Share
Embed
「顧客の声を聞かなければ何も始まらない」 ── 顧客の声から生まれた『AI返信補助機能』の開発プロセス / AICon2026_shikata_imai
Rakus_Dev
July 20, 2026
Transcript
17 slides
-
はじめに|⾃⼰紹介 ⾃⼰紹介 四⽅ ⼤輔 今井 陸⽃ 楽楽⾃動応対AI開発課 楽楽⾃動応対AI開発課 担当:本セッション前半(開発の出発点〜⽅針転換) 担当:本セッション後半(AIネイティブ開発プロセス)
経歴:2017年新卒でラクス⼊社 経歴:2025年ラクス⼊社。前職でWeb系の 受託開発を5年経験。 ひとこと:10年近く楽楽⾃動応対を開発しています ひとこと:初の社外カンファレンス登壇です #RAKUSMeetup © RAKUS Co., Ltd. 2 -
はじめに|アジェンダ アジェンダ 前半 良かれと思った「⾃動⽣成」のつまずき 四⽅ ⽬標精度は達成、しかし使われない。原因を探り、顧客起点への⽅針転換にたどり着くまで。 後半 今井 #RAKUSMeetup 正解がない中、顧客が本当に求めている機能を⾒つけ出すAIネイティブ開発
「超速PoC」で候補機能を載せ切って、顧客に動くものを⾒せる。 そこから得られる本⾳を元に、本当に必要な機能とターゲットを絞り込むまで。 © RAKUS Co., Ltd. 3 -
01 出発点 2025年10⽉、メール作成エージェント機能をリリース 狙いは「メール作成にかかる時間を極⼩化し、業務を楽にする」 受信メール 問い合わせ本⽂ → AI が読み取り 過去の送信メール(ナレッジ)を参照
→ 返信⽂案を⾃動⽣成 ワンクリックで下書き 受信メール本⽂をAIが読み取り、過去の送信メール(ナレッジ)を参照して返信⽂案を⾃動⽣ 成 #RAKUSMeetup © RAKUS Co., Ltd. 5 -
02 つまずき 悪くない、でも使われない ── 原因不明の半年 リリース前の精度検証 本番環境での利⽤率 ⽬標達成 低迷 ⽬標精度は担保できていた
事業部から「“コレじゃない”感」 LLMのトレースの仕組みを⽤意しておらず、本番でどんな⽣成が起きているかが⾒えない ブラックボックス状態 改善の⽷⼝を掴めないまま、半年間が経過 #RAKUSMeetup © RAKUS Co., Ltd. 6 -
03 転機 業務フロー解剖 ── 増やしてしまった「確認の⼿間」 メール確認 → アサイン → 作成
AIが⾃動⽣成 → レビュー → 送信 ⾃動⽣成の導⼊後も、「作成」以外の⼯程(確認‧アサイン‧レビュー)は不変 変化点:AIが作った返信⽂が正しいか確認‧修正する⼿間が増えた 楽にしたつもりが、かえって現場の業務負荷を増⼤させていた #RAKUSMeetup © RAKUS Co., Ltd. 8 -
04 学びと再出発 ⽅向転換 ── 材料を先に⾒せる『AIメールアシスタント機能』へ BEFORE いきなり本⽂を⾃動⽣成する AFTER:プランモード → 作成に必要な“材料”を先に⾒せる
(要約 / 類似の過去問い合わせ / テンプレート) 狙い:⽣成前の段階で⽅針と根拠を提⽰し、ユーザーの納得感と安⼼感を担保 直⾯した壁:必要な機能やUI/UXの「正解」が誰にもわからない ── 議論では決められない → “正解”を⾒つけるために、再び顧客に訊く。 #RAKUSMeetup © RAKUS Co., Ltd. 10 -
05 プロセスのAIネイティブ化 正解不明を突破する ── プロセスのAIネイティブ化 BEFORE AFTER → 仕様書で議論して合意 →
作ったら「なんか違う」が繰り返される 動くものを⾒ながら仕様を決める 今までのやり⽅を捨てて、開発プロセス⾃体を作り替えた 環境変化:コーディングの⼤半をAIに任せられる時代 ── "書くコスト"が激減したから可能に 議論の⼟台を「ドキュメント」から「動くもの」へ #RAKUSMeetup © RAKUS Co., Ltd. 11 -
05 プロセスのAIネイティブ化 Claude Code × バイブコーディングによる超速PoC構築 STEP 1 仮説⽴案 仮説が⽴った瞬間に着⼿
STEP 2 → Claude Code で爆速実装 数時間〜1⽇でPoC作成 STEP 3 → 即‧実機デモ 顧客に判定してもらう 思いつく機能を全部乗せて顧客に⾒せる ── 事前に絞らず、選別は顧客に任せる ⽬的は綺麗に動くことではなく、使える∕使えないを議論するための 「たたき台」 を作ること #RAKUSMeetup © RAKUS Co., Ltd. 12 -
05 プロセスのAIネイティブ化 現場に⾒せて初めて分かる「要‧不要」 選別の主体は開発者ではなく顧客。動くものを⾒せた時だけ、現場は業務に当てて本⾳を返せる。 × CUT(不要) ◦ KEEP(必須) 要約‧回答⽅針など、AIの主観が⼊る機能 テンプレート提案機能
「AIの判断が正しいか結局確認するので、かえって 邪魔になる」 ⽂章の添削機能 ── 「極めて便利」 → 候補を全部乗せて⾒せたからこそ、業務フロー上で本当に必要なコア機能だけを抽出できた。 #RAKUSMeetup © RAKUS Co., Ltd. 13 -
05 プロセスのAIネイティブ化 ターゲット解像度の向上 ── 「新⼈」の1点に収束 BEFORE メール返信業務をする⼈ 全員 曖昧なターゲット像 AFTER
→ ⽂章を⼀から作れない 新⼈ AIの価値と現場のペインが噛み合う唯⼀のセグメント ヒアリングで⾒えたこと:ベテランは既にスラスラ書ける ── AI補助はむしろノイズ 新⼈は「⼀から⽂章を作る」ことに時間と精神的負荷がかかっている エンジニア⾃らが顧客と対話し、業務フローを把握 = 「顧客志向」の具体的実践 #RAKUSMeetup © RAKUS Co., Ltd. 14 -
06 まとめ プロセス改善で、顧客と向き合う時間を作る プロセスを変えた本当の意味は、開発が速くなったことではない。 実装をAIに任せられるようになった = 顧客に向き合う時間を増やせる ⼀度きりのヒアリングではなく、毎回顧客に訊きに⾏ける状態が常態化 エンジニアの重⼼が「機能を実装する」から「機能を考える」へシフト AI駆動開発で削減した時間を、
顧客の業務観察とフィードバック回収に100%投資する 強固な 顧客志向 #RAKUSMeetup × AIネイティブ な挑戦 = 真の 顧客価値最⼤化 © RAKUS Co., Ltd. 15 -
06 まとめ 明⽇から実践するアクションプラン 最速で「使われるAIプロダクト」を創る3ステップ 1 2 3 まず顧客の業務フローを聞きに⾏く 仕様書より先に、現場の⼀次情報を取りに⾏く AIツールで、1⽇で動くPoCに仕⽴てる
綺麗さより判定できることを優先 ── 思いつく機能を全部乗せる 動くものを⾒せて、顧客に選別してもらう 実際に使うのは顧客 ── 使える機能かどうかは顧客が知っている #RAKUSMeetup © RAKUS Co., Ltd. 16