10年以上続くWebサービスのAIファースト時代への向き合い方 / Navigating the AI-First Era: A Strategy for Established Web Services

◆イベント名
AI導入最前線！理想 vs 現実『AIドリブン開発』 〜エンジニア視点で語るリアル活用術〜
https://connpass.com/event/370611/

◆発表タイトル
10年以上続くWebサービスのAIファースト時代への向き合い方

◆登壇者
paiza株式会社 システム開発部 Stream Alignedグループ
Stream Alignedグループ長/テックリード　高村 宏幸

Transcript

1. 〜驚かせるだけのAI で終わらせない〜 10 年以上続くWeb サービスの AI ファースト時代への向き合い方 2025.09.30 paiza Stream Aligned グループ長 高村
2. 自己紹介 🏢 所属：paiza 株式会社 ⛳️ 役割 ストリームアラインドグループ長 テックリード( インフラ/ アーキテクチャ〜バックエンド〜フロ ントエンド) etc…( なんでも屋) 🐦 Twitter 廃人名：yukimura1227/takamura1227
3. AI はすごい？
4. AI 活用してますか？ 2022 年11 月30 日、ChatGPT が一般公開され その後も様々なLLM が出現して、ソフトウェ アの常識が一変しました 📒 自然な文章を生成・要約する 🎤 音声を認識して高精度に翻訳する 🖼️ 画像・音楽・動画を作る ⚙️ 開発タスクを自動化する（夢じゃなくな りつつある） etc…
5. AI は神なのか？
6. NO
7. AI は神ではない
8. AI は我々の本当の夢を叶えてくれない 叶えてくれない😢 とはいえ、従来不可能だったことを猛烈な スピードで実現可能にし続けているのは事実 AI の「光」と「闇」を理解して 向き合う必要がある 参考：弊社代表のnote: 生成AI で「5,000 兆円 欲しい」プロンプトはいつ実現されるか？
9. AI 活用の光と闇
10. 💡AI 活用の光の部分 魅せ球になる部分 デモ映えする、派手でわかりやすい 見た目のインパクトが大きく、ワクワクする コンテキスト不要な 0 →1 の部分に強い ⚠️再現性は低い
11. 🌑 闇の部分 決め球( 競合優位性) になる部分 一見地味で、泥臭くて、面倒くさい 巨大なコンテキストがある分、 AI の効果を引き出しづらい ここを整備できれば、競合優位性が高まる 決め手はここにある
12. ️ AI 活用の光と闇
13. 💡光の部分との向き合い方 AI トレンドの変化スピードは凄まじい 情報をキャッチして共有する「運用」が大事 paiza の取り組み Slack の #tech_trend_anything チャンネルなどで気になる情報をシェア ただし🙅 鵜呑みにしない🐔 疑問❓️を持つ 実際に試す🛠️ サービス/ プロダクトにどう活かせるか考える🤔 「AI 驚き屋😯」で終わらせない意識を持つ 組織としては「試せる」環境整備が大事 Claude / ChatGPT / Gemini の三刀流を推奨 表面的なツールではなくLLM の基盤部分を押さえておく
14. 🌑 闇の部分との向き合い方 泥臭い部分から目を背けない 目的は「AI を使うこと」ではなく「課題を解決すること」 だからこそ課題の整理・分析が重要 いわゆる、イシューからはじめよの考え方 例えば、paiza の開発部門のイシューの一例 リリースサイクルを短くし、小さく早く、ユーザに価値を提供 その妨げとなる要因が本質的なイシュー AI による効率化により新たなボトルネックが生まれないか？ 生まれたとして、そこをどう改善するかを検討する
15. AI 活用時のリリースサイクルの課題分析（汎用的な話はないので、端折ります） リリースサイクルを短く小さく早くし、ユーザに価値を提供したいという目的のもと、 AI による効率化が新たなボトルネックを生まないか？と考える 要件定義 調査 設計 実装 静的解析 型チェック ⾃動テスト ( ローカル) 静的解析 型チェック ⾃動テスト (CI) PR( コードレビュー) 動作確認 デプロイ(CD) ユーザー よくあるリリースまでの⼯程 AI でここがめちゃくちゃ短くなるとしましょう
16. AI 活用時のリリースサイクルの課題分析（汎用的な話はないので、端折ります） 要件定義 調査 設計 実装 静的解析 型チェック ⾃動テスト ( ローカル) 静的解析 型チェック ⾃動テスト (CI) PR( コードレビュー) 動作確認 デプロイ(CD) ＜Tier2 課題＞ ここの負担を下げる ⽅法を考える (AI ローカルでできることを増やす事含む) ＜Tier1 課題＞ この単位のコンテキストの 分離を考える (ex: ppg, paiza_connect) ＜Tier3 課題＞ ここを圧縮する ⽅法を考える ( 必要⼗分に抑える) ＜Tier3 課題＞ ここを圧縮する ⽅法を考える a
17. イシューに対して改善策を打ち立て遂行する ( 各社事情が異なり処方箋も違うので、詳しいHow は割愛しますが) 大事なのは「🌑課題を探し出し」 「課題を解決している」こと 課題解決にあたって、AI を使う部分もあれば、使わない部分もある 例えば、コードレビューを💡CodeRabbitCLI 経由でAI に任せてみよう AI にブラウザテストをさせるのに、💡Chrome DevTools MCP を使ってみよう etc…
18. 今日のまとめ AI は神ではない 💡魅せ球( 光) と🌑決め球( 闇) の両方に向き合 うことが大事 泥臭い部分だったとしても本質的なイシュー を攻めてこそ、AI は真価を発揮する📈 AI ファースト時代に向けて、 「魅せ球」も「決め球」も磨いていこうぜ！
19. END