「AIでできますか?」から「Agentを作ってみました」へ ~「理論上わかる」と「やってみる」の隔たりを埋める方法

2026-01-25 KNOTS2026 登壇資料です。
https://knots.crossrel.jp/

Transcript

1. 「AIでできますか？」から「Agentを作ってみました」へ ~『理論上わかる』と『やってみる』の隔たりを埋める⽅法 ~ 2026-01-25 KNOTS登壇資料 LayerX 加藤みちる
2. © LayerX Inc.　 2 ⾃⼰紹介 加藤みちる michiru_da 株式会社LayerX CEO室 AI BPOプロダクトマネージャー 略歴 • エンタープライズ 営業 • プロジェクトマネージャー • 新規事業企画‧⽴ち上げ @applism118 バクラク事業部 • カスタマーサクセス • プロダクトマネージャー プロジェクト マネージャー エンプラ営業 カスタマー サクセス バックグラウンド 雑談Podcast #マヂカル.fm を週2で配信中。 来週、エピソード#200 公開です✌ • 開発経験ゼロのPMが語る、Cursor利用で変わった5つの業務 • 「全員プロダクトマネージャー」を実現する、 Cursorによる仕様検討の自動運転 • ビジネス出身PMが「AIのことはエンジニアにお任せ派」から 「PMもAI Agentを自作しよう派」になるまで 2025 topics 趣味
3. 3 © LayerX Inc.　 3 LayerXについて すべての経済活動を、 デジタル化する。 Mission ⼈類の未来をより良くする。 そのために私たちは、テクノロジーの可能性を探求し、 経済活動における複雑で⼤きな課題に挑む。 仕事や暮らしの中にある摩擦が解消され、 それぞれの創造⼒が発揮されている。 そんな希望あふれる優しいデジタル社会を、 未来に残していくために。
4. 4 © LayerX Inc.　 4 バクラクとは 「バクラク」シリーズは、稟議、経費精算、法⼈カード、 請求書受取‧発⾏、勤怠管理などの業務を効率化する AIクラウドサービスです。 最先端のAI Agentを組み込むことで、⼿⼊⼒や紙の管理などの 業務から解放し、従業員⼀⼈ひとりがコア業務に集中できる 新しい働き⽅を創造します。 中⼩企業から⼤企業まで、15,000社を超えるお客様の 働きやすい環境づくりと事業の成⻑を⽀援しています。 バックオフィスから 全社の⽣産性を⾼める
5. © LayerX Inc.　 5 バクラクの事業領域 Coming Soon AI Agent HCM領域 (人的資源管理) 稟議・ワークフロー 領域 BSM / ARM領域 （債権・債務管理） Payment 領域 （債権債務管理） Coming Soon
6. 「AIでできますか？」から 「Agentを作ってみました」へ ~『理論上わかる』と『やってみる』の隔たりを埋める⽅法 ~
7. © LayerX Inc.　 7 営業出⾝で⾮エンジニアプロダクトマネージャーのキャリアを歩む ⾃分の背景 受託開発 PjM‧営業 （4年） 新規事業開発 （3年） カスタマー サクセス （1年半） SaaS PM （2年半） AI BPO PM （4ヶ⽉）
8. © LayerX Inc.　 8 最近のトライ エンジニアリングのスキルセットはないが、業務で使うAI Agentを⾃作 その後もDeepResearchを⼿元で実装するなど、AI Agentをキャッチアップ ビジネス出⾝PMが、「AIのことはエンジニアにお任せ派」から 「PMもAI Agentを⾃作しよう派」になるまで 正⽉明けのPM社内定例の議事録
9. © LayerX Inc.　 9 職種を超えたTryをやってみるには？ 3.開発チーム 全体向け 2. 全職種向け 1. ⾮エンジニア 向け 今⽇お話しするテーマ ⾮エンジニアがAI Agentを実装するまでの道のり‧学び アクションしようとしたが挫折する、続かないを防ぐためのコツ
10. 1. ⾮エンジニアがAI Agentを 実装するまでの道のり‧学び
11. © LayerX Inc.　 11 何を作ったか（概要） “お客様から受領した経費精算マニュアルの内容を、 ①バクラクの機能に取り込めるか評価 ②取込形式に変換するAgent”を実装 ①バクラクで精度⾼く レビュー可能かを評価 AI Agent ②お客様マニュアルを、 バクラクが解釈可能な 形式に変換 お客様の 社内運⽤マニュアル
12. © LayerX Inc.　 12 何を作ったか（詳細） ①ユーザー インターフェース ‧ユーザーが指⽰ を出し、Agentが⽣ 成したルール案や 検索結果を確認 ‧⼈間による レビューも実施 ②AI Agentエンジン システムプロンプトで定義され た複数ステップの指⽰書に従 い、必要なtoolを⾃律的に呼び 出しタスク（ルール⽣成‧検 索）を実⾏ ③tools Agentの⼿⾜となる機能群。今 回は4つのtoolを準備
13. © LayerX Inc.　 13 何を作ったか（詳細） Python上で動作するAIエージェントを作成
14. © LayerX Inc.　 14 なんでやろうと思ったか 1. めっちゃ欲しいのに、⾃分しか作業できる⼈がいなかった ◦ お客様のマニュアルに対応できるかは、熟練の担当者が属⼈的に判断 ◦ 誰でも判断できるわけじゃないので困っていたが、他の優先イシューがあった 2. 難しいことをやらなくても、ワンチャン解決できるのでは？と思った ◦ お客様マニュアルと、すでに精度が⾼いと検証されたルールとの類似度を⾒れば、 ⼀定判断できるのでは？と思った 3. AI Agentはプロトタイプだと意味がない。具体の動くものでビジョンを⽰したかった ◦ AI機能は机上の空論をやっていても意味がないと思っていた ◦ 雑に動くものを⾒れば、もっとブラッシュアップしたソリューションも チームで作れるのでは？と考えた
15. © LayerX Inc.　 15 どうやったか 1. 本を読む 2. 本のコードを1⾏ずつ写経する a. RAG b. AI Agent 3. わからないところを質問する a. AI b. ⼈間 4. 作りたいもののMVPを作る
16. © LayerX Inc.　 16 1. 本を読む: 体系的に意識がまとまっているので⼀通り読む ①の概念説明+LLM実装例 → ②の概念説明+Agentの実装例の順で、 どちらも半分ほど読み、おおよその概念を理解しつつ⼿元でコードを実⾏ ①LangChainとLangGraphによる RAG‧AI Agent［実践］⼊⾨ ※それぞれ発売が 2024/11/9と2025/7/17で情報が古い可能性があるので、今から取り組みたい⼈は、社内のエンジニア有識者に 最新のおすすめ⼊⾨書を確認してください。 ②現場で活⽤するためのＡＩAgent実践⼊⾨ (ＫＳ情報科学専⾨書)
17. © LayerX Inc.　 17 2. 本の内容を、そのまま⼀⾏ずつ写経して実装していく • 地道に最初から書いていく ◦ どちらの本も、具体的なユースケースを実装するコードなのでイメージはつきやすい ▪ 例:ヘルプデスク⽀援Agent、マーケコンテンツ評価Agentなど • 利⽤したツール ◦ Cursorでpythonファイルを作成し実⾏ ▪ # %% の記載で部分的にGoogle Colabのように実⾏可能に • （本当の⾮エンジニア向け）コツ ◦ 基本的に1⾏ずつ実⾏する ◦ わからない場合や、分岐がある場合は⼀部分だけやってみる ◦ 1⾏ずつのコードの意図を理解しながら進める（次ページも参照）
18. © LayerX Inc.　 18 3. わからない時: まずAIに質問 • ChatGPTの教師モードが便利だった ◦ 質問→今⽇の学びまとめ→クイズ→また次の⽇から始める • コードの理解に良かったプロンプト1 ◦ GeminiのCanvasで1処理ずつ図解すると全体感を掴みやすい • コードの理解に良かったプロンプト2 ◦ 1⾏ずつ‧汎⽤/個別の概念かを説明してもらうことで、不明瞭なポイントを減らせる 基礎知識や背景を含めて初⼼者でも分かるようにコードを1⾏ずつ解説して # ルール - 例え話は使わず説明する - 汎⽤的に利⽤する概念か、今回のコードだけで定義しているものかを含めて説明する - 以下のコードの⽬的や動作を初⼼者でも分かるように多⾓的かつ網羅的に1処理ずつ図解して
19. © LayerX Inc.　 19 Agentそのものよりプログラミングあるある（?）でしっかり躓く → 友⼈のエンジニアに質問‧相談をしまくり解決 • Agent以前にPythonのお作法がわからない ◦ インデントを間違えるとエラーに、⼿続き的にも書ける、型を最初に指定しない etc • ライブラリのバージョン問題 ◦ 本に書いてないバージョン（とりあえず最新版）を使い、動かないコードが多発 • 本に書いてあるコードの例がデカすぎて、初⼼者の理解を超えて挫折 3. わからない時: それから⼈間に質問
20. © LayerX Inc.　 20 4. ⾃分で作りたいものを作る 本の通りに実装したコードを改変、⾃分が作りたいRAGやAI Agentを作成
21. © LayerX Inc.　 21 • 8⽉ ◦ RAGの本のコードを写経 • 9⽉ ◦ RAGの本ベースに、⾃分で欲しい業務ツールのRAGを実装してみる • 10⽉ ◦ AI Agent本のコードを写経 ◦ AI Agent本ベースに、⾃分で欲しい業務ツールのAgentを実装してみる タイムライン
22. © LayerX Inc.　 22 LLMは、 ⾃由にさせない ようにしないと 価値が出ない 使い物に するためには、 前後の処理の⽅が ⼤変 AI Agent⾃体は tool選択の繰り返し 実装してみてわかったこと、学び • 実装する前はブラックボックスな印象だったが、 Agentは、利⽤するtoolを決定し、決められた形式でoutputするという⼀連の流 れであると理解できた • 存在しないマスタや項⽬を勝⼿に⽣成してルールを⽣成する事象が発⽣ ◦ 利⽤可能なマスタや項⽬のリストをtoolとして定義し精度を安定 • toolsでAIの出⼒を決定論的にするプロセスや、Human-in-the-Loop組み込みの 肌感をもてた • そもそもAgentに渡すデータ整備、出⼒結果をユーザーに価値のある形 & 決定論的にアウトプットする部分（citationや根拠を含めてアウトプットするな ど）箇所の実装の⽅が⼤変だと感じた ◦ エンジニアの皆様に尚⼀層感謝‧‧‧
23. 2. 職能を超えて、「やってみました」をやるには？
24. © LayerX Inc.　 24 なぜ、やってみる？ • 専⾨外のことをやるのってコスパ悪くない？ • 途中でめんどくさ！⼤変！となって、やめたくならない？ • なんでやり続けたのか?
25. © LayerX Inc.　 25 なぜ、やってみる？ • 専⾨外のことをやるのってコスパ悪くない？ ◦ 間違いなく悪い • 途中でめんどくさ！⼤変！となって、やめたくならない？ ◦ なる、AIに毎⽇キレていた • なんでやり続けたのか? ◦ なんで？
26. © LayerX Inc.　 26 前提: “チームをスケールさせる従来の⽅法は時代遅れです。かつてはデザイナー、エ ンジニア、プロジェクトマネージャーといった専⾨家をそれぞれ⾃分の専⾨分 野で雇⽤し、⼈員を増やすことでスケールさせていました。 しかし、Cursorがアイデアからコードまでを数分で実現できるようになった 今、もはや実⾏がボトルネックではありません。重要なのは、センスと判断⼒ です。 今重要なのは、フルスタックを把握し、レイヤー間を移動できるだけでなく、 AIがまだ再現できない分野に深く特化した⼈材です。T字型でありながら、は るかに幅広い⼈材。複数の分野に精通し、⼀つの分野に精通している⼈材で す。 AIは単にスピードを上げるだけではありません。チームを異なる⽅法で結びつ けます。ウォーターフォール型はもう終わりです。デザイナーがプロトタイプ をコーディングし、エンジニアがそれを拡張し、両者が同じ媒体で作業しま す。分野間のギャップは消え去ります‧‧‧” https://x.com/ryolu_/status/1993408555022758357 ⽣成AIにより、プロダクト開発における職種の役割が⼀層曖昧に。 ただ具体の⼀歩を踏み出せるか？
27. © LayerX Inc.　 27 専⾨外だけど「やってみる」ためには、何が必要? • ドメインのインプット？ • オンボーディング？ • プログラミングの勉強？ • スムーズな環境構築？ • 適切な⽬標設定？ • ロープレ？
28. © LayerX Inc.　 28 専⾨外だけど「やってみる」ためには、何が必要? • ドメインのインプット？ • オンボーディング？ • プログラミングの勉強？ • スムーズな環境構築？ • 適切な⽬標設定？ • ロープレ？ 否
29. © LayerX Inc.　 29 専⾨外だけど「やってみる」ために必要なこと 具体的で、 バイネームで誰かが困っていて、 簡単な解決⽅法はあって、 でも対応優先度が上がっていない、 そんな課題を⾒つけて、 これはやった⽅が良くないか‧‧‧？と⼼の底から思うこと
30. © LayerX Inc.　 30 とにかく具体の解決したい課題を⾒つける NG🙅 • なんとなくの解像度 • “みんな” が困っていそう • 解決策のイメージが湧かない OK 🙆 • 発⽣するケースが具体的 • バイネームで困っている⼈を 知っている • やれば今よりもbetterになり、 コスパもいい解決策イメージがある WHYを⾒つけてコトに向き合っていれば、 周りも助けてくれる‧‧‧解決に必要な⼿段を調達できる‧‧‧はず！
31. © LayerX Inc.　 31 WHYを⾒つけるためには？ toBのサービスなら‧‧‧ • ⾃社でサービスをドッグフーディング • ⾃社‧ユーザー業務や、ユースケースの観察 • 録画ではなく、リアルな商談に出る toCのサービスなら‧‧‧ • ⾃分でサービスを使ってみる サービス以外でも課題はいくらでもある • ビジネス部⾨に業務のお困りアンケートとる • ビジネス部⾨がやってる業務を⾒てみる とにかくユーザーの近くに⾏く、⽣の業務をみる、できればやる
32. © LayerX Inc.　 32 ⾃チームでやってみた例 各⾃がWHYを⾒つけて「やってみる」と、アウトプットが爆速になる • 10⽉からAI-BPO新規事業を⽴ち上げを実施 ◦ BPO = お客様から業務プロセスを丸ごと委託いただく ◦ エンジニア2名含め、開発チーム全員で⾃社の業務‧オペレーションを代⾏ • メンバー全員のユーザー解像度が⾼まり、PMがPRDを書かずとも爆速で⽴ち上げが進む状態に ◦ PMはロードマップ‧優先度は決めるものの、商談対応など事業側に集中 ◦ 仕様検討はオペレーションのペインを理解したエンジニアがリード ◦ 詳細もエンジニア <> ユーザー（オペレーター）で直接相談 • 結果、サービス開発も事業⽴ち上げも超⾼速に実⾏。⽴ち上げから4ヶ⽉でリリース予定
33. © LayerX Inc.　 33 • PMの仕事は、事業を伸ばす、そのために必要な優先度決め‧マネジメント業務になる ◦ 仕様作成は開発チーム全員できる、意⾒をまとめる‧情報整理もAIがやれる ◦ ⼀⽅で開発チームが検討に必要なコンテキストを提供したり、仕様のレビューや仮説検証 は必要。思想‧スタンスから細かい挙動までこだわる「正しいものづくりをチームにやっ てもらうマネージャー」 業務は発⽣ ◦ ⼀⽅で、主務としてはサービスの思想や世界観をユーザーに伝えて⾃社を選んでもらうこ とにコミットし、事業を伸ばせる⼈が価値あるPMになる感覚。PMという名前なのかわか らないが‧‧‧ • AI Agent開発には、システム設計できる⼈のディープダイブと速いリリースが必須 ◦ ユーザー解像度とシステム設計を両⽅横断して作る必要がある。エンジニア‧PMで業務 を体験→逆算して業務のあるべきを定義→AI Agentの設計に落とし込みを実施するなど ◦ 作ってみたらとにかくまず本番にリリースする。この勘所がある⼈が開発に⼊る必要があ る。現実で使われないことには、想定した価値が出るか‧改善⽅向性がわからない 未来への所感 職能を超えて 「やってみた」は、プロダクト開発の前提になっていく
34. 3.アクションしようとしたが挫折する、 続かないを防ぐためのコツ
35. © LayerX Inc.　 35 2.開発チームで できる⼯夫 1.⾃分で できる⼯夫 アクションしようとしたが挫折する、続かないを防ぐためのコツ • スモールステップで実⾏する • 信頼残⾼を作る • 学習は⾃⼰責任 • ユースケース勉強会 • 開発環境爆速セットアップ • add/commit/mergeからPR出すまでの⼀連の説明会 • AIエンジニアリングの本の輪読会
36. © LayerX Inc.　 36 1.⾃分でできる⼯夫 • スモールステップで実⾏する ◦ いきなり難しいことをやるとつまづいて続けられない • 信頼残⾼を作る ◦ 周囲に質問できる‧教えてもらえるよう、⾃分の基本業務は全うする • 学習は⾃⼰責任 ◦ 同じ時間でやったほうがコスパがいいことあると理解した上で、投資するか決める ▪ PMなら、ユーザーインタビュー50件やって解像度上げた⽅がいいのでは? ▪ PMなら、競合分析を徹底して新しい勝ち筋を⾒つけた⽅がいいのでは? ▪ PMなら、商談に出まくって新サービスの検証をした⽅がいいのでは?
37. © LayerX Inc.　 37 2.開発チームでできる⼯夫 エンジニア・デザイナー向け • ユースケース勉強会 PM・デザイナー向け • 開発環境爆速セット アップ • local環境⽴ち上げ、 修正、 add‧commit‧merge からPR出すまでの⼀連 の説明会 開発チーム全体向け • AIエンジニアリング本 の輪読会 バクラクの開発チームで取り組んでいる3つの事例を紹介 (質問されたら答える、困っていたら助ける‧‧‧は⼤前提として)
38. © LayerX Inc.　 38 1. ユースケース勉強会 エンジニア‧デザイナーのドメイン解像度をあげるためのユースケース勉強会 • サービスの機能や設定を上から1つずつ⾒て、「ユースケース」を説明する ◦ 何ができるか（機能概要）ではない ◦ 誰がいつ欲しいか、 何のために欲しいかを説明 • ユースケースの説明は、エンジニア or デザイナーで実施する ◦ PMは背景補⾜に留める ◦ エンジニア‧デザイナーから説明してもらうことで理解が深まる ◦ 新メンバーの⼊社等に合わせて実施するのがおすすめ
39. © LayerX Inc.　 39 2. 環境構築の⾃動化、local⽴ち上げ〜PRまでの説明会 PM‧デザイナーの実装ハードルを下げるため、 環境構築の⾃動化‧PR出すまでの流れの説明会などが有効 • 環境構築を⾃動化 ◦ 全員開発時代のaquaで実現するローカル環境爆速セットアップ ◦ これら整備を経て、担当サービスで簡単な実装をする PM・デザイナーが急増 • local環境⽴ち上げ、修正、add/commit/mergeからPR出すまでの⼀連の説明会 ◦ PRまでの流れを説明し、やっていいこと‧NGなことがわかり実装ハードルが低下 ◦ 参考: AIによってPdMが開発するハードルは下がりきった
40. © LayerX Inc.　 40 役割とわず、チームでAI Agent本の輪読会をやる • 完璧を求めない ◦ 基本は週1‧30分だが、業務に応じて柔軟にリスケ ◦ エンジニアの判断で、学びにならない章は⾶ばす ◦ 多少読んでなくてもやる、話す • ⾃分たちのチーム‧機能でいうと具体的に何か、に繋げる ◦ 書いてあることがとにかく抽象的なので、 例えば具体の⾃社のAI機能でいうとどういうことか？というスタンスで話す ◦ なんでもいいから1つでも⾏動に繋げる 3. チーム全員で、AIやLLMの技術書の輪読会
41. © LayerX Inc.　 41 3つの例からの考察 asis エンジニアやデザイナーは、 ユーザー解像度が相対的に⾼いPMから 仕様を”聞いて” 開発‧デザイン作成 tobe メンバー全員が⾃分で仕様を考えて、 PMやユーザーにフィードバックをもらう •いつか役に⽴つかもしれない知識を、 詳しい⼈から教えてもらう •知らなかった学びを得て満⾜する •メンバーが⾃分でユースケースを語り、 フィードバックを得る •PMが開発する前提で流れをインプットする •ただ輪読するのではなく、具体の機能ベース でディスカッションする 開発 スタイル 開発 チーム での学習 “開発チームでできる⼯夫” も、⽣成AIで変化 「詳しい⼈に教えてもらう」から「⾃分でやってフィードバックをもらう」へ
42. © LayerX Inc.　 42 まとめ • ⾮エンジニアがAI Agentを実装するまでの道のり‧学び ◦ 本を読み、写経し、欲しいものを作る • 職能を超えたTRYにチャレンジするために必要なこと ◦ どうしても解決した⽅がいい課題、WHYを⾒つける ◦ 今の職能を越えた動きは、プロダクト開発の前提になっていく • やろうとしたが挫折する、続かないを防ぐためのコツ ◦ 開発チームも「詳しい⼈に教えてもらう」から「やってみてフィードバックをもらう」へ
43. © LayerX Inc.　 43 おわりに やっていき、じゃなくて、やる
44. © LayerX Inc.　 44 ⼀緒にやってくれる仲間を募集しています！ Bakuraku Engineering Team Deck Bakuraku Product Manager Team Deck 👇まずはカジュアルに⾯談しましょう👇