プロダクトづくりにAIを溶かす３つの壁 ― ラクス流AI浸透のススメ / 3 Barriers to AI in Products: The Rakus Way

◆イベント名
AIネイティブ開発　最前線
https://generative-ai-conf.connpass.com/event/372942/

◆発表タイトル
プロダクトづくりにAIを溶かす３つの壁 ― ラクス流AI浸透のススメ

◆登壇者
株式会社ラクス プロダクト部 部長
稲垣 剛之 (@ingktks7) 　

Transcript

1. © RAKUS Co., Ltd. プロダクトづくりにAIを溶かす３つの壁 　　　　　　　　　　　　　　　　　　― ラクス流AI浸透のススメ 生成AI Conf 2025/11/１１
2. 2 略歴 大手独立系 SIer企業 （担当 WEBサービス） ・バックエンドWEBエンジニア ・システムエンジニア ・プロジェクトマネージャー ISP系サービス企業 （担当 BtoB事業） ・プリセールス ・製品開発責任者(バックエンド開発) 上場系中堅ベンチャー企業 （担当 ブログ、ECサービス） ・バックエンドWEBエンジニア ・WEBディレクター ・エンジニアリングマネージャー ベンチャー企業 （担当 ファッションECサービス) ・エンジニアリングマネージャー ・製品開発責任者（企画・開発デザイン） ・取締役(プロダクト・コーポレート) グローバル パブリッククラウド企業 （担当 API・AI・モバイル関連20サービス) ・技術サポートエンジニアマネージャー SaaS企業[現職] （担当 バックオフィスSaaS) ・プロダクトマネージャー プロジェクト マネージャー バックグラウンド バックエンド エンジニア エンジニアリグ マネージャー プロダクト マネージャー 稲垣 剛之(いながき たけし) 　　　@ingktks7 株式会社 ラクス 開発本部 第一開発統括部 　 　　　　　　　　 プロダクト部 部長 自己紹介
3. 3 【 ラクスの提供サービス一覧 】 ITサービスで企業の成長を継続的に支援します!
4. 4 ラクスの特徴 ベスト・オブ・ブリード型 最適なシステムを各分野ごとに取り入れる 各分野に特化した製品を選定する形 例）勤怠管理はA社、経費精算はB社、会計ソフトはC社 スイート型 各種システムを同一ベンダーで統一 人事も経理もすべて同じシステムで管理するイメージ ラクスはこれ！ １．ARR30億円超＆10年超の製品が5つ、新規製品も2年一度程度投入 　　└ ARR30億&10年超製品：楽楽精算、楽楽明細、楽楽販売、楽楽自動応対、楽楽メールマーケティング 　　　　新製品 ：楽楽請求(2024年10月)、楽楽債権管理(2025年７月) ２．特定ドメイン領域の課題に特化し、お客様のペインを解消する戦略 特徴
5. 5 ラクス その先 １．プロダクトへAIの標準装備化 　　└ これまで各プロダクトへのAI機能は付加価値としていましたが、今後は標準装備を目指す ２．統合型ベスト・オブ・ブリード戦略へ 　　└ これまで各プロダクトが垂直に課題解決をしてきましたが、今後当社プロダクト間での水平連携による 　　　　更なる付加価値を出していくことを目指します 今後 ▪取り組んでいること(ほんの一部) 1. 各プロダクトでのAI搭載ロードマップの策定と公開 2. ブランド統一を目指したデザインバージョンアップ 3. 複数プロダクト利用による価値向上機能の提供 4. 業務プロセス全体へのAI活用推進 今日は この話をします
6. 6 皆さん、プロダクトづくりに AIを活用できていますか？
7. 7 ラクス、生成AI活用に関する社内調査を実施 日々の業務における生成AI活用率は97.9% ・利用深度のグラデーションはあるが 　　　　 　全従業員、職種問わずほぼ全員が活用 ・開発組織はAIについて様々なAIツールを活用 　└ Claude Code Max / Devin / Copilot / Junie ・新AIツールも出てから1-2週間で利用ができる環境 　└ AI登場当初からDevDXへの仕組みを作った 【参考】ラクス AIの業務利用
8. 8 ラクス、生成AI活用に関する社内調査を実施 日々の業務における生成AI活用率は97.9% ・利用深度のグラデーションはあるが 　　　　 　全従業員、職種問わずほぼ全員が活用 ・開発組織 　└ Claude Code Max / Devin / Copilot / Junie ・PdM＆デザイナーは「Cursor ＋ α」で活用 ・新ツールも出てから1-2週間で利用ができる環境 【参考】ラクス AIの業務利用 多くのプロダクトづくりに関わる人が活用しているが、、、、 　プロダクトづくりの 　　　　　「破壊的変化（disruption）」 　　　　　　　　　　　　　　　　　　に至っていない（印象) 　　
9. 1 プロセスやプロダクトフェーズの違い 9 プロダクトづくりにAIを溶け込ます３つの壁 ２ 職種の役割の曖昧さ ３ AIに対してのリテラシーや向き合い方の違い
10. 10 プロセスやプロダクトフェーズの違い アジャイル (モバイル・UX ・AI関連) ウォーターフォール 年4回【3ヶ月】 ウォーターフォール 年10回程度【１ヶ月】 成熟期 2009年 提供 ARR 173億円 成長期 2013年 提供 ARR 99億円 成長期 2023年 提供 ARR 非開示 探索期 2025年 提供 ARR 非開示 アジャイル (AI関連) プロダクトに応じて 開発プロセスが違う 2008年/ARR 55億円 2025年/ 非開示 2025年/ ARR 14億円 2024年/ ARR 14億円 2001年/ ARR 36億円 2007年/ ARR 31億円
11. プロダクトマネージャー デザイナー エンジニア 戦略フェーズ ・ビジョン・ミッション策定 ・マーケットリサーチ ・プロダクト戦略・ロードマップ策定 ・プロダクトビジョン 　　・ブランドトーンの理解と共創 ・リサーチインプットの整理 ・技術戦略・アーキテクチャ設計支援 ・技術リサーチ・PoC 顧客・課題の理解 ・ユーザーリサーチ ・ペルソナ・カスタマージャーニー設計 ・ユーザーリサーチ設計・実施 ・ペルソナ・カスタマージャーニーの設計 ・ユーザー課題の技術的 　　　　　　　　　　解決手段の模索 ソリューション 　　　検討・開発推進 ・要求仕様策定 ・優先順位の設定 ・チーム連携・開発ディレクション ・UI・UX設計 ・情報設計・プロトタイピング ・デザインレビューと仕様詰め ・要件定義 ・実装設計・開発・テスト ・開発プロセス改善 リリース・効果検証 ・リリースマネジメント ・データ計測・仮説検証 ・ユーザーフィードバックの 　　　　　　　　　　　収集と改善計画 ・ユーザビリティテスト・体験改善 ・モニタリング・パフォーマンス改善 ステーク ホルダー連携 ・ビジネス的な意思決定の支援 ・ステークホルダー調整(巻き込む) ・デザインガイドライン 　　　　・ブランド統一推進 ・技術的意思決定の推進と共有 ・ナレッジ共有・チーム育成 11 職種の役割の曖昧さ プロダクトづくり職種の一般的な役割 実際に皆さん、こんな綺麗に分担されますか？ 企業やプロダクトにいる 人によって大分異なる
12. 12 AIに対してのリテラシーや向き合い方の違い ① 理解リテラシー（Knowing） ―「AIとは何か」を正しく理解する力 ・仕組み・限界・得意／不得意を理解する。 ・出力を「正解」とせず、判断の補助として扱う。 ・データ・アルゴリズム・バイアスの存在を意識する。 ②活用リテラシー（Using） ―「AIを目的に応じて使いこなす力」 ・タスクや課題に応じてAIの使いどころを見極める。 ・入力（プロンプト）を工夫し、人間の思考を補完する使い方をする。 ・組織内のツールやデータと安全に連携させ、業務効率化に活かす ③ 共創リテラシー（Collaborating）―「AIと人が共に成果を生み出す力」 ・AIを“代替”ではなく“拡張”として捉える。 ・チームでAI活用のルール・倫理・責任範囲を共有する。 ・人間が最終判断を下す前提で、AIの提案を最大限活かす。 変革層 ごくわずか 受動層 多い(減少) 利用層 大多数 活用層 少数 拒否層 ごく一部 (ただ強固)
13. 1 プロセスやプロダクトフェーズの違い 13 【再掲】プロダクトづくりにAIを溶け込ます３つの壁 ２ 職種の役割の曖昧さ ３ AIに対してのリテラシーや向き合い方の違い
14. 1 プロセスやプロダクトフェーズの違い 14 壁との向き合い方 ２ 職種の役割の曖昧さ ３ AIに対してのリテラシーや向き合い方の違い 最初から共通化や理想を追い求めない
15. １．最初から共通化や理想を追い求めない① プロダクトマネージャー デザイナー エンジニア 戦略フェーズ ・市場・競合分析 　　　　ロードマップ自動提案 例）ChatGPT, Perplexity, Notion AI ・ブランドトーン解析 　　　デザイントレンド提案 例）Galileo AI、Midjourney, 　　　 Perplexity ・技術選定・アーキテクチャ提案 例）Claude,GitHub Copilot 顧客・課題の理解 ・顧客フィードバック要約 　　　　インサイト抽出 例）Claude, MonkeyLearn ・ユーザーテスト・ヒアリング録画 　　　自動要約＆業務フロー策定 例）Whisper,Gemini+Mermaid ・ログ解析・エラー原因推定 例）ChatGPT, LogAI, Datadog AI ソリューション 　　　検討・開発推進 ・PR策定支援・優先順位提案 例）Productboard AI, Coda AI ・ワイヤーフレーム生成 ・コピー提案 例）Figma AI,Galileo AI 　 ChatGPT with Canvas Plugin ・コード生成・リファクタリング支援 例）GitHub Copilot,Cursoｒ,Codex 　　　Claude Code/Kiro リリース・効果検証 ・KPIレポート・ABテスト要約 例）Amplitude＋ChatGPT, Tableau GPT ・ユーザビリティテスト・体験改善 例）FigJam AI ・自動テスト生成・障害検知 　　　　・パフォーマンス監視 例）Autify、New Relic AI.Vertex AI ステーク ホルダー連携 ・議事録要約・意思決定整理 例）Notion AI,ChatGPT,NotebookLM ・デザイン意図説明文 ・ガイドライン自動生成 例）ChatGPT, Notion AI, ・技術決定の要約・リリースノート生成・PRJ管理 例）ChatGPT, Notion AI,Asana 15 【一般論】各フェーズで利用されるシチュエーションとAIツール(ラクスでも一部活用)
16. １．最初から共通化や理想を追い求めない② 16 共通化が理想なのは、全員同じ気持ちだが、、、 　　　　　　合わせようと思うと相談・連携が必要だったり 　　　　　　　　　　　　　　　　　　　　　それに合わせるが故に最適な利用ができない 他プロダクト相談 しないと進まない、、 他のやり方に 合わせたけどXXが 使いづらい、、
17. １．最初から共通化や理想を追い求めない③ 17 「今」各プロダクト・職種が各チームレベル単位でAI活用 　　　 　取り組み内容や成功や失敗を開発組織内へ共有している
18. １．最初から共通化や理想を追い求めない④ 18 あくまでAI活用での取り組み共有を 　　　　　　　　　　　　各プロダクトや職種横断でしている 誰もが使えそうなものは誰も使えない 共通化は後で考える（あるいは考えない） AI活用のトッププレイヤーをとにかく先に活かせる
19. ２ 職種の役割の曖昧さ 19 壁との向き合い方 ２ 職種の役割の曖昧さ ３ AIに対してのリテラシーや向き合い方の違い 職種としての定義を決める
20. 20 ２．職種としての定義を決める① こんなイメージで職種があり、本来は一定の境界がある エンジニア デザイナー 事業企画・開発 セールス マーケティング カスタマー サクセス 開発 部門 事業 部門
21. 21 ２．職種としての定義を決める② PdMはその境界を跨いだり、あいまいなケースが多い 例）初期フェーズ エンジニア デザイナー 事業企画・開発 セールス マーケティング カスタマー サクセス 開発 部門 事業 部門 PdM
22. 22 ２．職種としての定義を決める③ フェーズが進むとこんな感じで、各職種に染み出す エンジニア デザイナー 事業企画・開発 セールス マーケティング カスタマー サクセス 開発 部門 事業 部門 PdM
23. プロダクトマネージャー デザイナー エンジニア 戦略フェーズ ・ビジョン・ミッション策定 ・マーケットリサーチ ・プロダクト戦略・ロードマップ策定 ・プロダクトビジョン 　　・ブランドトーンの理解と共創 ・リサーチインプットの整理 ・技術戦略・アーキテクチャ設計支援 ・技術リサーチ・PoC 顧客・課題の理解 ・ユーザーリサーチ ・ペルソナ・カスタマージャーニー設計 ・ユーザーリサーチ設計・実施 ・ペルソナ・カスタマージャーニーの設計 ・ユーザー課題の技術的 　　　　　　　　　　解決手段の模索 ソリューション 　　　検討・開発推進 ・要求仕様策定 ・優先順位の設定 ・チーム連携・開発ディレクション ・UI・UX設計 ・情報設計・プロトタイピング ・デザインレビューと仕様詰め ・要件定義 ・実装設計・開発・テスト ・開発プロセス改善 リリース・効果検証 ・リリースマネジメント ・データ計測・仮説検証 ・ユーザーフィードバックの 　　　　　　　　　　　収集と改善計画 ・ユーザビリティテスト・体験改善 ・モニタリング・パフォーマンス改善 ステーク ホルダー連携 ・ビジネス的な意思決定の支援 ・ステークホルダー調整(巻き込む) ・デザインガイドライン 　　　　・ブランド統一推進 ・技術的意思決定の推進と共有 ・ナレッジ共有・チーム育成 23 ２．職種としての定義を決める④ ラクスはこんな綺麗に分かれていませんが 　　　　　　　　　　　　　　　　　一定の役割分担が定義されています
24. プロダクトマネージャー デザイナー エンジニア 戦略フェーズ ・ビジョン・ミッション策定 ・マーケットリサーチ ・プロダクト戦略・ロードマップ策定 ・プロダクトビジョン 　　・ブランドトーンの理解と共創 ・リサーチインプットの整理 ・技術戦略・アーキテクチャ設計支援 ・技術リサーチ・PoC 顧客・課題の理解 ・ユーザーリサーチ ・ペルソナ・カスタマージャーニー設計 ・ユーザーリサーチ設計・実施 ・ペルソナ・カスタマージャーニーの設計 ・ユーザー課題の技術的 　　　　　　　　　　解決手段の模索 ソリューション 　　　検討・開発推進 ・要求仕様策定 ・優先順位の設定 ・チーム連携・開発ディレクション ・UI・UX設計 ・情報設計・プロトタイピング ・デザインレビューと仕様詰め ・要件定義 ・実装設計・開発・テスト ・開発プロセス改善 リリース・効果検証 ・リリースマネジメント ・データ計測・仮説検証 ・ユーザーフィードバックの 　　　　　　　　　　　収集と改善計画 ・ユーザビリティテスト・体験改善 ・モニタリング・パフォーマンス改善 ステーク ホルダー連携 ・ビジネス的な意思決定の支援 ・ステークホルダー調整(巻き込む) ・デザインガイドライン 　　　　・ブランド統一推進 ・技術的意思決定の推進と共有 ・ナレッジ共有・チーム育成 24 ２．職種としての定義を決める⑤ ラクスはこんな綺麗に分かれていませんが 　　　　　　　　　　　　　　　　　　　ただ、一定の役割分担が定義されています ラクスの「楽楽精算」ではDACIモデルで役割分担をかなり明確化しています
25. ２．職種としての定義を決める⑥ ラクスは「PdM」「PMM」の「デュアルエンジンモデル」 Core Why What How 製品要求仕様 （PRD） 市場要求仕様 （MRD） 最終OutPut STP/ペルソナ ペインゲイン カスタマー ジャーニー コスト構造 収益モデル プロダクト指標 ロードマップ UI/設計/実装 GTM ミッション ビジョン 事業戦略 市場分析 競合分析 Discovery Delivery PdM PMM PMM PdM PMM PdM 「プロダクトマネジメントのすべて」より Make（PdM） ：価値をつくる Market（PMM） ：価値を届ける 25
26. ２．職種としての定義を決める⑦ 26 コア 製品戦略、製品ロードマップ、バージョン内容、開発計画 ディスカバリー 案件創出、要求仕様策定 デリバリー 要件定義、設計、実装、単体、テスト、リリース デリバリー GTM、サポート・運用 PdM PMM 事業責任者 リーダー PdM
 リーダー Designer
 ミッション ビジョン 事業戦略 製品戦略 ロードマップ 開発計画 バージョンアップ計画 案件 課題 PBI/案件 商材 PdM
 UX Designer
 STP/ペルソナ ペインゲイン カスタマー ジャーニー 市場分析 競合分析 製品要求仕様 （PRD） ロードマップ 開発案件 PM
 QA
 ENG
 UI Designer
 PMM
 CS マーケ
 営業
 製品 PR・発信 営業・ QA
 開発案件 PdM
 PdM
 PMM
 今後、目指していく役割分担を決めている
27. ２．職種としての定義を決める⑧ 27 コア 製品戦略、製品ロードマップ、バージョン内容、開発計画 ディスカバリー 案件創出、要求仕様策定 デリバリー 要件定義、設計、実装、単体、テスト、リリース デリバリー GTM、サポート・運用 PdM PMM 事業責任者 リーダー PdM
 リーダー Designer
 ミッション ビジョン 事業戦略 製品戦略 ロードマップ 開発計画 バージョンアップ計画 案件 課題 PBI/案件 商材 PdM
 UX Designer
 STP/ペルソナ ペインゲイン カスタマー ジャーニー 市場分析 競合分析 製品要求仕様 （PRD） ロードマップ 開発案件 PM
 QA
 ENG
 UI Designer
 PMM
 CS マーケ
 営業
 製品 PR・発信 営業・ QA
 開発案件 PdM
 PdM
 PMM
 今後、目指していく役割分担を決めている そもそも職能別組織のメリット 　　　　「深化(専門性の追求)と効率的な業務運営」 さらに役割定義を明確にすることで 　　　　　　　　　　　　　　　　　　　これを加速できる
28. ２．職種としての定義を決める⑨ ラクスは「PdM」「PMM」の「デュアルエンジンモデル」 Core Why What How 製品要求仕様 （PRD） 市場要求仕様 （MRD） 最終OutPut STP/ペルソナ ペインゲイン カスタマー ジャーニー コスト構造 収益モデル プロダクト指標 ロードマップ UI/設計/実装 GTM ミッション ビジョン 事業戦略 市場分析 競合分析 Discovery Delivery PdM PMM PMM PdM PMM PdM 「プロダクトマネジメントのすべて」より Make（PdM） ：価値をつくる Market（PMM） ：価値を届ける 28 役割責任の範囲内でAIを最大活用することで より深い活用ができる 更にAIで業務効率化した時間を その役割の深化に充てる
29. ３ AIに対してのリテラシーや向き合い方の違い 29 壁との向き合い方 ２ 職種の役割の曖昧さ ３ AIに対してのリテラシーや向き合い方の違い みんなが楽しく使う
30. 30 ３．みんなが楽しく使う① ラクスでも組織の目標や 　　　　　　各自の目標にAI活用をいれたりしています また、世の中の危機感を生み出す記事や 　　　　　　　　　　　　　　　イベントの共有もしています ただ、こんなことよりも、、、、
31. 31 ３．みんなが楽しく使う② プロダクトづくりをする人に一番利くのは 好奇心を刺激をすること 楽しく使うこと 上手くいったことも行かなかったもとにかく 共有すること
32. 32 最後に ラクスは今大きな変革期に入っています 今期末の現中期計画の達成は見え、次の中長期に向けて動き出しています ラクスで一緒にAIを活用して 　　　　　楽しみながら社会貢献と自身の役割の深化をしていきませんか？
33. ご清聴ありがとうございました 33 【全職種絶賛採用募集】 リーダー・シニア（候補）PdM大募集 プロダクトデザイナー リード・マネージャー大募集 稲垣がカジュアル面談 実施します