶ⽉半で他の業務も並⾏しながら導⼊完了 🎉

Slide 57

Slide 57 text

AIだからできたこと : 短期導⼊の前提 57 ● 今回は私が1⼈3役だった ○ 評価制度の業務ドメインの専⾨家 ○ 業務改善の経験者 ○ AIリテラシーがある ● Gemini、NotebookLM のツールの基本的な機能の範囲内で実現できた ○ 特に NotebookLM がなかった場合、同じようなことをやろうとしたら独⾃の RAG※1 環境を構築する必要があり、1ヶ⽉半では到底構築できなかったはず ※1. RAG（Retrieval-Augmented Generation）は、⼤規模⾔語モデル（LLM）が外部データベースから関連情報を検索し、それに基づいて回答を⽣成する⼿法です。

Slide 58

Slide 58 text

社内の声

Slide 59

Slide 59 text

社内の声 : Slack より ● めちゃくちゃ便利だった。体感5倍ぐらいで下書きが作れた ● 考える時間が98%削減できました ● GoogleのAIサービスだけでノーコードで作ってるってとこがすごい ● ツール、⽬標のベースなどを気軽に作れるのでとても良きでした！ ● 出⼒を少しだけアレンジしたら⽬標設定が完成した。いつもめっちゃ悩むのでこれはありがたい ● ツールを使ってグレード⽬標の基礎を固めたが、便利で感動した ● 控えめに⾔って最⾼です 59

Slide 60

Slide 60 text

まとめ

Slide 61

Slide 61 text

まとめ : AIで業務改善のフロンティアを狙う 61

Slide 62

Slide 62 text

○ ⽂書の要約 ○ 問い合わせ対応 ○ アイデア出し ○ 情報収集 ○ 画像⽣成‧編集 ○ etc AIに適した⾮定型業務の例 62

Slide 63

Slide 63 text

AIに適さない⾮定型業務の特徴 63

Slide 64

Slide 64 text

まとめ : AI活⽤に必要な3要素 64

Slide 65

Slide 65 text

まとめ : 短期で取り組む場合 65

Slide 66

Slide 66 text

まとめ : 中⻑期で取り組む場合 66

Slide 67

Slide 67 text

AI活⽤の3要素と便利なツールを揃え、業務改善のフロンティアを開拓しましょうまとめ 67

Slide 68

Slide 68 text

No content

Slide 69

Slide 69 text

● 2024年7⽉版クラスメソッド⼈事評価制度 ○ https://dev.classmethod.jp/articles/personnel-evaluation-system-2024/ ● クラスメソッドの評価制度を改定した話 ○ https://dev.classmethod.jp/articles/revise-of-evaluation/ ● ⼈事評価制度⼊⾨制度設計編 ○ https://zenn.dev/tbpgr/books/ﬀ0259247521bc ● ⼈事評価制度⼊⾨現場運⽤編 ○ https://zenn.dev/tbpgr/books/2edb079904e339 ● ⼈事評価制度⼊⾨被評価者編 ○ https://zenn.dev/tbpgr/books/343705c0d6c63d Appendix 69

Slide 70

Slide 70 text

● Gemini の Gem で1⼿順ずつ受け答えを促す ○ https://dev.classmethod.jp/articles/step-by-step-prompt-for-gemini/ ● Gemini の Gem で質疑応答の結果を所定のフォーマットで Canvas に更新し、 Google Docs に出⼒する ○ https://dev.classmethod.jp/articles/export-docs-from-gemini-canvas/ ● Gemini の Gem のカスタム指⽰内で条件分岐を実現してみた ○ https://dev.classmethod.jp/articles/conditional-branching-within-geminis-custom- instructions/ ● Gemini の Gem を社内共有する ○ https://dev.classmethod.jp/articles/sharing-gemini-gem/ Appendix 70