個別開発で終わらせない。 現場の課題をプロダクトの強さに変える StockmarkのFDE

Transcript

1. 個別開発で終わらせない。 現場の課題をプロダクトの強さに変える StockmarkのFDE Findy X Career Lunch Talk / 3社が語る、FDE実践事例 各社における役割と取り組みとは 2026.09.28
2. ABOUT ME ⾃⼰紹介 Kota Kurihara / FDE SAT Division Tech Unit Solution Delivery 【略歴】 新卒で画像処理‧AI企業に⼊社しキャリアをスタート。 ⼦会社の⽴ち上げに参画、VPoEとして事業‧組織拡⼤を 推進しながら⾃社開発と受託開発の両⽅に従事。2026年 7⽉にストックマーク⼊社。現在はFDEとして「AI-Ready プロジェクト」で企業の暗黙知の形式知化に挑戦。 2
3. COMPANY Stockmarkについて ミッション：価値創造の仕組みを再発明する 3つの基盤の強みを活かし、さまざまな⽣成AI課題‧ユースケースに応じた成果創出を⽀援 1. データ基盤 2. ⽣成AI技術基盤 3. プロダクト基盤 7年蓄積した“きれいな”ビジネスデータ 1,000億パラメータの独⾃⽣成AIモデル 300社以上が活⽤するアプリ ⽣成AI 開発 AI SaaS 生成AIを “作る” AI PaaS‧個社別システム開発 生成AIを “活用” 生成AIを “最適化・応用 ” 個社 AI Solution 複雑なビジネス⽂書読解が可能なVLM開発、 情報収集‧特許調査‧技術探索まで データを構造化しAI-Readyに。 ⽇本語に特化し企業の専⾨知や暗黙知を あらゆる業務につながる 暗黙知を形式知化し、業務に⽣きるAIへ。 形式知化するLLM開発基盤 製造業技術者向けAIエージェント ＋ ⽣成AIを活⽤した個社Solution 3
4. GENIAC ⽇本企業の暗黙知/社内データのAI-Ready化プロジェクトを推進 2026年5⽉、国内企業16社の熟練者の経験や知識など「暗黙知」を、 ⽣成AIが学習‧活⽤できる「AI-Ready」な状態に変換し、現場に実装する。 ⽇本を代表する基幹産業、製造、素材、エネルギー、⾦融、商社、 消費財、住宅設備にまたがる横断的なクロスインダストリー体制 現場オペレーション 設計品質 技術‧R&Dナレッジ 顧客接点 専⾨判断 個社の実証で終わらず、AI-Ready化のノウハウを次の顧客‧プロダクトへ還元する 4
5. PLATFORM FDEの武器：SAT シングルカラムと マルチカラムの混在 暗黙知を形式知化し、 業務にいきるAIへ 難解なドキュメントや図表をAI ReadyなDBへ ⾃動変換。⽣成AI/RAGを実業務で活⽤可能に。 《 DX‧Al推進部⾨の業務定着課題 》 PoC⽌まり データ整備負荷 AI導⼊後も 使われない 評価/検証の 複雑さ 文脈に応じた 読み解きの順序 多岐にわたる 図と表と 文書が混在 情報表現による 課題⾮構造化データ のカオス 背景のように格子 が並ぶExcel方眼 紙レポート 業務フロー グラフと説明文 レイアウトが自由な イラスト、製品マニュアル 改善が続かない RAGの回答精度 レイアウト 解析 ドキュメント パーシグ 図‧表 検出抽出 チャンキング 5
6. DELIVERY SATを使ったプロジェクトでのFDEの動き 顧客業務を理解し、AIが業務を遂⾏するために必要なデータ基盤とエージェントを設計‧実装する 01 02 03 04 05 業務を理解する データを構造化する データ基盤を作る エージェントを実 装する 動かして改善する 顧客の課題‧業務フロー‧判 断‧例外‧評価基準を整理 Excel⽅眼紙‧図⾯‧複雑レ イアウトまで意味を保って抽 出 ⽂書‧RDB‧ナレッジグラフ など、業務データをAIが参照 できる基盤へ整理 知識を参照し、対象業務を遂 ⾏するAIエージェントを実装 利⽤者のフィードバックを継 続的な改善につなげる 何をAIに任せるか、その業務 の「できた」を定義 単純なテキスト化ではなく、 AIが解釈できる形へ RAGを通じて、業務に必要な 情報へ到達できる状態を作る 現場の業務フローに合わせて 利⽤可能な形へ 構築して終わりではなく、よ り業務に合うAIへ育てる FDE = 業務を理解し、データ‧知識‧エージェント‧改善ループまで⼀気通貫でつなぐ 6
7. DISCOVERY 業務を理解する：AIが業務を遂⾏するために何が必要かを明らかにする 業務の流れを追体験しながら、判断‧知識‧評価‧展開まで具体化する 事業‧組織の前提 01 なぜ取り組むか ⼊⼒ 02 ∕ 誰が使うか ∕ 誰が推進するか 確認 03 ∕ どう社内へ展開するか 判断 04 処理 05 成果 何を使う？ どこを⾒る？ 何を根拠に決める？ どう進める？ 例外は？ 何なら「使える」？ 資料‧データ 参照箇所‧関連情報 判断基準‧暗黙知 業務フロー‧⼈の介在 Biz / Tech KPI‧評価 FDE：⾃分がその業務を⾏うなら何が分からないかを掘り下げ、業務の実態を追体験する AI実装に必要なこと 何を任せるか ∕ 何を参照するか どう判断するか ∕ どう評価するか 利⽤‧展開条件 誰が使うか ∕ どこから始めるか どう広げるか ∕ 誰が推進するか 7
8. STRUCTURING データを構造化する 構造化の難しさは、⽂字量ではなく“表現の多様さ”にある。OCRで⽂字を抽出すれば終わりではなく、レイアウ ト‧図‧表‧注記‧関係性まで解釈し、AIが利⽤可能な構造へ変換する必要がある FDE / 構造化チームとの連携 ① VLMの抽出指⽰を調整 SAT標準のVLMで取りこぼす⽂書は、抽出 対象や読み⽅をプロンプトで明⽰して補 完 ② パース⽅式を切り替える 画像化に不向きなExcelは別⽅式を選択。 例：⾏数の多い表、埋め込みファイルを 含む資料 ③ カスタム対応 → 標準化 プロダクトでカバーしきれない処理は、 FDE / 構造化チームと連携して対応。汎⽤ 化できる知⾒は、後の標準構造化につな がることもある （画像はAI⽣成したものです） 8
9. KNOWLEDGE BASE データ基盤を作る ⽣データを構造化し、⽂書‧RDB‧ナレッジグラフとして整理 RAGを通じて、エージェントが業務に必要な情報へ到達できる基盤を作る ⽣データ ⽂書 Excel 図⾯ 既存DB データ基盤 構造化 レイアウト‧図‧表‧ 関係性を保ったまま AIが利⽤可能な形へ変換 ⽂書 RDB ナレッジグラフ ⾮構造データを 参照 構造化された値‧ レコードを参照 関係性を持つ 知識を参照 FDE：ヒアリングから業務概念‧関係性整理 →オントロジー設計（Research Teamとの連携） エージェント RAGで必要な情報へアクセス 業務での重要な概念‧関係性を⾒極め、AIが辿れる知識構造へ翻訳する 9
10. AGENT BUILD エージェントを実装する ヒアリングで整理した業務を、エージェント定義とハーネスへ落とし込み、実際に業務を遂⾏できる形にする ヒアリングで整理した業務 業務フロー 判断 例外 必要な知識 FDEが設計‧実装 エージェント定義 業務をプロンプトへ落とし込む 役割‧ゴール 業務⼿順 知識の参照 出⼒‧終了条件 SAT上で業務に合わせて個別実装 判断ルール 何を⽬的に、どの順序で、 何を根拠に判断するか ハーネス RAG 知識‧機能‧システムを接続 Tools MCP API 実⾏制御 必要なタイミングで、必要な知識‧ツール‧外部機能を使えるように構成 システム連携 カスタムUI API連携 / データ登録‧更新 / 外部処理 ⼊⼒ / 確認 / 結果表⽰など、顧客業務に合 わせた画⾯ 業務で 利⽤ ⼈が⾃然に⾏っている業務を、「いつ何を参照し、どう判断し、どのツールを使い、次に何をするか」まで分解して定義する 10
11. FEEDBACK LOOP 動かして改善する 構築したエージェントを実際に使ってもらい、現場のフィードバックからより業務に合った振る舞いへ改善する ベテランが新⼈を育てるように 利⽤ フィードバック ⼈ より業務に 合うエージェ ントへ 再利⽤ 仕事を任せる → 修正する → 次からできる エー 業務を実⾏ → フィードバック → 振る舞 ジェン いを改善 ト 改善 現場のフィードバックが次の改善につながる 実装⽅法の詳細ではなく、 「現場のフィードバックから改善する仕組み」 を作る 暗黙知を最初から全部⾔語化せず、現場のフィードバックを通じて少しずつ形式知化していく 11
12. PRODUCT FEEDBACK 個別案件で終わらせない 現場で⾒つけた“共通ニーズ”を、 プロダクトの強さに変える 顧客固有の課題 FDEが実装 抽象化 / 共通化 PdM / Devへ SATが強くなる 現場でしか⾒えない 制約‧データ‧運⽤ まず顧客価値を 最短で成⽴させる 他社でも再利⽤できる 本質を取り出す 優先度‧仕様を議論し 共通機能へ 次の案件の スタート地点が前へ プロダクトが強くなれば、次の提案がしやすくなり、デリバリーも速くなる 12
13. FLYWHEEL 顧客の最前線から、プロダクト成⻑のFlywheelにつなぐ ① 顧客の難題に⼊る ② 現場で実装‧検証 ④ SATへプロダクト還元 FDE ⑤ 提案‧デリバリー⾼速化 現場知を プロダクトへつなぐ ③ 共通ニーズを抽象化 ⑥ 顧客‧ユースケース増加 顧客‧ユースケースが増えるほど、次の現場知が増える 対応可能な顧客数増 → 事業成⻑ 13
14. RECRUIT StockmarkではFDEを採⽤中 ストックマークでは、FDE（Forward Deployed Engineer）をはじめ、AI研究から実装まで幅広く携わることができ るエンジニア職種を募集しています！ ▼ 採⽤ページはこちら ▼ X（Stockmark Tech） ▼ Tech Blog https://stockmark.co.jp/recruit/ @Stockmark_Tech tech.stockmark.co.jp 14