全エンジニアのAI活用状況を可視化する～Lookerを用いたアンケート分析と今後の推進策～ / Visualizing AI Adoption Across Engineering

◆イベント名
RAKUS AI Meetup Vol.2
https://rakus.connpass.com/event/378121/

◆発表タイトル
全エンジニアのAI活用状況を可視化する～Lookerを用いたアンケート分析と今後の推進策～

◆登壇者
株式会社ラクス　開発管理部 開発管理課　野間 由貴

Transcript

1. © RAKUS Co., Ltd. 全エンジニアのAI活⽤状況を可視化する #RAKUS AI Meetup 株式会社ラクス  開発本部 開発管理課 野間由貴 2026/1/21 1 〜LookerStudioを⽤いたアンケート分析と今後の推進策〜
2. 名前：　　　 野間由貴 所属部署：　 開発管理課 　セキュリティ・品質の方針策定と定着がメイン だけど色々節操なく対応 。 自己紹介 プロダクト開発部署A プロダクト開発部署B ‧‧‧総勢3xx名
3. © RAKUS Co., Ltd. 3 #RAKUS AI Meetup Chapter 1 壮大なミッション
4. © RAKUS Co., Ltd. 4 MISSION AIネイティブ開発化を促進せよ！
5. 5 ⇒Endless Journey… ミッション：  「AIネイティブ開発」化を促進せよ 当初の戦略：  「AIネイティブ開発」の理想を定義し、現状とのギャップを埋める⼿法 挫折の要因：  技術進歩が速すぎ。理想が数⽇で陳腐化。 合意の難しさ：  メンバー間で⽬指すべきレベル感が乖離 定義の壁に阻まれた初期戦略
6. 6 アプローチの転換： 理想→現在地の定義へ 「理想」は変わるものとして、 「現在地」を捉えることに注⼒ リーダー層が「次の⼀⼿」を打つために、意思決定に役 ⽴つ確かな情報を届けることを最優先事項としました。
7. © RAKUS Co., Ltd. 7 #RAKUS AI Meetup Chapter 2 開発300人の見える化と 誰でも使える分析基盤を作る
8. 8 ヒト (People) プロダクト、職種、等級など のユーザー属性 コト (Things) 要件定義からリリースまで、 18の開発⼯程ごとの実態 キモチ (Feelings) ⾃⼰評価、環境の整備度、AI の成果物への貢献割合 全エンジニアの現在地を捉えるサーベイ設計
9. 9 サーベイ実施 ‧Google Formsでサーベイを実施 ‧皆さんへ回答依頼後、期⽇までリマインド ‧期⽇後は未提出者に管理職orマネージャをCCに⼊れ てしつこく粘着リマインド ⇒回答率96％！
10. 10 分析基盤の作成 ①全社員が⾒られる  開発部だけじゃなく役員も想定すべし。 ②メンテし易さ  ⾃分以外でも容易に編集‧メンテできるべし。 ③閲覧者のドリルダウンし易さ  誰でも商材、職種、等級で⾃由に絞り込めるべし。  但し、閲覧者の技術レベルはピンキリ。 ⇒Google社のLooker Studioで可視化
11. 11 ①冒頭で回答者の傾向を⾒える化  偏りに気づけるようにするため。  年度によって若⼿が多い、BEエンジニアが少ないなどの  傾向が変わる。 可視化で重視したポイント紹介 1/3
12. 12 ②プロダクト横ぐしで⽐較し易く  プロダクト担当チーム内にナレッジは溜まりやすい  どのチームがどのエリアに⻑けているかを⾒易くし  ナレッジ共有促進に繋げる 可視化で重視したポイント紹介
13. 13 ③プロダクトごとに俯瞰的に  ⾒えるページを⽤意した ‧多忙なリーダー陣が⾃プロダクトにつき⼀⽬で⾒ら れること ‧他プロダクトの状況も⼀⽬で⾒られるので、プロダ クトの特性に応じた傾向理解が深まる 可視化で重視したポイント紹介
14. 14 定性的な評価は、回答者の基準に⼤きく左右される。 定性的な値はその値が時間経過でどれだけ上がるか、をウォッチして軌道修正するためのもの 経過観察する前提でサーベイ設計＆分析基盤を準備しましょう 仮説：知識・スキル不足 AI活⽤度の⾃⼰評価が極端に低い⼈ ＝ AIの使い⽅が分からず、⽴ち⽌まっているの ではないか？ 現実：相対評価による心理 実際は⼗全に活⽤していたが、トップラン ナーと⽐較して「⾃分はまだまだ」と回答。 ～これから自社でサーベイ予定の方へ向けた小噺～ 定性的な評価って曖昧！
15. © RAKUS Co., Ltd. 15 #RAKUS AI Meetup Chapter 3 打ち手の優先順位をつける
16. 16 16 A. 対話 現状： • 全体の傾向はある程度掴めた • 優先度やクリティカル度は分からないが  現場の⽣の声‧要望も拾えた ⼀歩踏み込み、問題の解像度を上げるために対話 する。 👑 トップランナーヒアリング 「使い倒している⼈」にアンケート結果や課題と改善案を 共有してそれを踏まえたクリティカルな案を選ぶ ＋ 👥 ⼀般ユーザーヒアリング 「⽴ち⽌まっている⼈」のリアルな障壁を特定 ⇒クリティカル性の⾼い課題から施策を打つ  低いものもどんどん消化していくとUE向上→施策へ協⼒的になるスパイラルを得られる。 Q.次に何をすべき？
17. 17 データと対話から⽣まれた「具体的な次の⼀⼿」概要 Quick Wins (即効性重視) ▪ 社外ツール利⽤申請フローの短縮 スピード重視の「試⾏枠」を新設。申請から利⽤開始までの リードタイムを⼤幅削減(1-2週間し、現場のアジリティを阻 害しない承認プロセスへ改善。 ▪ 開発作業動画の共有 トップランナーが実際にAIを使ってコーディング‧デバッグ する際の「思考プロセス」と「プロンプト調整術」を録画公 開。マニュアル化しにくいノウハウを視覚的に横展開。 Systematic (組織的整備) ▪ AI特化ポータル公開 成功事例、開発フローの実事例の動画紹介、各種申請リンク を集約し「AI活⽤のハブ」を構築。 ▪ AIプロダクト組み込みセキュリティ ルール策定 LLMを⾃社製品に実装する際の法規制、プライバシー保護、 学習データ利⽤範囲等の基準を明確化。開発者が安⼼して実 装に取り組めるガイドラインを確⽴中。 「迷⼦」をなくし、全員が最短距離で⾛れる環境を整える
18. 18 完璧な“世界地図”は作れないことが分かった だから まず”現在地”を⾒えるようにしたら 動きやすくなった！！ “ To Be Continued…