DeNAのAIオールイン戦略と佐々木氏の役割
日本最大級のエンジニアコミュニティQiita プロダクト開発部部長の清野俊羽美です。
この番組では、日本で活躍するエンジニアをゲストに迎え、 キャリアやモチベーションの話を深掘りしながら、
エンジニアの皆さんに役立つお題を発信していきます。
ということで、2回目は、今されていることについて いろいろお伺いをしていきたいなと思っております。
よろしくお願いします。
よろしくお願いします。
亮さんとお送りする2回目のテーマは、
DeVineで既存事業の運用人数を半分に、
DeNA AIオールイン戦略の最前線と現場のリアルです。
改めてになってしまうんですが、
今、DeNAさんで取り組んでいることについて お伺いしてもよろしいでしょうか。
一応、肩書きというかが2つあって、
まずメインが今、小会社の株式会社 DeNA AI LINKというところですね。
これ、去年立ち上げた会社になっていて、
DeNA今、AIオールインという形で、
もう社内、簡単に言うと人半分にするぞみたいな。
そうなんですよ。
もっと丁寧に言うと、
AI使って既存事業の運用を人数半分にしますみたいな。
で、それに合わせて残り余った半分は、
もう新規事業ガンガン作ってみたいな。
っていうような流れに持っていくために、
AIにフルベッドしてるっていう状態なんですよね。
その中で、やっぱり他の会社さんとパートナー結んだりとか、
いろいろ流れが出てきたところで、
じゃあ他の企業に向けて、
AIのソリューションとかを提供しようみたいなところのイメージでできたのが、
このDeNA AI LINKっていう会社なんですよね。
そこで今、デビンっていうAIエージェントを国内展開する部署、
デビン推進部っていうところの部長をやっているような状態ですね。
で、もう一つは本社のほう、DeNAのほうで、
シニアデータサイエンティストというか、データアナリストみたいな仕事をして、
アナリスト組織のAI推進のところをガンガン進めてるみたいな感じですね。
ありがとうございます。
データサイエンスからAIへのキャリア変遷と複雑系分析
どっちから聞こうかなって今ちょっと悩みながらお話を聞いていたんですが、
じゃあまずデータサイエンスのところでやられてるところから、
もうちょっと深掘りしていきたいなと思うんですけど、
前回のお話だともともとPMで入られてっていうところから、
またそのデータサイエンスみたいなところをやられてるって感じなんですね。
PDMで入って、PDMの道で行くぜってなったんですけど、
そのデータ分析のスキルとPDMのスキルを掛け合わせたいっていう気持ちは、
会社にも伝わっていて、そのキャリアを描いてもらってるみたいな形だったんですよ。
で、なったんですけど、とりあえずじゃあどっちを先にやったほうがいいかってなると、
データ分析のほうがベースになるというか、
ドメインの理解も進むし、ポポちゃんのドメインの理解も進むし、
なおかつPDMとして動くときのスキルの転用、
どっちが下だ言うとデータ分析のほうが地盤になっていくんで、
そっちをガーってやってたんですよね。
そうしたらそっちでの戦力としてカウントし始められ、
で、とはいえでも僕はPDMやりたいんでって言って、
PDMの仕事も並行してちょっとずつやらせてもらっててみたいな形の中で、
そのグラデーションが結局はデータ分析のほうが成果出しやすくなってくるんで、
データ分析とかのほうでガーって寄っていって、
結局データ分析のほうのキャリアが中心に結局なったみたいな感じです。
なるほど。ありがとうございます。
またそのデータサイエンスのところから、いわゆるAIみたいなところって、
全く同じじゃなくてまたちょっと距離があるところなんじゃないかなと思うんですけど、
そちらも今デビューの推進みたいなところを含めやられてるんじゃないかなと思ってます。
だからそこの変化というか、そこの取り組みはどういう形で始まっていったんですかね。
データ分析の仕事の色が強くなった頃から、
その時の事業本部長だった人から、
アカデミックな研究みたいなのをポコちゃんの運用に取り入れたいみたいなところになって、
その時にデータ分析組織とかデータサイエンスの組織に、
PhD取ってる人間が2人いたんですよ。僕ともう1人がいて。
その2人が集められて、こういう学術のアプローチをしたいみたいなところを、
500ページぐらいある分厚い学術書渡されて、これやりたいんだけどって言われて、
それでそういう業務をやり始めるっていうのに移り変わっていったんですよね。
それがネットワークサイエンスとかっていうような、
複雑系物理の中で使われるグラフ理論とかっていうところが含まれてるアプローチで、
経済学とか高度経済学とかそういったところで使われてる学術アプローチだったんですよ。
そういうのを研究みたいなのを会社のデータでずっとやっていくみたいなのを、
そっから1年半ぐらいやったんですよね。1年とか1年半ぐらいやっていて。
複雑系だったんで、なかなか可視化とかしていっても解釈が難しいみたいなところも出てくる。
それをどうにか定量的なデータ分析で処理していくみたいなのを続けていた中で、
LLMの登場が2023年とか4年とかのタイミングで出てくるわけですよね。
複雑系をこれLLMぶち込んで解釈させたら、
今まで僕らみたいなのが分析しなきゃいけなかった内容を、
誰にでも伝えられるんじゃないかなっていう発想が出てきて、
そこにLLM組み込んでみたいなのをバーってやり始めたのが、
社内の取り組みの一つとしてあったみたいなのが、
今のとこに繋がってる一歩目だったような気もしますね。
社内AI推進のボトムアップとDevin導入支援
そうなんですね。
データサイエンスやってる中でLLM組み込んでいったところから、
今話し合ったところからだんだん精々のところの取り組みみたいなところの割合が増えていったってことですかね。
そうです。
それで、DNAの分析組織って横断的にその頃は大地されてて、会社の。
横断組織だったんで、どの事業に入ってるメンバーも基本的にはその共通部門にいるみたいな。
その共通部門の中で分析をAI化しようぜっていう流れが色濃く出てきて、
そのチームも作られて、そこの役割も担っていたみたいな状態だったんですよね。
そうなんですね。
それはそういう勘どころがありそうだからみたいなので集められたメンバーが何人もいて、
その頃だとAzure Open AIとかでAPIで社内のチャットシステム作るとかだったり、
そういうデータ解釈にLLMのAPIかませて、社内の人たち誰でも解釈見れるようにしようとかっていう取り組みからスタートしてみたいな。
のがボトムアップでスタートしたとこに、他でLLM活用の話してたから呼ばれていったみたいなのが、
今の全体の流れに近いところのスタートかなと思います。
じゃあ本当にDNSさんの内部の、いわゆるAIの部分のプラットフォームエンジニアリングじゃないですけど、
そういう基盤のところをやられてたんですね。
そうです。そのチームから社内のチャットシステムとかが立ち上がり始めてだったんですよね。
そのメンバーが結構そういう、じゃあAIのツールこういうの出てきたよとか、モデル新しいの出てきたよってなった時の反応速度も割と早いメンバーだったりしたんで、
その勘所を使って、この分析だったらこういうの使えるよとか、こういう便利ツール作ってみたよみたいなのを、
ストリームリット上でどんどんアプリケーション追加しまくって、みんなに提供しまくるみたいなのもやってたりしたんですよね。
そのメンバーで本も書きましたね。
そうなんですね。
チャットGPTのAPI使ってSQLの自動生成できるとか、マーケティングの分析できるとか、市場分析できるとかっていうツールを
Googleコラボ使って、誰でも構築できるようなシナンションみたいなのを講談社から出しましたね。
講談社から出てる。
そうなんです。
そうなんですね。ありがとうございます。
今のお話だと、いわゆる本当にプラットフォームとしての一旦基盤を作るってお話かなと思うんですけど、
今のDNAさんのAIオールインみたいなところって、またそこから取り組みとしては何かアップデートというか変わってたりするんですかね。
今の話したやつは、AIオールインの発信、会長のナンバーが話すのよりも前から動いてたやつで、
会社全体で行くぞってなったところからは、逆にそこにいたメンバーみんな違うところで要所要所でAIの推進を担うように散っていきましたね。
そうなんですね。伝説のチームになるように今全員でいろんなところで成果を上げようと頑張ってるんです。
なるほど。
その組織自体は解体されちゃったんですけど、その分そこでやってたこととかが社内のいろんな人とかに知ってもらえてて、
チリジリになって、それぞれで推進の要みたいなのを担ってるみたいな、一緒に本書いたメンバーとかはそうですね。
そのチリジリになっていろんなことをDNAさんの中でも取り組みとされてるかなと思うんですけど、
これは言える話で言えない話があるかなと思うんですけど、具体的にどういうことをされてるんですかね、取り組みとして。
例えば社内のAIツールとかを社内全体で使えるようにするチャットサービスとしてとか、
そういうMock的なのがバンバン入ってるようなものじゃなくて、AIの武器はこういうものであるみたいなデカいのを作ってる人とかもいたりとか、
あとは僕の場合だと、そういう社内のいろんな取り組みを社外に提供するためにDNA AIリンクで、
外とのつながりをしっかり作っていくみたいなところとか、そんなイメージですね。
なるほど、ありがとうございます。
今ちょうどリョウさんが取り組まれてるところのお話が軽かったので、ちょっとそこのお話もいろいろお伺いしてきたなと思うんですけど、
具体的にそのAIリンクさんとしてされてることって、デビューの推進っていうお話が最初にあったかなと思うんですけど、
具体的にどういうことをされてるんですか、その推進っていうのは。
DNA AIリンクの動きとデビュー推進部っていうところの動きが2種類あって、
デビュー推進部はDNAがそもそもデビューとの戦略的なパートナーシップ結ぶっていうのを、
2025年の7月にリリースとしてバーンて出していって、
それが簡単に言うと日本の展開をCognitionっていうDevynを運用してる会社と協力関係を持って進めていきますよっていうようなものですね。
なので簡単に言うとDevyn Enterpriseじゃないとセキュリティ要件的になかなか導入難しいですみたいなところの方たちとお話しして、
Devynこういう形で導入できますよねみたいなエンタープライズ導入の支援とか、
あとはDevyn自体を使ってこういうDNAの中でできたDevynでのソリューションというか、
Devynでこういう改善度合いができてこれぐらい効率化できるっていうそのパッケージをしっかりと実例を基にしてどんどん作っていって、
それをお客さんの会社の中で使えるように提供していくみたいなのをやってるのがDevyn推進部ですね。
そのパッケージを両さん今作られてる?
そうですそうです。
そのDevynの提供してるDevynのパートナーシップってリリースとしていくつか出てたりはするんですけど、
その中でやっぱDNAが本体にあって、でDNA AIリンクが窓口になってるっていう立て付けで、
さっきの僕が第1回で話したようなコンサルとかそういったところの立て付けとはまた違って、
後ろに事業会社があって、自分たちの事業を回すためにDevynのエンタープライズプラン、
自分たちでも大規模に入れてるんですよ。
そこで出てきた事例をそのままパッケージに落とし込むっていう感じがする。
なるほど。
お客さんの要望に合わせてチューニングする部分はもちろんあるんですけど、
っていうよりはもう実際にこれで成果出してるから、
でうちこういうのあるよ、またこういうのも出てきたよっていうのを並べて、
で、これこういうふうな角度でちょっと変えたら、
あなたの会社の御社のこの課題、ここだけこれだけ改善できるんじゃないですかねみたいな話とかができるような体制、
っていうのが出来上がってるんで、社外に推進するのもそうなんですけど、
社内のDevynの利用推進もしっかりにならなきゃいけないっていう役割ですね。
なるほど、確かに。すごい理解できました。
本当にDevynというツールを売るというよりも、
Devynというツールをドッグフーディングじゃないですけど、
社内で回して、で回して出てきたプラクティスを一緒に売っていくみたいなそういう感じってどうですかね。
それがDNAでやる意味というか、そうじゃないとただの代理店みたいになっちゃうというか、
っていう感じで、もちろんただ売ってくれっていう要望にお答えすることも全然できるんですけど、
それだったら正直どこで入れても一緒というか、どこの人に紹介されても一緒じゃないですか。
そうじゃなくて、そこから継続的なパートナーとしてDNAとかDNA AIリンクを選んでもらえるような体制っていうのを
内から出てくるものもそうだし、外に向けていくものもしっかりと作っていかなきゃいけないみたいなのの部署ですね。
アイディア的にはすごいなって思ったんですけど、実際それ回せるのかっていうのがすごい気になっていた。
Devinの社内ドッグフーディングと外部展開
むずいですよね。
それこそ本当に社内でまず使いましょうってなった時って、使ってねーで使ってくれるわけがないかなって。
僕も社内でAIツールを入れて推進とかはしてたりするんですけど、なかなかみんながみんなスムーズに素直に使ってくれるかっていうと
全然そんなことはないなって気がしてるんですけど、そこら辺で推進って具体的にどういうことされてるのかなってすごい気になっていて。
そもそもDevynを適切に使うっていう流れが一定あるからエンタープライズプラン導入できたっていうのもあるんですよ。
もともとチームプランとかでテスト的にこの事業でこれだけ改善してるみたいなのがどんどん出てきてて、
エンタープライズ導入に踏み切ってるので、ここからは要を挑んでDevyn使わなきゃっていう会社の雰囲気ではないんですよね。
みんなしっかりカバーできてたじゃん。だからそこから波紋が広がっていくかのようにやっぱり使い方っていうのは伝播していくっていうのは一個ありますね。
これはもうDNAのエンジニアの人たちの優秀さがえげつないなって僕は思ってるんですけど。
その中でそういうのがありつつそのイメージが湧かないけどインパクトが出そうな部署っていうのもいくつもあるんですよね。
そこは僕が直接入ってこういうふうにDevyn使うのが適切で、カーサーとかだけで使ってるとここボトルネックになってないですかみたいな話をしてっていう社内コンサルみたいな動きをして、
そこにエンタープライズ本部からこれだけのコンピューティングのリソースをDevynのやつを配布しようみたいなことにしてそこで試験的に回すみたいなのも提案しながらやっていくみたいな感じですね。
なるほどありがとうございます。
具体的には分析組織がまさにそうですね。
本社の方にデータ分析のAI推進のチームにも入ってるっていう話したと思うんですけど、そこのチームでどうやってDevyn使っていくかというか、
Devynを使うっていう目的だけじゃなくて、そのチームがAIネイティブに分析していけるためのAIネイティブな分析組織、AIネイティブな分析官みたいなのをどんどん作っていく。
その中で絶対にDevynが一番最適だろう今のAIツールの中でっていうところにスポットでDevyn入れていって、その流れを最大化するみたいなところをやってたりしますね。
だからこそ本社の方の分析の身分というのは剥がさないで、自分ごととしてそっちを全部できるように残してたりもわざわざしてるという感じです。
だから人としても動ける。
そうですそうです。
なるほどありがとうございます。
実際それだけやっぱりDNAさんとして、AIのところに対してかなりそれだけ色々やるってお金ももちろんかかると思うんですけど、
それができるってことはやっぱり実際それで成果が出てる実感みたいなのは持ててるからなのかなっていうのは今お話聞いていて感じたんですけど、
実際そこの成果みたいなところってもう見えてきてたりはするんですかね。
見えてきてますね。
そうなんですね。
実際に現場現場でROIの試算みたいなのは適宜されてる部分とかはあるんで、それとかを見ていくと上手く浸透してってるなみたいな。
けどそれがこの1年で会社自体がAIオールインにしていくよっていう話をしたからそこが加速していって、
なんかもう浸透していったこの1年間をしっかり見ていた、2025年の1年間を見ていた感じはありますね。
でもまだまだ爆発力のあるその成果っていうのは多分浸透して色んなAIツールが掛け合わさって、
こっからより一段高いものが出てくるんだろうなっていう感覚ですね今。
まだ変化している段階ではありつつも見えてきているものもある。
ありますあります。
これ僕ポッドキャスト宇宙話以外に隣のデータ分析屋さんっていうデータサイエンスのポッドキャストもやってるんですけど、
そこで話して、ポッドキャストってあんまバズんないじゃないですか。
バズったと言っていい風に再生されたやつがあって、それが新卒のアナリストの子が4月に入った子を僕がメンターとして入ってて、
彼を僕がAIネイティブなアナリストとして育てるって社内で宣言して、
従来の学ぶステップを全部AIありきで考え直すから頼むから文句言わないでくれみたいな、
そんな尖ってないですけどという形でやった事例があって、
彼にもちゃんと本人にも言ってるんで大丈夫なんですけど、人体実験ですよね。
キャリアの人体実験みたいなのをやって、
1年間で彼の成長スピードが本当にこれまでの新卒の子が3年目とか4年目とかでチャレンジするような仕事に半年目ぐらいでたどり着けたんですよ。
そこまではデータ分析のスキルって、どれだけ高度な分析までいけるかっていう、
ロジックを考えられる頭と感覚を養っていく機関がいわゆるジュニアアナリストみたいなところ。
3年目とかでその門を一段さらに開けていくところに事業責任者と直で、
自分で分析の仮説を出して、分析回して、その資産を出していくみたいなことをやるんですよね。
これをやれるタイミングが半年後ぐらいに来たんですよ。
この理由はSQLを全部AIに書かせることで、
例えば何日後かにできたらいいなと思ってるとかっていうようなレベルのSQLをお願いしたりすると、
それが半日後にレビューお願いしますみたいな感じで投げられてくるみたいなのが、
どんどんできるようになってきたからなんですよね。
そういう新卒の子をDNAをAIオールインって言ってるから、
AIの沼にドンドンとしてそこで成長させるみたいなのもこの1年で出てきて、
僕これ続けてったらアナリストの組織めちゃめちゃでかくできるなって思った。
いい成果の1つっていうのも出てたりしますね。
このストーリーをポッドキャスト3話分ぐらいかけてバーって喋ったんですけど、
AIネイティブ新卒育成と成長の加速
そのエピソードの再生数2割3割増しぐらいで聞かれてて、平均の。
すごいと思って、ポッドキャストって跳ねるんだみたいな。
そうなんですね。ありがとうございます。
今のお話聞いてて、本当にうちでもそれどうにかしてできないかなってすごい思ったんですけど、
やってほしいですね、ぜひ。僕いくらでも喋りますよ。
ありがとうございます。逆に言うと、それだけ聞かれる方も増えてるってことは、
やっぱり関心持たれてる方すごいいらっしゃる。
そうですね。
その一方でどの会社もそれ聞いたからすぐできるかっていうと、
なんかできない気がなんとなくしてるんですよ。
よく言われます。
ただそれが何なのかなっていうのがすごい今気になっていて、
なんでDNAさんだったらできて僕たちはできないのかっていう、
その何が違うんだろうなっていうのはすごい今気になっています。
僕が1年かけてAIネイティブのアナリストとして、
跳ねるイメージがめっちゃ具体的に湧いてたんですよ。
なので、僕とその子の冗長にあたる人に、
この方針でやらせてくれっていうのを話したのと、
彼のその動きが最終アナリティクスの組織全体の
AI化につながるよっていう話までしましたね。
そうすると、今動いてるデータ分析の人たちの仕事がパツパツだから、
やっぱりAI入れなきゃまずいよねみたいな話ししつつ、
エンジニアリングの素養も人によってまばらだし、
実現までのロードマップってなかなか描ききれないみたいなところの
課題感があったんで、それを新人の子の仕事が
それぞれの人たちのAI推進の手助けになるような業務を
メインで走っていって、なおかつ彼が成長していってくれるよっていう話をして、
なのでその影響が出るまでが、ちょうど新人の研修期間というか、
みたいなのに合わさってたんで、そこまでやって、
その時の実感まず見てみてみたいな話とかで段階的に進めていったっていうのがありますね。
なるほど。
なので、AIオールインって言われてるんで会社上から。
会社で言われてるから、組織としてもなんかやんなきゃいけない、
その火種を下から作ってくれるんだったらやっていこうかみたいなのがあったんで、
タイミングがすごく良かったっていうのは、外的要因というかにはあると思いますね。
だから完全に僕がみたいなのとか、プランが良かったっていうだけじゃないと思います。
なるほど。
もしそれをどの会社でも、もしとりあえずやっていこうってなったら、
DeNAのAI活用推進における再現性と段階的アプローチ
一歩目としてどういうアクションから始めていくと良さそうですかね。
例えば立場として、今回のリョウさんみたいなメンター側だった場合、
どういうアクションを取っていくと良いかなっていうのを。
新卒だったからできたからなのかもしれないですけど、
来月、再来月でこれが花開くイメージはしっかりあって、
こういうものだからって言いつつ、
何でやってるか分かんない作業を黙々とやってもらう期間っていうのは必要かなと思ってて、
それをしっかりと何も頭使わずにできるぐらい、
最初の1、2歩、3歩ぐらいのところまで形にしっかり落としておいてあげるっていうのは、
やっても良いかもなって思ってて、
それは一番再現性あると思うんですね。
具体的には、分析のその組織の新卒の子をバーって立ち上げようと思ったときに、
今までの分析だと依頼が分析飛んできて社内から、
で、分析こなしてレポーティングして、
で、なんとなく形になりそうな振り返りだけちょっとして終わりみたいな感じだったんですよ。
その振り返りを僕がAIに読み込むためのドキュメントとして、
マークダウンの見出しとかも全部作って、
この中に全部埋めるようにレポーティング書いてっていう、
業務の終わり方をまず変えるとかっていうのが第一歩でしたね。
で、なんでAIに使わすのにそんなレポートを丁寧に書かなきゃいけないのか、
新卒の子はピンとこないんですけど、
僕はそれがたくさん溜まっていったら、
それをLLMに読ませて、
次の段階のSQLの生成とかにつなげられるイメージがあったんで、
それをやってもらう。
でもそれはもう正直業務命令に近い感じで、
もうフローはこれだから、うちのフローはこうなってるから、
こうしてねっていうところからスタートって感じでしたね。
だからまあこうやっていこうで、
とりあえずボトムアップ的にやっていくっていうのはそうなんですけど、
そのボトムアップの中で、
とりあえず自分が正解だと思うレール足くってことですね。
そうですそうです。
これはデビンに仕事させるのと比較的似てるというか、
AIエージェントに仕事させるときって、
ゴールとCICDのクリアしなきゃいけないポイントと、
具体的な仕様書ってめちゃめちゃ大事じゃないですか。
あれを人でやってる感覚ですかね。
なるほど。
ゴールは明確にしつつ、
GOって言って進むときに、
ここのステップ絶対踏まなきゃいけない、
フローはこうなってるをちゃんと描いたから、
変な進化もなく周りから走れたのかなっていう感覚はあるかもしれないですね。
ありがとうございます。
かつまあそれ再現性もあるってことですよね。
やっぱそれでうまくいっているので、
例えば今回新卒の方でしたけど、
これから誰かにオンボーディングをやっていくってなったら、
そのフローで全部やっていけば、
ある程度のスキルっていうところまでは持たせることができる。
そうですね。
ただそこの一歩目のところも、
彼が作り込んでくれたので、
そうしたら次の子は正直彼が踏んだ最初の数ステップいらないなって思ってて。
なるほど。
っていうのももうAIがバンバン活躍してるチームで、
アナリストのキャリアをスタートするんで、
そこで素早く成果出せるための動き方っていうのにまた変わると思うんですよ。
で、ナレッジがたまると来年入ってきた新人の子は、
またそのナレッジの上で仕事するんで、
最初描いておいた3段のところは、
その1年目で使い古した感は出てくる気がしてます。
もうそこは誰も踏まないみたいな。
なるほど。
じゃあもうどんどんそうやって積み上がっていくってことですか?
そうですそうです。
積み上がっていったその丘の上から、
次の新しい帰ってきた子はスタートして、
またそこで他の人が手回ってない、
新人の子がキャッチアップしつつ、
他の人がサボってる仕事をやってもらう。
で、また丘を作ってもらって、
次の新人の子はまたその丘の上からやっていってもらうって感じになってきそうなので、
来年同じノウハウ使えないかもしれないです。
使えない可能性の方が同じチームは高いかも。
なるほど。
じゃあそこ自体もう毎回改善していかないといけない。
そうですね。
なるほどな。
横展開は使えるかもしれないです。
はいはい、そうですね。
AIネイティブ人材の汎用性と今後の展望
だからそうやって、
実際、DNAさんの中ではパフォーマンスとしてすごい出ているっていうお話かなと思うんですけど、
それが会社のない固有の中でバリューが発揮できる状態になっているのか、
例えばその新卒の方が他の会社とかに行ったとしても、
同じようにバリューが発揮できるのかというと、
だからそこってどんな感覚の印象ですか。
普通の新人の子もそもそも大体3年ぐらいはいたりするじゃないですか、
そのぐらいの目線で見たら十分他で通用するかなというのは思いますね。
はいはい。
というのも今時、デビンは入っているところまだこれから、
要所要所では入ってきていますけど、まだこっからだと思っていて、
けどコパイロットとかの普及率って結構すごいじゃないですか。
そうですね。
今のシステムってGitHubコパイロットで最初作り上げたんですよ。
そうなんですね。
理由は他社との協業案件とかも含めてあるんで、
セキュリティの要件を一番満たしてて、
最大人数が使えるツールで汎用化させるっていうのも市場命題に置いていたというか、
形になるんで、本当はカーサーの方が良かった場面ってめちゃめちゃあるんですけど、
コパイロットの制約条件の中で今のシステムを作り上げるっていうのを一通りやってもらって、
成果が上がるイメージまで実感してもらえてるんで、
もしコパイロットしかないみたいな状態のとこ行っても、
そのフローをしっかり作ってAI推進の要になってくれるような体験は積んでもらってるんじゃないかなと思いますね。
ありがとうございます。
じゃあ本当にそのレールターン乗っかってるだけというよりも、
その新しいレールの型を学んでいってみたいな、そういうことですよね。
そうですね。
その型さえちゃんと同じ条件下であれば、
自分自身でも作っていけるようなスキルは身についているっていう。
そう思いますね。
なので会社の授業たくさんある中で、
シニアアナリストの人からその子にどういうふうに作り上げたのかのヒアリング、
別のチームからかかって、
彼が伝えるみたいなこともやってもらってるんで、
そこで今定着をさせてもらってるって感じですかね。
なるほど。
DNSさんの中でもそこをいろいろ横に今広げていってるってことですね。
そうですね。授業が幅広くてよかったなってめっちゃ思ってます。
ありがとうございます。すごい勉強になりました。
りょうさん今日はありがとうございました。
まだまだお話ししたりないので、次回もりょうさんとお送りします。
今回ですね、DNAさんの中でのお仕事のお話とAI活用についていろいろお伺いをしてきました。
結構本当にいろんな会社さんAIを全く使ってないですって最近はなくなってきたかなと思うんですが、
その中でもやっぱりDNAさんすごい2歩3歩進んでるなっていうのをすごい感じましたし、
Kiitaもエンジニア向けにやってるサービスではあるので、
そういうのをちゃんと感高く取り組んでいかないとダメだなってより一層思いました。
一応KiitaもAI推進みたいなのはプロジェクトとして進めてたりするんですけど、
ちょっと次の機とかのタイミングでもうちょっと力入れないとこれダメだなって焦りを感じたので。
そういうきっかけを。
そういうのができるためのDNA AIリンクの設立というか、
社内でこういうのが実例を作ったものをより広くやって、
DNAだけじゃないみんなでAI買っていこうぜっていうところなので、
そう言っていただけてめちゃめちゃ嬉しいですね。
本当にありがとうございました。勉強になりました。
さて、この番組では感想や次回ゲストへの質問、リクエストなどをお待ちしております。
番組詳細欄にはリンクよりお気軽にご投稿ください。
XでハッシュタグKiitaFMをつけてポストしてください。
表記は番組名と一緒でQFMが大文字、残りは小文字です。
そしてApple PodcastやSpotifyのPodcastではリビューもできますので、
こちらにも感想を書いてもらえると嬉しいです。
Kiita株式会社はエンジニアを最高に幸せにするというミッションのもと、
エンジニアに関する知識を記録、共有するためのサービスKiita、
社内向け情報共有サービスKiitaチームを運営しています。
ぜひカタカナでKiitaと検索してチェックしてみてください。
来週も火曜日の朝6時に最新話が更新されます。
番組のフォローをして最新話もお聞きください。
お相手はKiitaプロダクト開発部部長の清野としゆみと、
株式会社DNA・AIリンク・レビィン推進部部長、
Podcast佐々木亮の宇宙話のパーソナリティーの佐々木亮でした。
