「Product Engineering Talks」に参加してきました

データ組織を受託からプロダクトオーナーへ変える

くんぺさん(Ubie株式会社)
https://speakerdeck.com/ymdpharm/0908-product-engineering-talks

  • プロダクト開発の取り巻く状況
    • 現場解像度が重要になる
    • 非言語の感覚が専門家の価値
  • プロダクト開発の変化
    • 人間主体からAI主体の開発プロセスへ
    • 既存の延長からAgents as a Service
  • Agents as a Service
    • Journey
    • Tool
    • Rule/Policy
    • Workflow
    • Knowledge
    • Memory
    • Glossary
  • データチーム
    • 非言語感覚の強い領域
    • 現場にアプローチしてデータを使ってもらえるように
    • 他部門に深く入り込む

AI時代だからこそ、スケールしないことをやろう

重村優太さん(株式会社TOKIUM)

  • 立ち上げ期はスケールを一度忘れていいのでは
    • 業務にDeepDiveする
  • AI出張手配
    • チャットで出張の申請
      • 予定を提案して予約
    • 最初はヒアリングから情報を集める
      • 質もスピードもなかなか上がらない
    • 自社の出張手配を自分で全部やってみる
      • 100超のビジネス本部の社員
      • これもやってほしいなど生の声
  • ドメインに深くふれて
    • データモデリング
      • 経験から必然的に導くことができた
    • 業務の勘所
      • 利用者の外せないことが見えてくる
  • スケールしないことをしよう
    • ユーザを満足させるためにやってることは正しい

エンジニアがビジネスに踏み込むために共通言語として「会計」を学ぶ

大石悠真さん(株式会社BuySell Technologies)
https://speakerdeck.com/umaidashi/enjinia-ga-bijinesu-ni-fumikomu-tame-ni-kyoutsuu-gengo-toshite-kaikei-o-manabu

  • リユースプラットフォーム
    • 買取
    • 査定
    • 商品化
    • 販売
  • 仕事の変化
    • システムの開発から事業のグロースへ
    • 事業部 -> PdM -> エンジニアの流れから職種一体へ
  • 事業全体を見てどこを変えるとどこが変わるか
    • 査定の速度を30%あげたらどうなるか
    • 後続のフェーズで詰まるところが出てきたり
    • KPIに紐づけてどこの数値に影響してくるか
    • 計測することで正しく把握する

『寄り添うラジオ』をAIで作る ― 体験価値から逆算した、会話しないUXと品質設計

内山大悟さん(テオリア・テクノロジーズ株式会社)
https://speakerdeck.com/theoriatec2024/yorisou-rajio-o-ai-de-tsukuru-taiken-kachi-kara-gyakusan-shita-kaiwa-shinai-ux-to-hinshitsu-sekkei

  • わたしのラジオ
    • その日の振り返りと翌日の予定を送る
    • 翌朝その人向けのラジオが届く
  • 開発初期
    • 人手でAIを使ってラジオを作りチャットで送る
    • フィードバックからプロダクトの価値を定めていく
  • 会話しないUX
    • チャットで会話してインプットを渡してもらうアプリだった
    • 人力のときのアンケート形式で質問を事前に投げるほうがうまくいった
    • 会話だと短文の一問一答になりやすいという違いがあった

エンジニアはどこまで越境すべきなのか

Takeさん(株式会社UPSIDER)

  • プロダクトエンジニアの価値
    • 仕様と開発のトレードオフ
    • 顧客との直接のコラボレーション
    • リリース後のアウトカム検証
  • 役割を分断すると
    • 意思決定が遅くなる
    • 認識齟齬で手戻りが発生
    • 全体最適がうまくいかない
  • 越境しすぎることの弊害
    • 自分がボトルネックになる
    • エンジニアリングに集中できなくなる
    • 抱えすぎて疲弊する
  • 越境するが役割までは奪わない

新卒PdEのリアル

ryuさん(タイミー)
https://speakerdeck.com/ryu1013/shinsotsu-pde-no-riaru

敢えて溶かさないPdMとエンジニアの境界

山本洋暉さん(カイテク)
https://speakerdeck.com/hirokiyamamoto14/pdm-engineer-boundary

「Enterprise IT CONFERENCE 2026」に参加してきました

自ら試して組織を動かす、ライオンにおけるAI駆動開発の導入

中林紀彦さん(ライオン株式会社)

  • もうすぐ創業135年
    • オーラルヘルスケア/衛生/環境保全
  • 2030年に向けて
    • 次世代ヘルスケアのリーディングカンパニー
    • ReDesign
  • DXの取り組み
    • デジタルテクノロジーを駆使して「良い習慣づくり」
    • 経営情報基盤
      • データプラットフォーム
      • グローバルなデータの一元管理
      • タイムリーな可視化
      • 意思決定のスピードを上げる
    • 生成AIの日常化
      • Difyで非IT人材がローコードで作る
  • 個人での取り組み
    • 業務外で生成AIを使って開発してZennに記事を投稿
    • LLMの性能の違いの調査
      • Copilotは使える環境だったがやはりClaudeがいい
      • 社内でClaude導入へ
  • AI駆動開発の体制
    • CCoEの立ち上げ
      • CI/CDやDevOpsの環境を整備
      • 生成AIのガードレール整備
    • データマネジメントチーム
      • 社内データとの連携
      • 使える形でデータを管理
  • AI駆動開発の事例
    • COBOLやJCLが大量に残っている
      • ドキュメントも残ってないしロジックを誰も知らない
      • 演繹的なアプローチではなく帰納的に答え合わせ
    • 単なる移行から業務変革へ
      • イレギュラーなルールのあぶり出し
        • 複雑すぎるものはルールそのものを変えていく
      • セマンティックレイヤーの活用
        • 帳票を1対1で移植するのではなく共通辞書を用意してデータ配布基盤を作ったり
        • MCP化して社内に公開

AI時代、開発組織をどう再設計するか ~専門性と越境性を両立する人材・組織とは

地家 伶人さん(パーソルキャリア株式会社)

  • 分業前提の時代
    • 従来は分業は合理的だった
    • 開発は業務委託で
  • 役割の境界が溶け始めてきた
    • PdM/コンサル/エンジニア
    • 内製化へ
    • 同じ組織の中で複数の職種が一緒に考える
      • 隣の職種としか会話しないと伝言ゲームで正しく伝わらない
    • AIによって職種を超えた情報の取得がしやすくなった
  • これからの価値
    • 作ることのコストが下がった
    • 作るだけでは差がつかない
    • 何を作るかが重要に
  • 経験の設計
    • 複数の職種を経験する
      • AIでハードルが下がった
    • 専門性と越境性がより良い意思決定につながる

AIエージェント時代の内製開発~金融品質のプラットフォームとアジャイル開発~

齋藤 悠士さん(みずほフィナンシャルグループ デジタル戦略部)

  • AIネイティブなプロセスへ
    • 従来の人間中心からAIネイティブへ
    • 人間の認知能力の限界を前提としない
    • 並列で非線形的なプロセス
    • 〜2030で10倍、〜2035で100倍の生産性
  • AIエージェントの量産
    • 金融品質なAIエージェントである必要がある
    • AI特有の不確実性
    • AIを阻む課題
      • ビジネスとテックのコンフリクトで要件が決まらない
      • 金融機関特有の審査の問題
  • 内製開発ラボ
    • ビジネスとテックが一体となったスクラムチーム
    • エンジニア60人15チーム
    • AI駆動開発
  • 金融品質の担保
    • AIエージェント統合開発プラットフォームを構築
    • 閉域接続のためのネットワーク環境
    • 開発ツールの整備
    • 運用共通基盤(AWS)
    • データ基盤
  • AIエージェントファクトリー
    • ノーコードも含めてエージェントを量産できる仕組み
    • Difyでローコードで
    • エンジニアはBedrock AgentCore使ったり

AI×内製開発を成功に導く、開発組織戦略

前田 翔さん(株式会社Branding Engineer)

  • AIプロジェクトの導入で停滞/頓挫した経験が多いというアンケートデータ
    • AI活用の目的テーマが決まらない
    • 構想を計画に落とし込めない
    • 開発面ではそんなに困っていない
  • AI内製開発で必要なこと
    • 課題設定や推進継続のスキル
    • 主導機能を社内で持つべき
    • 専門性の高い実行機能は社外から
      • 特に希少性/一時性が高い分野
  • 採用の考え方
    • 将来自社に残す能力から逆算

AI×内製化の成果は、なぜ見えないのか──測る順番の話

松浦 直樹さん(ファインディ株式会社)

  • 作り続ける能力への投資
    • 外注は支払ったコストと納品物を比べてた
    • 内製だとできたシステムとかかった人件費
  • AI利用の成果の判断
    • 判断材料を持っていない企業が多い
    • 測れないものを経営判断に活用できない
      • 活用量を測っても意味がない
      • 能力がどう蓄積されているかは難しい
  • 蓄積される能力
    • 開発資本
    • Speed/Quality/Control
    • この中でQualityが成果に一番影響がありエンジニアの定着にもつながる

コクヨの挑戦 AI駆動開発での内製システム開発と組織の成長

小谷 侑哉さん(コクヨ株式会社 ビジネスサプライ事業本部)
新田 誠一郎さん(コクヨ株式会社 ビジネスサプライ事業本部)

  • 120年の歴史ある企業でゼロから内製エンジニア組織を立ち上げた
  • 内製エンジニア組織
    • 2024年に立ち上げ
    • 2025年に新卒11名
    • 2026年9月で31名
  • Adapt for Impact
    • さまざまな変化に合わせて適応していく
  • AI駆動の挑戦
    • 新卒11人でWebアプリのリニューアル
    • AIを活用して要件定義から開発まで
  • AIを活用した開発の苦労
    • AIに何を聞いたらいいか分からない
    • AIが出したものを評価できない
  • AIの使い方
    • ジュニアは丸ごと投げてしまう
      • 評価も修正も難しくなる
    • 経験のあるエンジニアはタスクを区切って指示できる
      • 理解しながら進めることができる
  • ツールへの適応
    • さまざまなAIツールを使っていた
    • 2025年12月頃からClaudeメインに
    • スキルの登場でチームで共有しながら整備
    • Claudeを中心に置いてハブとした開発運用スタイルへ

AI時代における「開発組織の内製化」の再定義〜ベンダーロックイン脱却、組織の壁、そしてAI協働力の可視化へ〜

泉水 翔吾さん(株式会社ハイヤールー)
及川 卓也さん(Tably株式会社)

  • 内製化はなぜ進まなかったか
    • 技術者の確保の難しさ
      • AIで変わった
    • コードを書ける人を多く確保する必要がなくなった
      • これで内製化は進むのか
  • だいじなのは手の内化しておくこと
    • 何がいいのか判断できるようにしないといけない
    • 判断の材料と能力が必要
  • 脱ロックイン
    • 属人性の排除
    • 暗黙知の形式知化

現場起点のPoCから全社AI変革へSMBCにおけるAI浸透とスケール化の実践知

ラジェーンドラ・マヨランさん(株式会社三井住友銀行)

  • AIを使う企業からAIで経営する企業へ
    • 仕事そのものをどう再設計するか
    • AIを経営判断につなげる
    • 効率化にとどまらずどう変革していくか
  • AIの変化
    • チャットからエージェントへ
    • エージェントを作ることから管理することへ
    • 競争力はモデルよりもデータや文脈
    • AIの成果は効率化ではなく収益、品質、意思決定速度
    • AI前提での業務、組織、顧客サービスの再設計
  • 中計での取り組み
    • システム基盤
      • 大前提のITインフラ
    • データ
      • AIの前提となるデータ基盤
    • ガバナンス
      • 多数のAIを回すための仕組み
    • カルチャー
      • AIを自然に使う
    • 人材
      • AIがある前提での働き方
    • ユースケース
      • 効率化ではなく価値創出
    • パートナーシップ
      • 誰と組んでやっていくか
  • データ活用の進め方
    • データ整備から始めてると進まない
    • 目的を決めてまず試作を
    • 逆引き的に

AI時代の内製開発と自律分散型組織

宮澤秀右さん(東急株式会社)

  • 大企業だと決めるまでの距離が長い
    • 作りたいものを作り始めるまでのステップの量
  • 東急での内製化
    • コスト削減ではなく顧客体験の向上のために始めた
    • 判断を内製したかった
    • 考える人 = 作る人
    • 現場に判断がある組織
      • マネージャーを置かない
    • 100人規模になっても階層は作らない
      • 判断が遅くなってしまうから
  • 100人規模でも自律分散を維持するために
    • プロダクト開発/職能コミュニティ/委員会
    • 10%を組織貢献に充てる
    • 自分たちの組織を自分たちで運営する
    • マネージャーはいないがマネージメントはなくなってない
      • 採用/評価/育成/チーム形成
  • AIで作るコストが下がった
    • ボトルネックの位置がずれた
    • 次に詰まるのは判断すること
    • 何を解くか課題設定の価値が上がる
    • 事業側とテック側が共創することで同じチームで意思決定
  • 自ら変わり続けられる組織
    • 内製化で判断を内側に
    • 自律分散で判断を現場に
    • 事業と接続し判断を顧客価値につなぐ

「AI時代のソフトウェアエンジニアリングを再定義する夜 Loglass AI TALK vol.8」に参加してきました

パネルディスカッション

和田卓人さん 広木大地さん(株式会社レクター)
伊藤博志さん(株式会社ログラス)
松岡幸一郎さん(株式会社ログラス)

AIが書いたものを人間がどこまで理解するべきか

  • AIが書いたものを全部読んでると限界が来る
    • レビューをどうにかして回るようにする
  • 長期的な意思決定と短期的な意思決定
    • 長期的なポリシーやビジョンを置いて変わらないことは判断しなくていいように
  • 理解すべきこととは?
    • そもそもどこまで理解してる?
    • 抽象化が漏れる部分を理解しないといけない
  • 技術的負債
    • メタファーとして変化してきている
      • 保守性の低いコード
      • 当時は良くても状況が変わっているコード
    • 昔はそういう力技コードをAIが書いていた
      • 最近は保守性の問題になるようなコードは出なくなってきた
    • 認知的負債
      • 人間が考えてるものとコードがずれてきている
      • どうなっているかどうなっているはずかが分からなくなる
      • それに気付く仕組みがない
      • 理解が浅いなら頑張ればいいがそれに気付けない
      • 理解を置き去りにしても速度も品質も出せるようになってしまった
  • 責務を果たすために必要な理解は手放せない
    • 社長が全て理解してるかというとそうではない
    • 人に任せることで理解してないところはある
    • AIには任せられないか?
  • 理解を手放さない
    • 今理解してなくてもたどれる状態を作っておく
  • 人間向けのハーネス
    • 人間が理解しないと実装しないような仕組み

組織全体のアウトカムを最大化するには

  • 本当に解くべき問題に定める
    • 機能が多くてもしょうがない
    • 仮説検証を高速化
  • 環境の変化
    • ソフトウェアの開発の単価が下がってる
    • AIによってできるようになったことが出てきてる
    • 新しい経済領域にあったやり方に変えていかないといけない
  • これまでと同じことを同じ人数でやっていくわけにはいかない
    • 同じことをより少ない人数で
    • 越境していくことが必要
  • 偉くなるか起業するか
    • 今の環境でも越境して冒険することで新しいこともある

AI時代にエンジニアが身につけるべき素養

  • 人間に興味を持つこと
    • 価値提供の先に人間がいる
    • 個人戦の方向に行きがちだがその先にいるのは人間
    • 起点と終点が人間
    • 痛みペインに共感を持つ

「アクセシビリティカンファレンスCHIBA2026」に参加してきました

文化芸術をひらかれたものに

山上庄子さん(Palabra株式会社)

  • エンタメ分野のバリアフリーコンサル
    • 映画/映像
    • 舞台芸術の鑑賞
    • 展示施設の鑑賞
  • サポート内容
    • 字幕
    • 音声ガイド
    • 手話
    • 多言語
  • アプリでの提供
    • 音声ガイドや字幕のアプリ
    • 特定の上映会でしか対応できなかったが個人が使えるように
  • バリアフリー日本語字幕
    • セリフだけでなく話者や効果音など耳で聞こえる情報を文字化
      • 翻訳字幕はセリフをそのままだけだがそれとは違う
    • 迷いなく読めるように必要なところはルビをふったり
    • わかりにくさも表現の1つ
      • 音声で表現されているニュアンスを伝える手段
    • 無音を表現する難しさ
      • 無音と書く?字幕が空気感を壊してしまう?
    • スクリーンに表示/タブレット/AR眼鏡
  • バリアフリー音声ガイド
    • 映像が伝えている情報をナレーションで
    • 場面や人物の動きまで
  • 手話
    • 手話通訳を映像に入れ込む
    • 手話演者をつけることも
    • 照明や座席の配慮

わたしの一歩一歩

かのんさん

アクセシビリティから見つけた、エンジニアとしての軸〜変わる技術、変わらない目的〜

徳山申太郎さん(株式会社ノベルティ)

  • アクセシビリティはもともと知識として知っていた
    • カンファレンスに参加し使えなくて困ってる人の話を聞いて考えが変わった
  • アクセシビリティはWebの本質
    • 情報を伝える
    • 操作をする
  • エンジニアとしての軸の1つに

Issue駆動でスペシャリストの意図を届けるAIコーディングエージェントによるアクセシビリティ向上

高橋利明さん(株式会社Gaji-Labo)

  • AI以前のアクセシビリティ開発
    • 専門家の意図をチームに浸透させていく
  • AIワークフローになって
    • 正しいコピペコーディングをさせる
    • AIが正しいことを選択できる状態にする

営業がウェブアクセシビリティを話せると、プロジェクトが変わる〜提案から組織浸透まで〜

堀口真人さん(株式会社コンセント)

  • 営業がアクセシビリティ
    • Webの担当者の困りごとでアクセシビリティがあがることは多い
  • 世の中の人はアクセシビリティの品質が高い製品に多くふれている
    • GAFAMが作るようなもの
    • 海外だと訴訟にもつながるので対応されている

JAL独自のアクセシビリティ施策~社内資格制度を通じた人財育成~

堀川 さくらさん(日本航空株式会社)
北 彩乃さん(日本航空株式会社)
池内 風香さん(日本航空株式会社)

  • JALグループアクセシビリティに関するサービスポリシー
    • プライオリティゲストという概念
    • プライオリティゲストセンターという組織を作って人材を育成
  • ハード面
    • 機内エンターテイメントの画面の機能
    • SPECIAL ASSISTANCEカウンター
  • ソフト面
    • Webサイトとアプリのリニューアル
      • 体験を統一
  • ヒューマンホスピタリティ面
    • サービス介助士
    • JAL Accessibility Assistant
      • JAL独自の社内資格制度
      • 最上位のランクだとバッジを付けている
    • 2025年D&I AWARD大賞
  • JAL Accessibility Assistant
    • JALサンライト
      • JALの特例子会社
    • 3段階の認定
      • Specialist/Advance/Basic
    • 設立当時の課題
      • 機内環境におけるアクセシビリティの知識対応力
        • 機内という特殊な環境
        • さまざまな障害に対する知識と対応方法
      • 資格制度の構築
        • 知識習得にとどまらず伊月を行動へつなげる教育の確立
    • JALさんライトとの協働
      • 障害のある社員との対話を通じた対応力の強化
  • 利用時の心理的なハードル
    • 丁寧なサービス=安心して利用できるとは限らない
    • 当事者ならではの心理的な遠慮
  • ハードルの解消
    • 具体的な選択肢の提示
      • 何が出来るか伝えることでそれならお願いしてみようと伝えやすくなる
    • +αのコミュニケーション
      • いつでも頼っていいと思えるように

「AI時代のコードレビュー最前線 〜AIにどこまで任せる?これからのコードレビューを考える〜」に参加してきました

GitHub Copilotで書いたコード、レビューはどうしてる?

草場友光さん(FutureOne株式会社)

  • GitHub Copilotのrubber-duckコマンド
    • 違う観点でレビューを走らせる
  • Copilot code review
    • プルリク出した時に動いてくれる

AIエージェント時代のコードレビュー

noguさん(Software Engineer)
https://speakerdeck.com/nogu66/ai-ejento-jidai-no-kodo-rebyu-o-sekkei-suru

  • レビューの対象
    • 正しさ/品質/安全性
      • これらはAIや自動化対象
    • 設計意図/知識共有
      • これらは人間
  • AIを足すだけでは負荷は減らない
    • 些細な指摘で埋もれる
    • レビューされるべき箇所が見過ごされる
  • レビューの設計
    • タイミング
      • フェーズごとに全てのタイミングでAIのチェック
    • 観点
      • Skillやルールとして用意しておく
    • 検証
      • hookで必ず挟む
    • 環境
      • サブエージェントで観点を分けてチェック
  • 複数AIによる相互レビュー

レビューするAIに何を読ませているか

Sadahiro Inoueさん(株式会社estie)

  • 初回のレビューをAIにやってもらう
    • CodeRabbit
  • プロジェクトの決定事項をコンテキストで与える
    • 書き方
      • コーディングルール
    • 語彙
      • ドメインの用語集
    • 仕様
      • 画面の振る舞い
    • 却下
      • 却下した仕様の記録
    • 蓄積
      • レビューの実績
  • CONTEXT.md
    • Avoidで言い換えしてほしくない用語の定義
  • コンテキストはメンテしていく必要がある
    • 量が膨大になっていく
    • 多重管理の箇所があると必ず陳腐化する
    • 役にたっていないものを捨てていく判断も必要

「Platform Engineering Meetup #16 - Backstageで広げる、AI時代の開発者プラットフォーム」に参加してきました

Backstageでつくるセルフサービスな社内開発基盤

坂﨑菊之介さん(ソフトバンク)

  • Backstage
    • Software Catalog
    • Software Templates
    • TechDocs
    • Plugins
  • AI以前の組織の課題
    • 何をやるにも開発チームに依頼しないといけなくて時間がかかっていた
    • AIの登場で小さな修正は誰でも出来るようになった
  • AI時代の課題
    • 保守性を考慮した開発
    • 実行環境構築のハードル
    • 自由に作ってしまう中でのガバナンス
  • Backstageの活用
    • 雛形/ルール/ドキュメント
    • Backstageからテンプレートを選択するとセットアップ済みのリポジトリが作られる
      • AI向けの整備も済んでいるので開発を始められる
  • 事例
    • GAS開発のテンプレートを準備
      • 30分かかっていた作業を5分で
    • ポータル上で成果物をカタログ化
      • どんなアプリケーションがあるか見える

AI駆動開発時代のBackstage ― AIがコードを書く世界で、Golden Pathは誰が為に?

北村慎太郎さん(Red Hat)

  • Developer PortalはAI時代も必要なのか
    • これまでは人間向けに入口を一つにする役割があった
    • AI時代は人が見ずにエージェントにお願いする動きに変化
    • UIとしての価値は下がった
  • 全部をMCPで直接つなげば不要になる?
    • アクセス出来ることと何を見るべきか分かることは違う
    • 大量の情報があるなかでエージェントがどうやって目的にたどり着くか
      • トークン消費や呼び出し回数の問題
  • AI時代のBackstageの価値
    • Backstageを経由して各サービスにアクセス
    • コンテキストをベースに目当てのものを探せる
  • 今後のBackstageの使い方
    • 人間向けにWebUIの提供
    • エージェント向けにMCP経由で提供
  • 情報の管理はこれまで同様必要
    • 境界設計と品質維持
    • 古い情報や質の低い情報の整備
  • テンプレートはなぜ必要だったか
    • Golden Path
    • 個々の開発者が毎回同じ作業を繰り返させない
  • AIはGolden Pathがなくても実装できるのか?
    • 実装はできる
    • 毎回各開発者のエージェントに判断させるべきではない
    • 例えばコンテナのベースイメージを毎回各自にやらせたらどうなるか
      • 同じ原則に従っても毎回違うものを選んでしまう可能性がある
      • 実現できるイメージが複数あるから
    • Platform Engineerが慎重に選定してGoldenPathに含めた方がいい
  • Platform Engineerのしごと
    • AIも開発者の1人なので従来と変わらない
    • 標準を疑う仕組みも必要
      • 開発者のエージェントが気付くこともある
    • 提案を投げてもらって改善していくサイクルがあるといい

エンタープライズInnerSourceと開発者ポータル

能城冬馬さん(三菱電機)

  • あらゆる事業があって専門性が高くサイロ化している
  • InnerSourceの取り組み
    • 社内リポジトリ1000以上
    • Backstageでソフトウェアをカタログ化
      • リポジトリをクローリングし作成
  • InnerSourceの目的
    • 共創するため
      • 部門を横断してソフトウェアを使う
    • 実態を見ると
      • 一人で作って一人で使ってるのが6割
      • 部署内で使ってるのが2割
      • 部署を跨いでクローンして使ってるのが1割
      • 横断してるのは1割
  • 共創のジャーニー
    • 共創がどのように起きるのか経路を考える
    • 欲しいものを探して見つかったときに起きる
      • さらにコントリビュートなどでやりとりまで
    • AI時代だと自作の方がはやいケースが増える
  • 共創の計測
    • 良い影響を及ぼしてるかを計測して可視化
    • 上位の目標は難しい
      • 利用者の組織のゴールにどう寄与したかとか
    • 使えるものか/使えたか/効果があったか

「現場で効いたAI駆動開発の実践知: 越境を支える体制と仕組みづくり」に参加してきました

AIから事業に効く成果を引き出す舞台装置という考え方 〜AI駆動開発における越境と実践〜

望月駿一さん(Ubie株式会社)

  • 病院でAIを動かす
    • データが事前に整ってないと始まらない
    • 施設やシステムごとにデータがバラバラ
    • 統一された規格もない
  • 現場に行って業務を理解
    • 資料を読んでもわからない
    • 全国の病院や学会へ
  • 何があればアウトカムを出せるのか分からない
    • 課題を特定し解決策を与えるのが難しい
  • 舞台装置と踊り手
    • ドメインに近い人がAIを使って作る
    • 作る人がやりやすい環境を作る
    • 分業ではなくそれぞれに踏み込みながら

AIを上手に使っていこうとしたら越境せざるを得なくなった話 〜実践1年で見えた境界を越えなければならない理由と進め方〜

北浦智也さん(KDDIアジャイル開発センター株式会社)
https://speakerdeck.com/tomoyakitaura/crossing-borders-with-ai

  • AIを活用した開発サイクル
    • 構図を変えずにAIを入れても非生産的なまま
    • 一部が高速化されるだけにとどまってしまう
  • AI-DLC
    • スクラムからAI-DLCに移行した
    • Inception
      • 曖昧な状態の要件を作るものに変える
      • システムの振る舞いをチーム内で合意
      • スクラムのリファインメントでやっていたこと
      • 判断に必要な人が全員その場に集まっていること
      • この設計なら要求を叶えられるというところまで
        • Lambdaを使おうとかテーブル構成はこんな感じになりそうとか
      • OpenAPI仕様書, DrawIO, マークダウンのドキュメント
    • Construction
    • Operation
  • 仕様駆動開発
    • AIはゼロから正解を与えるのではない
      • 出力がギャンブルではダメ
      • 増幅器として使う
    • 認知を実装より先に固定する
      • 考えてから実装するの順を守る
      • AI使うと逆になりがち
    • AIはhowを無限に出してくるがwhyは持ってきてくれない
      • どれが正解かわからない
      • それぞれの専門性を掛け合わせて

毎日同じシャツを着よう 〜AI駆動開発における決定負荷について〜

坂本一樹さん(株式会社Algomatic)

  • AI駆動開発
    • 要件定義からモックを作って合意しながら開発
    • フィードバックを取り入れてモックを何度も作り要件を固める
  • 開発は認識のずれ価値観のずれとの戦いだった
    • 要件定義をずれないようにドキュメントで担保
    • 細かいリリースで変化を吸収していく
    • 早い段階でフロントを作って後のフェーズでバックエンドを作り込む
  • これまでの開発
    • 意図せず意思決定のタイミングが分散されていた
    • 早い段階でさわれるようにしたことで初期に意思決定が極端に寄ってしまった
  • 決定負荷を分散する
    • これまでは想像で会話していてそれぞれの職種が認識合わせながら意思決定が必要だった
    • 動くもので確認ができるので状況が変わった
  • 決めなくていいことはAIに任せる
    • 人間が確認しないといけないことは多いまま
    • 統一させたいだけのところは他と同じにしてとAIに頼めばいい
    • 何か参考にできる情報を渡してそれにあわせてもらう
    • ルールを決めたらAIに任せる
  • 決めなくていいことは考えない
    • 決定疲れを防ぐ
    • 毎日同じシャツを着る

「職種の境界が、溶ける。 — AI時代、プロダクトづくりは"誰の仕事"か」に参加してきました

各社事例紹介(ログラス・RightTouch・Ubie)

PMは、ブランドマネージャーになる

二宮智さん(株式会社ログラス)

  • 作るコストが下がっていくと選ばれる理由が薄くなっていく
    • 同質化していく
    • 機能での差別化ができなくなってくる
    • 同じ領域は同じことを期待されるので同じような機能になっていく
    • 消費財がたどったのと同じ道
      • シャンプーとかチョコとか同じようなもの
      • さらに上の豊かさが求められる
    • 背後にあるストーリー
    • ブランドや体験が残っていく
  • 4Pを管理するコストが下がる
    • 全てを束ねる統括責任者
    • ブランドを作る
  • ブランドを作る
    • 第一想起されるものに
      • お茶と言えば
      • 経営管理と言えば
    • 名詞から動詞に変わってくる
      • 経営を変えるなら
    • プレスリリースベースでPRDを逆算的に考えていく
      • 分業してく中でも一貫性をもたせる

PdMをやめて"プロダクトビルダー"という働き方に変えました

敷地琢也さん(Ubie株式会社)
https://speakerdeck.com/shikichee/pdm-to-product-builder

  • PdMは2つに分かれていく
    • 事業責任者
      • 意思決定
      • 決めるところに特化
    • プロダクトビルダー
      • 作りながら決める人
  • プロダクトビルダー
    • 専門性を軸に価値を届けきるところまでやる
    • 一人で全部作りきる
  • 2つの壁
    • 専門領域の深いところは難しい
      • デザインの情報設計がうまくできなかった
      • 音声認識の精度がでなかったがCTOに相談したら一晩で解決
      • 同僚の専門性の中に答えがあることも
    • 現場を知らないと顧客に刺さらない
      • 顧客との会話による一次情報から得られるものが多い
      • 議事録を見るだけでは分からない空気感
    • 一人で作れるのは7割くらい
      • そこから先は周囲のひととのかかわり
      • バトンリレーから越境へ
      • 全員が一次情報をとる
      • 限界にあたったら周囲の専門家を頼る

デリバリーがプロダクトを育てる

川下治城さん(株式会社RightTouch)

  • 自動電話応答のサービス
    • これまでユーザに課せられていた作業がAIによって企業側へ
    • どこの窓口に問い合わせるかなど
  • ASE
    • Agent Software Engineer
  • FDE
    • Forward Deployed Engineer
  • 短期の顧客折衝と長期の事業還元

パネルディスカッション

二宮智さん(株式会社ログラス)
川下治城さん(株式会社RightTouch)
敷地琢也さん(Ubie株式会社)
広瀬丈さん(株式会社ログラス)

  • 職種の境界はどうなってるか
    • もともと軸足にあったところに染み出してる
  • チーム/組織はどう変わってるか
    • 最小がPdM/エンジニア/デザイナー各一人ずつ
    • 個人の強みを考慮した組み合わせ
  • 採用の難しさ
    • 職種で選定するのが難しくなってる
    • スタンスの部分を見る
    • 特に若手はポジション問わず入ってから方向性を
  • 中途の採用はハイレベルに
    • 少数でチームを組むので席が限られてる
    • 若手は新卒で
  • 人に対するAIの活用
    • 評価には使ってる
    • アサインやミッション設定は人が

「RESEARCH Conference meets アジャイルとの交差点@みなとみらい」に参加してきました

パネルディスカッション

木浦幹雄さん(アンカーデザイン株式会社)
市谷聡啓さん(三菱電機株式会社)
草野さん 清水さん

  • リサーチの浸透
    • 開発は時間がかかるもの
    • その前の調査をしっかりとやることで成功率を高める
  • アジャイルの中でリサーチを取り入れる
    • アジャイルはリサーチからスタート
      • いきなり要件定義とはならない
    • 製造業だとあんまりリサーチからやる文化がないところも
      • 機器のログデータとかは見ていても人の話を聞きにいってない
    • 仕様や要件を誰が決めるかでも違う
      • 営業が決めて投げてくるパターン
      • 開発チームで決めていくパターン
    • 仮説を立てるところから始めるならリサーチが出てくる
  • 要件を誰が決めるのか
    • 全体を俯瞰できてる人がいないとチグハグになっていく
    • スクラムならPOが
      • リサーチャーやデザイナーがフォローしていく
      • POにtech/biz/ux全部背負わせるのは無理
  • プロトタイプからスタートするパターン
    • 最初のリリースは失敗する覚悟からスタート
    • 次によくしていくために仕込んでおく必要がある
    • 失敗を繰り返さないようにリサーチを活用していく方向に
  • BtoBでのリサーチ
    • データが少なくて難しい
    • 定量よりも定性を優先することも
    • 少数のリサーチのデータは証拠として使わない
      • そこからどう解釈するかに力をかける
      • 有意差とかそういう話じゃなく
      • 背景情報をどれだけ引き出せるか

つくるが速くなったら、さがすが下手になった

みーさん(Muture)

  • ショッピングセンターのリーシング業務
    • 今までは既存業務の置き換えだった
    • 0から作らないといけない
  • AIにプロトタイプを作らせた
    • ものはいっぱいできるけどユーザに何を聞いたらいいか分からなくなる
  • プロトタイプを作る前のPRDを人間が先に作る
    • 何を検証したいかも決めておく
    • インサイトの抽出も人がやる
  • 実験してみて
    • プロトタイプをいいねと言われてしまう
    • N1のペインなのかみんながそうなのか分からない

10人で100人分の価値を届ける生成AI時代のLegal Ops R&D

十一智教さん(弁護士ドットコム)

  • 法務相談の一次受付をAI活用してbotで返すように
  • 週に30件程度依頼が来てる
    • 3件くらいはリマインドをもらってしまう
    • 依頼のルートが多様
  • 原因をリサーチ
    • リマインドがたくさん来ても困る
    • でも自分の感覚に一致するなら

データだけ見て満足していませんか?

じんさん(三菱電機)

  • データだけで答えを出そうとするのはダメ
    • データだけでは利用の目的までは分からない
  • カーシェアでエンジンかかってるのに何時間も走らないまま
    • 使い方は声を聞かないと分からない
    • データと声両方が必要
  • 業務アプリケーション
    • 複数ウィンドウでとにかくはやく操作

現場でUXライティングが浸透しない

永井一二三さん

  • UXの問題は言語表現
  • 言葉は誰でも扱える
    • そこにコミットするのが難しい

スクラムマスターのPO支援プロダクトリサーチのモヤモヤ

櫻井健さん

  • スクラムマスターウェイ
    • プロダクトリサーチはレベル2
  • プロダクトリサーチ
    • SLOを設定できてない
    • 画面遅いと言われて後手の対応だった
    • トップダウンのSLO設定は難しい

RESEARCHとアジャイルの神隠し 3つの失敗

小泉岳人さん(ニッセイ情報テクノロジー)

  • インタビューやっていても先に進むことを優先してしまう
    • ステークホルダーの状況を確認しきれずにやっていた
  • 社内でアジャイルPoC
    • 1Dayスプリントをやって盛り上がった
    • でも広がらなかった
    • やった人は満足していたがそれ以外の人に広げていける活動ではなかった
  • AI駆動開発
    • AIに判断をあずけて開発してしまった
    • 理解の負債が積み重なって成果物が増えていく

「JAWS-UG AI-DLC #02:AI-DLC勉強会」に参加してきました

みてねにおけるAI-DLC導入活動とAIドリブン開発の現在地

清水 勲さん(株式会社MIXI)
https://speakerdeck.com/isaoshimizu/jaws-ug-ai-dlc-number-2

  • AI-DLCとは
    • AIが開発全体を主導
    • 人間はレビューと意思決定に集中
    • Inception - Construction - Operations
    • 壁打ちして仕様を仕上げて実装
    • 関係者を集めてモブで一気に決めるとよい
  • なぜAI-DLCやろうとおもったか
    • 人間同士の調整などコードを書くところ以外にボトルネックがあった
    • リードタイムを縮めるための仕組みがほしかった
  • Unicorn Gym
    • AWS主催で業務の課題でAI-DLCを試す取り組み
    • 意識したこと
      • 全員同じ部屋
      • 意思決定者が前日同席
      • AIツールを統一
      • 研修やワークショップと呼ばない
      • 実際の業務課題を題材に
  • その後の取り組み
    • そのまま使ってるチームはAI-DLCをベースに独自進化
  • 実践してみて
    • howよりもwhat/why
      • 言語化してAIに伝える必要がある
    • Inceptionがだいじ
      • ここがうまくいくと一気に進む
      • 外すと人間だけの長い会議になってしまう
    • コンテキスト管理の重要性
      • AIが参照しやすいドキュメントの整備
      • スキルで共通化
  • AI-DLCの成立しやすさ
    • 小さいこと
    • UIデザインをあまり必要としない
    • 自分たちで判断できる
    • 見本がある
    • AIの出力を信じられる
  • 作りたいものがまだ言葉になっていない時はInceptionを丁寧にやる

AI-DLC v2 の目指すところと基本的な仕組み

金森 政雄さん(アマゾン ウェブ サービス ジャパン合同会社)

  • v2がGAになった
    • 今はmainはv1だが9月頃に切り替わる見通し
  • なぜv2になったのか
    • ボトルネックがシフトした
    • 人間は遅くて高コスト
    • Agentチームが作ったものを人間が検証するとそこで詰まる
    • v2ではAgentチームの成果物をAgentチームが検証する
      • 重要だったり難しいものを人間に渡していく
      • 簡単なものはそこで完結
  • v2での変化
    • ループが変わった
    • v1はAIが作って人間が検証と判断
      • 人間がボトルネック
    • v2はAIによる生成とAIによる検証のインナーループ
      • 決定論的なツールでAIが検証
      • 人間のところには絞り込まれた一部しか流れてこない
      • 人間は判断だけに
    • 人間の労力が下がっていくような仕組みに
    • すべてのステージで 生成 - 検証 - 学習 のループ

LT1:AI-DLCをチーム開発に適用しようとしている話

小室 光広さん(ウォンテッドリー株式会社)
https://speakerdeck.com/nekorush14/trying-to-apply-ai-dlc-to-the-team

  • v1入れてみて見えた課題
    • 質問をファイルでやりとりしないといけない
    • ステージが多くてスピードが出ない
    • もともとあったワークフローや決定済み事項が無視されたり
    • Auditが確率論的
  • v1での課題の要因
    • これまでのワークフローにそのまま適用しようとしていた
    • 不要なワークフローはスキップしていいと明示
    • ADRを生成させて参照させることで蒸し返しを軽減
    • AskUserQuestionツールでファイルのやりとりを減らす
  • v2でどう変わるか
    • より決定的なワークフロー
    • ハーネスによった設計
    • 自己学習ワークフロー
  • v2で発生した課題
    • スコープの切り方が難しい
      • デフォルトのスコープ
      • スコープの選定が人による
    • Auditのログが勝手に出る
      • HooksをラップしたHooksで回避

LT2:週末にAI-DLCを本気で回したら$1,600溶けた ~複雑なPoCで見えたコストと、次に試す改善~

清水 厚志さん(株式会社HBA) https://speakerdeck.com/hbashimizu/shuumatsu-ni-ai-dlc-o-honki-de-mawashitara-1-600-toketa

  • AI-DLC導入で速くなったという事例はよく聞く
    • 費用がどうだったか公開してることはほとんどない
  • AI-DLCを週末でフルに回してみた
    • $1600相当のAI利用量
    • AIが止まらなければ課金も止まらない
  • エージェントの利用箇所
    • 背景のエージェントやレビューが多い
    • エージェントが真面目に動きすぎて過剰に動くところ
      • 過剰なチェックで過剰に同じ処理を動かすことに
      • 各エージェントが正しく動くほどどんどん処理が増える
      • ファイルを1つ動かすだけで全量レビューをまたやり直したり

LT3:AI時代の生産性メトリクス再設計

布川 雄大さん(KDDI株式会社)

LT4:逆解析から始めるAIDLC

鈴木 亮さん(クラスメソッド株式会社)
https://www.docswell.com/s/suzryo/59N6V7-2026-08-27-200134

  • 既存システムの把握の難しさ
    • ドキュメントがなかったり古い
    • 作った人がいない
    • 全体構成がわからない
  • AI-DLC v2の逆解析
    • inceptionフェーズの処理
    • 単体でも動かせる
  • 逆解析のコツ
    • そのまま使うと広く動きすぎてトークン消費が激しい
    • 目的やスコープの提示
    • 成果物の指定

LT5:個人でのAI活用の次に必要なものは何か。LINEヤフーでWorkshopを開催して見えた、組織導入の条件

山岡 滉治さん(LINEヤフー株式会社)
https://speakerdeck.com/lycorptech_jp/aidlc-aidd-workshop

  • 広く浸透するためのワークショップ
    • ハンズオンでエンジニアに一律
    • 個人でできるようになった人は増えた
  • AIDD Workshop
    • AI-DLCの考え方を元にしたワークショップ
    • チームでの導入を探る
    • ビジネス側のメンバーも含めて
    • テーマを持ち込んでもらって

「JAWS-UG NW-JAWS × コンテナ支部 コンテナネットワークを学ぼう!!」に参加してきました

コンテナネットワーク入門

  • ネットワーク間通信
    • VPC Lattice
    • Application Load Balancer
    • Amazon ECS Service Discovery
    • Amazon ECS Service Connect
  • ネットワーキングモード
    • awsvpc
      • これが推奨
      • 可観測性が向上したり
      • セキュリティやスケーラビリティ
      • FargateでECSを使う場合は必須
    • bridge
    • host
  • プライベートネットワーク
    • VPC Endpointで必要な通信のみを許可する

「QA Test Talk Vol.8」に参加してきました

QAエンジニア起点で進める、SmartHRにおける信頼性向上について

kannaさん(株式会社SmartHR)
kaomiさん(株式会社SmartHR)

  • QAエンジニアの立ち位置
    • 特定のプロダクト全体を担当
    • 人事マスタを扱うのでデータを正しく保ち続けることが重要
  • 品質が高い状態
    • 例えば
      • インシデントの件数?
      • 顧客の声?
      • 技術負債?
    • 人によって考えるものが違う
    • 共通言語で話せるようにする必要がある
  • 全社のプロダクト原則
    • 信頼性/透明性/効率性/新規性/即効性
    • その時々の最善を選ぶためのポリシー
  • 自分たちのエリアにとっての信頼性
    • 課題起点ではなくどうありたいか
      • 起きた問題への対処だけではなくこれから守りたいこと
    • 守るものの脅威を仮説立て
      • 何が起きると信頼性が脅かされるのか
      • 守るものの解像度をあげる
    • 正確性/耐性/復旧力/検知力

AI-DLC による Whole Team Approach の加速

金子昌永さん(PKSHA Technology)
鵜飼貴広さん(PKSHA Technology)

  • QAを開発チーム全体で進める
    • Whole Team Approach
  • AI-DLC
    • 同期的にAIと対話しながら要求分析/設計/テストなどを含む一連の開発プロセス
    • Inception/Construction/Operationの3フェーズ
    • チームに知識を貯めて継続的に開発できるように
      • 最速で初回リリースするだけならこれはいらない
      • チームで知見を貯めながら進めるために採用
    • AI前提の開発プロセス
    • 規模が大きく長く扱うようなプロダクトに向いている
  • AI-DLCを使ってみて
    • 要求の仕様化
      • 全員で要求を共有して進められる
      • AIの仕様案に対して意見をだしていく
      • 詳しい人が仕様の問題を指摘しながら
      • ユーザーの操作フローを対話しながら決めていったり
    • 開発計画
      • インクリメンタルでイテレーティブなプロセス
      • AIがユーザーストーリーを生成してくれる
      • ユニットという単位で扱う
      • 1ユニット作るのに複数スプリントかかることもある
    • システムテスト
      • AI-DLCにはシステムテスト用のプロンプトがないのでQAが独自に追加

Speech-to-text機能のLLM-as-a-Judgeの話をします

末村 拓也さん(Ubie)
https://qa-test-talk-stt.takuyasuemura.workers.dev/

  • 音声を認識して文字起こしを加工して表示するアプリのE2E
  • 異常なケースを単体テストで検知するのが難しい
    • 長時間話し続けたり
    • 音声が止まる状況を再現したかったり
    • 実ブラウザでしか起きない問題をテストしたかったり
  • E2Eでブラウザで音声入力が難しい
    • テスト中にダミー音声をブラウザに渡すことが難しい
    • Chromiumは同じ内容を繰り返し入力する機能だけある
    • Playwrightではinit scriptでgetUserMediaを差し替えて音声を渡す
      • マイクを許可しますか?の処理を差し替えるということ
  • LLM as a judge
    • LLMの生成結果をテストしようとするとぶれがある
    • 別のLLMに評価させる
      • 期待サンプルや評価ルールを渡しておく
      • 入っていてほしい固有名詞
      • ハルシネーションのチェック

修正PRを食べてレビュースキルが賢くなる:Claude Codeによる自己改善サイクル

umさん(メルペイ)
https://speakerdeck.com/yuyaumetsu/xiu-zheng-prwoshi-heterehiyusukirukaxian-kunaru-claude-codeniyoruzi-ji-gai-shan-saikuru

  • コードレビューskill
    • レビュープロセスをシフトレフトするためのもの
    • 実装後早期に不具合リスクを検出

ナレッジワークにおけるAI活用をベースとしたQAプロセスの最適化

河野 哲也さん(ナレッジワーク)

  • QA領域でのAI活用
    • テスト分析・設計/それらのレビュー
    • AcceptanceTestの設計
  • 自然言語のシナリオをベースにしたテスト
    • 要件や仕様やデザインなどをインプットにテストシナリオを作る
      • 粒度の調整をskillで
    • 自動でテスト出来るのは自動で実行
    • 手動でやらないといけないのは人がやる
  • AIの成果物が大きすぎるとチェックに時間がかかる
    • レビューのスキルを作ってもその結果をみないといけない
    • アジリティを上げるために多くのものを出力させないように

「【Tech Leaders Session #1】チームで成果を出すためのセルフマネジメント入門」に参加してきました

堅牢でスケーラブルな働き方を構築する技術

小田中育生さん(KDDIアジャイル開発センター株式会社)
https://speakerdeck.com/ikuodanaka/jian-lao-tesukerahurunadong-kifang-wogou-zhu-suruji-shu

  • 堅牢でスケーラブルな働き方
    • 外部影響や内部変化へのレジリエンス
    • そのための余白
    • 適切な優先順位付けや移譲や成長など柔軟に
  • 堅牢でスケーラブルなチーム
    • メンバーが自律的に
      • タイムタスクマネジメント
      • アンガーストレスマネジメント
      • スキルマネジメント
  • よくないチームの状態
    • ヒーローに支えられている
    • 特定のタスクが属人化している
  • チームは堅牢でスケーラブルであろうとしているか
    • 脆いチームの兆候
      • 余白を奪う仕組み
      • リソース効率の追求
      • 育成観点の欠落
  • チームの余白を確保
    • まずは誰が何をしているかみんな把握
    • WIPを絞る
    • 生まれた余白を新しいタスクで埋めない
  • 不確実性の局所化
    • 不確実性の混入を防止しつつチーム外の問い合わせのアジリティを高める
    • チーム外からの突発作業を一定期間ごとに特定メンバーに固定する
  • 失敗を共有できる場にする
    • 失敗の共有を当たり前に
    • 学びと捉える環境
  • 移譲を仕組み化する
    • デリゲーションポーカー
    • 指示/売り込む/相談/合意/アドバイス/問い合わせ/移譲

パネルディスカッション

小田中育生さん(KDDIアジャイル開発センター株式会社)
フジイユウジさん(viviON社長室/プロダクト戦略室/技術戦略室)

  • 完全に疲れる前に察知
    • 疲れてきた兆候に気付けるように
    • 普段興味があることへの関心がなくなる
    • やりたいじゃなくてやらないとになってえる
      • 自分の仕事のハンドルを自分で握っているか
  • 上司に言われたことだけをやるのか
    • 上司は自分を守ってくれない
    • 義務教育でテストの点がいいと褒められる
      • 大学入って何がしたいかと問われるようになり
      • 社会人になり主体性を持てと言われ
  • 頑張りすぎないチームでどう成果を出すか
    • ただ時間を費やす頑張り方はよくない
    • なぜやるのかを問いかける
      • 一方で仮説を立ててまずやってみて狙いを確かめることも
    • 言語化し経緯を残し意図を忘れない
  • 経験値の差
    • 経験がある人は分析ができる
    • 自己分析の難しさ
      • 自分がどう感情が揺れ動いたかの記録把握から
    • 同じ事象でも人によって感情は違う
      • チームでやると異なる感情と答えることも
      • 価値観や経験の違い
    • 事象と感情の間に価値観が入る
      • それを知ること

「Scrum Fest Osaka 2026(Day2)」に参加してきました

透明性・検査・適応を"日々の当たり前"にするには?

Yoh Nakamuraさん
https://www.docswell.com/s/yohhatu/ZJW6VQ-2026-08-01-083028

  • 透明性・検査・適応
    • スクラムが機能するために必要な要素
    • 経験主義
    • 透明性の上で検査と適応のループ
  • 機能させるための問い
    • 何を確かめたいか
    • そのために何が見える必要あるか
    • その結果で何をどう変えるのか
  • 透明性
    • 透明性のない検査は誤解を招きムダなものである
    • 自分たちだけでなく周囲からも必要なものが見えていること
    • 低い状態だと余計な介入を呼ぶことがある
    • 透明性を高めるための情報を集める手間を減らす
  • 検査
    • 適応のない検査は意味がない
    • 成果物や進捗状況の頻繁な検査
      • 変化や問題を素早く見つける
      • 普段を知っているから変化に気づける
    • 検査の手間を減らす
    • 仮説に対して何を検査するか決めておく
  • 適応
    • 検査によって新しいことを学んだ瞬間に適応することが期待されている
    • 少しずつやる
      • 一気にやるのは大変
      • 何が効いたか分からなくなる
    • バックログに入れておく
    • 続けるやめる変えるの基準を決めておく
  • 特別な活動ではなく日常へ

チームとの距離感に悩んだ4年間、こだわりを手放したことで気づけたスクラムマスターとしての振る舞い

keiichiro kawanoさん(星野リゾート)
https://speakerdeck.com/kawanotron/kodawariwoshou-fang-sitakotodeqi-duketasukuramumasutatositenozhen-ruwu-i

  • 受託開発
    • 必須の要件と柔軟な要件を共存させてアジャイルっぽく
    • このままではリリースできないと言われて炎上案件に
    • 自分が炎上分を巻き取った
    • 目の前の課題に集中するほど周りが見えなくなる
  • スクラムマスターは牧羊犬
    • チームを促すのがスクラムマスター
    • 一歩引いて俯瞰してみる
  • 一歩引いたスクラムマスター
    • 先を見て一歩引いた立場からフォロー
    • 上手く回っているようには見えていた
    • チームの一員か分からなかったというフィードバック
  • ゼロ距離スクラムマスター
    • 経験浅い人が多い新チーム
    • 経験上こうするといいとおもうとティーチング
    • 合意形成をしているつもりだった
    • みんなの意見が出てこなくなっていた
      • 一度出来上がった力関係はすぐには修復できない
  • 距離感に迷ったスクラムマスター
    • 透明性高くチームと接する
    • どうしたらいいか一緒に悩む時間
    • チームが今何を求めているか
    • 五十六メソッド

ときめかないミーティングはアップデートのシグナル

asumi utamaruさん(株式会社リンケージ)

  • ミーティングの形骸化
    • スキップすることが出てきたり
      • スキップすることに違和感がなくなる
    • 内職してても問題ないような状況になったり
    • 一方的な報告
    • ネクストアクションが曖昧になったり
  • 自分たちが変わっているのにミーティングが変わってない
    • 心理的安全性が上がって必要なものが変わったり
    • フェーズが変わって話すべき内容が変わったり
  • アップロードする仕組み
    • 気づきづらいし気づいてもいいづらい
    • 仕組みがあれば改善していける
  • ふりかえりのふりかえり
    • ミーティングのあとにミーティング自体をふりかえる
    • フォーマットを作っておくと話しやすい
  • 先に運用プロセス改善の場を作っておく
    • 課題が起きる前に3ヶ月後などセットしておく
  • ポジティブに伝えること
    • 変化があってペインがあることなので
    • いい方向に変わっていけるように
  • うまくいってない時は変化のチャンス

AIが当たり前の時代に生まれた新人エンジニアの反抗期~教えてもらうだけの開発から自分でできる開発へ~

Keiichiro Kokuboさん(アサヒビジネスソリューションズ株式会社)

  • 新卒で開発案件に入ってみて
    • 本当に自分のせいかと言えるのか
      • AIが書いたりパートナー企業に教えてもらったり
    • 内製化やアジャイル挑戦の案件
      • 周囲からは褒められる
  • 開発体制
    • 内製5人パートナー3人
      • 初の内製化でアジャイルの案件
      • 内製メンバーはほとんど開発未経験
    • 手厚い支援のある環境
      • ペアプログラミングでお添えてもらいながら
      • 積極的にAI活用
      • パートナーからのサポート
  • 進めていく中での不安
    • 自分で考えている時間がほとんどない
      • AIに投げるだけ
    • 自分で作ったのに説明できない
      • エラーが起きてもどうしてか分からない
      • コードレビューができない
    • 答えがすぐに手に入る環境
      • 問題解決力が育たない
      • AIや他者への依存
  • あえて不便な環境に
    • AIを極力使わずに内製メンバーだけで作る
      • 教育目的のチームを部分的に切り出して
    • やってみて
      • 何から始めればいいか迷う
      • できたつもりでも思い通りに動かない
      • 時間がかかる
  • 試行錯誤から得たもの
    • 思考の道筋が立てられるようになった
    • 線で理解できるようになった
    • 自己効力感がついて自分でもできそうと思えるようになった
    • 次同じ課題に直面した時に対処できるスキル

プロダクトバックログの作り方ー業務システムリプレイス編

Kiro Haradaさん(Attractor Inc.)

  • リプレイス案件
    • 既存機能は変わらない
    • そこに改善や新規追加が入ってしまう
  • 全面リプレイスをしてはいけない理由
    • ユーザにメリットがない
    • ユーザに負担を強いる
    • スポンサーにとっての関心は継続性とコスト削減だけ
  • リプレイスのユーザの反応
    • 現行踏襲で
      • 面倒なやりとりを減らせる
    • でも改善したいところも出てくる
    • 予算と期間は決まってるがスコープが決まっていてさらに増えていく
  • リプレイスを目的に始めてはいけない
    • システムは全部の機能を使われてない
    • 機能の利用実績ではなく利用されるシナリオの収集
      • よく使われているのに使いにくいもの
      • もっと使ってほしいのに使われていないもの
  • 改善の基本のECRS
    • Eliminate
      • やめる
    • Combine
      • 一緒にやる
    • Rearrange
      • 順番を変える
    • Simplify
      • 単純にする
  • 改善とは
    • やらずにすませることを最大にする技
    • 足りない機能には気がつくが不要な機能には気づかない
    • 機能を追加するのは簡単だが削るのは難しい
    • 足りない状態でリリースして足していく
  • ストラングラーフィグアプリケーションパターン
    • 新旧並行させて徐々に

「普通こうですよね?」の声がつらい 〜新人と既存メンバーのすれ違いから考える改善〜

Hikari Kagenakaさん(横河レンタ・リース株式会社)
https://speakerdeck.com/kgnkhkr/20260801-sukuhuesuda-ban

  • 既存メンバーと新規メンバー
    • 普通はこうじゃないんですかと参入者に言われる
    • 気づいてないわけでもないし放置してたわけでもない
    • なので正しいけどつらい
    • 何も知らないくせにと思ってしまう
  • 見えてる景色がそれぞれ違う
    • 今の問題しか見えないか
    • そこに至る歴史を知ってるか
  • チームが事前にやれること
    • 歴史を見える形にする
    • 試して辞めたことも引き継ぐ
    • 指摘を歓迎するという心構え
    • 改善はチームの責任と合意
  • 両者の考えを翻訳して橋渡し
    • どちらが正しいかよりこれからどうするかを一緒に考える
    • SMのような立場が問いかけて深掘る
      • 何が分からなくて困ったか
      • どんな状態が理想と思うか
    • そのまま採用じゃなくてそこから感じる困りごとを対処する
  • 双方が一緒にやるという心構え
    • なんでやらないかじゃなくて一緒にやりましょうへ
  • (新規で正論を言う側、言われて何も知らないくせにと思う側の両方を経験してるとどの立場でもうまく振る舞えるようになると思った)

どちらも「ユーザーのため」だった ―価値の対立を仮説検証に変えて

Aki Tanakaさん
https://speakerdeck.com/mamedai55/dotiramo-yuzanotame-datuta-jia-zhi-nodui-li-wojia-shuo-jian-zheng-nibian-ete

  • 機能の追加を依頼されたがユーザのためになると思えない依頼
    • PMは自分が説明責任を負えない提案を受け入れるわけにはいかない
    • 全員が正しいわけではないし部分的に正しい
  • 話し合いで決める?
    • 準備を重ねて議論しても収束しない
    • 結局偉い人が決める
  • 会話の設計
    • アウトプットvsユーザ価値のフレームワーク
      • 誰のどんな行動がどうかわったか
      • その変化はどの指標にあらわれているか
      • それは事業や数字にどうきくか
      • それを受けて次に何をするか
    • ユーザ価値vsユーザ価値でも使える考え方
    • 価値志向は宗教ではなく検証可能な実務であるべき
      • 仮説検証をすればいい
      • 成功指標を立てる
        • どう変わってどう指標が動けば成功か
      • ガードレールの設計
        • 価値を損なったかどうかも計測
        • オペレーションの人たちも巻き込む
      • 閾値は客観的で納得できる根拠
        • 組織の歴史を見る
    • どちらが正しいかの議論ではなく仮説をどう検証するかの議論へ

アジャイルを一部のチーム活動で終わらせないための、ステークホルダー巻き込み設計

takehito koizumiさん(ニッセイ情報テクノロジー)
https://www.docswell.com/s/Insurtech-lab/ZN7G3Q-2026-08-01-095210

  • チームを作ることの難しさ
    • チームを作るのは難しい
    • いいチームになっても維持するのが難しい
    • チームの中だけを見てはダメで外も見ないといけない
  • 忙しいPO
    • 他のロールがサポートする
    • POがプロダクトを考える時間が減る
    • レビューがPOの確認会に
    • プロダクト/チーム/POが育たない
  • 権力とアラインメントの二軸
    • 権力あり/アラインメントあり:協力者
    • 権力あり/アラインメントなし:要注意者
    • 権力なし/アラインメントあり:支援者
    • 権力なし/アラインメントなし:傍観者
    • 忙しいPOは傍観者
  • POを巻き込む
    • ラポールを作る
      • 親しみやすさ/尊重/共感/脆さを見せる
      • 得意な人そうでない人それぞれ
      • 一緒に作業してラポール形成していくとか
    • デリゲーションポーカー
      • 役割の認識を合わせる
    • 傍観者から協力者へ
  • POとその上位者
    • チームがうまく回り始めてもその外側との関係性も大切
      • ステークホルダーの介入
    • 開発メンバーとステークホルダーの間でPOが板挟み
      • スクラムチーム内では透明性があるがステークホルダーと共有しきれてない
  • POからステークホルダーへのアプローチ
    • 信頼関係を作る
      • 専門性/自信・透明性/当事者意識/信頼できる実行
    • ステークホルダーのふるまいを教える
    • ともにゴールを描く
      • ステークホルダーのステークホルダーが何をしたいかも理解する
      • プロジェクト成功後に関係者が嬉しいことを考える
  • 受託会社での組織としての成長
    • プロジェクトが終わると解散して何も残らない
    • 次の案件はまたゼロからスタート
  • 組織に根付かせる
    • アジャイルから始めずに組織課題から始める
    • 組織のメンバーを入れて組織課題を考えるワークショップ
    • アジャイルのよさにつなげていく

育休前にスクラムマスターが「チームを離れてみた」〜5ヶ月の育児休暇の前後で行った、チーム自立の実験と答え合わせ〜

Kenji Takashiroさん(BABY JOB株式会社)
https://speakerdeck.com/k_takashiro/an-experiment-in-which-i-stepped-away-from-the-scrum-master-team-before-taking-parental-leave

  • スクラムマスターの引き継ぎ
    • 2チームあって片方に軸足
    • いい感じに回り始めてきた頃
    • 離れる前に何をするとチームのためになるか分からない
  • コミュニティで相談
    • スクラム道関西
    • 休む前にチームから離れて観察してみるといいのではというアドバイス
    • 不安の元は何が起きるか分からないというところだった
  • 検証してみた
    • 2スプリント離れてみた
      • 試してみたら大きなトラブルはなかった
    • 追加で離れてみた
      • リファインメント済みのバックログがあったからうまくいってたのかも
      • 結局問題はなかった
    • 自律的に問題に立ち向かえていいチームだと分かった
  • 5ヶ月離れてみて
    • 漠然とした不安があったというフィードバック
      • 検証は論理的な不在だった
      • その後は物理的な不在
      • 保険が切れた感覚
    • 新しいスクラムマスターが生まれてた
    • 事前の予測では分からないことも多い
      • だから実験する

Future Backwards から予測するAIとアジャイルの姿 ― これから何が起きて、何が課題で、どう乗り越えるべきか

今井健男(ぼのたけ)さん(国立情報学研究所)
渡辺知恵美(ちえみ先生)さん(筑波技術大学) https://www.slideshare.net/slideshow/envisioning-ai-and-agile-through-the-future-backwards-exercise/288932758

AIは実装を速くする。では、私たちは何を今作るべきか?-立場を越えてリリースに向き合ったチーム開発の実践

中矢博巳さん(株式会社村田製作所)
髙橋直規さん(株式会社SHIFT) https://speakerdeck.com/shift_evolve/20260801-hiromi-nakaya-and-naoki-takahashi

マネージャーこそコードを書こう

Koichi Itoさん(永和システムマネジメント)
https://speakerdeck.com/koic/reframing-the-agile-manifesto

「Scrum Fest Osaka 2026(Day1)」に参加してきました

感想

  • 基調講演はRyuzeeさんの学生時代から現在に至るまでの話でした

My Agile Journey Never Ends

Ryutaro YOSHIBA (Ryuzee)さん(株式会社アトラクタ)

  • アジャイルはもう終わったのか
    • xx is dead
    • Agile is deadは昔からよく言われている
    • 2014年にアジャイルマニフェスト書いた1人も
    • そう言われることが成熟の証
    • 名前や商売が終わるだけでプラクティスは残る
    • アジャイルはなぜ残ったのか
  • キャリアの話
    • SIerからスタート
      • 健康はお金で買えない
      • 案件が上手く回らない
      • 何でもいいから変化させたい
    • XP
      • パワポを見せるのではなく動くものを見せる
      • コミュニティへの参加
    • AWSへの転職
      • うっと思う方を選択
      • クラウドとアジャイルの相性
      • DevOps
    • 生成AI
      • 0クリアされるのはソリューション
      • 問いの部分は変わらない
      • 大人数の分業前提は変わっていく
      • 専門性の希少価値が下がってしまう
      • スクラムを教えられる人ではなく必要なことを一緒の探せる人
  • 変わらないこと
    • 人間中心
    • 工程で確かめる
    • 実物から学ぶ
    • 一人でやらない
    • 価値を問う
    • 方法を固定しない