Gemini と NotebookLM を組み合わせて 目標設定の負荷を軽減する方法 / Goal setting with gemini and notebooklm

2025/10/22 のGoogle Cloud に学ぶ「AIエージェントってなに？」を解決する、やさしいビジネス活用と業務効率化事例 ( https://classmethod.jp/seminar/251022-google-cloud-webinar/ ) で公開した発表

Gemini と NotebookLM を組み合わせて、目標の素案を作成したり、目標のレビューをするツールを提供し、目標設定の負荷を軽減した事例を紹介します。

Transcript

1. 2025/10/22 クラスメソッド 組織開発室 ⽥部井 勝彦 Google Cloud に学ぶ「AIエージェントって何？」を解決する、やさしいビジネス活⽤と業務効率化事例 Gemini と NotebookLM を組み合わせて ⽬標設定の負荷を軽減する⽅法
2. ⾃⼰紹介 • 2021年11⽉ ⼊社 エンジニアリング統括室 • 2023年01⽉ エンジニアリング統括室 室⻑就任 • 2023年07⽉ 組織開発室 室⻑ • 2025年10⽉ 現在 2 • 部署 ◦ 組織開発室 室⻑ • 名前（ニックネーム） ◦ ⽥部井 勝彦 （てぃーびー） • e-Book(ZennBook) ◦ ITエンジニア採⽤⼊⾨
3. ウェブエンジニア→⼈事 • 2001年04⽉ 新卒 ウェブエンジニア           ： • 2019年06⽉ ウェブエンジニア卒業 • 2019年07⽉ スタディスト⼊社 ⼈事へ ◦ ⼈事評価制度 担当 • 2021年11⽉ クラスメソッド⼊社 ◦ エンジニアリング統括室 配属 • 2022年06⽉ ⼈事評価制度 担当 • 2022年07⽉〜2022年10⽉ ⼈事評価制度改定を担当 • 2023年01⽉ エンジニアリング統括室 室⻑ • 2023年07⽉ ⼈事グループ 組織開発室 室⻑ • 2023年10⽉ ⼈事評価制度⼊⾨ 制度設計編 執筆 • 2024年01⽉ ⼈事評価制度⼊⾨ 現場運⽤編 執筆 • 2024年05⽉ ⼈事評価制度⼊⾨ 被評価者編 執筆 • 2025年07⽉ ⽬標設定⽀援ツールの導⼊ 3 • ウェブエンジニア出⾝ • 開発時代にツール導⼊経験あり ◦ 顧客へのBIツールの導⼊ ◦ 開発チームへの各種ツール導⼊ • 2社で⼈事評価制度担当を経験 • 現職では2022年7⽉から継続して⼈事評価 制度を担当
4. ⽬次 4 • 今⽇お伝えしたいこと • 今回のお題 : ⽬標設定 • 活⽤事例の紹介 • まとめ
5. 今⽇お伝えしたいこと
6. AIで業務改善のフロンティアを狙う 6
7. ◦ ⽂書の要約 ◦ 問い合わせ対応 ◦ アイデア出し ◦ 情報収集 ◦ 画像⽣成‧編集 ◦ etc AIに適した⾮定型業務の例 7
8. AIに適さない⾮定型業務の特徴 8
9. AIを活⽤した業務改善に必要な3要素 9
10. 今回のお題 : ⽬標設定
11. 今回のお題 : ⽬標設定に関する課題 11
12. 今回のお題 : 問題点は多様 12
13. 今回のお題 : 従来の解決策 13 従来の解決策は、解決まで年単位の時間がかかる
14. AIで⼿動と⾃動の業務改善の間を埋めよう 14
15. 今回紹介する例 : ⾮定型でAIで解決可能な業務 15
16. 活⽤事例の紹介 : 全体像
17. 活⽤事例の紹介 : ⽬標の構成要素 17
18. 活⽤事例の紹介 : ⽬標設定⽀援ツールの全体像 18
19. 活⽤事例の紹介 : ⽬標設定⽀援ツールの全体像 : Gemini 19 Geminiは、マルチモーダル対応の⽣成AIモデルで、テキスト‧画像‧動画 など複数の形式の情報を理解‧処理し、⾼度な推論と応答が可能です。
20. 活⽤事例の紹介 : ⽬標設定⽀援ツールの全体像 : NotebookLM 20 NotebookLMは、ユーザーが提供したソースに基づいて情報整理、要約、ブ レインストーミングを⽀援するAIノートアシスタントです。
21. 活⽤事例の紹介 : 前提の整理 : 本⼈の情報
22. 活⽤事例の紹介 : 前提の整理 : 本⼈の情報 22
23. 活⽤事例の紹介 : 前提の整理 : 本⼈の情報 23
24. 活⽤事例の紹介 : 前提の整理 : 本⼈の情報を出⼒ 24
25. 活⽤事例の紹介 : 前提の整理 : 本⼈の情報を出⼒ : 出⼒例 25
26. 活⽤事例の紹介 : 前提の整理 : 本⼈の情報を出⼒ : 出⼒例 26
27. 活⽤事例の紹介 : 前提の整理 : 本⼈の情報を出⼒ : 出⼒例 27
28. 活⽤事例の紹介 : ⽬標設定 Gem : ポイント 28 • ステップバイステップの質問の流れを Gem に設定してある ◦ 利⽤者は Gemini の問いに回答だけすればよい • 次のキャリアステップの内容をAIによって動的に出⼒している ◦ ⼊⼒値に応じたキャリアプランの選択肢を提⽰している • Gem は社員全体の Google Group に共有している ◦ 社員の増減に対して権限設定のメンテナンスが不要
29. 活⽤事例の紹介 : 前提の整理 : 全社‧評価制度の情報
30. 活⽤事例の紹介 : 前提の整理 : 全社‧評価制度の情報 30
31. 活⽤事例の紹介 : 前提の整理 : 全社‧評価制度の情報 31
32. 活⽤事例の紹介 : 前提の整理 : 全社‧評価制度の情報を設定 32
33. 活⽤事例の紹介 : 前提の整理 : 部⾨の情報
34. 活⽤事例の紹介 : 前提の整理 : 部⾨の情報 34
35. 活⽤事例の紹介 : 前提の整理 : 部⾨の情報 35
36. 活⽤事例の紹介 : 前提の整理 : 部⾨の情報を設定 36
37. 活⽤事例の紹介 : ⽬標の素案を出⼒
38. 活⽤事例の紹介 : ⽬標の素案を出⼒ 38
39. 活⽤事例の紹介 : ⽬標の素案を出⼒ 39
40. 活⽤事例の紹介 : ⽬標の素案を出⼒ 40
41. 活⽤事例の紹介 : ⽬標設定 LM : ⽬標の素案 : 出⼒例 41
42. 活⽤事例の紹介 : ⽬標設定 LM : ⽬標の素案 : 出⼒例 42
43. 活⽤事例の紹介 : ⽬標設定 LM : ⽬標の素案 : 出⼒例 : JD 役割 • データエンジニアリングの専⾨性を活かした複雑なデータ基盤の設計‧構 築を主導する役割。 • ⼩規模案件のプロジェクトマネジメントおよびプリセールスを担い、顧客 との信頼関係構築及び技術的リーダーシップを発揮する役割。 • ⽣成AIを活⽤した新しい仕組みの構築‧改善を通じて、組織全体の技術戦 略と⽣産性向上に貢献する役割。 43
44. 活⽤事例の紹介 : ⽬標設定 LM : ⽬標の素案 : 出⼒例 : JD 44 主要な業務 • 役割1: 複雑なデータ基盤の設計‧構築を主導 ◦ パフォーマンス‧セキュリティ要件が厳しい案件におけるデータ分析基盤の⾼度な設計（アーキテクチャ設計、セキュリティ設 計など）と実装を主導する。 ◦ 顧客固有のインフラ要件やツール指定といったイレギュラーな個別要件に対し、コストパフォーマンスを考慮した解決策を考案 し、実現までつなげる。 ◦ データパイプライン構築‧運⽤において、技術検証を主導し、品質‧効率性を⾼めるための技術判断と改善提案を⾏う。 • 役割2: プロジェクトマネジメントとプリセールス、技術的リーダーシップの発揮 ◦ ⼩規模案件または追加案件において、顧客の要求整理、⾒積書作成、顧客折衝（期待値調整を含む）を⾃律的に担当する。 ◦ プロジェクトにおいて主導的なポジションで参画し、チーム外の関係者や顧客との合意形成‧調整を⾏い、業務を完遂する。 ◦ ⾃らが⼿本となり専⾨能⼒を発揮し、レビューやOJTを通じてチームメンバーの技術的な成⻑を⽀援する。 • 役割3: ⽣成AIを活⽤した新しい仕組みの構築‧改善 ◦ ⽣成AIの活⽤に関する部⾨の課題（例：⽣産性向上）に対し、技術的解決策を⽴案し、組織横断的な仕組み（技術選定や標準 化）の整備に貢献する。 ◦ 担当業務において、複数のAIやツールを組み合わせた効率化⼿法を確⽴し、その具体的なやり⽅やノウハウを社内へ体系的に共 有する。
45. 組織課題1 : ⽣成AIを活⽤した開発効率の劇的な向上と技術品質の標準化 上位⽬標‧部⾨課題を踏まえた取り組む意義の説明 データ事業本部では、AI活⽤による⽣産性の向上が全社的な課題とされてお り、XX部でも⽣成AIの活⽤が主要な課題の⼀つです。G4スペシャリストに求められるAIリテラシー（複数のAI/ツールの組み合わ せ活⽤と社内共有）を発揮し、得意とするプロフェッショナルな知⾒を活かして、チームの⽣産性向上と技術的な差別化（ス ケールアップ/⾼利益率化）に貢献します。 Objective ⽣成AIを最⼤限に活⽤し、データエンジニアリングにおける新たな開発標準を確⽴することで、チーム全体の⽣産性を劇的に向 上させる。 KeyResults • [KR1.1] 担当プロジェクトにおいて、複数のAI/ツールを組み合わせて業務を遂⾏し、データパイプライン構築における⼯数 効率を20%以上改善し、その具体的な⼿法を社内共有（DevelopersIOまたは社内ドキュメント）を4件以上実施する。 • [KR1.2] データ基盤構築における⽣成AIを活⽤した新たな効率化の仕組み（例：データクレンジングの⾃動化⽀援、テスト コード⽣成⽀援など）を開発‧検証し、社内プレゼンテーションを2回以上実施する。 • [KR1.3] 技術品質を意識したコーディング規約や設計レビューの観点（パフォーマンス‧セキュリティを含む）を整備し、 チームメンバー3名以上がレビュー時に利⽤可能な状態にする。 活⽤事例の紹介 : ⽬標設定 LM : ⽬標の素案 : 出⼒例 : OKR 45
46. 現在のグレードG3の基準をクリアし、次のグレードG4スペシャリスト（S4）に求められる役割と⾏動を達成することを ⽬標とします。 成⻑課題 : 第1層 マインド評価要素 リーダーシップ ⽬標 チームの技術的な課題解決とメンバーの成⻑⽀援を主導し、共通⽬的に向かって貢献することで、G4スペシャリストに求 められるリーダーシップを発揮する。 達成計画 • プロジェクトへのタスクアサインメントにおいて、チームの⽅針を共有するとともに、メンバーの成⻑を促すために 適切な難易度のタスクを計画的に割り振り、完遂まで⽀援する（成⻑⽀援）。 • 組織課題（エンジニア層の不⾜、育成課題）に対して、⾃ら解決策を⽴案し、上⻑や関係者を巻き込みながら解決に 向けたアクションを推進する（⾃律的な課題発⾒と周囲の巻き込み）。 • 業務のプロセス改善や技術的な負債の解消について、「どうすればできるか」を考え、チームを巻き込みながら具体 的な改善活動を主導する。 活⽤事例の紹介 : ⽬標設定 LM : ⽬標の素案 : 出⼒例 : グレード⽬標 46
47. 活⽤事例の紹介 : ⽬標設定 LM : ⽬標の素案 : 出⼒例 : グレード⽬標 47 成⻑課題 : 第1層 能⼒評価要素 AIリテラシー ⽬標 AI活⽤を⽇常の業務で徹底的に実践し、G3の基準を満たすとともに、複数のAI/ツールを組み合わせた⽣産性 向上⼿法を確⽴‧社内共有することで、G4に求められるAIリテラシーを発揮する。 達成計画 • データエンジニアリング業務全般において、AIが有効な場⾯（例：ドキュメント⽣成、テスト、デバッ グ）を特定し、⽇常的にAIをフル活⽤することを徹底し、G3の基準を達成する。 • 担当業務において、最低でも2種類以上のAI/ツール（例：RAG、コード⽣成AIなど）を組み合わせて活 ⽤し、作業効率化に貢献し、その具体的なやり⽅をドキュメント化して社内共有する。 • AI活⽤を推進するための新たなツールや技術について、技術検証を主導し、部⾨内での導⼊の可否や活 ⽤⽅法について結論を出す
48. • ソースファイルに制御⽤プロンプトを設定している ◦ 公式のドキュメントで⾔及されている利⽤⽅法ではないが、⼀つのプラクティスとして 運⽤できている • Google ドキュメントの更新が便利 ◦ 同期機能で更新内容を⼿軽に反映可能 活⽤事例の紹介 : ⽬標設定 LM : ポイント 48
49. 活⽤事例の紹介 : ⽬標のレビュー（省略）
50. 活⽤事例の紹介 : ⽬標設定 LM : ⽬標のレビュー 50 ⽬標のレビューに関しては時間の都合上割愛します。 利⽤しているノウハウとしては⽬標の素案出⼒と変わりません。
51. 活⽤事例の紹介 : AIだからできたこと
52. AIだからできたこと : 多様な課題を抱える⾮定型業務だったこと 52
53. AIだからできたこと : 短期導⼊ 53 • 2025/06/09 の週 ◦ タスクばらし • 2025/06/16 の週 ◦ マネージャーへ⽬標設定の課題をヒアリング ◦ 過去の⽬標設定の記録から課題を掘り起こす • 2025/06/23 の週 ◦ ⽬標設定に必要なプロセスを整理する ◦ ⽬標設定⽀援ツールで解決する要件を決める ◦ ⽬標設定⽀援ツールのアーキテクチャ設計
54. AIだからできたこと : 短期導⼊ 54 • 2025/06/30の週 ◦ 評価関連資料をPDFにエクスポート ◦ 全社⽅針に関する資料を整理 ◦ 部⾨⽅針に関する資料についてデータ事業本部を例に整理 • 2025/07/07の週 ◦ ⽬標設定 Gem の開発 ◦ ⽬標設定 Gem のテスト ◦ ⽬標設定 LM の開発 ◦ ⽬標設定 LM のテスト ◦ ⽬標設定⽀援ツール全体のテスト
55. • 2025/07/14の週 ◦ ⽬標設定⽀援ツールのリファレンス作成 ◦ ⽬標設定⽀援ツールの検証⽤に 5部⾨に協⼒依頼 & 必要な対応の説明 ◦ ⽬標設定⽀援ツールの検証⽤に 5部⾨の NotebookLM と補助資料を整備 ◦ 検証からのフィードバックを取得 ◦ フィードバックを元にしたツール‧リファレンスの修正 ◦ 動作確認が取れたところで、残対応の実施 ▪ 全部⾨(+12部⾨)の部⾨別補助資料のテンプレート作成 ▪ 全部⾨(+12部⾨)の NotebookLM の作成および疎通確認 AIだからできたこと : 短期導⼊ 55
56. AIだからできたこと : 短期導⼊ 56 • 2025/07/22の週 ◦ トップマネージャーのミーティングで⽬標設定⽀援ツールのデモを実施 ◦ マネージャー全体へツール導⼊に向けた事前の協⼒依頼の周知 ◦ 全社への⽬標設定⽀援ツールの提供周知 私1⼈、1ヶ⽉半で他の業務も並⾏ しながら導⼊完了 🎉
57. AIだからできたこと : 短期導⼊の前提 57 • 今回は私が1⼈3役だった ◦ 評価制度の業務ドメインの専⾨家 ◦ 業務改善の経験者 ◦ AIリテラシーがある • Gemini、NotebookLM のツールの基本的な機能の範囲内で実現できた ◦ 特に NotebookLM がなかった場合、同じようなことをやろうとしたら独⾃の RAG※1 環 境を構築する必要があり、1ヶ⽉半では到底構築できなかったはず ※1. RAG（Retrieval-Augmented Generation）は、⼤規模⾔語モデル（LLM）が外部データベースから関連情報を検索 し、それに基づいて回答を⽣成する⼿法です。
58. 社内の声
59. 社内の声 : Slack より • めちゃくちゃ便利だった。体感5倍ぐらいで下書きが作れた • 考える時間が98%削減できました • GoogleのAIサービスだけでノーコードで作ってるってとこがすごい • ツール、⽬標のベースなどを気軽に作れるのでとても良きでした！ • 出⼒を少しだけアレンジしたら⽬標設定が完成した。いつもめっちゃ悩 むのでこれはありがたい • ツールを使ってグレード⽬標の基礎を固めたが、便利で感動した • 控えめに⾔って最⾼です 59
60. まとめ
61. まとめ : AIで業務改善のフロンティアを狙う 61
62. ◦ ⽂書の要約 ◦ 問い合わせ対応 ◦ アイデア出し ◦ 情報収集 ◦ 画像⽣成‧編集 ◦ etc AIに適した⾮定型業務の例 62
63. AIに適さない⾮定型業務の特徴 63
64. まとめ : AI活⽤に必要な3要素 64
65. まとめ : 短期で取り組む場合 65
66. まとめ : 中⻑期で取り組む場合 66
67. AI活⽤の3要素と便利なツールを揃え、 業務改善のフロンティアを開拓しましょう まとめ 67
69. • 2024年7⽉版 クラスメソッド ⼈事評価制度 ◦ https://dev.classmethod.jp/articles/personnel-evaluation-system-2024/ • クラスメソッドの評価制度を改定した話 ◦ https://dev.classmethod.jp/articles/revise-of-evaluation/ • ⼈事評価制度⼊⾨ 制度設計編 ◦ https://zenn.dev/tbpgr/books/ff0259247521bc • ⼈事評価制度⼊⾨ 現場運⽤編 ◦ https://zenn.dev/tbpgr/books/2edb079904e339 • ⼈事評価制度⼊⾨ 被評価者編 ◦ https://zenn.dev/tbpgr/books/343705c0d6c63d Appendix 69
70. • Gemini の Gem で1⼿順ずつ受け答えを促す ◦ https://dev.classmethod.jp/articles/step-by-step-prompt-for-gemini/ • Gemini の Gem で質疑応答の結果を所定のフォーマットで Canvas に更 新し、 Google Docs に出⼒する ◦ https://dev.classmethod.jp/articles/export-docs-from-gemini-canvas/ • Gemini の Gem のカスタム指⽰内で条件分岐を実現してみた ◦ https://dev.classmethod.jp/articles/conditional-branching-within-geminis-custom- instructions/ • Gemini の Gem を社内共有する ◦ https://dev.classmethod.jp/articles/sharing-gemini-gem/ Appendix 70