とりあえず生成AIを触らせる｜ヤプリでは「手段の目的化」が社内浸透の最短ルートだった

生成AIは、要約、調査、コード補助、資料整理などの業務のあらゆる場面に静かに入り込み、仕事の進め方そのものを変え始めています。ノーコード／ローコードの広がりも相まって、「つくること」そのもののハードルは、確実に下がってきました。

一方で、「どこまで任せていいのか」「品質や責任は誰が担保するのか」といった問いに、明確な判断軸を持てないまま、足踏みしている組織も少なくありません。

そうした過渡期に、ノーコードでアプリの運用・開発ができるYappliを手がける株式会社ヤプリがまず選んだのは、自分たちが使いこなせる組織になることでした。生成AIをノーコードの延長線上でどう位置づけ、どこまでをAIに任せ、どこを人が担うのか──その意思決定の背景と実際の運用について、同社で生成AI活用を牽引してきたプロダクト本部・本部長の小野明彦氏と開発統括本部・データサイエンス室 室長の阿部昌利氏にお話を伺いました。

※株式会社SHIFT AIでは法人企業様向けに生成AIの利活用を推進する支援事業を行っていますが、本稿で紹介する企業様は弊社の支援先企業様ではなく、「AI経営総合研究所」独自で取材を実施した企業様です。

製品実装より先に、社内業務へ｜「承認できるAI」から始めた判断

生成AIの可能性が見え始めた当初、ヤプリでも「プロダクトに実装できるのではないか」という議論が生まれていました。同社のプロダクトにAIを組み込めば、価値向上や差別化につながる。その発想自体は正しいものでした。

しかし検討を進める中で浮かび上がったのが、品質と承認コストの問題です。生成されたアウトプットを、誰がどの基準で「正しい」と判断するのか。文脈や権利のズレを含んだ状態で、プロダクトとして外に出せるのか。同社のプロダクトはBtoBtoC。顧客の先にはエンドユーザーが存在し、AIが生み出したものは品質として外に出ていきます。

「正直、技術的にできるかよりも、安心してお客様に提供できるかどうかの方が大切な指標だったんです」と小野氏が振り返るように、当時の生成AIは試す価値はあるが、不安もある存在でした。

そこで同社は、製品実装を急ぐのではなく、まずは自分たちが使いこなす側になるという軸足に切り替えます。エンジニアのコーディング補助、営業の商談分析など、判断を人が担保できる社内業務からAIを徹底的に使う方針へと舵を切りました。

「大切なのは、社内の人間がAIを使いこなせるかどうか。まずはその土台を作る必要がありました」

製品実装より先に社内浸透という選択は、遠回りに見えて合理的なアプローチでした。社内で使い続けることで、AIの得意・不得意が見え、品質の見極め感覚が育つ。結果として、「どこまでなら製品に実装できるか」という判断軸が、組織の中に蓄積されていったのです。

ガバナンスを先に整えた理由｜AI Guardiansというブレーキ役

ヤプリが生成AI活用を進めるうえで、まず着手したのは「使い方を広げること」ではなく、「使っていい範囲を明確にすること」でした。

そのために、社内に設けられた「AI Guardians」というチームです。生成AIは、使い方を誤れば情報漏洩や権利侵害といった重大なリスクを伴います。特にヤプリはBtoBtoCの構造を持ち、エンドユーザーのさらに先に顧客が存在する事業です。万が一の品質事故は、プロダクトそのものの信頼を揺るがしかねません。小野氏は当時をこう振り返ります。

 「AIを使うな、という話ではないんです。ただ、『どこまでなら安心して使えるか』が分からない状態で広げても、誰も幸せにならないと考えていました」

AI Guardiansは、Slack上で誰でも相談できる窓口として機能しています。「このツールは使っていいのか」「この設定なら問題ないか」といった問いに対し、コーポレートIT、法務、セキュリティの観点から確認し、可否と条件を明確にする役割。重要なのは、禁止を増やすための組織ではなく、安心してアクセルを踏むためのブレーキ役として設計された点です。

「ブレーキがないと、人は怖くてスピードを出せません。AI Guardiansは、その恐怖を取り除くための存在でした」と小野氏は語ります。

この仕組みがあったからこそ、現場は安心できる環境で生成AIを試せるようになりました。

生成AI推進において、最初に整えるべきはスキルでもユースケースでもありません。「安心して使っていい」という共通認識──ヤプリはそれを、AI Guardiansという形で組織に実装しました。

「とりあえず触る」を徹底｜手段を目的化して一気に進めた初期フェーズ

ヤプリが生成AI活用を本格的に進めるうえで、初期フェーズにあえて選んだのは「成果を出すこと」ではありませんでした。むしろ意識的に掲げたのは、「とりあえず触ること」を正解にする、という割り切りです。

当時、社内では個人単位でAIに触れているメンバーもいましたが、組織活用は進んでいませんでした。理由は明確で、どう使えばいいのか分からないといった戸惑いが、ブレーキになっていたからです。

そこで同社は、AIを成果につなげる手段としてではなく、まず触る対象として扱うことを決めました。開発部では、個人やチームの目標に「AIを使うこと」をあえて組み込み、アウトプットの質やROIは問わない運用を選択します。小野氏は当時を振り返ります。

「最初から意味や成果を求めると、結局誰もAIを活用しなくなる。だったら一回、手段を目的化した方がいいと思ったんです」

この判断によって、AIは評価対象ではなくなりました。「うまく使えたか」ではなく、「触ったかどうか」が行動の基準になる。すると、完璧を求める空気が薄れ、試行錯誤が許される状態が生まれていきます。

結果として、エンジニア、セールス、カスタマーサクセスなど、職種を問わずAIに触れる機会が急速に広がりました。後から振り返れば、この「手段の目的化」こそが、AIを特別な存在から日常業務へと引き戻すための、最短ルートだったと言えるでしょう。

無邪気に、無責任に｜社内文化を変えたAIハッカソン

AI活用を現場に根づかせるうえで、用意したのが「無邪気に、無責任に」というテーマを掲げたAIハッカソンでした。成果や実用性を問わず、とにかくAIを遊ぶように試してみる。その場では「業務に使えるか」「製品になるか」といった評価軸を、いったん脇に置いたといいます。

「ちゃんとしたものを作らなきゃ、と思うと手が止まるんですよね。だから今回は、責任を持たなくていい場を意識的につくりました」と阿部氏は振り返ります。

4人1組で即席のチームを組み、1日で成果物をつくる。ルールはシンプルで、「AIを使っていれば何でもいい」。その結果、23チームすべてがアウトプットを完成させ、発表までたどり着きました。中には、業務でそのまま使われているアウトプットや、のちに機能開発に転用されたアイデアも生まれています。

このハッカソンがもたらした最大の変化は、スキル習得ではありませんでした。 「AIは失敗していいもの」「まず触っていいもの」という共通認識が、着実に組織に広がったことです。

イベント後、各プロジェクトで「ハッカソンで触ったときみたいに、やってみよう」という言葉が自然に使われる場面が発生するようになったと阿部氏は語ります。一度「無責任に触る体験」を経たことで、AIは思考の延長線上に置かれる存在へと変わっていきました。

PoCで成果が確信に変わった瞬間｜時間が「数字で」減った

生成AI活用が「使えそう」という感触から、「これは本気でやるべきだ」という確信に変わった瞬間。それは、PoCの結果が時間削減という数字で明確に現れたときでした。

ヤプリがPoCで最初に手応えを得たのは、営業活動における商談履歴の分析です。インサイドセールスでは、新人育成のために、マネージャーが膨大な商談ログを確認し、フィードバックを行う必要がありました。このプロセスは重要である一方、管理職の時間を大きく消耗させる業務でもあります。

そこで同社は、商談ログを生成AIで要約・分析し、改善点や傾向を抽出するPoCを実施しました。その結果は想像以上に明確でした。「これまで30分かかっていたレビューが、5分で終わるようになったんです」と小野氏は語ります。

25分の削減という具体的な数字が出たことで、AI活用は一気に現実味を帯びました。重要なのは、アウトプットの質が落ちたわけではなかった点です。むしろ、全体傾向の把握や改善ポイントの抽出は、人よりも安定していたケースもありました。小野氏はこう振り返ります。

「この時間短縮が再現性を持って出るなら、使わない理由がないと思いました」

このPoCを境に、AIは「実験的な存在」ではなく、「業務に組み込む前提のツール」へと位置づけが変わりました。効率化のインパクトを数字で示せたことこそが、社内浸透の熱を引き上げ、AI活用を次のフェーズへ進めるきっかけになったのです。

うまくいかなかった実験がつくった次の判断軸

PoCによって手応えを得た一方で、すべてのAI活用がうまくいったわけではありません。むしろ、期待していたのに成果につながらなかった実験が、次の意思決定にとって重要な判断軸を与えてくれたといいます。

象徴的だったのが、エンジニアリング領域でのコード生成です。生成AIを使えば開発速度が一気に上がるという期待のもと、コード作成への活用も試されました。しかし、結果は想定とは異なりました。小野氏はこう語ります。

「コードを書く時間が短くなった代わりに、その後のレビュー時間が増えてしまったんです」

生成AIが出力したコードは一見それらしく見えるものの、品質にばらつきがあり、熟練エンジニアが細かく確認・修正する必要がありました。その結果、全体の工数は思ったほど削減されず、場合によってはレビュー負荷が増えるケースもあったといいます。

この経験から見えてきたのは、「どこで使うと全体が速くなるのか」という視点でした。「品質の最終判断が人に残る領域では、AIを活用するだけでは意味がないこともあると学びました」と小野氏は語ります。

一方で、要約や分析のように判断を補助する領域では明確な効果が出ていました。うまくいかなかった実験があったからこそ、AIを使う・使わないの線引きが言語化され、社内の解像度は上がったのです。

成功体験だけを積み上げるのではなく、失敗を通じて判断軸をつくる。そのプロセス自体が、ヤプリのAI活用を「実装フェーズ」へと押し上げていきました。

AIを主語にしない実装｜「使うべき場面」だけが自然に残った

PoCやハッカソンを経て、社内にAI活用の手応えが広がっていく一方で、同社は「実装を急がない」選択を続けてきました。それは、AIの導入自体をゴールにしてしまえば、現場の判断が止まってしまうと分かっていたからです。

「AIを使うかどうかを議論する状態を、できるだけ早く終わらせたかったんです。重要なのは実際の業務で、正しく効果を発揮するかどうかだと考えています」

そう語る小野氏の言葉どおり、実装フェーズで増えたのは、「ここはAIに任せた方が早い」「ここは人が見るべき」という、極めて現場的な会話です。

背景にあったのは、初期フェーズで積み重ねた「判断経験」でした。要約や分析など、安全で効果が見えやすい業務を通じて、AIの得意・不得意を身体感覚として理解できていたからこそ、無理に実装を広げる必要がなかったのです。小野氏はこう強調します。

「AIを使うか使わないかを、トップダウンで決める必要はもうないと思っています。プロジェクトごとに、自然に選ばれていく形が理想です」

AIを主役にしないという設計思想が、結果として実装を「止めない状態」をつくりました。AIは未知の技術ではなく、現場の判断の末に選ばれる選択肢として、着実に業務へ溶け込んでいったのです。

「簡単にする」とは、人が動かなくていいことではない

ヤプリは「デジタルを簡単に、社会を豊かにする」というミッションを掲げています。しかしそれは、人が何もしなくてよくなる状態を指しているわけではありません。小野氏はこう明言します。

「AIで全部自動化されて、寝ていても仕事が進む、みたいな世界は目指していないんです」

同社のプロダクトは、BtoBtoCという構造の中で使われています。お客様に価値を届けるのは人であり、判断し、工夫し、責任を持つのも人です。だからこそAIは、人の代わりに動く存在ではなく、人が動きやすくなるための存在であるべきだと考えています。

AI活用によって減らしたいのは、考える前の準備や、意思決定に至るまでの摩擦です。資料を探す、要点をまとめる、選択肢を洗い出す──そういった作業を減らすことで、「考える」「決める」という人の役割が、より前に出てくる。小野氏はこう強調します。

「簡単にするって、人をいなくすることじゃなくて、人がちゃんと判断できる状態を増やすことだと思っています」

この考え方があるからこそ、AIを製品の前面的に押し出すことにも慎重です。AIが前に出るのではなく、ユーザーがやりたいことまでのステップが自然に短くなる。同社はその結果として、AIが「裏側で効いている」状態を目指しています。

ヤプリから学ぶ5つのポイント

生成AIは、単なる業務効率化ツールではなく、組織の判断や責任の置き方を問う存在になりつつあります。「どこまで任せるのか」「何を人が担うのか」。その線引きを決めきれず、活用が止まっている企業も少なくありません。

そうした中、ヤプリは生成AIをすぐにプロダクトへ実装するのではなく、まず自分たちが使いこなせる組織になることを選びました。

ガバナンスの設計から文化づくり、PoCの進め方まで──同社の取り組みは、生成AIを現場に根づかせるための実践知に満ちています。ここからは、同社の生成AI活用から学べる5つのポイントを整理します。

1. プロダクト実装より先に「自分たちが使いこなす組織」になる
ヤプリが最初に選んだのは、生成AIをすぐにプロダクトへ組み込むことではありませんでした。BtoBtoCという事業構造上、生成AIのアウトプットはそのまま「顧客品質」になります。そこで同社は、まず社内業務で徹底的に使い倒し、AIの得意・不得意を身体感覚として理解することを優先しました。

この判断によって、どこまでならAIに任せられるか、どこは人が責任を持つべきかという「判断軸」が、個人ではなく組織の中に蓄積されていきました。実装を遅らせたのではなく、責任ある実装のための準備を先に済ませたという点が重要です。

2. ガバナンスを「制約」ではなく「安心して使うための前提」にした
生成AI活用においてヤプリが最初に整えたのは、ユースケースでもスキル研修でもありません。

「どこまでなら安心して使っていいか」を明確にするための仕組み──AI Guardiansでした。法務・セキュリティ・ITの観点から相談できる窓口をSlack上に用意し、このツールは使っていいか、この設定なら問題ないかという疑問をすぐに確認できる状態をつくりました。

ここでのポイントは、禁止を増やすための組織ではないという点です。ブレーキがあるからこそ、現場は安心してアクセルを踏める。ガバナンスを「活用を止める壁」ではなく、「活用を前に進める前提条件」として設計したことが、後の浸透を支えました。

3. 初期フェーズでは、あえて「手段を目的化」した
ヤプリが初期に掲げた目標は、「成果を出すこと」ではなく、「とりあえず触ること」でした。AIを何に使うべきか、ROIが出るかを考え始めると、かえって誰も使わなくなります。

そこで同社は、評価軸を「うまく使えたか」ではなく、「触ったかどうか」に設定します。

この割り切りによって、完璧を求めない失敗していい、意味がなくてもいいという空気が生まれ、AIは特別な存在ではなく日常の延長線上のツールとして扱われるようになりました。

4. 「無邪気で無責任」な場が、組織の空気を一気に変えた
社内AIハッカソンで掲げられたテーマは、「無邪気に、無責任に」。成果・実用性・事業貢献は一切問わず、「AIを使っていれば何でもいい」というルールのもと、全23チームがアウトプットを完成させました。

この取り組みの本質はスキル習得ではなく、社内の共通認識を体験として組織に刻んだことです。その後、現場で「ハッカソンのときみたいに、まず試そう」という言葉が自然に使われるようになったことが、文化変化の証拠と言えるでしょう。

5. PoCは「感触」ではなく「数字」で次の意思決定につなげた
生成AI活用が「面白そう」から「本気でやるべき」に変わったのは、時間削減が数字で可視化された瞬間でした。営業の商談ログ分析PoCでは、30分かかっていたレビューが5分で終わるという、25分削減が明確に確認されました。

一方で、コード生成のように書く時間は減ったがレビュー時間が減らないという領域もあり、「AIを入れれば速くなるわけではない」という学びも得られています。

成功と失敗の両方を通じて、「どこで使うと全体が速くなるのか」という判断軸が言語化され、AIは実験対象から業務に組み込む前提のツールへと進化しました。

5つのヤプリの事例が示しているのは、生成AI導入は技術の話ではなく、判断と設計の話だということです。

・いきなりプロダクトに実装しない
・先に安心をつくる
・失敗できる空気をつくる
・数字で語れるところまで試す

この積み重ねがあったからこそ、AIは「使うかどうかを議論する存在」ではなく、現場で自然に選ばれる選択肢として定着していきました。

ししかし、自社でこれを実践しようとすると、

「うちの組織に合ったAIの活用法が分からない」
「現場にどうやってAIを浸透させればいいのか？」
「AI導入後の定着をどうサポートすればいいのだろう？」
「効果的な研修プログラムをどう設計すればいい？」

といった壁に直面するケースも少なくありません。実際、多くの企業様から同様のご相談をいただいています。

私たちSHIFT AIは、こうした「導入したが仕組みにできない」という課題解決を得意としています。

企業の業務特性に合わせたAIモデルの選定から、社内要員のスキル育成、全社への浸透施策の設計まで、AI活用を「仕組み」にするために必要なプロセスを一気通貫で支援します。

「生成AIを導入したけど、思うように活用が進まない」「どのモデルを選べばいいかわからない」──そんなお悩みをお持ちでしたら、ぜひ一度、私たちの支援内容をご覧ください。