生成AIスタートアップが現場で培った“成功するAI活用”の実践知、10個まとめて公開します

こんにちは。株式会社Algomaticの大野です。

このnoteでは、AIスタートアップのAlgomaticが「実際に社内で行っている生成AI活用事例・AIに関する知見」を厳選してお届けします。

Algomaticは、創業当初から、
・まずはAIエージェントにやらせる
・どうしてもAIでできなければ、人でやる
この方法論に基づいて「コンパクトなのに高馬力」なAI時代の組織運営にこだわってきました。

たとえば、Algomaticの営業はDifyを使って、

• チームにシェアすべく、Slackのチャンネルに自動投稿

• 議事録をもとにSFAを自動更新

• お礼メールの下書きを自動作成

• 返信が必要なメールをSlackで通知

と、商談後の作業を自動化していたりします。とにかく、AIネイティブな仕組みをつくりながら業務を進めています。

AlgomaticではこういったAI活用を各所で行っているため、今回は社内で蓄積してきた知見を、生成AIの現場で得た実践知と題して10個紹介していきます。

（少しでも情報量増やすべく、「量」重視でメモ書きしております。ゆえに、ハイコンテキストで読みづらい要素もありうること、ご容赦ください）

1）「AIツールの提供」だけでなく、「業務プロセスをAI前提で作り直す」【事業開発】

多くの企業は、「AIの精度が完璧でないこと」がAI導入を妨げている理由だと感じているのですが、実際、問題は「精度」よりも「ワークフローの設計」にあることが多いです。

実際の例を、数字等を適当に丸めながら、お話しすると、

ある企業では、人が1日に数百件の処理を行う業務を、AIですべて代替しようとしていました。しかし、実際に試してみると、AIが正しく処理できる確率は約85%。残りの15%では誤りが発生する状態で、AIにすべて任せるのは難しいことがわかりました。

精度を上げるのも難しかったので、そもそもの業務フローを見直し、すべてをAIに任せるのではなく、「AIがたたき台を出し、人がレビューする」形に変更。その結果、スループットを大きく引き上げることができました。

AIの精度が完璧でなくても、今までのワークフローを変えることが成果につながったのです。ツールを導入したり部分的にテコ入れしたりするだけでも不十分で、成功のカギは、業務そのものをAI前提で再設計し、ワークフローを丸ごと組み替えることにあります。

こういった業務フロー全体をアップデートするために必要な考えかたの詳細を知りたい方は、次のnoteを参考にしてみてください。

2）AI活用推進のポイントは「技術」だけでなく「組織」の設計【社内のAI活用推進】

1)では業務（ミクロ）の話をしましたが、加えて、こちらは組織（マクロ）の話です。

「AI導入が会社にうまく普及しない」「導入してみたけれど社内で全然使ってくれない」といった課題にぶつかったとき、その要因はなにかしら技術やサービスにあるのではないかと考えることも多いのではないでしょうか。

しかし、個別の業務でAIが動いても、組織全体に広がらないケースは少なくありません。その原因は、組織としての推進体制やデータ基盤、人材配置といった「土台」が整っていないことにあります。

これを整理すべく、弊社ではAI推進を阻む要因を「Data」「Organization」「Network」「Usecase」「Talent」「System」の6つに分解するDONUTSというフレームワークを定義していたりします。これらの観点で点検することで、AI活用が進まない「詰まりどころ」を可視化できます。

データの整備度合いやAI推進のオーナーシップ、社外パートナーとの協働、ROIで見極めるユースケース設計、AI変革を担う担当者とPMの配置など、そのどれかひとつでも欠ければ、AI導入は形骸化してしまいます。

重要なのは、この6つの要素について、現状と理想のギャップを見極めながら、“AI前提の業務プロセス”へ再設計していくことです。

明日から取り組むのであれば、

• 各部門へのヒアリングを通じて、ユースケースと業務の棚卸し

• 導入難易度と投資対効果（ROI）をもとにした優先順位づけ

から行ってみるのがオススメです。

これにより自社の課題・投資対効果の解像度を上げることで、なにから着手すべきなのかが明確になります。そのため、AI導入を“勘と勢い”で進めることなく、最初の一歩を正しく踏み出すことができます。

次のnoteは、Algomaticで多くのエンタープライズ企業のAI推進を支援してきたAXカンパニーのCEO 鴨居が失敗しないAI推進について詳しく解説したものです。

気になる方は、ぜひチェックしてみてください。

【企業/組織変革にまつわる関連記事】

3）人を一切介さない。「営業の後工程」を自動化する【営業】

営業はとにかくやることが多いですよね。Algomaticでは「商談後にやらなければいけないことが多くて無駄が多い」「作業はできる限りAIに任せたい」という課題感から、その悩みを解決すべく、生成AI構築ツール「Dify」を使って、

• 商談後に自動で議事録を作成

• チームにシェアすべく、Slackのチャンネルに自動投稿

• 議事録をもとにSFAを自動更新

• お礼メールの下書きを自動作成

• 返信が必要なメールをSlackで通知

など、商談後に必要な作業を自動化しています。しかも、普通であればビジネスサイドからエンジニアサイドに依頼して…という類のタスクですが、Algomaticでは、この仕組みを、営業に最も詳しい営業パーソン自身が作っています。

ポイントになるのは、自動である、ということです。というのも、人が行う作業が少しでも発生してしまうと、一気に運用のコストがあがります。最初は頑張って活用しようとしても、どんどん形骸化していってしまいます。

AIのワークフローを構築するポイントは、“触らない”ワークフローをつくること。つまり、人を介さない仕組みづくりが大切なのです。

具体的なワークフロー構築のやりかたを知りたい方は、次のスライドをチェックしてみてください。考えかたやポイントを解説しています。

4）営業データが“勝手に集まる”仕組みづくり【営業】

続いて営業の話ですが、「営業として、お客さんに向き合う時間を増やしたい。SFAへの入力や報告など間接業務・ジム作業はできる限り減らしたい」というのは、営業パーソンの皆様が共感する理想だと思います。

しかし、多くの現場では、SFAへの入力や報告書作成といった「顧客と話さない業務」が、営業パーソンの時間を奪っています。本来、営業の仕事の中心にあるべきなのは「情報入力」ではなく「顧客との会話」です。

その理想を実現するために、いま営業組織が取り組むべきこと。それは、AIが自然にデータを集め、必要な情報や提案を自動で返してくれる仕組みづくりです。

AIエージェントがメールや商談などのデータを自動で収集し、商談前には顧客情報を整理。そして商談後には提案資料を自動で生成してくれる。
こうした仕組みで「話さない業務をなくす」ことが、AI時代における営業改革の肝になると思っています。

では、データが“勝手に”収集される仕組みをどう作ればよいのか。
データの入力から逆算されてしまいがちなのですが、ポイントは、営業現場で「どんなアウトプットが必要か」から設計することです。

こういったAI時代の新しい営業ワークフローについて次のnoteで詳しく解説していますので、気になる方はチェックしてみてください。

5）「精度100％のAI」ではなく、「ミスしても安全なAI」を作る【開発】

一般論として、「AIは間違える」「間違えるのはビジネスにおいてクリティカルだ」という言説はあると思います。ゆえに、AIサービスの開発でも「失敗しないよう精度を上げること」は頑張られがちです。

これはもちろん間違っていることではないのですが、どこまでいっても100%を実現することは特性上難しいです。その前提に立つと、AIサービスの開発においては、「高精度を目指す」だけでは不十分なことが多いです。

例えば、99％正しく動いたとしても、残りの1％の誤作動がクリティカルなインシデントを引き起こしてしまうと、ビジネスに大きなネガティブなインパクトを作ってしまうわけです。

ではどうすればいいのか。重要なのは、「精度を上げること」に加えて、「もしミスしても安全な仕組みを作ること」です。これがAIサービス開発におけるラストワンマイルになります。

それをAlgomaticでは、「攻め」と「守り」を両輪で磨く、と整理しています。攻めとは、AIの性能を高め、より良い出力を生み出す取り組み。守りとは、誤作動を最小限に抑え、安全に運用するための制御設計です。

また、Algomaticでは、この両輪を支えるため「Inner」「Middle」「Outer Loop」とよばれる改善ループを回しています。

• Inner：プロンプト調整など日次レベルの素早い改善。

• Middle：プロンプトや設定を整理し、誰でも高品質な生成ができるようにする標準化。

• Outer：運用中のエラーやフィードバックを分析し、評価やガードレール設計に反映していく仕組み。

これにより、AIは“作って終わり”ではなく、改善サイクルを回しながら進化していく構造になります。

例えを一つあげると、守りの設計では「観測できること」が不可欠です。ログやアラートで異常を即時検知し、必要に応じて実行権限を停止する。生成内容はAI自身が審査（LLM-as-a-judge）し、人のレビューを通じて改善する。
そうやって、間違えが起こったときにAIみずからが致命傷にならないような仕組みをつくることが「守り」では大切です。

より詳細が気になる方は、下記記事を参考にしてみてください。

6）「コンテキスト」という、新たな価値の源泉【開発】

汎用的なAIエージェントサービスを導入したがうまく活用できない、と感じている方も多いのではないでしょうか。その根本原因は、「文脈理解の不足」にあることも多いです。

「文脈を理解する」とは、「誰が、どんな目的で、どんな制約の中でAIを使おうとしているのか」を理解することです。

芯を捉えるために、役割や責任、モチベーション、AIリテラシーといったいくつかの観点に分けて整理することが、出発点になります。

そんなAI活用、AIエージェント開発の成功率を上げる「コンテキスト理解」についてより詳細を知りたい方は、下記の記事を参考にしてみてください。

【AIエージェント開発にまつわる関連記事】

7）不確実性を受け入れ、管理する【LLM品質保証】

これまでのシステム開発は「常に同じ結果を返す」ことが前提でした。そのため、品質保証の手段としては、リリース前に全パターンを検証し、不具合を取り除くというアプローチが機能していました。

しかしLLMでは、異なります。LLMは、常に確率的な挙動をするため、1,000回上手く動いても1,001回目に外すことがあります。

つまりLLMを用いるAIサービスの開発では、従来の「事前にすべてを検証するアプローチ」だけは十分ではありません。「不確実性を受け入れ管理する」ことが重要になります。運用しながら品質をチェックし、継続的に改善する設計が不可欠になります。

営業AIエージェント「アポドリ」の開発チームでも、まさに上記のような観点で品質保証の仕組みを作っているわけですが、例えば、下記のようなプロセスで品質のマネジメントをしています。

1. 人間が目検でエラー傾向を言語化する

2. 生成と評価を分離してそれぞれを改善可能にする

3. 「判断保留」の仕組みで、LLMと人間が協働できるようにする（確信が持てないときは人間に判断を仰ぐ安全弁を設ける）

このように、変化や不確実性を前提に、“ミスをカバーし、改善し続けられる仕組み”を設計することが、LLMにおける品質保証における一つのポイントです。

詳細が気になるかたはぜひ、次のnoteをチェックしてみてください。

8）AI時代のユーザ体験は「AAAA」モデルで考えよう【体験】

生成AIが広がるなか、「AIらしいUXとは何か」という問いに、多くのデザイナーやPMが直面しています。

その問いに答える一つのフレームワークとして、AlgomaticではAIサービスを Automation（自動化）／Advice（助言）／Augment（強化）／Agent（代行） の4タイプに整理しています。これを僕たちは「AAAAモデル」と呼んでいます。

これをさらに、「ユーザとAIのインタラクション量」と「タスクの実行主体がユーザーか？AIか？」の二軸で整理すると、次のように分類できます。

例えば、左上の自動化（Automation）は、タスクの始めから終わりまでをAIが完全に遂行するパターンです。ポイントは、ユーザによる介入が最小限に抑えられているということです。

左下の助言（Advice）は、人間によるタスクの実行結果に対して、スーパーバイザーとしてのAIがフィードバック・評価するパターンです。

強化（Augment）は、ユーザとAIがインタラクションを続け、"共同作業"をしながらゴールに近づいていくパターンです。いわゆるコパイロット（Co-pilot）体験はこれに該当します。

代行（Agent）は、AIが与えられた命令や周囲の状況をもとに段取りを考えながら、自律的に与えられたタスクをこなしていくパターンです。誤解を恐れずに言えば「人が細かく指示を出さなくても、自分でやることを考えてタスクをこなしてくれる」のがエージェントです。

今後のAI体験を考える際のポイントは、「どれだけAIが介入し、どの部分を人に残すかの設計」にあります。そしてそれは、ユーザーが求める価値（便益）とタスクの性質（危険・退屈・創造的など）で決まります。

たとえば「速度」や「正確性」が重視される業務ではAutomation（自動化）が有効です。また、意思決定や創造性が求められる場面では、AIが伴走するAugment（強化）やAgent（代行）の体験が価値を生みます。

詳しくは、次のnoteをチェックしてみてください。AI時代におけるUX設計の勘所を解説しています。

【UX設計にまつわる関連記事】

9）徹底的に生成AIネイティブなクリエイティブ制作【デザイン】

クリエイティブ制作において、「AIを使えば速いし簡単だが、アウトプットの品質が低い」という印象を持つ方もいると思います。

しかし、適切な使い方によって、生成AIネイティブな制作フローで進めることにより、クオリティと速さ簡単さの両立を目指すことができます。

先日、Algomaticで社内キックオフイベントが行われました。そのときに、デザイナーがAIを活用して、画像、音楽、アニメーションを駆使した動画を制作しましたので、まずは下記よりご覧ください。

この動画では、メインのモチーフとなる「26」はChatGPTで、音楽はChatGPTとSunoで、3DアニメーションはChatGPTとMidjourneyでと、おもに3つのAIツールを使って制作されましたが、手を動かしたのはデザイナー1人。

生成AIツールを適切なところで活用する、生成ネイティブな制作フローであれば、従来では考えられなかったレベルに、質・速度の両立を目指せるということです。

具体的にどのような手順で作ったのかは、弊社デザイナー kiyoeshiさんのX↓にまとまっていますので、より詳細が気になるかたは、ぜひチェックしてみてください。

10）痒いところに手が届く、AI同僚「Amigo」【バックオフィス】

Algomaticでは「Amigo」と名付けた、適切な社内データにアクセスできチャットツールからやりとりできるAIがいます。例えば、わかりやすいところでは、次のような業務を担っています。

• ウェルカムオンボーディング

• 社内ナレッジ共有

• リマインドやアナウンス

シンプルに見えるのですが、かゆいところに手が届き、絶妙な仕事を助けてくれる存在です。こうしたバックオフィス領域での生成AI活用で、僕たちは「業務のシステム化」と「人格づくり」を大切にしています。

まず、システム化のひとつとして行っているのが「AIが活躍できる土台」を整えること。

たとえばAlgomaticでは組織図やタレントマネジメントなどの業務データをすべてNotion上で構築しています。これにより、入社申請をトリガーにアカウントの自動生成や、前述のようなウェルカムメッセージなど、一連のタスクが自動的に実行されるようになっています。

もうひとつは、AIに「人格を与える」こと。
Amigoという名前と親しみやすいアイコンを設け、会話をできるようにしました。話してて、楽しいというのは大事ですからね。楽しい同僚です。

またAmigoの人格には、Algomaticのカルチャーを反映させています。そのため会話をすることで、僕たちが大切にしている価値観にも触れることができます。

より詳細を知りたい、次のnoteをご覧ください。詳しくまとめられています。

（このあと、番外編x2に続きますが、一旦CMを挟ませてください）

📣 CMタイム：こういう研修・勉強会、やってほしい企業さんいますか？

Algomaticでは、本記事で紹介したような知見を「研修・勉強会」という形で、企業向けにお届けすることをしています。

たとえば、

• AIネイティブな業務設計の考え方

• Difyを使った実践的なワークフロー構築

• AI駆動開発の進め方

といった内容を、各社の業務や課題に合わせてカスタマイズしてお話ししています。

もし「うちでもやってほしい」「詳しく聞いてみたい」という方がいらっしゃいましたら、下記フォームから気軽にご連絡ください。

▼【Algomatic】生成AI研修/勉強会へのお問い合わせはこちら

ここからは番外編として、AI開発全体に通ずる考えかたやノウハウを2つ紹介します。

番外編1）よいプロンプトには、「言語モデルへの配慮」だけでなく「人への配慮」がある

こういった考えで、LLMアプリケーション開発を行うエンジニアの知見が下記のスライドにまとまっています。詳細に興味のある方は、参考にしてみてください。

番外編2）仕様書がコードを生む時代：話題のSDDを試してみた

最近、注目を集めている開発スタイルが、「仕様駆動開発（Spec Driven Development：SDD）です。

従来は、コードを書いてから仕様をまとめていました。一方、仕様駆動開発では、最初に仕様（Spec）を明確に定義し、その仕様から設計・実装・テスト・ドキュメントを自動的に生成します。

実際に「Kiro」「Spec Kit」「spec-workflow-mcp」「cc-sdd」の4つのツールを使い比べた所感をまとめました。次の表は、使用体験をもとに各ツールが適している場面を比較したものです。

各ツールの詳しい特徴や使ってみた印象、感じた課題などについて詳しく知りたい方は、次の記事を参考にしてみてください。

まとめ：AI活用の本質は「技術」だけでなく「設計」にある

ここまで、Algomaticが実践してきた10の知見を紹介しました。これらに共通するのは、AI活用の成否を分けるのは「AIの精度」だけではなく「業務設計」であるということです。

精度が85%でも、ワークフローを「AIがたたき台を出し、人がレビューする」形に変えれば生産性は大きく向上します。全自動化によって人の介在を最小化すれば、運用は持続可能になります。そして「ミスしても安全な仕組み」を作ることで、AIの不確実性と共存できます。

重要なのは、AIツールを「導入する」だけでなく、業務プロセス全体を「AIネイティブに更新する」こと。そのために必要なのは、技術力だけでなく、組織設計、コンテキスト理解、UX設計といった多面的なアプローチです。

「勘と勢い」で進めるのではなく、体系的に現状を整理し、効果の見込める領域から始めることです。

この記事が、皆さんのAI活用を前に進める一助となれば幸いです。