Bet AI Day 2026丨How We Bet AI: AIとともに働く場をつくる

2026年9月3日に開催されたイベント「Bet AI Day 2026」における登壇資料です。

■ 概要
世はまさに大AIエージェント時代！！！私たちは、プロダクトを通したAIエージェントの社会実装と、社内利用を通した私たち自身への実装を両面で進めています。この発表では、主に社内利用のためのプラットフォームやコストマネジメント、そしてそこから生まれているユースケースについて焦点を当て、私たちがエージェントとともにはたらく「場」をどう設計しているかについてご紹介します。

■ 登壇者情報
執行役員 CISO 星 北斗
X: https://x.com/kani_b

2013年にクックパッド株式会社へ新卒入社。セキュリティ、SRE、コーポレートエンジニアリングを主領域とし、技術本部長や海外本社出向などを経験。2024年1月にLayerXへ入社し、現在は執行役員 CISO 兼 バクラク事業 VPoEとして開発組織を支える。クラウドとセキュリティと料理が好き。

■ 関連リンク
・イベント特設サイト： https://layerx.co.jp/events/2026/bet-ai-day/
・コーポレートサイト： https://layerx.co.jp/
・X Tech 公式アカウント：https://x.com/LayerX_tech

#BetAIDay

Transcript

1. Bet AI Day 2026 AI Agents at Work Corp IT How We Bet AI : AIと ともに働く場をつくる 星 北斗 Hokuto Hoshi 16:50-17:10
2. Speaker Information 星 北⽃ Hokuto Hoshi 2013年にクックパッド株式会社へ新卒⼊社。 セキュリティ、SRE、コーポレートエンジニアリングを主領域とし、 技術本部⻑や海外本社出向などを経験。 2024年1⽉にLayerXへ⼊社し、 現在は執⾏役員 CISO 兼 バクラク事業 VPoEとして開発組織を⽀える。 クラウドとセキュリティと料理が好き。
3. “Bet AI” から1年
4. 2025年 -> 2026年の LayerX • ⼈員数は400名 -> 750名規模に (2026/06) ◦ エンジニアも100名を超える体制に進化 • バクラクのプロダクト数は 8 -> 13 に • Ai Workforce の導⼊が加速し企業の作業時間を数千時間以上削減 • ALTERNA (Fintech事業) におけるデジタル証券の発⾏額が500億円を突破 • Security事業 (AgenticSec) の開始 平たく⾔えば「あらゆることが変わった」1年でした
5. 2025年の社内における Bet AI • 「利活⽤」をはじめるフェーズ ◦ セキュリティの⽅針を決めて、社内実装 • チャット形 AI サービスの利⽤促進 ◦ ChatGPT や Gemini を全社でヘビーに使うように ◦ 活⽤リーダーを⽴てた利⽤促進 • 迅速に「試せる」プラットフォームづくり ◦ Dify, n8n の展開 ◦ AI トライアル予算の開始 • たくさんのユースケースが⽣まれ、 「利活⽤されている」と⾔えるレベルにはなった めでたしめでたし
6. 世はまさに ⼤ AI エージェント時代！！！１１
7. 「みんなが使う」が加速していった結果 • 使われる環境が多様に ◦ クライアント、モデル、プラットフォーム • ユースケースも多様に ◦ スケジュールをしたい！ ◦ データを保存できるようにしたい！⾊々なデータを使いたい！ ◦ かんたんにデプロイしたい！ ◦ 複数⼈で使えるようにしたい！ • 利⽤が急拡⼤しコストも急上昇
8. 「みんなが使う」が加速していった結果 • 使われる環境が多様に ◦ クライアント、モデル、プラットフォーム • ユースケースも多様に ◦ スケジュールをしたい！ ◦ データを保存できるようにしたい！⾊々なデータを使いたい！ ◦ かんたんにデプロイしたい！ ◦ 複数⼈で使えるようにしたい！ • 利⽤が急拡⼤しコストも急上昇
9. 「みんなが使う」が加速していった結果 • 使われる環境が多様に ◦ クライアント、モデル、プラットフォーム • ユースケースも多様に ◦ スケジュールをしたい！ ◦ データを保存できるようにしたい！⾊々なデータを使いたい！ ◦ かんたんにデプロイしたい！ ◦ 複数⼈で使えるようにしたい！ • 利⽤が急拡⼤しコストも急上昇
10. 「探索」から「最適化」へ • コスト状況を分析してみると、職種に偏りはなかった ◦ セールス、バックオフィス、デザイナー、エンジニア、どの職種にもヘビーユーザーがいる ◦ 実際ヒアリングしてみても「すごくおかしな使い⽅」などはない • 全員がそれぞれ「使い⽅を模索する」フェーズはほぼ終わった ◦ 使うためのプラットフォームづくりやコスト最適化へシフト ◦ ゆるやかな共通化、最適化へ ▪ 個⼈がそれぞれモデルと対話しなくても良いものは積極的に共通化できるように ▪ 共通化を進めながら、個⼈が使うユースケースも許容する • エージェントがはたらきやすい場を作ることが、さらなる進化に繋げるための鍵
11. Chapter1 課題と プラットフォームの紹介
12. コスト問題 • 推論にかかる⾦銭コストは、どのようなユースケースであっても重要 ◦ ⼈に仕事をお願いする時に考えなければならないことに近い ◦ 「AI に仕事を頼むときの⾦銭感覚」がないと、コストがかさみがち • 複数モデルの利⽤や利⽤⾃体の需要増に伴って全社での管理も難しくなった • 解決策として LLM ゲートウェイ (LiteLLM) を導⼊ ◦ エンドポイントに対するプロキシとして振る舞う ◦ バーチャルキーの概念を持ち、⼀つの認証で複数のプロバイダに対応できる ▪ Amazon Bedrock, OpenAI Platform, Fireworks AI など ◦ コスト計算と上限 (Budget) の設定が可能 ▪ 複数のモデル利⽤を合算して計算することができる
13. 利⽤者へのコストフィードバック • OSS 版の LiteLLM をベースに、⼀部機能を拡張 ◦ 社内 IdP との連携など • 設定したコスト上限を⽇次でフィードバックするように ◦ 「依頼した仕事」と「かかったコスト」を⾒⽐べられるようにすることで、 感覚を養いやすく • 予算上限を設けつつ、素早く上限緩和できる仕組みを⽤意
14. コード管理、デプロイ問題 • コーディングエージェントを活⽤するユースケースが全社で増加 ◦ ⽣成物として、何らかのテキストファイルを管理したくなることが多い ▪ Markdown, HTML, ソースコード, etc ◦ Git と GitHub を使いたくなるが、全社員にライセンスを配るのは厳しい ▪ プロダクト開発以外のユースケースでフル機能が必要になることはほぼなかった • ⽣成物の共有‧デプロイ先の需要が急増 ◦ エンジニア以外のユースケースであっても普通に⾏われている ◦ セキュリティの観点からも、インターネットサービスと切り離したかった ▪ 混ざるとどうしても事故りやすくなる
15. Forgejo による全社 Git レポジトリの管理 • セルフホスト型のオープンソースソフトウェアフォージ ◦ ◦ IdP との連携や GitHub Actions 互換ワークフローなど、 基本的な欲しい機能が揃っている ⽇本語対応 • AWS 上にデプロイして全社利⽤ ◦ ◦ ◦ ECS Fargate + EFS で運⽤ 社内認証プロキシを通すためのヘルパーなどは別途提供 エンジニア以外のユースケースはほぼこちらに吸収 • 社内 Web サイトレポジトリ ◦ ◦ 全社員が共通で使える静的サイト⽤レポジトリ push するだけで認証付きの領域に⾃動デプロイされる • 情報共有、分析、モックなど様々なものが 共有されるように
16. 社内ユースケースが広くて⼤変問題 • エージェントに接続したい外部サービスが増加 ◦ LiteLLM や Forgejo などエージェントを動かすための基盤 ◦ Notion や Slack 、Snowflake などのデータソース ◦ Google Workspace • エージェントに設定したい項⽬も増加 ◦ 部署ごとのガードレール ◦ スケジュール実⾏ • 「◯◯したい」というユースケースが⼈間の数だけ独⾃進化 ◦ 同じ問題を⾊々なやり⽅で解いてしまう ▪ 潜在的なセキュリティリスクにもつながる
17. Shepherd: 社内向けローカル MCP サーバ • 社内開発されている AI エージェントクライアント (Electron) • 各種社内システムの MCP サーバを統合して操作や通知を⼀元化 ◦ LiteLLM や Forgejo の設定ももちろん可能 • エージェントの外部記憶、ガードレール、タスクのスケジュール化など、 実際の社内ユースケースを取り込み開発 • コスト診断もできる
18. エージェントに24時間働いてほしい問題 • コーディングエージェントがユーザーのローカル環境の上で動くゆえの課題 ◦ 移動中や夜間など「⼈間が起きて作業していない時間」は⽌まっている ▪ ラップトップを離れることはできるが、介⼊ができない ◦ エージェントの動作がローカル環境のリソースを過剰に消費する ▪ 推論を⾏わないエージェントのために⾼級なラップトップを買うのもコスパが悪い ◦ 開発環境など必要な環境を素早く複数⽤意できるようにしたい ▪ 並列でエージェントを動かすユースケースの増加 ◦ 認証情報をはじめとした情報の取り扱いが怖い ▪ ⽣活環境と混ざっているゆえに、置かれている情報も混じりうる ▪ 「何をしているか」をとことん監視したくなるが… • ⼈間による利⽤と分離して監視したい
19. haro: リモートエージェント基盤 • HTTP API で利⽤でき、リモートで業務遂⾏できるエージェント基盤 ◦ 必要に応じて動的にワークスペースを払い出す ◦ Slack などのメッセージ基盤とも接続が可能 • ローカル環境と分離されているメリットがある ◦ 24時間動き続けることができる ◦ 保持している情報を切り分けることができる ◦ コピーしやすい ◦ 監視を強化しやすい ▪ エージェントの通信先など Built Our Own Background Agent at LayerX https://speakerdeck.com/layerx/built-our-own-background-agent-at-layerx-number-aidevex-findy
20. Chapter 2 社内ユースケースの紹介
21. エンジニア部⾨における活⽤ • 全部⾨全ポジションでフルに利⽤ • 組織規模拡⼤の数倍以上での規模へ • 新規プロダクトや各種内部プロダクトの 開発加速 • 代償 (?) としての、 CI/CD コストの急増 ◦ どう対応しているかは別の機会に… layerone (バクラク全サービスの monorepo) における コミット数の増加と Author の割合
22. エンジニア部⾨以外におけるユースケースの急拡⼤ • アプリケーションコードの変更をサマライズしてリリースノートを作成 • 新規プロダクトリリース時のドキュメント執筆 • マーケティングコンテンツの作成 ◦ 企画からリサーチ、作成、レビュー反映まで • Google Drive, Notion など他システムを絡めた⾃動化 • Slack における⼀⽇の会話から ToDo を抽出してタスク化 • カレンダーと連携させた予定の分析 • ⼤きなデータの変換 • HTML を利⽤したダッシュボード開発 • GAS を利⽤したアプリケーション開発 • ほかにも… 育休の「いつ取る？」を⽀える「育休取得アドバイザー」を作りました https://note.com/jolly_lion402/n/n1db58ac2b0de
23. Chapter 3 おわりに
24. ⼈間と AI がともに働きやすくなる場づくり • 最初から「統⼀プラットフォーム」を作らなくて良かった ◦ 複数以上のチームがエージェント開発や利⽤に取り組んでいる ◦ 進化が⾼速であり、⼀つのプラットフォームを作ったところで全てはカバーできない • 共⽤できるものは積極的に共⽤するが、強制はしないポリシー ◦ コストと情報管理の制御のみを⾏い、「コスパよく扱いやすいもの」に⾃然と流れるように • AI の能⼒が汎⽤的だからこそ、「実際の困りごと」にフォーカスする ◦ ユースケースに沿った課題解決が評価され、新たなユースケースを産む
25. まとめ • LayerX が AI エージェントを全社で活⽤する上での課題と、 それぞれを解決する基盤づくりについてご紹介しました ◦ 探索をするフェーズから、最適化に進むフェーズにも、多くの課題が出てきます ◦ コスト、デプロイ、ユースケースの広がりなど、実際の「困りごと」にフォーカスした 課題解決が重要 • 今⽇ご紹介したもの以外にも、たくさんのユースケースがあります ◦ 社外発信が⾮常に多いのでぜひご覧ください • より具体的なトピックはぜひお声がけください！