DMMプラットフォームの AI推進を支える情報アーキテクチャ - DMMポイントクラブでのAIリーダブル化の取り組み事例

Transcript

1. © DMM © DMM CONFIDENTIAL DMMプラットフォームの AI推進を支える情報アーキテクチャ アーキテクチャ Conference 2025 2025.11.20 玉澤 裕貴 2025/11/20 　〜AIリーダブルな情報設計をどう実現するか〜 DMMポイントクラブ事例
2. © DMM 自己紹介 ❏ 玉澤裕貴 ❏ 2020年中途入社 ❏ プラットフォーム開発本部 第1開発部 ・DMMポイントクラブグループ Platform Team Leader ・次世代SDKチーム Team Leader ・PF-AX戦略グループ ・アプリ開発室 2
3. © DMM
4. © DMM
5. © DMM アジェンダ ❏ AXとは ❏ AI活用を阻む「情報負債」の正体 ❏ アプローチ実践　現状とこれから ❏ まとめ 5
6. © DMM AX（AI Transformation）とは AIを単なるツール導入にとどめず、 業務プロセス・組織・ビジネスモデルを根本から再設計 し、 データ・予測・自動化を駆使して、 企業の競争力と価値創造力を高める取り組み 6 AXとは？
7. © DMM 前提は「人」から「AI」へシフト 7 これまで これから 「AIが読める」情報を増やしていく必要がある AIリーダブルな 情報設計が必須 人が集め・整理し・作成・判断 AIが収集・生成・提案し、人が判断
8. © DMM AI活用を阻む「情報負債」 の正体
9. © DMM ３つの「情報負債」 9 分散 形骸化 属人化
10. © DMM 情報が『分散』している 10 ドキュメントが様々なところに存在している 問題 例 ❏ 仕様書がどこにあるかわからない ❏ 同じ情報が複数の場所に重複・矛盾している 形骸化 属人化 分散 「人も探しづらい情報構造」があった
11. © DMM 情報が『分散』している 11 ❏ ドキュメントの責任範囲が曖昧 ❏ 検索性・再利用性よりスピードを優先 ❏ 情報構造の設計思想が存在しない なぜ情報は分散してしまうのか？ 形骸化 属人化 分散
12. © DMM 「探せない」を解消し、再利用を促進する。 情報が『分散』している 12 対策 ❏ 分散・属人化した「形式知」を一か所に集約 ❏ 人とAIが同じ情報を参照できる環境を構築 効果 AIナレッジベースによる情報の一元化 形骸化 属人化 分散 AIルール 業務で参照する情報 AI ナレッジベース
13. © DMM 情報が『形骸化』している 13 ドキュメントが利用されず、古いまま放置されている状態 問題 例 ❏ チームの運用手順書が古く、手戻りが発生 ❏ 間違った分析をしてしまう 「AIは信頼できない」という不信感につながる 形骸化 属人化 分散
14. © DMM 情報が『形骸化』している 14 ❏ 頻繁な仕様変更に追従が大変 ❏ 古くても誰も困らず、責任が曖昧 ❏ 成果に直結しにくい背景 　　　　　「保守が後回しになりやすい構造」 なぜ？ドキュメントは形骸化してしまうのか？ 形骸化 属人化 分散
15. © DMM 「更新されないまま放置される」ことを防ぐ 情報が『形骸化』している 15 対策 ❏ CIで古いことを検知・自動生成し更新漏れを防ぐ ❏ 心理的・作業的負荷を削減 効果 「Docs-as-Code」によるドキュメント運用の自動化 形骸化 属人化 分散 「人の努力に依存しない構造」をつくる
16. © DMM 情報が『属人化』している 16 暗黙知がAIから活用できる情報になっていない 問題 例 ❏ 知見が個人に依存 ❏ 重要な情報が頭の中にしか存在しない 形骸化 属人化 分散 暗黙知による属人化 人も「使えない」状態
17. © DMM 情報が『属人化』している 17 ❏ 『あの人しか知らない』を放置しても問題化されない ❏ 誰がどの知識を持っているかが分からない なぜ？属人化は起きてしまうのか 形骸化 属人化 分散
18. © DMM 情報が『属人化』している 18 ドキュメントが自動的に生まれる仕組みを作る 　例：会議 → 自動要約 → ナレッジに自動追加 対策 ❏ 知識の抜け漏れを最小化 ❏ 属人化の発生を構造的に防止 効果 AI前提の業務プロセス設計（ AI-BPR / AI-DLC） 形骸化 属人化 分散 プロ セス プロ セス
19. © DMM ３つの「情報負債」へのアプローチ 19 分散 Docs as Code 複数のアプローチで、情報の質の担保に繋げる 形骸化 属人化 AI前提 プロセス AI ナレッジ ベース
20. © DMM アプローチ実践
21. © DMM 実践：DMMポイントクラブの例 人とAIが協働できる「第二の脳」を構築 21 目的 手段 ❏ 価値提供スピードの向上　→ 打席数 × 打率の最大化 背景 フルサイクル エンジニアリン グ
22. © DMM AIと壁打ち 22 外部リソース 22 戦略/戦術/KPI 運用手順書 Docs as Code AIナレッジベース リサーチ データ基盤 AIプロンプト AIガードレール 仮説検証結果 データ収集 業務を推進 既存資料 開発資産 ナレッジ etc 仕様書 ドメイン知識 ※セキュリティ 考慮 Docs 生成 自動レポート 企画 運用 開発 分析 IDE 人はAIと対話し、AIナレッジベースを介して情報を読み・書く。 AIはナレッジを活用し、業務を駆動・レビュー・レポートまで自律的に担う。 AI前提のプロセス AIレビュー コード AI Agent
23. © DMM 現状 AIナレッジベース作り + 人での活用
24. © DMM 24 外部リソース 24 戦略/戦術/KPI 運用手順書 Docs as Code AIナレッジベース リサーチ データ基盤 AIプロンプト AIガードレール 仮説検証結果 データ収集 既存資料 開発資産 ナレッジ etc 仕様書 ドメイン知識 ※セキュリティ考慮 Docs 生成 自動レポート 企画 運用 開発 分析 人はAIと対話し、AIナレッジベースを介して情報を読み・書く。 AIはナレッジを活用し、業務を駆動・レビュー・レポートまで自律的に担う。 AI前提のプロセス AIレビュー コード AIと壁打ち 業務を推進 IDE AI Agent
25. © DMM AIナレッジベースの情報設計 ❏ GitHubリポジトリを採用： 　レビューや自動化を容易に ❏ Markdownを利用： AIリーダブルで人の可読性◎ ❏ AIの挙動を制御する 　ガードレールを用意 25 設計 pointclub-docs/ ├ rules/ # AI用ルール │ ├ xxx-rule.md │ └ xxx-mcp.mdc ├ strategy/ # 事業戦略・戦術 ├ kpi/ # 目標管理 ├ analytics/ # データ分析 ├ tracking/ # トラッキング定義 ├ user-research/ # ユーザーリサーチ ├ operation/ # 運用ドキュメント ├ teams/ # チーム別資料 └ .../ Gitリポジトリ Markdown
26. © DMM AIリーダブル 26 リポジトリ例 ❌ 推測させる　＝　欠けた情報の穴埋め（品質低下） ⭕ 推論させる　＝　因果を組み立てる（提案の質向上） フォーマット ルール ディレクトリ
27. © DMM AI運用6原則 27 動作の再現性の確保を目指す ① 計画報告と承認必須（y/nで確認） ② 失敗時は独断せず再確認 ③ 決定権は常にユーザーにある ④ 原則の解釈・改変は禁止 ⑤ 冒頭で原則を逐語表示する ⑥ 探索は英語・応対は日本語 「何を任せ、何を任せないか」を明確にする
28. © DMM 28 AI原則の動作例 y/nで確認 AI原則を出力
29. © DMM 活用ユースケース
30. © DMM AI活用 - 現状 30 課題 開発 分析 運用 企画 ドキュメント作成 レビュー ドキュメントレビューや壁打ちのリードタイムを短くする Before
31. © DMM AI活用 - 現状 31 開発 分析 運用 企画 観点があることで、効率が上がる。スケールする ドキュメント作成 AI壁打ち・草案作成 AIナレッジベース （レビュー観点） 効果 After
32. © DMM AI活用 - 現状 32 イメージ 開発 分析 運用 企画 分散と属人化を解消し、 質と速度を支える
33. © DMM AI活用 - 現状 33 イメージ 開発 分析 運用 企画 AIナレッジベース 収集・加工 PR クロール 課題 現状調査の情報収集にかかる時間を短縮する 効果 データ収集・解釈の負担軽減
34. © DMM AI活用 - 現状 34 開発 分析 運用 企画 課題 PR作成 PRレビュー 実装ミス、レビュー漏れを防ぐ
35. © DMM AI活用 - 現状 35 開発 分析 運用 企画 課題 PR作成 PRレビュー AIリーダブル Docs as Code 管理し、レビューフロー組み込み 実装ミス、レビュー漏れを防ぐ
36. © DMM AI活用 - 現状 36 開発 分析 運用 企画 課題 実装 実装ミス、レビュー漏れを防ぐ AIリーダブル Docs as Code 管理し、レビューフロー組み込み
37. © DMM AI活用 - 現状 37 イメージ 開発 分析 運用 企画
38. © DMM Google Cloud GitHub AI活用 - 現状 38 イメージ 開発 分析 運用 企画 AIナレッジベース リポジトリ VertexAI Workload Identity OIDC 連携 GitHub Actions ソースコード リポジトリ 1. Trigger 2.Read 3.Check Claude モデルでコードと仕様書レビューを行う Claude Code Action Claude Sonnet ※ 他のプロバイダも可
39. © DMM AI活用 - 現状 39 開発 分析 運用 企画 AIナレッジベース （仕様書） CSVに変換し、PRを作成 CSVをシートに反映 Docs-as-Codeで人も読みやすくAIも読みやすく イメージ
40. © DMM AI活用 - 現状 40 課題 SQL作成 分析 SQLやスキーマ理解に依存していた分析業務を楽にする 開発 分析 運用 企画
41. © DMM AI活用 - 現状 41 課題 自然言語 MCP AIナレッジ ベース Cursor VSCodeなど 収集・分析 開発 分析 運用 企画 SQLやスキーマ理解に依存していた分析業務を楽にする 効果 分析手順が明文化され、属人化が軽減
42. © DMM AI活用 - 現状 42 開発 分析 運用 企画 イメージ 属人化を解消
43. © DMM ここまでの成果と課題 43 成果 「分散・形骸化・属人化」という情報負債を可視化 ・同期できた 課題 ❏ 効果の定量化・運用の習慣化 ❏ 非エンジニア職でも扱える情報設計への拡張
44. © DMM これから AIナレッジベースを使った、 AIの自立化
45. © DMM 45 外部リソース 45 戦略/戦術/KPI 運用手順書 Docs as Code AIナレッジベース リサーチ データ基盤 AIプロンプト AIガードレール 仮説検証結果 データ収集 既存資料 開発資産 ナレッジ etc 仕様書 ドメイン知識 ※セキュリティ考慮 Docs 生成 自動レポート 企画 運用 開発 分析 人はAIと対話し、AIナレッジベースを介して情報を読み・書く。 AIはナレッジを活用し、業務を駆動・レビュー・レポートまで自律的に担う。 AI前提のプロセス AIレビュー コード AIと壁打ち 業務を推進 IDE AI Agent
46. © DMM AI活用 - これから 46 ドキュメント レビュー ナレッジ 定期実行・変更検知 人へ報連相 AIの特性を活かし、自律可能な構造へ 複数のAIエージェントが業務を回す 業務推進 定期レポート AI Agent タスク推進・アクション提案 更新漏れや属人化の検知 状況報告 開発 分析 運用 企画
47. © DMM AI前提プロセスの情報設計 情報 x 状態 = 次のアクションを決める 47 設計 prd: state: done owner: @tamazawa reviewed_by: @suzuki design_doc: state: in_progress dev: state: blocked blocked_by: [design_doc] pointclub-docs/ | |-- feature_A/ | |-- metadata.yaml | |-- prd.md | |-- design_doc.md | `-- adr/ | |-- meetings.md | `-- chat.md `-- feature_B/ metadata.yaml Tree process_agent_rule.md ・メタデータを読み取り ・入出力の不足を検知 ・依存関係の不整合を検知 ・条件が揃えば、次の状態へ 構想 ※AIで「推論させる」と「機械的に動かす」をきちんと分ける
48. © DMM 使い分け 48 ① 推測 ② 推論 ③ 機械的 曖昧な情報からの類推（不確実） 構造化された情報からの導出（補完・解釈） 状態とルールに基づく確定処理（安全・再現性） ③基盤 ＞ ②補助 ＞ ①最小限
49. © DMM 目指す状態 49 これから ❏ 業務を推進 ❏ 情報の質担保 ❏ 意思決定 ❏ 価値創造 情報の土台
50. © DMM まとめ
51. © DMM まとめ AI活用の本質はツールではなく、情報設計にある。 情報負債を仕組みで解決し、 AIが読み取れる構造を維持する ことで、 活用がより前に進む。 51
52. © DMM ご静聴ありがとうございました
53. © DMM