--- title: AIネイティブ組織の挑戦と実践 tags: #ai駆動開発 #生成ai #開発プロセス再設計 #coe author: [シンプレクス株式会社](https://docswell.com/user/Simplex) site: [Docswell](https://www.docswell.com/) thumbnail: https://bcdn.docswell.com/page/GJ8DGM89JD.jpg?width=480 description: NIKKEI Tech Talk #47「【日経×ニフティ×シンプレクス】AI活用の試行錯誤を再現可能にするための事例紹介」の登壇資料です。 published: June 19, 26 canonical: https://docswell.com/s/Simplex/ZN796W-ujihiro02 --- # Page. 1 ![Page Image](https://bcdn.docswell.com/page/GJ8DGM89JD.jpg) NIKKEI Tech Talk AIネイティブ組織の挑戦と実践 2026/06/18 シンプレクス株式会社 氏弘一也 © 2026 Simplex Inc. # Page. 2 ![Page Image](https://bcdn.docswell.com/page/LJLMG3RMER.jpg) 本セッションの要旨 • 「AIネイティブなソフトウェアデリバリー」の取り組みをご紹介します • 生成AI活用推進チーム（CoE）のリーダーとして、個人ではなく組織全体 での成果創出に向けて、明日からのAI活用のヒントをご紹介します 1 © 2026 Simplex Inc. # Page. 3 ![Page Image](https://bcdn.docswell.com/page/47MYQDR67W.jpg) 目次 • 自己紹介 • 会社紹介 • 生成AI活用 取り組み概要 • 方法論・ナレッジ整備 • まとめ 2 © 2026 Simplex Inc. # Page. 4 ![Page Image](https://bcdn.docswell.com/page/P7R984RNE9.jpg) 自己紹介 氏弘 一也（うじひろ かずや） • • アーキテクト データサイエンティスト 経歴の概要 シンプレクスにて金融市場系システムの開発に従事した後、AIベンチャー企業にてコミュニケーションロボットに搭載する対話エン ジン、画像分析、レコメンデーションなどのAI開発を経験。 シンプレクス復帰後は、開発部門の技術責任者としてAIソリューションの開発や金融マーケットにおける時系列データの分析プロ ジェクトをリード。 AIによる収益向上やコスト削減といった顧客課題を支援。 現在は、生成AI活用推進チーム（CoE）のリードとして、生成AIによる社内の業務効率化にも取り組んでいる。 プロジェクト経験 ＜AI＞ • 金融業全般 • eKYCなどのAIプロダクト開発・導入（OCR、顔認証などの画像分析） • 生成AIの利用環境整備、PoCサポート • 証券業 • 金融商品と投資家のAIマッチング • その他 • リモートワーク時の不正検知ソリューションの開発 （物体検出、モーション特定などの画像分析） • データ分析プラットフォーム開発 • コミュニケーションロボットの対話エンジン、感情分析モデル開発 • 生成AIの社内導入推進 他多数 3 ＜社内生成AI活用推進＞ • 利用ルール整備 • 生成AI利用ガイドライン、生成AI利用手引きの作成 • 利用環境整備 • 様々な生成AIサービスの利用環境を構築 • 専用ツール作成 • 課題ヒアリング、優先度付けを行いツールを作成 • 社内ドキュメント検索 • 影響範囲調査 • コード生成 • 開発業務効率化のためのプロセス・プロンプト整備 © 2026 Simplex Inc. # Page. 5 ![Page Image](https://bcdn.docswell.com/page/PJXQ82R87X.jpg) 4 © 2026 Simplex Inc. # Page. 6 ![Page Image](https://bcdn.docswell.com/page/3JK9KMRLJD.jpg) 会社紹介 金融機関のフロントシステム開発を中心にテクノロジーパートナーとして成長してきました。 近年は官公庁、製造など様々な業界に対して、上流から下流まで一気通貫でシステム開発やDX推進を支援しています。 会社概要 社名 グループ会社 シンプレクス株式会社 持ち株会社：シンプレクス・ホールディングス株式会社 東京証券取引所プライム上場 事業概要 • 業務コンサルティング • システムコンサルティング • システム開発 • 保守・運用 • パッケージシステム販売 • ASPサービス提供 等 創業年月日 1997年9月16日 連結従業員数 2,121名（2026年4月1日現在） 5 © 2026 Simplex Inc. # Page. 7 ![Page Image](https://bcdn.docswell.com/page/LE3WZY86E5.jpg) 生成AI活用 取り組み概要 6 © 2026 Simplex Inc. # Page. 8 ![Page Image](https://bcdn.docswell.com/page/8EDKR5MM7G.jpg) AIを“個人の生産性向上ツール”から“組織のデリバリーモデル”へ進化させる Work with AIからAI-Nativeへの移行に向けて、AI活用ノウハウを展開し、開発プロセス全体の品質と生産性向上に取り組 んでいます。 Work with AI 人間が「作る」ことを担い、AIは補助ツール ⚫ 既存プロセスの効率化、部分的なAI活用 ⚫ 個人レベルを超えて事業成果に結びつかない 「ツールとしてのAI」 Work with AIから AI-Nativeへ AI-Native Siphon ⚫ AI活用ノウハウの標準化・横展開 生成AI活用推進チーム 23年7月設立 各領域の専門人材で組成 AI PM システム開発 クラウド セキュリティ 法務 プロジェクト A ⚫ 生成AI利用ガイドライン ⚫ AI-Native Deliveryガイドライン ⚫ 事例集・プロジェクト事例集 • • • • AI活用ユースケース/サンプル プロンプト/ツール/コードベース AI生成サンプル 検証結果 プロジェクト B プロジェクトの伴走支援 プロジェクト C ⚫ プロジェクト一定期間参画 ⚫ 定期的状況確認/アドバイス ⚫ 業務・プロセス・組織設計そのものがAI前提 ⚫ プロセス全体でAIを活用し、人間は統制・決断を担う ⚫ サービスやプロダクト自体がAI中心に設計される 当社トップエンジニアの見解 「前提としてのAI」 生成AIは単なる効率化ツールではなく、既存の設計力・開発力を増幅する技術である。 優秀な人材と高度な開発基盤を有する組織ほど、全体最適を通じて競争優位の源泉となる。 7 © 2026 Simplex Inc. # Page. 9 ![Page Image](https://bcdn.docswell.com/page/V7PKWGRQJ8.jpg) これまでの成果 Work with AIは全社的に普及できており、AI-Native Deliveryに関しては一部プロジェクトで成果が出てきました。 ⚫ Codex、Claude Code、GitHub Copilot等のAI駆動開発ツールが社内で広く定着し、 個人単位の生産性が向上ーWork with AI ⚫ エンジニア・コンサルタント1人当たり年間売上収益が（25/3期）2,632万円→（26/3期）2,879万円 AI-Native Deliveryの有効性確認結果 No. 案件特性 AI適用 対象工数 工数削減率 （削減工数） ▲30% 1 生成AI活用推進チーム 主導型プロジェクト 71人月 2 生成AI活用推進チーム + 現場メンバー 協働型プロジェクト 56人月 3 トップエンジニア 主導型プロジェクト 26人月 （▲21人月） ▲39% （▲22人月） ▲73% （▲19人月） 8 © 2026 Simplex Inc. # Page. 10 ![Page Image](https://bcdn.docswell.com/page/2JVV86RPJQ.jpg) 今期の目標 全社方針としてAI-Native Deliveryへのシフトをアナウンスしました。 新規開発でAI-Native Deliveryの適用をマスト、追加開発・運用サービスでも高効果領域から段階的適用を計画しています。 売上構成比 25％ 売上構成比 45％ 売上構成比 30％ 新規開発 追加開発 AI-Native Deliveryを 全案件に適用 高効果領域から段階的に AI適用範囲を拡大 運用サービス 9 © 2026 Simplex Inc. # Page. 11 ![Page Image](https://bcdn.docswell.com/page/5EGL5NMQJL.jpg) AI-Native Deliveryの社内普及に向けての取り組み 以下のテーマを担うチームを組成し、普及に取り組んでいます。 本日の紹介スコープ No. テーマ 概要 1 方法論・ナレッジ 整備 • • • AI-Nativeなデリバリープロセスやユースケースを整備し、有効性の検証・改善を行う 活用事例や実績、ノウハウを蓄積し、組織全体で再利用可能なナレッジとして展開する 個別プロジェクトでは局所最適の改善が行われるため、全社最適の枠組み整備や中長期的な課題 解決に取り組む 2 適用プロセス整備 • • 各プロジェクトでAI-Nativeなデリバリープロセスを適用する際のステップを整備する 工数削減・開発期間短縮によって生まれた成果の活用方針を定める 3 目標設定・モニタリング • • 事業成果に直結する目標、AI-Native Deliveryの浸透・定着に向けた目標を設定する 効果測定と継続的改善を推進する 4 生成AI利用環境整備 • 安全かつ効率的にAIを利用できるツール・基盤・運用環境を提供する 5 ガバナンス・セキュリティ整備 • セキュリティ、法務、品質、コンプライアンスの観点から安全な利用ルールを整備する 6 採用・人材育成 • AI-Native時代に求められる人材像とスキルセットを定義し、採用・育成・評価の仕組みを整備する 10 © 2026 Simplex Inc. # Page. 12 ![Page Image](https://bcdn.docswell.com/page/4JQYZQRW7P.jpg) 方法論・ナレッジ 整備 11 © 2026 Simplex Inc. # Page. 13 ![Page Image](https://bcdn.docswell.com/page/K74W3N81E1.jpg) AI-Native Deliveryを実現するための構成 AIエージェントが自律的かつ安定的に成果物を作成できる仕組みを整備しています。 AIモデルやツールの急速な進化、出力の不確実性に対応するため、継続的な検証サイクルとモニタリング環境を整備しています。 成果物作成 ※要件定義～テストの全工程を対象 コンテキスト整備 AIエージェント 説明責任・品質担保 • インプット/アウトプット項目の整備 • 作成、レビュー、レビュー反映、監査の 責務をもったエージェントを整備 • AIや人間の判断を証跡として記録 • 探索しやすいデータ管理 • 有識者の暗黙知の言語化 • 生成ステップ、チェックリスト整備 • 独自ツールやプラットフォームはなるべく 避けて、コーディングエージェントを最 大限活用 検証 • 人間とAI、ツールのレビュー分担を定義 モニタリング • 評価データ、評価観点の整備 • AI利用コストやプロジェクト進捗、工数削減効果が 把握できるようワークフローやダッシュボードの整備 • AIエージェント検証のための実行環境構築 12 © 2026 Simplex Inc. # Page. 14 ![Page Image](https://bcdn.docswell.com/page/LJ1Y1525EG.jpg) 事例：実装/UT自動化 実装/UTの工程においては、実装・テスト・不具合修正に関する22のタスクをCodexで自動化しています。 22のタスク毎に指示書を整備し、 AIは指示書内のチェックリストを満たすまで、作成・セルフレビュー・改善を繰り返します。 実装・UT・不具合修正 以下の合計22のタスクをCodex/複数タスク実行ツールを用いて自動化 サーバ 動作確認 統合 クライアント レビュー 凡例 実装 実装 全体レビュー AIアクション 機能レビュー 機能レビュー 全体レビュー修正 人間アクション 非機能レビュー 非機能レビュー E2Eテスト実装 レビュー修正 レビュー修正 E2Eテスト不具合修正 コード品質レビュー コード品質レビュー コード品質レビュー修正 コード品質レビュー修正 UT実装 UT実装 UT不具合修正 UT不具合修正 修正 UT・E2E実行 APIテスト実装 APIテスト不具合修正 13 © 2026 Simplex Inc. # Page. 15 ![Page Image](https://bcdn.docswell.com/page/GJWG85RW72.jpg) ナレッジ整備 AI活用ノウハウを全社で再現・展開できるよう、ガイドラインや活用事例の体系化・共有を推進しています。 AIを競争力向上のための重要な手段として積極活用を推奨する一方、利用者やチームの能力を増幅する手段であり、基盤が 未整備なままでは混乱を増幅します。従来の開発基盤やプロセスの整備を前提として活用すべきと啓蒙しています。 生成AI活用推進チーム ナレッジ：AI-Native Delivery実践ガイドマップ 事例集 生成AI利用ガイドライン ・ AIを安全に利用するためのルール ナレッジ整備 AI-Native Deliveryガイドライン ・ AI活用のためのマインドセット ・ 基本原則 ・ 推進の考え方 ・ AI活用ユースケース/プロセス ・ プロンプト/ツール/コードベース ・ AI生成物サンプル ・ 検証結果 プロジェクト AI活用前提の体制組成 ナレッジ共有、現場フォロー 事例集を参考にプロジェクトナイズ 実績ヒアリング、モニタリング 実績の共有 14 © 2026 Simplex Inc. # Page. 16 ![Page Image](https://bcdn.docswell.com/page/4EZL8NR273.jpg) まとめ AI出力の不確実性への対応 • シニアエンジニアのノウハウをハーネスに組み込む • レビューや監査エージェントの整備 • 固定的な全社標準ではなく、事例集としてナレッジを整備し個別最適と全社最適のバランスをとる AIやツールの急速な進化への追従 • 検証環境整備による改善サイクルの効率化 • 独自ツールやプラットフォームはなるべく避けて、コーディングエージェントを最大限活用 15 © 2026 Simplex Inc.