Tweet
Tweet

Slide 1

Slide 1 text

ZOZOにおけるAI活用の現在 ~開発組織全体での取り組みと試行錯誤~ 2026年1月30日 Findyオンラインイベント 株式会社ZOZO
 IT統括本部 技術戦略部 CTOブロック
 テックリード
 堀江 亮介
 
 Copyright © ZOZO, Inc. 1

Slide 2

Slide 2 text

© ZOZO, Inc. 2 自己紹介

Slide 3

Slide 3 text

© ZOZO, Inc. 株式会社ZOZO IT統括本部 技術戦略部 CTOブロック テックリード 堀江 亮介 2018年 M&Aに伴いZOZOテクノロジーズに入社 ZOZOグループの組織再編に伴い転籍し現職 全社横断での課題解決および技術広報業務を担当 3

Slide 4

Slide 4 text

© ZOZO, Inc. 4 目次 ● ZOZOについて ● 開発組織の紹介 ● ZOZO開発組織におけるAI利用状況 ● Findy Team+による可視化 ● まとめ

Slide 5

Slide 5 text

© ZOZO, Inc. ZOZOについて

Slide 6

Slide 6 text

© ZOZO, Inc. https://zozo.jp/ 6 ● 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9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

Slide 7

Slide 7 text

© ZOZO, Inc. https://wear.jp/ 7 ● 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9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

Slide 8

Slide 8 text

© ZOZO, Inc. 8 ● ショップスタッフの販売サポートツール ● ブランド自社ECやZOZOTOWNなどの複数チャネルに、無料で コーディネート画像の同時投稿が可能。さらに、投稿したコー ディネート経由のEC売上や送客数、コーディネートの閲覧数な ど、オンライン上での成果を可視化。 ● ZOZOTOWN上で実店舗の在庫取り置きを希望したお客様への 対応を、ショップスタッフ様がFAANS上の簡単操作で完結。

Slide 9

Slide 9 text

9 3Dボディースキャンサービス「ZOZOFIT」は、 ZOZOSUITの技術を活用した初のサービス。現在は ZOZOSUITを着用して行う計測とアプリだけで行う 計測の2種類を提供し、米国などで展開中。食事や 運動のログ機能も加わり、体型変化をより包括的に トラッキングできるサービスを目指す。 サービス開始 / 2022年8月24日

Slide 10

Slide 10 text

© ZOZO, Inc. 1 0 https://zozomatch.jp/

Slide 11

Slide 11 text

© ZOZO, Inc. 開発組織の紹介

Slide 12

Slide 12 text

© ZOZO, Inc. 12 https://speakerdeck.com/zozodevelopers/company-deck?slide=40

Slide 13

Slide 13 text

© ZOZO, Inc. 13 https://speakerdeck.com/zozodevelopers/company-deck?slide=41

Slide 14

Slide 14 text

© ZOZO, Inc. 14 ZOZOにおけるAI導入状況

Slide 15

Slide 15 text

© ZOZO, Inc. 15 ZOZOで利用可能な代表的AIツール (2026年1月時点) 全般 ● ChatGPT Enterprise ● Gemini Advanced ● NotebookLM Plus ● Miro AI ● Atlassian Rovo 生成AIモデル基盤 ● Amazon Bedrock ● Gemini / Vertex AI Model Garden ● OpenAI API 開発向けAI ● GitHub Copilot (coding agent含む) ● Claude Code ● Gemini CLI ● Codex ● Cursor ● Devin ● Figma AI

Slide 16

Slide 16 text

© ZOZO, Inc. 16 ZOZO開発組織におけるAI利用状況

Slide 17

Slide 17 text

© ZOZO, Inc. 17 AI活用における満足度 ● 開発者全体の約77%の開発者が満足と回答

Slide 18

Slide 18 text

© ZOZO, Inc. 18 AI活用における満足度 ● 満足している理由 ○ 実装スピード・効率が圧倒的に向上 ○ 調査やプランニング支援が強い ○ 開発の初期段階（不確実性の除去）に役立つ ○ 開発環境（制度）が整っていることへの満足 ○ コードレビュー・品質面での気づきを促進 ● 不満・課題として挙がった理由 ○ AIを使いこなせていない（スキルの課題） ○ 設計・モデリングはAIにはまだ難しい ○ 部門間でAIツールが違い統一性がない ○ レビュー負担の増加 ○ AIに任せるかの判断が難しい ○ 使う人と使わない人で二極化

Slide 19

Slide 19 text

© ZOZO, Inc. ● 開発部門全職種における各開発プロセスでのAI使用率 19 利用場面別AI利用傾向

Slide 20

Slide 20 text

© ZOZO, Inc. ● バックエンド、Web FE、モバイルアプリ、SRE、MLエンジニアに絞った場合 20 利用場面別AI利用傾向

Slide 21

Slide 21 text

© ZOZO, Inc. ● AI活用は設計・実装・レビュー工程でほぼ定着 21 利用場面別AI利用傾向

Slide 22

Slide 22 text

© ZOZO, Inc. ● SREでは障害原因調査での利用率が突出して高い 22 利用場面別AI利用傾向

Slide 23

Slide 23 text

© ZOZO, Inc. ● PMに絞った場合の利用傾向 23 利用場面別AI利用傾向

Slide 24

Slide 24 text

© ZOZO, Inc. ● 文章化・構造化・意思決定補助が主用途として定着 24 利用場面別AI利用傾向

Slide 25

Slide 25 text

© ZOZO, Inc. 25 AI利用傾向から見えること ● 設計・実装・レビュー工程でのAI活用は当たり前のものとして定着 ● 設計・実装工程以外でも文章化・構造化・意思決定補助が主用途として定着 ● 開発系職種では、設計・実装以外の工程でAIをどう活用していくかが伸び代

Slide 26

Slide 26 text

© ZOZO, Inc. 26 Findy Team+による可視化

Slide 27

Slide 27 text

© ZOZO, Inc. 27 AI活用度によるグルーピングの導入 ● アンケートに自己認識ベースでのAI活用度についての設問を追加 ● 全体のうち 34% がAIを積極的に活用していると回答 ● この積極的に活用している層をAグループ、それ以外の層をBグループに分類

Slide 28

Slide 28 text

© ZOZO, Inc. 28 AI活用度別チームモニタリング作成 ● AI活用度別のA/Bグループでチーム・チームモニタリングを作成 ● 各チームモニタリングでチーム分析を確認

Slide 29

Slide 29 text

© ZOZO, Inc. 29 AI活用度とPull Request作成数推移 ● AI活用度グループ別開発者のPull Request作成数推移 ● Claude Codeの全社展開を基準にFindy Team+チーム詳細で確認

Slide 30

Slide 30 text

© ZOZO, Inc. 30 AI活用度とPull Request作成数推移 ● AI活用度: Aグループ (積極活用層) ○ Pull Request作成数が 12% 増加 ● AI活用度: Bグループ ○ Pull Request作成数が 5% 減少

Slide 31

Slide 31 text

© ZOZO, Inc. ● AI活用度グループ別サイクルタイムの比較 ● Claude Codeの全社展開を基準にFindy Team+サイクルタイム分析で確認 31 AI活用度とサイクルタイム

Slide 32

Slide 32 text

© ZOZO, Inc. 32 AI活用度とサイクルタイム ● AI活用度: Aグループ (積極活用層) ○ 合計値: 15% 改善 ○ コミットからオープンまでの平均時間: 38% 改善 ○ オープンからレビューまでの平均時間: 20% 悪化 ○ レビューからアプルーブまでの平均時間: 8% 悪化 ○ アプルーブからマージまでの平均時間: 11% 改善 ● AI活用度: Bグループ ○ 合計値: 11% 悪化 ○ コミットからオープンまでの平均時間: 1% 悪化 ○ オープンからレビューまでの平均時間: 6% 悪化 ○ レビューからアプルーブまでの平均時間: 24% 悪化 ○ アプルーブからマージまでの平均時間: 34% 悪化

Slide 33

Slide 33 text

© ZOZO, Inc. ● AI活用度グループ別レビュー分析の比較 ● Claude Codeの全社展開を基準にFindy Team+レビュー分析で確認 33 AI活用度とレビュー分析

Slide 34

Slide 34 text

© ZOZO, Inc. ● AI活用度: Aグループ (積極活用層) ○ 平均変更行数: 27% 増加 ○ オープンからレビューまでの平均時間: 21% 悪化 ○ レビュー依頼からレビューまでの平均時間: 5% 悪化 ○ レビューからアプルーブまでの平均時間: 8% 悪化 ● AI活用度: Bグループ ○ 平均変更行数: 21% 減少 ○ オープンからレビューまでの平均時間: 7% 悪化 ○ レビュー依頼からレビューまでの平均時間: 12% 改善 ○ レビューからアプルーブまでの平均時間: 25% 悪化 34 AI活用度とレビュー分析

Slide 35

Slide 35 text

© ZOZO, Inc. 35 AI活用度の違いによる影響 ● AIを積極的に活用するグループ ○ Pull Request作成数が増加 ○ サイクルタイム合計値が 15% 改善 ○ 特に「コミット → オープン」が 38% 改善 ● 一方 ○ 変更行数は 27% 増加 ○ レビュー関連の指標は一部悪化 ● 数値上はAIを積極活用するグループの方が良い傾向

Slide 36

Slide 36 text

© ZOZO, Inc. ● AI活用度による差分は観測できている ● 一方でこの数値をそのまま成果として評価することはしていない ● この数値をどのように扱うべきかを考える必要がある 36 結果の捉え方

Slide 37

Slide 37 text

© ZOZO, Inc. 37 どう検証していくか ● 因果関係は数値を見るだけでは判断できない ● 仮説を立て施策を試し結果を見る必要がある ● 個別の取り組みではなく開発組織全体で取り組む必要がある

Slide 38

Slide 38 text

© ZOZO, Inc. 38 次に進むための状態づくり ● 試行と検証を継続的に回すためにはそれを支える状態や仕組みが必要 ● 組織としてその状態を整えながら取り組みを進めている ○ 社内AIワーキンググループによるツール検証・運用の整理 ○ 情報共有や勉強会を通じた知見の展開 ○ 独自のAI活用指標による状況の把握 ● これらを通じて開発組織全体で試行錯誤を続けられる状態を目指す

Slide 39

Slide 39 text

© ZOZO, Inc. まとめ

Slide 40

Slide 40 text

© ZOZO, Inc. 40 まとめ ● ZOZOの開発組織では、AI活用が特定の工程に限らず開発プロセス全体に広がっている ● Findy Team+を通じてAI活用度による差分は観測できている一方で、因果関係は明確ではない ● 数値をそのまま評価に使うのではなく、仮説として捉え、試行と検証を重ねる必要がある ● 因果が分からない問いに向き合うため、開発組織全体で試行錯誤を続けている

Slide 41

Slide 41 text

No content