Expert の記事一覧

今回のエキスパート定例では「AIと教育」をテーマに「AIが利用可能な中での教育手法」のアイディアをエキスパートの皆さんにざっくばらんに聞いてみました。「自分で考えずにAIに頼ってしまう」という課題感からアリストテレスの話まで、幅広い話に広がっていきました。 現状と課題 まず「AIと教育」について今出ている課題について聞いてみました。 AIを使って様々な分野に触れたり勉強をしたりということが容易に出来るようになりましたが、教える側に立ったとき教え方や受ける側の反応について変わったことはありますか。 議論の中で出てきた課題感や変化として次のようなことが挙がっていました。 受け手側からの質問が減り、現在の状況や課題が見えづらくなった競技形式のコンテストにおいて「超」高速化が進んだ。コンテストが成立しづらくなったチームワークが少なくなった「AIが言っていたから」という理由説明が出てくるようになった経験させるべき「失敗」を経験させる場がなくなっている これに対して「なぜそうなっているのか」を議論したところ下記のような意見が出ました。 そもそも「テキストフォーマット」で出題し回答を求める試験という構造が良くないのではないか（現在の生成AIにとって最適な形の出題・回答方法になっている）失敗したくないという気持ちに対して低コストで最適な回答を得られる状況がある人間よりAIにやらせる方が高速トレーニー側はゴールを出せれば良いという考えなのではないか自分で責任を負いたくないのではないか 生成AIによりすぐに最適な回答が得られるという課題にのみ視点を置いていた私にとって、試験やそもそもの問いの形にも課題があるのではないかという視点はとても新鮮でした。 また「責任」という観点でも「自分の夕食を決める」ような簡単な問題ではなく、回答が他者の評価に紐付く場合などで「AIが言ったから」という形での責任の移転をしたくなるのではないかというような意見も出ていました。 解決策・アプローチ ではこの課題に対してどのような解決があるのかについても議論を行いました。この議論は大変盛り上がりを見せ様々な意見が出ました。そのとき出た意見をまとめると下記の3つになりました。 1. リアルタイム性の導入 口頭試問のように、その場の受け答えで理解度を確認するのがよいのではないかという意見です。 あらかじめ文章や資料を作成せず、ホワイトボードを使ったプレゼンやその場での質疑応答など、AIで即時生成できない「リアルタイム性」を伴うアウトプット形式を取り入れるという手法です。 2. 説明責任の担保 なぜその設計・結論になったのかを論理的に説明してもらうのが有効ではないかという意見です。 当初の想定はどのようなものであったか。AIに与えた入力はどのような出力を意図して行ったものか。想定と出力はどのように異なったか。自身はその出力を持ってどのように判断をしたか。これらの自身の行動について論理的に振り返り、そこから自身の知識として昇華させていく手法です。 サイバーセキュリティの分野では「悪魔の代弁者」という考え方が頻繁に登場します。自身のアイディアや議論の状況などあらゆるものに対して意図して批判を行う人のことを指します。批判を行うためにはその物事について深く理解する必要があるため知識の習得にも役立つうえ、AIの出力に含まれる「ハルシネーション」を見つけ出すことにも役立ちます。 3. ルール設計 AIを禁止するのではなく、環境側を適応させるのも必要ではないかという意見です。 評価方法を新しい形にアップデートするアイディアとして、試験を「丸暗記では解けない論理的理解を問う内容」に変更したり、競技時間をAIを前提として短い時間に変更するなどの意見が出ました。 また人と人の関係性をより努めて作ることで「AIに聞くより人間に聞いた方が楽」と思ってもらえるようにすることも必要というアイディアも出ました。相手と雑談を頻繁に行う、講義中の雑談チャットを用意して活用する、どんな意見・発言も一回受け止める、など話しやすい環境を作り上げることについての意見が出ました。 この議論においては「従来の基盤をいかに拡張するか」という観点と「新しい基盤を作り上げる」という観点、そしていままでは暗黙的に行われていたことに改めて光を当てていく観点の3つが出たように思います。 また、かつてアラン・ケイがコンピュータを「知の増幅装置」と呼んだように、AIを思考拡張の道具として捉えて拡張するアイディアの源泉を人に置く・置けるように努力するということも議論の場では述べられていました。 まとめ：エキスパートがこの問題の解決策のひとつになるか 最後にこれらの議論の総括として「ミメーシス」という考え方が提示されました。これは古代ギリシャ語が語源である「模倣」を意味する西洋哲学の概念のひとつです。 教えるという観点ではなく「学びたい」という観点に立ったとき、そう思わせるものは「エキスパート」のような模倣したいと思える存在が重要ではないかという意見でした。 「AIと教育」をテーマに議論を始め、最後には古代ギリシャからつながる「学び」という本質とエキスパートという存在がつながる。エキスパートとして活動するにあたり、自身の活動を通してどのような姿を見せていくべきかのひとつの答えを見せられた、そんなエキスパート座談会でした。

ロリポップ！AIゲートウェイが対応した判定特化モデル「Jev」を使って、音楽ファイルのジャンルやムードを判定する CLI を作りました。librosa で測った特徴を Jev に渡す 2 段構成で、精度を上げていく過程で見えてきた「Jev は渡したデータをどう読んでいるのか」を、実験結果と合わせて紹介します。 はじめに GMOペパボの黒瀧です。ロリポップ！AIゲートウェイが TypeSafe AI の判定特化モデル Jev に対応しました（お知らせ）。 Jev は「生成」ではなく「判定」に特化したモデルで、選択肢から選ぶ・段階で評価する・Yes/No を判定する、といったことを 0.1〜0.5 秒程度で返してくれます。せっかくなので触ってみようと思い、音楽ファイルからジャンルやムードを判定する CLI を作ってみました。 作る過程で「Jev は渡したデータをどう読んでいるのか」が少し見えてきたので、その実験結果も合わせて紹介します。作ったものは GitHub で公開しています。 kurotaky/jev-music Jev の呼び出し方 ロリポップ！AIゲートウェイの API キーがあれば、すぐに使えます。ほかのモデルで使う /v1/chat/completions ではなく、Jev 専用の /v1/systemone を使います。 リクエストには、判定の材料となる state と、聞きたいことを並べた questions を渡します。 AI_GATEWAY_BASE_URL=https://ai-gateway.lolipop.jp curl -sS "$AI_GATEWAY_BASE_URL/v1/systemone" \ -H "Authorization: Bearer $AI_GATEWAY_API_KEY" \ -H "Content-Type: application/json" \ -d '{ "model": "typesafe/jev-latest", "state": { "inquiry": "先週注文したマグカップがまだ届きません。注文番号は12345です。急ぎで使いたいので早く対応してほしいです。" }, "questions": { "category": { "type": "choice", "instructions": "問い合わせの種類はどれか？", "criteria": { "shipping": "配送・到着に関する問い合わせ", "refund": "返品・返金に関する問い合わせ", "product": "商品仕様に関する質問" } }, "urgency": { "type": "score", "instructions": "問い合わせの緊急度は？", "criteria": ["低い", "やや低い", "普通", "やや高い", "高い"] }, "angry": { "type": "noul", "instructions": "問い合わせ者は怒っているか？" } } }' questions の type は 3 種類あります。 type用途criteria返ってくるものchoice選択肢から 1 つ選ぶ{キー: 説明文} のオブジェクトchoice・confidence・全選択肢の probabilitiesscore段階で評価する低い順に並べた配列確率で重み付けした score（連続値）・probabilitiesnoulYes/No を判定する不要0〜1 の noul 上のリクエストの結果は、category が shipping（確率 1.0）、urgency が 3.16（「やや高い」78%・「高い」19%）、angry が 0.49 でした。1 回のリクエストで複数の判定をまとめて聞けて、応答は 0.42 秒でした。 作ったもの: jev-music Jev の state はテキスト（JSON）なので、音声ファイルをそのまま渡すことはできません。そこで、次の 2 段構成にしました。 mp3/wav ──librosa──▶ 特徴量（BPM, キー, 音圧, 音色…）──テキスト化──▶ Jev ──▶ ジャンル・ムード 「測定」 「判定」 測定（テンポ・キー・音圧・音色など）は librosa に任せる。信号処理で正確な数値が出るものを、わざわざ AI に推測させる必要はありません判定（ジャンル・ムード・踊れるか など）は Jev に任せる。正解が 1 つに決まらず、確率で答えるのが自然なものです uv run jev-music song.mp3 🎵 guitar_obsession-80s-radio-tune-113798.mp3 [librosa] 測定 テンポ 117.5 BPM（ビート 239 個 / 拍の明確さ 0.576 / 2・4拍子系） キー F major（確からしさ 0.138） 長さ 120.0 秒 / 音圧 -16.3 dBFS / 抑揚 20.2 dB 音色 重心 2711 Hz / 低音比 0.444 / 高音比 0.0428 / ノイズ感 0.0342 リズム 打楽器比 0.221 / 毎秒 2.71 音 [Jev] 判定 ジャンル rock（rock 80% / pop 19% / house_techno 1%） ムード energetic（energetic 85% / happy 13% / calm 1%） 明るさ 2.62 / 4 激しさ 2.58 / 4 踊れる 65% 作業BGM 54% 電子音中心 58% ⏱ 解析 4.58s / Jev 0.49s librosa で測っているもの 特徴中身テンポlibrosa.beat.beat_track拍の明確さオンセット強度の自己相関のピーク（0〜1）拍子自己相関の 3 拍目と 4 拍目の強さを比べて 3 拍子系 / 2・4 拍子系を推定キークロマ特徴と Krumhansl のキープロファイルの相関音圧・抑揚RMS の平均と、上位 5% と下位 5% の差音色スペクトル重心、150Hz 未満・4kHz 超のエネルギー比、スペクトル平坦度打楽器比HPSS（調波音と打楽器音の分離）でのエネルギー比 Jev に渡しているもの 数値だけだと多いのか少ないのかが分かりにくいので、目安の言葉を添えて state にしています。 "state": { "audio_features": { "tempo": "117.5 BPM（中くらい。ビート検出は倍・半分に誤ることがある）", "pulse_clarity": "0.576（拍の感じやすさ。はっきりしている）", "key": "F major（長調、推定の確からしさ 0.138）", "loudness": "平均 -16.3 dBFS（音圧高い）", "bass": "150Hz未満のエネルギー比 0.444（ベース・キックなど低音が中くらい）", "treble": "4kHz超のエネルギー比 0.0428（シンバル・ハイハット・歪みなど高音成分が多い）", "noisiness": "スペクトル平坦度 0.0342（ノイズ・歪み・シンセ成分が多い）", "percussive_ratio": "打楽器成分の割合 0.221（打楽器成分中くらい）" } } questions には、ジャンル（17 種の choice）、ムード（7 種の choice）、明るさ・激しさ（score）、踊れるか・作業 BGM 向きか・電子音中心か（noul）の 7 つを並べています。 精度を上げる: 2/7 → 6/7 librosa には、ジャンルがはっきりしたサンプル曲（ブラームス、ドラムンベース、ワルツ、ラグタイムなど）が付属しています。この 7 曲を正解データにして、改善していきました。 最初の版は 2/7 正解。7 曲中 5 曲が house_techno（ハウス/テクノ）と判定されていました。 原因 1: どの曲でも「ビートが非常に一定」になっていた 最初はビート間隔のばらつきを「規則性」として渡していたのですが、これが全曲 0.93〜0.96 になっていました。ビート検出器は等間隔にビートを置こうとするので、ビート間隔からテンポの揺れを測っても差が出ないのです。 その結果、全曲に「非常に一定（機械的）」という言葉が付き、4 つ打ちのハウス/テクノに引っ張られていました。 オンセット強度の自己相関から「拍の明確さ」を取るように変えると、テンポを揺らして演奏するブラームスは 0.17、機械的なワルツは 0.9 と、ちゃんと差が出るようになりました。 原因 2: ジャンルの説明と特徴量の言葉がかみ合っていなかった 低音比・高音比・平坦度を追加しても 3/7 どまり。効いたのは criteria（ジャンルの説明文）の書き直し でした。 - "classical": "クラシック。オーケストラ・ピアノ、打楽器が少なくダイナミクスが大きい", + "classical": "クラシック。オーケストラ・ピアノ・弦楽・室内楽。ドラムもベースラインも無いので低音と打楽器成分が少ない、澄んだ楽音、録音の音圧は控えめで抑揚が大きい、3拍子のワルツも多い", - "jazz": "ジャズ。スウィング、即興、ビートの揺らぎ", + "jazz": "ジャズ。ウッドベースが鳴り続けるため低音が多い一方、ドラムはブラシやシンバル中心で打楽器成分は少ない。ピアノ・管楽器、スウィング", state で使っている言葉（低音・打楽器成分・音圧・抑揚）と同じ言葉でジャンルを説明するようにしたところ、6/7 正解 になりました。 曲改善前改善後brahms（クラシック）classical ✅classical 84% ✅choice（ドラムンベース）house_techno ❌drum_and_bass 95% ✅nutcracker（クラシック）lofi ❌classical 82% ✅pistachio（ラグタイム）house_techno ❌classical 81% ✅sweetwaltz（ワルツ）house_techno ❌classical 99% ✅vibeace（ジャズ寄りラウンジ）lofi ✅jazz 60% ✅fishin（カントリーポップ）house_techno ❌pop 79% ❌ 残った fishin は歌もののカントリーポップで、特徴量の上ではポップスそのものです。バンジョーの音色は今の特徴量では見分けられないので、この 1 曲に合わせて調整するのはやめました。 実験: Jev は数値を読んでいるのか、言葉を見ているのか ここまでの経緯から、「Jev は state と criteria の言葉を照らし合わせているのでは？」という疑問が湧きました。jev-music は入力を完全に制御できるので、これを確かめる実験台にしてみました。 実験 1: 数値＋言葉 / 数値だけ / 言葉だけ 同じ 7 曲で、state の渡し方だけを変えました。 state の渡し方例正解数正解ジャンルへの確率（平均）数値＋言葉0.794（低音が非常に多い）6/774%数値だけ0.7946/757%言葉だけ低音が非常に多い6/772% 数値だけでも正解数は変わりません。 Jev は数値の大小もちゃんと判定に使えています。ただし確信度は下がり、それを押し上げているのは主に言葉のほうでした。 実験 2: 特徴を 1 つずつ動かす 基準曲（くるみ割り人形。低音比 0.087）の低音比だけを書き換えて、ジャンルの確率がどう動くかを見ました。 低音比数値だけ: classicaljazz数値＋言葉: classicaljazz0.172%2%84%·0.263%4%16%3%0.349%6%12%4%0.431%10%12%5%0.520%13%12%5%0.611%32%2%54% （数値＋言葉の 0.2〜0.5 は folk_acoustic が 1 位） 数値だけ: classical が 72 → 63 → 49 → 31% と、なめらかに下がっていく数値＋言葉: 言葉が「少ない → 中くらい」に切り替わる 0.2 で、84% → 16% に急落。0.2〜0.5 の間はほぼ横ばい 言葉があると、Jev は数値よりも言葉に従います。つまり、こちらが決めた言葉のしきい値が、そのまま判定の境界になります。 BPM でも面白い結果が出ました。 BPM数値だけ: classicaldrum_and_bass数値＋言葉: classicaldrum_and_bass13551%12%83%3%15066%10%88%1%16543%49%82%7%18026%67%83%8% 数値だけのときは、drum_and_bass の説明文に書いた「BPM 160-180 前後」の範囲に入ったところで逆転しました。state の数値と criteria に書いた数値の範囲を照らし合わせている ようです。一方、言葉を添えると 135 以上はすべて「速い」になるため、180 でもほとんど反応しませんでした。言葉が数値の情報を隠してしまったわけです。 state 設計の指針 やりたいこと渡し方判定をはっきりさせたい（確信度を上げたい）言葉を添える。ただし境界は自分で決めることになる境界付近の値をきめ細かく扱いたい数値だけを渡し、criteria 側にも数値の目安を書く特定の範囲で判定を切り替えたいcriteria に数値の範囲を明記する（例: BPM 160-180） 7 曲・基準曲 1 曲・各条件 1 回の小さな実験なので傾向として見てほしいのですが、「state と criteria を同じ言葉で書く」「言葉のしきい値は判定の境界になる」は、Jev を使うときに意識しておくとよさそうです。実験の詳細は docs/jev-probe.md にまとめています。 実際の曲でも試してみる サンプル以外の曲でも試してみました。ファイル名に「edm」「rock」などが入っていますが、Jev に渡しているのは librosa の特徴量だけで、ファイル名は渡していません。 EDM×ロック系のビート80s ラジオ風の曲ジャンルhiphop 25% / drum_and_bass 23% / rock 17% / edm 16% / house_techno 14%rock 81% / pop 18%genre の confidence0.190.79ムードdark 74%energetic 86%電子音中心75%58% 80s ラジオ風の曲は、「高音成分が多い」「ノイズ・歪み成分が多い」「音圧高い」という state が、rock の説明文とそのまま重なって rock 81% になりました。 EDM×ロックの曲は、1 位の hiphop でも 25% しかなく、電子系とロックに確率が割れました。電子音とロックが混ざった曲なので、この迷い方はむしろ正直です。こういう曲では 1 位だけでなく、確率の上位をまとめて「ジャンル候補」として見せるほうが、Jev の出力に合っていると感じました。 速度とコスト 応答時間: 7 つの質問をまとめて聞いても、毎回 0.4〜0.5 秒トークン: 1 回あたり入力約 2,270 トークン。その大半は 17 ジャンルの説明文で、state は 1 割程度料金: 入力 $0.042 / 100 万トークン、出力は無料。1 回あたり約 $0.0001（2026年9月18日〜24日は無料キャンペーン） 同じ入力で 2 回呼び出しても、確率の差は 1〜2% でした。判定が安定していて、速く、安いので、大量のデータを捌く処理や、LLM を呼ぶ前の振り分けに向いていそうです。 まとめ Jev は音声を直接は受け取れないので、「測定」は librosa、「判定」は Jev と役割を分けるとうまくはまった精度に一番効いたのは、特徴量を増やすことより、criteria を state と同じ言葉で書くこと だったJev は数値も読んでいるが、言葉を添えると言葉に従う。言葉のしきい値がそのまま判定の境界になる 今後は、4 ビート・8 ビート・16 ビートといったリズムの刻みやテンポの揺れの判定、mp3 のタグ（曲名・アーティスト）をヒントとして渡す機能を試してみたいと思っています。 参考 kurotaky/jev-music（今回作った CLI と実験スクリプト）JevにLLMモデルの使い分けを任せる仕組みをロリポップ！AIゲートウェイで作ってみた（Jev の別の使い方の例）判定特化型AIモデル Jev が登場！（ロリポップ！AIゲートウェイのお知らせ）

学会での発表や論文の執筆にとどまらず、研究の成果を社会実装へとつなげようとしている真次彰平さん。事業や発信、採用にも関わっていくその姿勢は、GMO AI&ロボティクス商事（GMO AIR）の技術的な土台を支えるだけでなく、技術者の新しいキャリアモデルとしても映っています。後編では、上長でもある堀内敏明さんから見た真次さんの変化と、GMO AI&ロボティクス商事（GMO AIR）やグループ全体への影響、領域を越えた協働の展望について、お二人に伺いました。 前編はこちらから 「自ら研究する人」から「分野全体を前へ進める人」へ ———推薦した当初と今とで、真次さんの見え方が変わった瞬間はありますか。 堀内推薦当初から、真次さんがロボティクスやAIに精通した「優秀な研究者」であるという印象を持っていましたが、当時の真次さんはあくまで「自ら研究する人」でした。それがエキスパートとしての活動を通して、「分野やプロジェクト全体を前へ進める人」へと変わってきましたね。印象的だったのは、人型ロボット（ヒューマノイド）の強化学習について最新の研究動向を自ら調査し、技術の全体像を整理して発信したことです。単なる論文紹介にとどまらず、その技術がどのように進化してきたのか、そして今後どこへ向かうのかというところまで、自　分自身の視点から整理していました。とくに人工知能学会（JSAI）においては、真次さん自身の発表だけでなく、スポンサー就任やグループ研究者の登壇支援といった運営面での協力もしてくれましたね。自分の研究を深めることは研究者として当然の姿勢だと思いますが、真次さんはそこから一歩踏み出して、周囲が挑戦しやすい環境をつくる方向にも力を使ってくれているんです。真次さんの専門性を自分自身の成果だけで完結させず、仲間や組織の成果へと広げようとする姿に、大きな成長を感じました。 ———真次さんの存在は、GMO AIRやグループ全体にどのような影響を与えているでしょうか。 堀内一言でいうと、「技術的な信頼性を支える重要な存在」だと思っています。人型ロボット（ヒューマノイド）を仕入れて提供するだけなら、他の企業でもできるでしょう。しかしGMO AIRが目指しているのは、そうしたヒューマノイドをお客さまの現場で「本当に働ける」状態にすることなんです。そのためには、強化学習や制御・シミュレーション・実機検証といった技術を深く理解したうえで、それぞれの現場に合わせて調整できる力が不可欠になります。真次さんの研究や実装の経験は、GMO AIRが単なるロボット販売会社ではなく、高い技術力を持つAI・ロボティクス企業へと育っていくための大きな土台になっていますね。真次さんの存在はGMO AIRだけにとどまりません。研究者は研究のみならず、事業や情報発信、採用や業界への貢献まで幅広い領域で活躍できるという、新しい技術者のキャリアモデルを自ら示してくれています。これは採用の観点でも大きな意味を持つんです。「研究職としてこのグループに入ったら何ができるのか？」という問いに対する、具体的な答えを体現していますからね。 ———エキスパートには業界の発展や人材の獲得、新たなキャリアパスの提示といった幅広い役割があります。活動をこうした成果に結びつけるために意識している点はありますか。 真次堀内さんがおっしゃったことに重なりますが、「活動を個人の実績で終わらせない」ことですね。組織の見え方や、人が集まりやすい接点につながるかどうかを意識しています。たとえば学会と接点を持つことは採用や共同研究の入口にもなると同時に、GMOインターネットグループで「研究職として勝負できる」というキャリアの実例を示すことにもつながるはずです。研究が継続し、それを社会実装と絡めて発信していく流れを実現させたいと考えています。 ———「遠くへ行きたければみんなで行け」という言葉がありますが、周囲を巻き込んでいくうえで意識されていることをお聞かせください。 真次組織として多くの方に成果を目にしていただき、ブランドイメージを高めるためには何が必要なのか。そして、そのために自分は何ができるのか。この2点を先に考えるようにしています。結果として遠くへ行くために必要なのは、社内外でのコミュニケーションの場や技術を通じた接点をつくり、仲間が関わりやすい状態にしておくことだと思っています。そのために自分が前に出ることが良い手段なのであれば、積極的に出ていきたいなと。 現実世界のセキュリティを担保する「領域を越えた協働」へ ———人型ロボット（ヒューマノイド）が現場で働くようになると、セキュリティの重要性も高まりそうです。ロボティクスのセキュリティは、どのように担保していくのでしょうか。 真次大枠の認識として持っているのは、人型ロボット（ヒューマノイド）がサイバー攻撃を受けた場合、情報の問題にとどまらず、物理的な被害にまでつながり得るということです。前編でもお話ししたように、ヒューマノイドは人や環境に対して物理的に作用する存在なので、守るべき対象の範囲はサイバー空間のみならず現実世界にも広がります。だからこそ、開発の後工程でセキュリティを足すのではなく、企画や設計の段階からセキュリティ領域の知見と接続しておくことが重要なんですよ。幸い、GMOインターネットグループにはセキュリティの知見を持つ技術者やエキスパートとして活動されている方が数多くいます。ロボティクス側の実機や学習の文脈と、守りの知見を接続するような協働には、ぜひ取り組んでいきたいですね。 ———他領域との協働という点で、堀内さんから真次さんへの期待や要望を伺いたく思います。 堀内ロボティクス分野を越えて、グループ内のさまざまなエキスパートをつなぐ役割を果たしてほしいと思っています。人型ロボット（ヒューマノイド）が社会で働くようになれば、AIの性能だけでは足りません。通信やクラウド、GPU、認証や個人情報保護も含めたセキュリティ……さらには決済や保険など、実に多くの技術や制度が関係してきます。とくにヒューマノイドは、真次さんが言うようにサイバー攻撃を受けた際に情報の漏えいだけでなく、物理的な被害につながる可能性もあります。企画や設計の段階からセキュリティのエキスパートと協働してプロダクトを作っていくことは、こうした被害を未然に防ぐ面でも重要になるわけです。ロボティクスを中心にグループの技術や人財を結びつけて、「安全で、実際の現場で役立つヒューマノイド」を実現するためのハブになってほしいと考えていますね。 内側で研究を回し続ける、その先の理想像 ———今後、エキスパートとしてどのようなことに取り組まれるのでしょうか。理想像とあわせてお聞かせください。 真次展望としては2点あります。1つは、学会や外部との接点を絶やさず、「研究するGMO」の露出を太くしていくことです。そしてもう1つが、内側で研究を回し続け、発信し続けられる体制とエコシステムをつくることですね。グループ内の他領域との協働に加えて、インターンシップや共同研究も進めながら、多くの方と一緒に「研究するGMO」を実現していきたいなと。理想としているのは、事業だけでなく研究や先端技術にも本気で向き合う組織として、アカデミアや同業の方々から自然に想起される状態です。外へ出ていく活動と、内側で研究を続けられる仕組みの両方がそろってはじめて、研究ブランドは定着していくのだと思います。 ———エキスパート制度の認知拡大にあたっては、何が必要になるのでしょうか。 堀内認知を広げるためには、制度の名前を周知するだけでは足りません。必要なのは、「エキスパートが何を実現し、会社や業界にどのような変化をもたらしたのか」を、具体的なストーリーとして届けることだと思いますね。真次さんの人型ロボット（ヒューマノイド）研究のように、研究成果が展示会への出展や事業、採用や社外への発信へつながった事例を示していくことで、多くの方にエキスパートの役割を具体的に理解していただけるはずです。また会社や専門領域を越えた共同プロジェクトや、若手技術者を指導する機会などの場を増やしていくことも欠かせません。エキスパートになることそれ自体はゴールではありませんから、自らの専門性を生かして「会社や社会をどう変えるのか」が見える制度にしていく必要があると考えています。 真次それぞれのエキスパートが何を実現し、それが会社にとって、あるいは本人にとってどのような魅力を生んでいるのかを可視化することが大事なのかなと。自分にできる貢献としては、研究サイドのエキスパートとして、GMOインターネットグループの出した研究成果を大学院生や研究者の方の目に留めていただける場を増やしていくことだと思っています。 ———最後に、この記事をご覧になっている方へメッセージをお願いします。 真次私自身もまだまだ学び続けている立場です。そのうえでお伝えしたいのは、GMOインターネットグループでは事業の強みに加えて、研究にも向き合える環境づくりが進んでいるということですね。もし興味を持っていただけたなら、学会やオープンな場でぜひ気軽に声をかけてください！一緒に「研究もするGMO」を当たり前の景色にしていければうれしいです。 堀内エキスパートとは、すべてを知っている人ではありません。自分の専門分野を深く掘りながら学び続け、その知識を周囲へ伝え、仲間とともに新しい価値を生み出せる人に他なりません。AIやロボティクスの世界は、変化がとても速い領域です。だからこそ「まだ経験がない」「自分には難しい」と立ち止まるのではなく、まずは挑戦してみることが大切だと思います。GMOインターネットグループには、挑戦する人を支え、専門性を伸ばせる環境があります。ぜひ自分の得意なことを磨きながら、我々と一緒に誰も実現していない未来をつくっていきましょう！ まとめ 人型ロボット（ヒューマノイド）が社会で働く未来には、AIの性能だけでなく、通信やクラウド、セキュリティ、決済や保険といった数多くの技術と制度が関わってきます。企画や設計の段階から領域を越えて手を組むことが求められるからこそ、人と技術をつなぐことにも期待が寄せられているといえるでしょう。 そして真次さんがエキスパートとして重ねてきたのは、専門性を自分の成果で完結させない活動でした。研究動向を整理して発信し、他の研究者が登壇しやすい状況をつくる。その積み重ねが、1人の研究者を分野全体の推進役へと変えています。 堀内さんが真次さんに託した「ロボティクスを中心に、グループの技術と人財を結びつけるハブ」という役割の先に、「安全で、実際の現場で役立つ人型ロボット（ヒューマノイド）」が待っています。 関連記事はこちらから

AIの台頭以降、技術の進歩は飛躍的に加速しています。ドローンや自動運転など、創作物の中にしかなかったものが研究室へ、研究室から社会実装へと進んでいますが、なかでも人型ロボット（ヒューマノイド）の存在はとくに大きなものだと言えるでしょう。GMOインターネットグループでは、2024年6月にGMO AI&ロボティクス商事株式会社（GMO AIR）を立ち上げ、ロボティクス技術の社会実装に向けた実証実験などを進めています。その中核にあるのは、強化学習をはじめとするAIの研究です。そして人型ロボット（ヒューマノイド）の強化学習に取り組みながら、「研究するGMOインターネットグループ」の姿をアカデミアへ届けようとしているのが、GMO AI&ロボティクス商事（GMO AIR）で研究開発に携わり、GMOインターネットグループのエキスパートとしても活動する真次彰平さんです。GMOインターネットグループでは、業界全体の発展に寄与しつつグループ全体の技術力・クリエイティブ力を牽引し、技術広報活動に貢献するパートナー（社員）を支援する「エキスパート制度」を運用しています。エキスパートには活動費として最大で年間100万円が支給され、その資金をイベント登壇や研究用デバイスの購入などにあてることで、個人の技術研鑽とともにグループブランドの向上に寄与する広報活動を行っています。本記事では真次さんに加え、真次さんを推薦したグループ専務執行役員でグループ研究開発本部長の堀内敏明さんに、エキスパート就任の経緯やこれまでの活動、そして発信において大切にしていることを伺いました。 アカデミアで存在感を示す「研究するGMO」への進化 ———まずは、お二人のご経歴と現在のお仕事をお聞かせください。 真次筑波大学大学院で情報科学分野の博士号を取得したのち、2024年に新卒でGMOインターネットグループへ入社しました。今年で3年目ですが、最初の約1年半はデータサイエンティストとして業務に従事していました。その後、GMO AI&ロボティクス商事（GMO AIR）の業務にアサインされたという流れです。現在は共同研究推進グループのアドバンストリサーチサイエンティストとして、人型ロボット（ヒューマノイド）の強化学習をはじめとしたAIとロボティクスの研究開発を担当しています。研究そのものに加えて、その成果を社内外にしっかり届けるべく、学会との連携や発信にも関わっています。 堀内私は2002年にGMOメディアアンドソリューションズ（現GMOメディア）へ入社し、システム部門の責任者を務めてきました。2008年にGMOインターネットグループへ移った際に「次世代システム研究室」を設立し、室長に就任しました。現在はグループ専務執行役員として、GMOインターネットグループ全体の技術者採用や技術広報に携わりながら、グループ研究開発本部にて本部長を務めています。あわせて、AIやロボティクスに関わるグループ会社5社の役員も兼任している状況です。グループ研究開発本部では、AIや金融、セキュリティ、人型ロボット（ヒューマノイド）など幅広い領域の研究開発に取り組んでいます。私が担当しているのはAIやロボティクスといった新しい事業を立ち上げる際の技術支援や、研究成果を事業や社会へつなげていくための組織づくりですね。GMOインターネットグループの技術力を社内外へ発信していくことも、私の重要な役割の1つです。 ———真次さんがエキスパートに立候補された理由と、堀内さんが真次さんをエキスパートに推薦された理由をお聞かせください。 真次一番の動機は、アカデミアにおけるGMOインターネットグループのブランドイメージを高めたいという思いですね。私自身、アカデミアにいた頃はさまざまな企業が学会へ出展されている様子を目にしてきました。そうした光景を知っているからこそ、GMOインターネットグループで展開する事業やサービスのイメージと比較すると、「研究にも本気で取り組んでいる」という見え方にはまだ伸びしろがあると感じていたんです。研究活動を単に専門性を深めるための取り組みで終わらせるのではなく、そこで生まれた価値が外部にきちんと届く状態をつくりたいと考えたので、エキスパートに立候補しました。 堀内真次さんはロボティクスやAIに関する高い専門性だけでなく、その技術を実際の人型ロボット（ヒューマノイド）で動かし、社会に伝わる形にできる力を持っています。私が真次さんを推薦した一番の理由はそこなんです。専門性が非常に高い研究者はグループ内にも多くいるのですが、その価値を事業や社会へ伝えることが苦手な方もいます。真次さんはエキスパートたりうる技術力はもちろんのこと、最新の研究を追い続けながら、人型ロボット（ヒューマノイド）の強化学習やSim-to-Realといった難しい技術を、技術者以外の方にも分かりやすい言葉で説明する言語化能力にも優れているんです。「研究する」「実際に動かす」「分かりやすく発信する」という三つの力を兼ね備えている真次さんは、まさにエキスパートに適任でしたね。 「研究にも本気」を実績で示し、続く仕組みをつくる ———真次さんはエキスパートとして、これまでどのような活動をされてきたのでしょうか。 真次活動の大きな軸は「研究活動を通じて、それを組織の良いブランドイメージにつなげていくこと」にあります。直近では人工知能学会（JSAI）や日本ロボット学会への投稿、そして各会におけるトップスポンサーとしての連携を行っています。研究が事業や社会に伝わる形になるように、自分にできる役割を担うことを意識していますね。とくにJSAIではトップスポンサーとして協賛するだけではなく、「GMOインターネットグループとして、研究活動そのものに取り組んでいることを示したい」という私個人の思いもありました。なのでその思いを結実させるべく、これまでの技術的な取り組みを論文としてまとめ、登壇もしています。一方で論文執筆や学会発表を得意としないメンバーもいますので、そうした方々が挑戦しやすい形をつくることも同時に意識していました。目立つことよりも、中身のある取り組みを見せることを大切にしていきたいんです。 ———外向きの発信と、内側の体制づくりの両輪で動かれているということですね。 真次まさにそうですね。外への発信やスポンサードは、GMOインターネットグループの技術力を世間に示す良い機会です。ただし、GMOインターネットグループのなかでしっかり研究活動を進めつつ、発信する中身もそれに続いていかなければ、一過性のもので終わってしまうだろうという危機感も抱いています。研究ブランドを定着させるためにも、研究に注力できる体制づくりが必要だという思いで動いていますね。 ———堀内さんは、真次さんのこうした活動をどう評価されていますか。 堀内非常に高く評価しています。自身の研究だけを深めるのではなく、研究成果をGMO AIRの事業やロボティクス技術の社会実装につなげようという、広い視野を持って活動してもらっているなと。たとえば国際ロボット展(iREX)におけるダンス展示や、最新の強化学習技術に関する記事もそうです。そうした発信を通じて、GMOインターネットグループがロボティクス分野に本気で取り組んでいることを社内外に示してくれていると感じました。エキスパートには、専門分野で成果を出すだけでなく「その成果を周囲へ広げ、次の挑戦者を生み出す」という役割もあります。その点においても、期待以上の活動をしてくれていますね。 ロボティクスの専門的な「面白さ」をさまざまな人に届ける ———エキスパートには高い専門性に加え、発信力とコミュニケーション能力が求められます。発揮するために意識されていることはありますか。 真次物事を伝える前に、「相手は何を知りたいのか？」を整理することを意識しています。どれだけ複雑な内容であっても、相手に合わせて分かりやすく、かつ筋道を立てて話すことが出発点になりますね。そのうえで盛り込むようにしているのが、他の選択肢や従来の手法と比較したときに「その技術がどう良いのか」「どこが凄いのか」という部分です。伝える相手も技術者であれば、さらにその過程やアイデアにある面白さまでアピールすると、興味を持っていただきやすいですね。ただ、この面白さというのは難しさの裏返しであることが多いんです。ですので、相手がその面白さを理解するための前提を共有しきれているか、そこから説明してついてきてもらえそうか……といったことを、相手の反応を探りながら話すようにしています。とはいえ、分かりやすさを重視するあまり内容を削りすぎると、今お話ししたような「どこが凄いのか」という部分まで削れてしまいます。相手の反応からどこまで話すのがよいかを探っていく過程、言うならば「わかりやすさと正確さのバランス」が、自分の中でこだわっている部分になりますね。 ———エキスパート活動の原動力は何でしょうか。「やっていてよかった」と感じた瞬間もお聞かせください。 真次原動力は、「研究するGMO」がアカデミアの場でちゃんと見えるようにしたい、という点に尽きますね。JSAIのブースや懇親会で研究者の方から直接声をかけていただいたときには、やってきてよかったという手ごたえを感じました。「研究にも力を入れているんですね」といった言葉をいただけると、我々の活動がしっかり届いている感覚があります。そうした反応があるからこそ、次も続けようと思えるんです。 ———真次さんが取り組まれているロボティクス分野におけるAIは、他の分野と比べて異なるところがあるのでしょうか。 真次大きく異なる点としては、いわゆるSim-to-Real（作ったものが実機で動くまでのギャップ）かなと。シミュレーション上ではうまくいっていても、センサノイズや接触・遅延、環境のばらつきなどさまざまな要因によって、実機ではまったく別物になることが多いんですよ。シミュレータ上の性能だけでは、現実世界で動かすには足りない……というのが実感ですね。そして人型ロボット（ヒューマノイド）は、人や環境に対して物理的に作用します。だからこそ、単に性能だけを見るのではなく、信頼性や安全性まで含めて見ていく必要があるんです。そこも他の分野と大きく異なる部分ですね。 まとめ 学会への投稿とトップスポンサーとしての連携、そして自らの登壇。真次さんがエキスパートとして積み重ねてきたのは、「研究にも本気で取り組んでいる」という事実を実績で示す活動でした。その根底にあるのは、アカデミアの場でGMOインターネットグループの姿がきちんと見える状態をつくりたい、という一貫した思いです。 後編では、真次さん自身の変化と組織へのインパクト、そしてセキュリティをはじめとする領域を越えた協働の展望について伺います。 後編はこちらから

GMOインターネットグループのエキスパートが、毎回ひとつのテーマについて語り合う「エキスパート座談会」。今回のテーマは「『AIエージェント』何を作って、どう活用してる？」です。開発、セキュリティ、FinTech、デザイン、映像制作と、領域の違うメンバーが実際に作って使っているエージェントを持ち寄りました。 はじめに こんにちは。GMOインターネットグループ エキスパートの加藤優真です。 GMOインターネットグループでは、専門分野の第一人者を「エキスパート」として認定し、技術広報活動を支援しています。エキスパートは月に一度「エキスパート定例」に集まり、今年度からはメンバーが持ち回りでテーマを決めて進行しています。今回は私の担当回で、2026年6月12日に開催しました。 テーマを「AIエージェント」にしたのには理由があります。グループでは2025年11月に「AIエージェント活用・一騎当千プロジェクト」を始めました。一人あたりが活用するAIエージェントの数を「APP（Agents Per Person）」という指標で追っています。とはいえ、一口にAIエージェントといっても、何を作りどう使うかは領域によってさまざまです。エキスパートのみんなは実際に何を作り、どう使っているのか。今回はそこを率直に聞いてみることにしました。 参加メンバー 氏名所属領域石丸 智輝GMOインターネットWebアプリケーション開発黒瀧 悠太GMOペパボ次世代IoTシステム武田 大佑GMOペパボAI for DevOps山林 茜GMOペパボデザイン組織マネジメント三村 聡志GMOサイバーセキュリティ byイエラエローレイヤセキュリティ中谷 仁貴GMOペイメントゲートウェイFinTech相原 知栄子GMOプライム・ストラテジーWebセキュリティ × WordPress（OSS）加藤 優真GMOインターネット映像制作 作って、試して、育てていく 最初に話題になったのは、グループの目標でいう「エージェント」とは何を指すのか、という点でした。グループには、AIの知見を共有する社内ナレッジ共有サイト「GMO Genius」があり、作ったエージェントを登録してフィードバックを受けながら改善していけます。 相原GMO Geniusには10体以上を登録しています。実は、エージェントを作ること自体をエージェントに相談しているんです。登録してフィードバックをもらって、作り直してより良くしていく。そのサイクルを回しながら育てています。業務では、マーケティングの自動化に取り組んでいます。既存の動画やコラムから新しい動画を自動で生成したり、お知らせを月に一度コラムにまとめたり、クラウドから毎日情報を集めて精査したりしています。ちょうど新しいモデルのClaude Fableも試しているところで、めちゃめちゃ賢いですね。 導入の段階は会社ごとに違います。ゼロからエージェントを作り始めるのは簡単ではないので、メンバー同士で情報を共有し、教え合いながら進めることが大切だ。そんな実感がこの場で共有されました。 黒瀧開発ではClaude CodeやCodexを使っていますが、個人でも自律型のエージェントを動かして、チャットで会話しながら試しています。仕事というより、普通に遊びで使っているぐらいですね。 コマンドを打つだけで、チケットからレビューまで進む 開発の現場から事例を紹介してくれたのは石丸さんです。 石丸一つめは「日報作成エージェント」です。GitHubのPR履歴、Googleカレンダーの予定、クローリングしたAIニュースをまとめて、Slackに日報を自動で投稿します。二つめは、チームのAI活用状況の可視化です。Claude Codeのコミット署名、Devinのセッション数、GitHub Copilotのリクエスト数などを集めて、活用の度合いを見えるようにしています。まだ使いこなせていない人を見つけて支援するのに役立てています。三つめは、開発フローそのものの自動化です。チケット番号を渡して /develop を実行するだけで、次の工程が順に進みます。 MCP経由でチケットを取得する作業ブランチを作るフロントエンドとバックエンドのサブエージェントが実装するローカルでテストしてpushするAIレビューの指摘を受けて自動で修正する 石丸エンジニアの仕事は、フローを作ることと、最終判断と、ちゃんと設計することになってきています。 武田いま注力しているのは、AIが業務時間外に自律的に動いたときに、マージできるPRをどこまで作れるかです。人が何も言わなくても正しく動くように、やってはいけないことは指示ではなく仕組みのほうで禁止する。そういうガードレールの作り方を考えています。 自律させてはいけない領域もある 中谷社内の申請書類をレビューするエージェントを作りました。経営層が重視するレビューの観点を学ばせていて、書類を渡すと、コストメリットや投資回収計画の弱いところを事前に指摘してくれます。金融の業務には、AIに自律的に任せるべきではない領域があります。なので、AIに任せる範囲は慎重に設計しています。AIの行動をシステム側で制御するハーネスエンジニアリングは、そこの知見がたまったら、すごく価値のある情報になると思います。 セキュリティの三村さんの事情もまた違います。 三村顧客の著作物や機密情報を扱うので、AIに入力できる情報には明確な線引きがあります。顧客の本番診断には使いませんが、OSSや公開情報を対象にした脆弱性の調査や基礎研究では積極的に使っています。 当日は、意図的にバグを埋め込んだプログラムに対し、脅威モデルの作成から脆弱性の検出までを自動で行い、レポートにまとめる仕組みを画面共有で見せてくれました。 生データを置くだけで、インサイトがたまっていく 山林手元では12体のエージェントが動いています。数はClaudeに聞いて数えました（笑）。Notionのタスクを見て、1日に2〜3回、AIが先回りして作業を進めてくれるものもあります。なかでも力を入れているのが、インサイトを管理する基盤です。営業の商談、ユーザーインタビュー、CSへの問い合わせなどの生データを置くだけで、AIがファクトを抽出してリサーチ用のデータベースに蓄積します。人によってファクトの粒度がばらつき、情報が独り歩きしてしまう。その課題への答えとして作りました。Slackの要望チャンネルも定期的に拾ってデータベースに入れています。EC事業部で先行して運用して、ほかの事業部へ広げていく予定です。目指しているのは、マーケティングやプロダクトなど各チームの文脈に合ったインサイトを、AIのほうから届けてくれる状態です。AIとつながるツールを少しずつ増やしている段階で、「寝ている間に勝手に作ってくれる」ところが次の目標です。 クリエイティブの最後の壁は「文字」 山林制作の領域でも変化が出ています。デザイナーがUIやコードを書けるようになりましたし、月次のキャンペーン更新は、ディレクターの依頼を受けてPRの作成からデプロイまで自動で進むケースが増えてきました。一方で、ゼロから何かを生成する部分はまだ発展途上ですね。 加藤私はSNS動画広告の量産に取り組んでいます。SNS広告では、多くのクリエイティブを継続して出し続けることが求められます。そこで制作の手順をスキルとして固め、MCP経由で画像生成と動画生成につなぎました。以前は1本に2〜3週間かかっていましたが、大枠まではAIで作れるようになっています。ただ、最後のテロップ入れ、音楽合わせ、編集は人がやるしかなく、いまは人がボトルネックです。生成AIは画面に文字を焼き込んでしまうので、文字を1か所直すだけでも最初から生成し直しになります。既存の編集ツールとAIのワークフローをどうつなぐか。そこが最後の課題だと感じています。 黒瀧AIによる確率的な画像生成と、ベクターデータなどを使った確実な文字処理を、最初から分けて扱えばいいんじゃないでしょうか。 武田実際にそうしている新入社員がいます。文字と背景を分けて生成して、文字は決まった処理で載せることで、スライドを作れているんです。 ボトルネックがはっきりした分、次に何をすべきかの解像度は確実に上がっています。 まとめ 座談会で分かったのは、エージェントの最適な使い方は領域ごとに違うということです。開発の自律化を突き詰める人もいれば、金融やセキュリティのように「任せてはいけない領域」の線引きから考える人もいます。情報をためる仕組みに価値を見いだす人もいます。それぞれが自分の領域に合ったかたちを工夫していました。 AIが進化して出力の質が追いついても、全体を設計してAIの手綱を握る役割は残ります。デザイナーとそうでない人が作るものは、やはり違ったものになる。座談会の最後には、山林さんからそんな声も上がりました。何をAIに任せて、どこを人が握るのか。その判断こそが、これからのプロの仕事になっていくのだと思います。

こんにちは。GMOインターネットグループ エキスパートの羽賀です。GMOインターネットグループでは、専門分野における第一人者を「エキスパート」として認定し、情報発信やイベントの開催などの活動を支援しています。その活動の一つが、メンバーの取り組みを共有する「エキスパート定例」です。今回の定例は私が担当し、「社内・社外の技術コミュニティ」をテーマに開催しました。普段どこで学び、誰とつながり、どのような活動をしているのか。大きなカンファレンスや勉強会だけでなく、小さな集まりや日常の交流も含めて聞いてみました。当日は、自作のツールを使って、各メンバーの活動を1枚の画像にまとめて共有しました。後半は、AIで環境が変わる中で、企業がコミュニティに関わる目的についても話し合いました。 参加メンバー この記事では、次のメンバーの活動や発言を紹介します。 氏名所属今回共有した主な活動羽賀 流登GMOグローバルサイン・ホールディングス株式会社社内交流会、WebXR、メタバース相原 知栄子GMOプライム・ストラテジー株式会社WordPress、AlmaLinux山林 茜GMOペパボ株式会社クリエイターの交流、デザイン勉強会武田 大佑GMOペパボ株式会社社内LT、Go、設計、若手エンジニアの交流石丸 智輝GMOインターネット株式会社技術同人誌、アドベントカレンダー、LT黒瀧 悠太GMOペパボ株式会社Ruby、ものづくり、エンジニア育成 ※発言は録画の内容をもとに、読みやすく編集しています。 活動を1枚の画像にまとめて共有 まずは、各メンバーの活動を知るところから始めました。社内と社外の活動を見比べられるように、生成AIを使ってツールを作りました。活動名や説明、画像を配置して、1枚のPNGで保存できます。 ツールの公開先はGMOペパボのホスティングサービス「ロリポップ！デプロイナウ」です。参加者には、作成した画像をSlackのスレッドに投稿してもらいました。当日はその画像を見ながら、一人ずつ活動を紹介してもらいました。 活動紹介のサンプルツールはこちら 私も、社内の交流会や、社外で参加しているWebXR・メタバースの活動をまとめてみました。今回はその画像をサンプルとして紹介します。 羽賀が作成した活動紹介のサンプル GMOペパボの社内LTや勉強会 GMOペパボのメンバーは、社内で気軽に発表したり、技術の相談をしたりする場を紹介してくれました。 武田社内では「Pepabo Tech Friday」という、カジュアルにアウトプットするLT会があります。資料の準備に時間をかけすぎず、Notionに書いた内容を見せながら話すこともあります。社外で話した内容を共有したり、社外登壇の前にたたき台として話したりする場にもなっています。「GoGo Pepabo」では、Goのアップデートや社内サービスの話をしています。「設計ワイワイ」は、ランチを食べながら、最近学んだことや設計で悩んでいることを話す場です。 考え途中のことや困りごとも話せるそうです。発表を聞いて、後から直接質問しに行くきっかけにもなるという話が印象に残りました。 山林私は、各社のクリエイターが集まる「クリエイターシナジープロジェクト」に参加しています。グループを横断して、クリエイターの勉強会を企画する活動などにも関わっています。最近は「デザクロ（Design Crossing）」という、グループ会社合同のデザイナー勉強会も始めました。初回はペパボとGMOメディアで、デザインとAIをテーマにLTをして、その後にディスカッションしました。 社内の勉強会に加えて、グループ会社のデザイナーとも交流していることが分かりました。 社内の交流会や発信活動 私や石丸さんも、社内の交流会や発信活動を紹介しました。 羽賀社内では「GSHD Engineer × Designer Meet Up」という交流会があります。エンジニアとデザイナーが集まって、LTなどをしています。 交流会の様子は、こちらの記事で紹介されています。GSHD Engineer x Designer Meet Up Ep.1 イベントレポート 石丸社内では、技術同人誌の制作やアドベントカレンダーの開催に関わっています。好きな技術を持ち寄って発表するLT大会も開催していました。 交流会で話したり、技術同人誌やブログを書いたりと、社内で取り組みを共有する方法もさまざまでした。 社外での活動と人とのつながり 社外では、技術を学ぶ立場だけでなく、運営を担うメンバーもいました。 相原WordPressのコミュニティでは、東京のミートアップの運営に関わっています。他の地域のコミュニティに参加することもありますし、国際イベントの運営にも関わっています。AlmaLinuxでは、日本のユーザー会の立ち上げメンバーの一人として、勉強会などの活動に参加しています。小さなコミュニティにも時間があれば入り、情報交換したり、登壇したりしています。 黒瀧Rubyのコミュニティに参加したり、社内のものづくりの活動で作品を海外で発表したりしてきました。そのときのつながりから、未踏への応募を勧めてもらい、また別のコミュニティに入っていくこともありました。日本CTO協会のエンジニア育成ワーキンググループでも活動しています。いろいろな活動が、人とのつながりを通じて結び付いています。 羽賀私も、社外ではWebXRのコミュニティで活動しています。エキスパートの活動で知り合った人が、別のコミュニティにも関わってくれることがあります。メタバースの中で開発しながら交流することもあります。大きなイベントだけでなく、そういう場所でもスキルや最近の動向に触れています。 参加するコミュニティはそれぞれ違いますが、知り合った人を通じて別の活動に参加することもあるそうです。 石丸さんは、コロナ禍をきっかけにイベントへ参加する機会が減ったそうです。他のメンバーの話を聞いて、リアルイベントにも参加したくなったと話していました。 コミュニティに関わる目的について 後半は、企業が技術コミュニティに関わる目的について話しました。採用のほかに、自社の技術を知ってもらうことも挙がりました。その技術に関心のある人とつながることも目的の一つです。AIで環境が変わる中で、何のために活動するのかを改めて考えました。 まとめ 今回の定例では、メンバーの社内・社外での活動を知ることができました。企業がコミュニティに関わる目的についても話し合いました。 ペパボのLTや設計の相談、会社を越えたデザインの勉強会、WordPressの運営、RubyやXRの活動。メンバーがどこで学び、誰と交流しているのかを聞けたのがよかったです。 活動を紹介し合うことが、次の交流や協力のきっかけにもなりそうだと感じました。

こんにちは。GMOインターネットグループ エキスパートの石丸です。GMOインターネットグループでは、特定の専門分野における第一人者を「エキスパート」として認定し、エキスパートによる情報発信やイベントの開催といった技術広報活動への支援を行っています。エキスパートはグループ内におけるコミュニティの活性化はもちろん、業界全体の発展に貢献する取り組みを行っており、活動費用として年間で最大100万円が支給されます。そんなエキスパートの活動の一つに、隔週で行われている「エキスパート定例」があります。これまでは、互いの活動報告や連携、所属会社での取組などを共有しあったりしてきたのですが、今年度から新たにメンバーが持ち回りでディスカッションのテーマ決め・ファシリテーションを行う形で実施をしています。今回は、わたくし石丸が担当として「実務における生成AI活用の現在地」をテーマに開催。生成AIを業務で使うこと自体は当たり前になりましたが、専門領域が違えば、現場で起きていることも違うはずです。領域の違うメンバーが集まる場なので、それぞれの実務でAIをどう使っているのかをヒアリングしました。今回集まったのは、Webアプリケーション開発、次世代IoTシステム、AI for DevOps、Web / 3D / XR、デザイン組織マネジメント、映像制作の6領域です。職種も担当プロダクトも、扱っている素材すら違う6人だったこともあり、さまざまな意見が集まりました。 参加メンバー 氏名所属領域石丸 智輝GMOインターネット株式会社Webアプリケーション開発黒瀧 悠太GMOペパボ株式会社次世代IoTシステム武田 大佑GMOペパボ株式会社AI for DevOps羽賀 流登GMOグローバルサイン・ホールディングス株式会社Web / 3D / XR（AR / VR）山林 茜GMOペパボ株式会社デザイン組織マネジメント加藤 優真GMOインターネット株式会社映像制作 全員がClaudeをメインツールとして活用 まずはじめに、実務で活用している生成AIツールについてヒアリングしました。 石丸私は開発でClaude Codeを使っています。単発で指示を出すというより、設計・開発・テスト・レビュー・レビュー指摘の修正までを自動で回すハーネスを組んでおいて、コマンドを1つ叩けばそれが走るようにしています。コードレビューはDevinとGitHub Copilotを併用していましたが、Devin Reviewが有料化されたタイミングでGitHub Copilotに寄せました。 黒瀧私もClaude Codeがメインで、CodexやCursorも一部使っています。開発・コーディングが中心ですが、それ以外にもClaudeをGoogleカレンダーやNotion、Slackとつなぐ仕組みを作っています。開発していると「これってどういう議論で決まったんだっけ？」という疑問が出てきますよね。そこでSlackやNotionを検索して答えてくれるようにしています。 武田実装はClaude CodeとCodexです。他の方と少し違うところを挙げるなら、テストコードを書くこともAIに任せています。あとは調べ方が変わりました。以前はまずインターネット検索をしていましたが、世の中のテックブログや「使ってみた」事例を探すときは、Claude Codeに投げて網羅的に集めてもらうようになりました。 羽賀Claudeがメインで、GitHub Copilotも使っています。私はゲームエンジンを使った業務が中心なので、少し毛色が違うかもしれません。MCPに対応しているエンジンを使っているので、Claudeから対話でエンジンそのものを操作できるようにしています。 山林私もClaudeがメインです。デザイナーですが、自分でコードを書く場面がかなり増えました。 加藤私はClaudeとGeminiの併用です。動画の処理や、AIに映像を「見せて」判断させる用途ではGeminiが優秀だと感じています。生成系はAdobe Firefly、音楽はSuno、ナレーションはElevenLabs、それからHiggsfieldというさまざまなモデルを横断して使えるプラットフォームを使っています。 専門分野はさまざまですが、全メンバーがClaudeをメインツールとして活用しているという結果となりました。 「コードを書くことは、ほとんどない」 次に聞いたのは、すでにAIに置き換わった、あるいは劇的に効率化した業務です。 石丸コードを書くことはほとんどないです。私はチームのマネージャーとして数年前は自分で実装するよりコードレビューの作業のほうが多かったのですが、今はそのコードレビューもAIに置き換わりました。レビューにかけていた時間が大幅に減ったおかげで、その分を開発に回せるようになりました。プルリクエストの数は、コーディングエージェントがなかった頃と比べて10倍以上です。 黒瀧私もレビューとコーディングは置き換わりました。今は自動マージの仕組みも作っています。すべてを無条件に自動化するのではなく、まずリスク評価をして、影響が大きくないものにラベルを付ける。そのラベルに応じてレビューもマージも自動で進むようにしています。 武田さきほど挙げたテストコードと調査に加えて、図を描く作業が変わりました。データモデリングや設計をするときに図を描く機会が多いのですが、ざっくり口で説明してAIにたたき台を作らせて、それを人間が見て直す。この往復で進めるようになったので、図を描くこと自体もAIに任せた形です。 コーディング以外の領域でも、置き換わりは進んでいた 羽賀ゲームエンジンの操作が変わりました。これまではUI上でパラメータを1つずつ変えていましたが、「このパラメータをいじったらどうなるんだっけ」というのが今までは怖かったんですよ。壊れるかもしれないし、戻すのも手間なので。それがMCP経由で操作できるようになったので、気軽に試せるようになりました。3Dモデルの生成も同じで、手でモデリングしていたものが大幅に速くなっています。 もう一つ、羽賀さんが挙げたのは「できなかったことができるようになった」という変化でした。 羽賀技術的にはできるのに、素材がないからできない、ということが結構あったんです。たとえば「この形の炎が出ているものを作りたい」というときに、手元に素材がなければアセットを購入していました。それが今は自分たちで画像を生成して、すぐ作れるようになりました。 加藤映像でも、任せる範囲が広がっています。SNS向けの短尺の縦型動画のように、1本ずつ作り込むよりも本数が求められるものは、AIを軸に作るようになりました。AIアバターやクローン音声は、もう任せられるクオリティです。構成や企画もAIと一緒に考えていて、HiggsfieldがMCPに対応しているので、Claudeで企画を壁打ちしてGOサインを出すだけで生成が走り、ファイルがローカルにダウンロードされるところまで通ります。アイデアは人間、実働部分はAIという分担ですね。これまで1週間かかっていたものが、生成の待ち時間プラスアルファくらいでできるようになりました。動画生成そのものには時間がかかりますが、その間は別の作業に回せるので、体感がまったく違います。 山林UIデザインでは、これまでFigmaでプロトタイプを作ってから実装していましたが、今はFigmaを使わずに直接コードでプロトタイプを作って検証・議論することが多くなりました。全体のフローを俯瞰したいときはFigmaやFigJamを使いますが、既存サービスの管理画面のようなものは直接コードで再現しています。これまでエンジニアに依頼していた簡易的な開発も、Claude Codeを使って自分で実装することが増えました。グラフィックデザインはまだ完全には置き換わっていませんが、ゼロから自分で考えることは最近なくなってきて、一度AIが生成したものをブラッシュアップする使い方をしています。 AIが動く仕組みを、人間が作る ここまでの話に共通しているのが、仕組みづくりです。ハーネスや自動マージのように、一連の工程がまとまって流れる形を作って、それを回している。組んでいる仕組みは、人によってさまざまでした。 羽賀ライブラリの調査やアップデート情報のキャッチアップもAIに置き換わりました。毎朝、自動でWeb検索を回してアップデート内容を調べ、個人のメディアに投稿するワークフローを組んでいます。これで取りこぼしがなくなりました。 山林マネジメントの側でも同じことをしています。担当しているチームがたくさんあって、それぞれに横断的にデザイナーが関わっているので、状況を追うのが大変なんです。各チームのSlackチャンネルで何が起きているかを効率よく把握するために、Claudeが毎日SlackのDMで送ってくれるようにしています。すでに型があるものはAIに任せやすいので、SkillsやClaude Designを使って、デザイナー以外も対応できるようにもしています。 加藤私もSkillを作って縦型動画を制作しています。動画以外にも、YouTubeチャンネルのレポーティングや機材管理のツールもAIで作って運用しています。 武田社内では、自律実行に取り組んでいます。人間がプロンプトを打ったり指示を出したりする部分も、AIが判断して自律的に動くようにしていきたいと考えています。 作っているものは違っても、進め方は同じでした。仕組みに落としやすいかどうかを左右するのが、型があるかどうかです。型が定まっていれば渡しやすく、まだ定まっていないところは人の手が残ります。 型ができると、誰がやるかも変わります。デザイナーが自分で実装し、デザイナー以外がデザインを作るようになる。そしてその型や仕組みを設計しているのは、AIではなく人間です。 人間にしかできない領域はどこか 最後に、生成AIを使うなかで「ここだけはまだ人間にしかできない」と感じる領域を聞きました。 まず挙がったのは、上流の判断でした。 石丸ハーネスの設計や改善です。もちろんAIも活用していますが、完全に任せることはできていません。アプリケーション開発の設計でもAIを使っていますが、大規模なシステムになるほど、人間が深く介在しないと意図しない方向に進んでしまうことがあります。 武田AIが動くベースとなる部分を作るところです。そのベースの評価軸・判断軸をどう置けばいいか、AIが不安定になる部分をどう扱うか。それを判断して実装に落とし込むのは、人間しかできないと思っています。 黒瀧意思決定です。作りたいものを作って検証してリリースすることは、たしかに早くなりました。ただ、開発が早すぎて、プロダクトをマネージする人のアイデアが枯渇してしまうんです。だから、その先を考えるようなAIを作りたいと思っています。競合を調査して案を出す、未来から逆算してプロダクトの要件を作る。そういう意思決定には、人間が必要だと感じています。 一方、クリエイターのメンバーからは、仕上がりの品質を挙げる声もありました。 加藤さきほど山林さんが話していたグラフィックデザインの件と近いのですが、クオリティが求められて、人間がしっかり見るものはまだAIに任せられないですね。大きなスクリーンで流れるようなものは、人間がメインで作っています。そういう場合は部分的にAIを使うイメージです。 判断の質と、仕上がりの品質。答えは違いますが、どちらも良し悪しを機械的に判定できない部分でした。 黒瀧さんの「アイデアが枯渇する」という話は、ボトルネックの位置が変わってきたということでもあります。先日公開された対談記事「AI TALK」ではプルリクエストが増えてリリースフローが詰まる話が出ていましたが、今はその位置が、「何を作るか」という一段上の段階にまで移ってきています。人間にしか任せられない場所が、そのまま一番の詰まりどころになりつつあります。 まとめ 今回の座談会で分かったのは、作業を1つずつ自動化するだけでなく、AIが動く仕組みそのものを作る段階に入っていることでした。ハーネス、自動マージ、自律実行、ワークフロー、Skills。6人とも呼び方は違いますが、自分の業務に合わせてAIが動く土台を組んでいます。 どこまでを型にして仕組みに落とせるかを見極めるには、その領域を深く知っている必要があります。専門性の使いどころが、手を動かすことから仕組みを設計することに移ってきているのだと思います。

AI活用の事例や取り組み、技術的な展望を深掘りする「AI TALK」。第4回のゲストはWebアプリケーションの開発エンジニアとしてのバックグラウンドを持ち、現在は新規サービスの立ち上げや開発組織へのAI導入を推進する、GMOインターネット株式会社 システム本部・連結情報システム部の石丸智輝さんです。GMOインターネットグループのエキスパートとしても活躍する石丸さんは、技術書典への出展やアドベントカレンダーなどさまざまな企画を通じて、GMOインターネットグループの技術広報と業界全体の発展に貢献する活動を行っています。今回はそんな石丸さんに、開発現場のAI活用とエキスパートとしての発信の両面を伺いました。進行はGMOペパボ株式会社・取締役CTOの栗林健太郎（以下、あんちぽ）が務めます。 フルスタック開発の現場から、AI活用の推進役へ あんちぽデベロッパーエキスパートには、グループを代表する技術力を内外にアピールしていくという重要な役割があります。その中でも石丸さんは、AI活用をいかに成果へ結びつけるかというところと、社内外へのアウトプットの両面で活動されている方です。まずは自己紹介をお願いします。 石丸GMOインターネット株式会社の石丸です。2016年に新卒でGMOアドマーケティングに入社し、入社以降は、Webアプリケーションエンジニアとして、自社の広告配信システムの開発や運用保守を担当してきました。現在は自社サービスの開発や新規事業の立ち上げにも携わっています。エキスパートとしてはWebアプリケーションを専門領域としつつ、エンジニアのコミュニティやグループ内の「横のつながり」づくりに注力してきました。具体的な取り組みとしては、技術同人誌の即売会である「技術書典」への出展や、GMOインターネットグループ横断で取り組むアドベントカレンダーの企画などを行っています。直近では「窓の杜」にて、非エンジニアの方がバイブコーディングでWebアプリケーションを作るという連載に、講師役として参加させていただきました。 あんちぽデベロッパーエキスパートはAIやIoTなどそれぞれ専門領域がありますが、石丸さんはWebアプリケーションという幅広い名乗りを挙げていますよね。中でも一番得意なものは何ですか？ 石丸専門領域としては、フロントからバックエンドまで広くカバーするフルスタックなWebアプリ開発ですね。その中でも特に意識してきたのが、アプリケーション層のパフォーマンスチューニングです。GMOアドマーケティング在籍時はRuby on Railsを活用して、インターネット広告のダッシュボードを開発していました。直近は新規サービスの立ち上げ・開発や開発組織へのAIコーディングエージェントの推進を担当していて、下半期は開発チームへのハーネス導入を目標に設定しました。 あんちぽ石丸さんのチームでは、メンバーの90%がAIを活用していて、週に数時間の開発時間短縮を実現したという話でしたよね。今はどのあたりまで来ていますか？ 石丸私が所属するチームはエンジニア約15名の規模なのですが、現在は全員がClaude Codeを活用できている状態です。定量的な成果としては、GitHubのメトリクスを定期的にBigQueryへ上げて、コミット数やプルリクエスト数を集計しています。Claude Codeのようなコーディングエージェントがなかった2024年当時と比較すると、1人当たりのプルリクエスト数は約13倍になりました。 あんちぽ13倍はすごいですね。 石丸ただ、この増加分に寄与しているのはほとんどが新規立ち上げのサービスなんですよ。そちらはレビューもAI活用が進んでいて、ハーネスによって設計・実装・テスト・プルリクエスト作成までの工程を、人があまり介在せずに進められる開発体制が整っています。現在はAIマーケティング支援領域の新規サービスに注力しているので、新規開発でのアウトプットが多くなっているという事情もあります。既存サービスについてもハーネスの導入検証を進めている段階なので、しっかり検証を行ったうえで広げていきたいですね。 AIO&LLMOのカギは「やるべきことをやる」 あんちぽ最近はどんなサービスを立ち上げているんですか？ 石丸従来のSEOに対して、生成AIの回答や検索に対応するAIO（AI Optimization）やLLMO領域のプロダクト開発にチームで取り組んでいます。たとえば先日リリースされた総合AIO対策ツール「GMO AI最適化ブースト」は、企業や商品が各種AIにどう参照されているかを可視化・分析するサービスです。お客様からの反響やご相談も非常に大きいですね。他にもさまざまな新規サービスを立ち上げていますが、これらを少人数のチームで1〜2ヶ月というスピード感でリリースできているのは、今までだと考えられなかったことです。このスピード感はまさにAIあればこそですね。 あんちぽ最近は検索エンジンからトラフィックを流してもらう時代から、AIの回答で完結してユーザーもあまりリンクを踏まなくなってきている時代へと移り変わっていますよね。エンジニアの観点から、AIOをどう考えていますか？たとえば「メディアの作り方はこう変わりますよね」とか、AIに最適化するならテクニカルにこれが効きますよ、とか。 石丸そうですね。私自身も自社の技術ブログを運営しているのですが、生成AIの登場以降、検索からの流入が分かりやすく減少しているのを肌で感じています。かつては技術的な疑問があれば検索エンジンで調べていたのが、今はコーディングエージェントと対話して解決することが当たり前になりました。ここはエンジニアの皆さんも実感されているところだと思います。最近は複数の生成AIサービスに同じプロンプトを投げ、どのようなページが引用されているかなどを継続的に観測しています。詳細はお伝え出来ませんが、たとえば「情報が正しく構造化されているか」「曖昧さを残さず、断定的な書き方になっているか」といった、AIに参照されやすいフォーマットの共通点も見えてきています。情報収集の主役がAIへシフトしているからこそ、参照されるためには本質的な質の高さが重要になるでしょうね。 あんちぽAIだから特別なテクニックがあるというよりは、正しい理解のもとに断定的に書いたりその店の良さを打ち出したりといった、「やるべきこと」をちゃんとやりましょうということですよね。 AI時代に非エンジニアがぶつかる「当たり前」の壁 あんちぽここまでは社内の話でしたが、社外向けの活動として「窓の杜」での連載がありますよね。非常に面白いなと思って読んでいましたが、どういう経緯でスタートしたんですか？ 石丸バイブコーディングで非エンジニアの方がアプリを作るというトレンドがある一方で、「セキュリティやAPIキー管理などの知識がないため、外部公開に踏み出せない」という課題を抱える方が多くいらっしゃいました。本当にAIにこの情報を与えていいのか？といった判断は、エンジニアリングの知識がないとできないんですよね。単発の「作ってみた」記事は多いのですが、現役のエンジニアが伴走して公開までを体系的・長期的に追う連載はなかったんです。 あんちぽプロのエンジニアの目線で、出来上がったものが適切なものになっているかを見る記事はあまりないですよね。進める中で気をつけたポイントや、面白かった点はありますか？ 石丸最新のAIモデルであっても、出力された指示をそのまま鵜呑みにするのはまだ危険だと改めて実感しました。記事でも触れていますが、AIがチャット画面などの「AIが読み取れる場所」に、「APIキーを直接貼り付けてください」と平気で指示してきた場面があったんです。この企画はZoomで作業画面を一緒に確認するハンズオン形式で伴走する形式だったため、その場で危険性を伝えて未然に防げましたが、知識がないまま1人で進めてしまうとセキュリティリスクになりかねません。エンジニアならNGだと即座に判断できる指示をAIが平気で出してくるからこそ、完全に任せきりにせず、セキュリティに関する最低限の知識を持つことが不可欠だと感じました。 あんちぽAIに「やってください」と言われれば、非エンジニアの方もまさかまずいことだとは思わないですよね。開発環境とステージングと本番の使い分けも、我々は当たり前だと思っているけれど、なかなか難しい。 石丸連載では開発環境と本番環境の違いや、「なぜステージング環境が必要なのか」という役割の違いも丁寧にお伝えしました。反響としては、第1回がSNSでもかなり取り上げられて、窓の杜の週間ランキングでも上位に入りました。その後もGoogleのおすすめに載っていたそうで、社内でもエレベーターで「窓の杜見ましたよ」と声をかけていただきましたね。 あんちぽエンジニアにとっての「当たり前」は体系的に学ぶのが難しいですが、それがこの記事では会話の中で「あるある」として次々に出てきて、「今それはダメですよ」とうまく導いてますよね。めちゃくちゃいい読み物だなと思って読んでいましたし、それこそ非エンジニアの方には「ロリポップ!デプロイナウ」で作ったアプリをデプロイしてほしいなと思いますね。 書籍だからこそ創出できる「人と人とのつながり」 あんちぽAI関連の活動をされている一方で、長く続けてきた軸として技術同人誌の制作がありますよね。これまでの取り組みを説明していただけますか？ 石丸もともとGMOアドマーケティングに在籍していた頃から、技術ブログの運用や執筆も担当してきました。何かを書いて外に発信することに興味関心があったのですが、その延長線で、GMOインターネットグループ全体の取り組みができるエキスパート制度に大きな魅力を感じたんです。全社横断の形で何か1つのアウトプットができないかという思いもあり、前任の方から引き継ぐ形で取りまとめを担当しました。そして3年ほど前から、テーマフリーのアンソロジー形式で1冊にまとめ、技術書典で無料配布しています。昨年からはゴールドスポンサーとしても出展していて、1日で約500冊が止まることなく手渡されていきましたね。グループ外の方にも、GMOの技術同人誌が文化として少しずつ定着してきている手応えがあります。 あんちぽ素晴らしいですね。執筆者はどうやって集めているんですか？ そもそも石丸さんが編集長のような立場なんでしょうか。 石丸これまでは一部のSlackチャンネルでの呼びかけや、人伝いを中心に声をかけています。私の立場としては編集長として、記事のレビューから印刷所への入稿、製本までを担当しています。執筆者が少ないときは自分も執筆しますね。現状はテーマフリーなので、頒布の際に「これは何の本なんですか？」と聞かれると明確に答えづらいところがあります。今後はグループのAI活用やセキュリティといった、テーマを決めた1冊にも挑戦してみたいですね。 https://youtu.be/Q5Frc0o6Tgk?si=v-XDUIzyxRmUeY9o あんちぽ本を作ることで見えてきたことや、石丸さんにとって良かったなということはありますか？ 石丸技術的な課題を調べるときにAIに聞くのが当たり前になってきているなか、「技術同人誌」という形でのアウトプットはいまだに熱があります。むしろより盛り上がっているんじゃないかと、イベントに出展して特に感じましたね。実際に書籍を手渡したときに「すごく面白いです」と言っていただいたり、Xで「この書籍買いました」と投稿していただいたり……。人と人とのつながりは、AIが台頭しても変わらないんです。イメージとしては、野菜の販売所で「私が作りました」と顔が見えるようなものですね（笑）。ブログだとどうしても中の人の顔が見えないまま消費されてしまうのですが、誰が書いているのかが分かって、その人から実際に手渡しされて、家の本棚に残っていきます。こういう体験に、同人誌ならではの価値があるのかなと思いました。 技術書典 出展レポートはこちらから 実例から得た知見を、GMOインターネットグループの内外へ あんちぽ一方で、今は技術記事こそAIで書きやすい部類の筆頭だと思うんですよね。書くこととAI活用のバランスについて、思いはありますか？ 石丸AIを使うこと自体はいいと思うのですが、「なぜ自分がこれを書くのか」という意志と、自分が書く価値を意識することが重要だと思っています。前回の書籍がちょうど今年4月で、AIコーディングエージェントが当たり前になっているタイミングでした。そこで集まったのは単なる「やってみた」にとどまらず、実体験に基づく課題解決や試行錯誤のプロセスなど、人間味がにじみ出る内容だったんです。情報の整理や要約はAIで可能だからこそ、文章に「その人ならではの視点や熱量」が乗っているかが本質だと思います。技術発表などのケースでも、AIに情報収集や資料作成を任せるのはいいのですが、内容を深く理解しないままプレゼンしてしまうと、どこか他人事のようなアウトプットになってしまいがちですよね。著者の思考や情熱が込められていて、自分の言葉で説明できる状態になって初めて、「その人がアウトプットする意味」が生まれるのだと思います。 あんちぽ「どういう思いでやっているのかが伝わるものを作る」という意識は、AIが発展してきているからこそますます大事になってくるんだろうと思いますね。最後に、今後の目標やビジョンを教えてください。 石丸グループの横のつながりとアウトプットという軸は継続したいですし、継続すること自体に価値があると思っています。技術書典も約3年で6回ほど出展していますが、執筆者が固定化してきているように、まだグループ内に文化として広がりきっていません。アドベントカレンダーも、企業によっては100記事ほど書いているところがあります。多くのエンジニア・クリエイターがいるグループなので、そうした「祭りの期間」はしっかり盛り上げていきたいですね。もう1つは、AIコーディングエージェントの活用は当たり前になったものの、ハーネスをしっかり業務に取り入れていきたいですね。エンタープライズにおける従量課金やトークンマネジメントも、今後大きなトピックになると思います。時代に応じたAI活用を社内で実例として作った上で、その成果や知見を社内へのナレッジ共有と社外への情報発信の両面で展開していきたいです。 あんちぽAI活用はもちろん、「GMOのクリエイターはこんなに面白いんだよ」というブランディングの面でも活躍してくださっている石丸さんですが、今後もどんどんアウトプットして、みんなで楽しく頑張っているんだよというのをぜひ社の内外に届けてください。石丸さん、本日はありがとうございました！ 石丸ありがとうございました。 まとめ エキスパート活動と並行し、AI活用を多層的に進めてきた石丸さん。プルリクエスト13倍という数字の裏側には、AI時代に即したサービスを提供する姿勢と、そうしたサービスの早期提供を実現するAI活用の実践がありました。 しかし、AIがコードや文書を書く時代においても人の書く文章には確かな意味があります。自らの知見を共有する技術同人誌も、AIが参照する熱量の入った口コミも、同じコンテキストを与えれば誰でも作れるものではありません。 AIが多くを代替するようになったからこそ、「人がアウトプットする意味が大きな価値として残る」という視点は、今後のクリエイターに不可欠なマインドなのではないでしょうか。

GMOインターネットグループのエキスパートをゲストに迎え、AI活用の事例や取り組み、技術的な展望を深掘りする対談企画「GMO AI TALK」。進行はGMOペパボ株式会社・取締役CTOの栗林健太郎（あんちぽ）が務めます。第3回のゲストは、GMOインターネットグループ株式会社でアドバンストリサーチサイエンティストを務める真次彰平さん。データサイエンティストとして新卒入社し、現在はグループ研究開発本部 AI研究開発室・共同研究推進グループにて、人型ロボット（ヒューマノイド）をはじめとするフィジカルAIの研究開発に携わっています。以前は研究者として活躍していた真次さんですが、現在はその経験と強みを活かしたエキスパートとして、GMOインターネットグループの中核を担うロボティクス分野の発展を担っています。エキスパートとしてさまざまなイベントへの登壇や参加・情報発信を行いながら業界全体にその影響力を発揮している真次さんに、ヒューマノイド学習の最前線や社会実装への道のり、研究組織づくりへの思いなどを伺いました。 データサイエンティストからリサーチャーへ あんちぽ今日は第3回目のゲストとして、GMOインターネットグループ株式会社でアドバンストリサーチサイエンティストとして活躍されている真次さんにお越しいただきました。まずは自己紹介をお願いします。 真次GMO AIRの真次彰平です。よろしくお願いします。私は2024年にGMOインターネットグループのデータサイエンティストとして新卒入社し、今年で3年目になります。2025年の7月からはGMO AI&ロボティクス商事株式会社(以下、GMO AIR）にエンジニアとして加わり、2026年の1月に現在の肩書へと変わりました。データを扱う立場から研究する立場へと、少しずつ移ってきた形ですね。現在はGMOインターネットグループ全体への新しい技術の導入や、その利用検証なども担当しています。学生時代はソーシャルネットワークのようなネットワーク解析を専門にしていました。いわゆる機械学習ではなく、グラフ理論の解析アルゴリズムを高速化する研究です。厳密な解を経験則から直観的に求めるアルゴリズムを設計するもので、どちらかというと離散数学寄りの領域でしたね。 あんちぽ今のフィジカルAIとは、また少し違った畑ですよね。入社してから、そのあたりのギャップはありませんでしたか？ 真次正直なところ、入社した当初は「もっと研究っぽいことをしたい」と思ってました。なので「GMOインターネットグループとしてもっと研究活動をしていくべき」という声を社内で上げ続けていましたね。こうした訴えの効果なのかはわかりませんが、研究組織の発足や「JSAI」のトップスポンサーといった動きが出てきたので、今ではやりたかったことができているという実感があります。モチベーションもずっと右肩上がりですね。 人間が秀でる「情報を落とす能力」 あんちぽGMO AIRでは、具体的にどんな領域に取り組んでいるんですか？ 真次今はフィジカルAIの領域、とくに人型ロボット（ヒューマノイド）に力を入れています。ヒューマノイドに動きを学習させる技術を考えるうえで現在注目されているキーワードとしては、「強化学習」「VLA」「世界モデル」などがあります。現在は強化学習やVLAを用いた研究開発が活発ですが、近年関心が高まっている世界モデルにも組織として注目しているところです。ただ、これらは互いに競合する方式というよりも役割の異なる技術であり、「組み合わせて使われる技術」という方が正しいですね。たとえば強化学習は歩行や走行に加え、スポーツの動作や物体の運搬など、バランスや接触を伴う動的な全身制御において有力な手段の1つです。複雑な身体の動かし方を試行錯誤を通じて獲得できる点が強みであり、最近では生成モデルで参照となる動作を作って、それを強化学習によって物理的に実行できる動きへと調整する研究も増えています。VLAはカメラなどから得られる視覚情報と言語による指示を受け取り、ロボットの行動を生成するモデルです。現在は、物をつかむ・移動させる・両腕を協調させるといったマニピュレーションを中心に発展していますが、歩行を含む全身動作への拡張も進んでいます。精密な部品の取り扱いといった細かな接触状態を扱う作業にも期待が持たれていますが、その際には力覚や触覚といったフィードバックをどう組み合わせるかが重要な研究課題となっていますね。世界モデルは、ロボットがある行動を取ったときに、周囲の環境や自分自身の状態がどのように変化するかを予測し、その予測を計画や学習に活用する考え方です。この考え方自体は以前からありますが、近年台頭する動画生成モデルや大規模な潜在表現の発展によって、改めて注目されています。可能性は非常に大きい一方で、長い時間にわたって予測すると誤差が蓄積しやすかったり、接触を含む複雑な物理現象を正確に再現することは難しかったりと、まだ課題も多くあります。 あんちぽ少し視点を変えるのですが、人間は「丸を描いてから影を下の方に描くと、光源が上にあると判断して出っ張って見える」といった錯視のメカニズムのように、見ているものを無意識に補ったり削ったりしていますよね。そうした情報の扱い方という点で、人間とヒューマノイドには違いがあるんでしょうか。 真次まさにそこが、人間とヒューマノイドの大きな違いの1つだと思っています。人間は膨大な情報をすべて処理するのではなく、目的に必要なものを選び、過去の経験・知識を使って足りない情報を補うことができます。ロボットにも情報を落として選別する仕組み自体はありますが、未知の状況において何を残し、何を無視すべきかを判断するのはまだ難しいですね。そもそも分野全体として、「これを使えば正解」という決まったアーキテクチャはまだ確立されていないのが現状です。日々新しい手法が登場していて、そのなかで最適な組み合わせを探っているところですね。 空港業務から目指す「ヒューマノイドの社会実装」 あんちぽ理論の話に続いて、実際の現場での取り組みも聞かせてください。ヒューマノイドを現場で活用する実証も、すでに進んでいるんですよね。 真次JALグランドサービス様と一緒に、空港のグランドハンドリング業務の実証実験を進めています。これは飛行機が着陸してから離陸するまでの間に行う、手荷物の積み降ろしやコンテナの操作といった業務なのですが、ここにヒューマノイドを活用しようというものです。実験も進んではいますが、実際の空港で作業されている方々が行う工程を完全に代替できるところまでは来ていないのが現状です。最大のネックは「重さ」にあります。開発しやすい機体としてUnitree Robotics社（以下、Unitree）のG1という機種があるのですが、G1は身長約130cm・重さ30〜40kgほどで、腕で持ち上げられる荷重は3kg程度が限界なんです。スーツケースなどの荷物を持った状態でバランスを保ちながら歩くとなると、制約はさらに厳しくなります。今はその限界を突破しようと頑張っているところです。 あんちぽ自重よりかなり軽いものしか持てないうえに、持って歩くとなると一気に難しくなるわけですね。このあたりは大きめの機体などで解決できるかもしれませんが、具体的な作業の中で、その難しさはどういったときに感じられますか？ 真次大きく2つありまして、1つは認識と判断のタスクを行う際に感じます。人間の場合は「荷物のどこを持つか」「コンテナのどこに積むか」という認識や判断を自然に行えますが、数学的には未解決な部分が残っているのが現状です。ヒューマノイドが自律的に判断する仕組みをしっかり考えていく必要があります。もう1つはコンテナの操作です。グランドハンドリングでは最大で約1.5トンにもなるコンテナを、ドーリーと呼ばれる台車の上で押したり回したりする作業があるんです。これは全身や自重を使うぶん、「腕を使って重たいものを持つ」のとは別の難しさがあります。ここも一筋縄ではいかない部分ですね。 あんちぽ人間が無意識にこなしていることほど、ヒューマノイドには難しいという話ですね。こうした技術が実用化するまでには、どのくらいの時間軸を見込んでいますか？ 真次個別のタスクに限れば、3～5年程度で技術が揃う可能性はあると見ています。しかし人間がまったく介在しない完全な自律やヒューマノイド同士の連携となると、10年スパンの話になってくるでしょうね。安全性や精度をどう担保するかという基準自体も、まだ世界的に確立されていません。完全無人でヒューマノイドがサービス提供をするという例もまだまだ少ないですし、そういう意味でも時間はかかりそうです。 エンタメやスポーツにも広がりを見せるロボティクス あんちぽ真次さんのチームでは、ヒューマノイドにDA PUMPの「USA」を踊らせて話題になったこともありましたよね。ヒューマノイドの技術は、こうしたエンタメの領域が他分野より先行している印象があります。 真次そうですね。環境の認識を伴わない全身を使った運動は、物体を認識して正確に扱うタスクよりも難易度が低い部分があるんです。一体のヒューマノイドが激しい踊りをするというケースなら、かなりの精度が出るようになりました。とはいえ簡単にできるというわけではなく、バク転などのアクロバットな動きは元になるモーションのデータを収集し、強化学習をさせたりチューニングを追加しなければなりません。我々も何度も試行錯誤を重ねた末に、「このモーションなら踊れる」という肌感覚のようなものを掴んでいきました。エンタメ領域で先行しているように見えるのは、こうした積み重ねがあってのことですね。 あんちぽ見た目の華やかさの裏に、地道なデータ収集と学習があるんですね。今夏には、北京で開催されるヒューマノイドの陸上競技大会にも参戦するとか。 真次はい、GMO AIRとして参戦する予定です。昨年末に挑戦を決めて、そこから高速走行の技術を磨き続けてきました。昨年の同大会をベースに考えれば十分に戦えるレベルには来ているのですが、他チームの成長も見据えて、さらなる高速化を追求しているところです。 あんちぽ期待できますね！ ハードを作らないGMO AIRで「作って」いるもの あんちぽGMO AIRはハードウェアメーカーではないと伺いました。ハードを作らないなかで、ヒューマノイドの領域にどう関わっていくのか・何を「作って」いるのか……というのは気になるところです。 真次GMO AIRはUnitreeなどの代理店としての商社機能に加えて、お客様がヒューマノイドを導入する際の技術サポートや実証、研究開発を一緒に進めていくのが役割です。案件の幅はとても広くて、すぐに対応できるものから「世界的に見てまだ誰も実現していないが、やる価値のある挑戦」まであります。後者については、「一朝一夕でできる課題ではないですが、社会的意義も大きいため一緒に挑戦しましょう」という形でお受けすることもありますね。 あんちぽ企業や社会の課題にどうヒューマノイドを活かすかという研究開発の視点から入りつつ、技術的に難しく、前例のない挑戦に立ち向かっていく。まさに、AIとロボティクスの両方をわかっているからこその立ち位置ですね。 真次GMO AIRでは両方の知見を持ったうえで、最新の技術をお客様の現場に合わせ込んでいくエンジニアリングが求められます。ロボティクスで解決できるさまざまな課題に対して、希少なスキルセットで技術を提供していくのが我々の役割だと考えています。 あんちぽ入社当時から研究活動の重要性を訴えていた真次さんですが、GMO AIRでは産業界と学術の架け橋のような形で活動されていますよね。AIとロボティクスというホットな2領域をまたいでいますが、アカデミアからビジネスへ移ったことで違いを感じましたか？ 真次研究領域こそ学生当時と異なりますが、一番の違いは「お客様の声をこれほど聞ける研究現場はない」という点ですね。以前は基礎寄りの研究をしていたのですが、いつの間にか社会実装を意識した応用寄りな研究へとシフトしていた自覚があります。それをJSAIに参加したときに、あらためて実感しました。論文やプレプリントで技術が公開されても、それで「タスクが解決された」わけではありません。社会に実装するまでに時間のかかる分野だからこそ早くやりたいという思いがありますし、だからこそ研究と社会実装のあいだにあるギャップを埋めて、両者を結びつけることも重要な仕事だと捉えています。 あんちぽ研究と社会実装の橋渡しですね。基礎的な研究を進めつつ、産業にどのようなインパクトを残すかという「応用」はいい視点だと思います。 グループ内の人知を結集し、新たな時代を創る あんちぽその話でいうと、GMOインターネットグループがJSAIのトップスポンサーを務めましたが、この件は真次さんが主導したんですよね。どんな経緯があったんですか？ 真次学会のスポンサードは、エキスパートの1期目に選出されたときから構想していました。学生時代に競合他社が学会で露出しているのを見ていたので、入社後も「うちはやらなくていいのかな」と感じていたんです。技術広報にも、研究文化にも、採用にもつながる「三方良し」の取り組みだと考えていました。最初はエキスパートの予算で動き出したのですが、「GMOインターネットグループはトップスポンサー以外はやらない」という方針を受けまして。そこから各所で調整いただき、トップスポンサーという形で実現しました。 JSAI2026 出展レポートはこちらから あんちぽ真次さんが入社当初からの情熱を持ち続けて、みんなを巻き込んでいった結果、トップスポンサー協賛が実現したんですね。研究組織づくりそのものは、今どのくらいのフェーズにあるんでしょうか。 真次もともと東京大学医科学研究所さんとの老化細胞に関する共同研究チームなど、個別の取り組みはあったんですが、論文を意識した研究組織がまとまった人数の規模になったのはごく最近のことなんです。今はまさに、研究のチームビルディングや、インターン生・共同研究先のみなさまも巻き込んだ体制づくりを「やりながら作っている」段階にあります。研究組織としてしっかりバリューを出し、その信頼をもとに予算を獲得していくという、研究所として自走できるエコシステムを作り上げることが大きなビジョンです。 あんちぽグループ全体の研究者が力を合わせていけると、もっと面白いことができるはずです。真次さんたちの動きには、大いに期待していますよ！最後に、エキスパートとしての今後の展望と、読者へのメッセージをお願いします。 真次1期目はデータサイエンティストの本業の傍らで研究を志している状態だったのですが、その活動が実を結び、研究者であることが「仕事」になりました。2期目となる今年は、それをさらに拡大していくことが目標です。GMO AIRの事業やメディアでの露出だけでなく、ぜひ研究活動にも注目していただけたら嬉しいです。また学生の皆さんに向けては、ヒューマノイドの実機に触れられるインターンシップもご用意しています。ご興味のある方は、ぜひ案内をご覧いただければと思います。 あんちぽ事業と研究の両輪で、GMO AIRを中心としたGMOインターネットグループのロボティクスがますます面白くなっていきそうですね。真次さん、本日はありがとうございました。 真次ありがとうございました。 まとめ 強化学習やVLA、世界モデルといったヒューマノイド学習の最前線から、空港での実証実験、そして研究組織づくりまで。真次さんのお話からは、ヒューマノイドの社会実装がまだ多くの難所を抱えながらも、着実に前へ進んでいる現在地が見えてきました。 技術の正解がまだ定まらない領域だからこそ、現場の声を聞きながら研究と社会実装のギャップを埋めていく姿勢が、これからますます重要になっていくのではないでしょうか。データサイエンティストから研究者へと歩みを進めてきた真次さんの挑戦は、その象徴ともいえるでしょう。 GMOインターネットグループは「AI＆ロボティクスで未来をつくるNo.1企業グループ」というコンセプトを掲げています。事業と研究の両輪で、フィジカルAIがひらく未来を一歩ずつ形にしてまいります！

技術同人誌やアドベントカレンダーといったグループ横断の「場づくり」を通じて、GMOインターネットグループの技術文化を育ててきた石丸智輝さん。グループ全体を巻き込む活動は、石丸さん自身の技術との向き合い方にも変化をもたらしました。後編では、AI活用を現場に定着させるための取り組みや、エキスパート活動を通じて広がったキャリア観、そして今後の展望について、石丸さんと上長の竹田敏導さんに伺いました。 前編はこちらから 新たな概念を根付かせる「場」のチカラ ———バイブコーディングやハーネスエンジニアリングなど、開発現場には新たな概念が次々と生まれています。エキスパートとして、こうした新たな概念を現場に浸透させるためにどういったことを行ってこられましたか。 石丸新しいAIツールや技術を自ら触ってどんどん吸収していくメンバーが多いのですが、中にはどうしても新技術のキャッチアップや受容がなかなか追いつかないというメンバーもいます。生産性向上のためには、そういう方に向けて「AIコーディングエージェントをいかに日常の開発ワークフローへ組み込んでいくか」という仕組みを考える必要がありました。今はAI活用の情報やノウハウに触れる機会を設けるべく、自分の部署・チームで週1回の事例共有会を開催して、バトン形式で全員がアウトプットしていくという取り組みを行っています。この会は新機能の情報や勉強会で学んだ事例、あるいは「自分のチームではこういう使い方をしています」といったことを共有し合う場です。あわせて専用のSlackチャンネルを立ち上げ、AIコーディングエージェントのアップデート情報や社外勉強会での知見などを気軽にシェアできる場所もつくりました。新しいものを根付かせるためには、まずはこうした「気軽に触れる場所」を仕組みとして構築し、次にどれくらい使われているかをデータで捉えるという実態に即したアプローチが大切だと考えています。データで捉えるという部分では、GitHubのメトリクスを用いて、メンバー別・チーム別に「どのエージェントをどれくらい使っているのか」という活用状況を可視化する仕組みを構築しました。「客観的な指標を手がかりにしながら、自らの活用率を上げていく」というサイクルを作る取り組みの一環だったのですが、この可視化でかなりメンバー自身の意識づけが進んだようで、どんどん利用状況が広がっていったんですよ。これはとくに効果があったと手ごたえを感じています。本格的な検証やアプローチこそこれからですが、そのなかで得られた定量的な結果をもとに新たな技術を現場へ定着させられるよう進めていきます。 「AI活用のモデルケース」をグループの内外へ ———グループ全体で見たときに、AI技術の導入具合はいかがでしょうか。 石丸グループ全体での生成AI業務活用率は、2026年3月に実施した社内調査の時点で97.8%に達しており、文字通り「ほぼ全員が日常的にAIを使っている」状態です。AIエージェントの業務活用率は7割を超え、パートナー（社員）1人あたり月間約54時間の業務削減を実現しています。私がよく関わる非エンジニアのメンバーからも、業務効率化のAIエージェントを自ら構築して活用する事例が次々と生まれているんです。エンジニア・非エンジニアを問わず全員が活用していく環境は、業界のなかでもかなり整っているという実感があります。 ———竹田さんは、AI活用という観点で石丸さんにどういった期待をされていますか。 竹田技術的にできるかどうかは、まったく心配していません。非エンジニアにもわかりやすく技術解説をする連載を担当できるエキスパートですからね。そのうえで開発プロジェクトをリードする立場として期待したいのは、これまでのAIによる効率化やガバナンスへの配慮に加えて、コスト制約やトークンマネジメントといった経済的な合理性も含めた「最適な開発プロセス」を整えることです。これまではサブスクリプションである程度自由に使えていたものが課金の対象になってくるなか、この経済合理性を意識していかないと、開発コストだけが膨らんでしまうという状況になりかねません。今後は「誰がどれくらい使っているのか」「トークンを多く使っている人はなぜそうなっているのか」をモニタリングしながら、その使用量が成し遂げるものに対して適切かどうかを随時判断していく必要があるわけです。ここはまだみんな手探りの状態で、どこに適切なラインがあるのかを探っている段階だと思っています。そうした現場の経験も踏まえて整えた「安全かつ効果的なAI活用の手法」を、エキスパートとしてグループ横断に広げていってほしいですね。そのうえで、社外に向けても大いに広報していただければと期待しています。 石丸最新情報をしっかりキャッチアップしながら、使っているツールを正しく理解することが「安全かつ効果的なAI活用の手法」への第一歩になるように思いますね。たとえばClaude Codeにはプランモードというものがありますが、計画は賢いモデルに任せたうえで、実装は別の最適なモデルに切り替えて実行する……といった形で、モデルの使いどころを見極めるだけでも消費するトークンは大きく変わります。日々最新の情報をキャッチアップしたり、他社の事例を追いかけたりしておけば、何も考えずに賢いモデルを使い続けてトークンを消費してしまうということもなくなるかなと思いました。 エキスパート活動が広げる「キャリア観の視野」 ———エキスパート活動を通じて、石丸さんご自身の技術への向き合い方やキャリア観に変化はありましたか。 石丸自分だけではなく、GMOインターネットグループ全体に還元できるか、他のエンジニアをどう巻き込むかを考えるようになりましたね。以前は「どうすればより良いコードが書けるか」「どうすればシステムを安定させられるか」と、目の前の開発に集中する傾向が強かったと感じています。ツールの活用や発信においても、自分が担当している業務やサービスをどうより良くするか、そのためにどういうツールを活用して、どういう発信をしたらいいのか、という視点でした。それが今は、「この技術的知見をどうすれば組織の資産にできるか」「どう発信すればGMOインターネットグループ全体の技術ブランディングにつながるか」という、組織全体を見据えた俯瞰的な視点で技術と向き合うようになりました。そして技術同人誌やアドベントカレンダーといった企画を通じて横のつながりを広げるなかで、「どういう文化を作ったらいいんだろう」「どういう文化があれば各社のつながりを広げられるんだろう」という視点もまた横の広がりを得られたと感じます。1人のエンジニアとしての専門性だけでなく、コミュニティの運営や技術広報としての視点も加わったことで、自分自身の役割やキャリアに対する視野が大きく広がった実感があります。 ———竹田さんから客観的にご覧になって、変わったと感じる部分はありますか。 竹田人となりや姿勢は新卒当時からできあがっていましたので、正直なところ「本人が大きく変わった」という印象はないんですよ。エキスパートという肩書を得たことでやれることが増えたので、本人の持つ力を発揮する場を得ているというイメージですね。たとえば旧GMOアドパートナーズに所属していた頃は、単独では技術書典への出展等の活動もできなかったと思うんです。エキスパート就任後はグループ内のさまざまな人と接する機会が増えましたから、影響力の範囲や実行できることの範囲が明確に広がっています。それがグループ全体のアウトプットを増やすことに貢献してもらっている部分じゃないかと感じています。 「深い」発信を通じて、ブランドを確固たるものに ———GMOインターネットグループには多分野のエキスパートが在籍しています。「他のエキスパートの領域と自分の領域を掛け合わせてこういうものをつくりたい」といった展望はありますか。 石丸これまで続けてきた技術同人誌の取り組みを、もう一段階レベルアップさせたいと考えています。現在は技術的な内容ならなんでもOKというテーマフリーのアンソロジー形式なのですが、技術書典への出展自体は形になってきましたので、次は特定の領域やテーマに特化した技術同人誌の制作に挑戦したいですね。AI活用やWebアプリケーション開発、セキュリティなど、多くの分野で先頭に立っているエキスパートが複数在籍しています。そこで各領域のエキスパートと連携して、「生成AI×開発プロセスの進化」や「AIエージェントの現場活用」といった、1つのテーマを深く掘り下げた専門性の高い1冊を作れれば非常に面白いなと。セキュリティに特化した専門書籍のようなアウトプットの形も考えられます。こうした形でテーマを絞ることで、その技術に興味を持つ社外のエンジニアに対して、より深く、より魅力的にグループの技術力をアピールできるはずです。多分野のエキスパートが在籍しているからこそ実現できる、「領域の掛け合わせによる分厚いアウトプット」を形にしていきたいですね。2025年末のアドベントカレンダーには7〜8名のエキスパートに協力いただけましたので、決して実現できない話ではないと思っています。 ———今後取り組んでいきたい領域や施策についてもお聞かせください。 石丸まず次回のイベント出展に向けて、7冊目となる新たな技術同人誌の制作を進めていきます。同時に外部企業様との合同イベントや、年末恒例のグループ横断アドベントカレンダーを開催し、エンジニアがアウトプットできる場をさらに広げていく予定です。また今は週1回のレベルにとどまっている共有会の頻度も、もっと増やしていきたいですね。そして先行しているチームの取り組みを他のチームにも導入し、組織全体の生産性を向上していきたいと思っています。長期的には、これまでの技術同人誌制作などの取り組みを社外の技術広報コミュニティの勉強会などで自ら発信していきたいと考えています。技術同人誌を制作するまでの過程や、出展することでどういった影響があったのかといった話は、他社の技術広報を担当されている方にも興味を持っていただける内容だと思うんです。こうした活動を通じて、アウトプットしていきたいのに場所がない・しづらいと感じている方がいなくなるように、気軽に発信できる場所と環境を整えていきたいんです。1つ1つの活動の積み重ねで「GMOのエンジニアは最近よく発信しているな、いい会社だな」と社外の方に見ていただけるようになれば、広報にも採用にもつながっていきます。そういった土台を作るのは、エキスパートだからこそできることなんです。これまではエンジニアのコミュニティが中心でしたが、技術広報のコミュニティにも参加して、そこでも横のつながりをつくっていきたいなと。各種コミュニティでの存在感を高め、GMOインターネットグループの技術ブランドを確固たるものにしていければと考えています。 文化を定着させ、横のつながりで会社同士の連携を高める ———エキスパート制度自体の認知拡大にあたっては、何が必要になるのでしょうか。 石丸「継続」と「可視化」だと思います。私の場合は技術書典への出展やアドベントカレンダーを「毎年恒例の文化」としてしっかり定着させることに加え、技術書の配布数や採用への直結といった「定量的な成果」を組織の内外に示し続けることが、制度の価値向上や認知拡大につながると信じています。技術ブログや社内のポータルでエキスパートの活動実績を発信していくことも含めて、まずは社内外を問わず発信し続けることが必要ですね。この記事が公開されることで、グループ内で技術書典やアドベントカレンダーといった活動の存在を初めて知る人もいるはずなので、このインタビュー企画もまさにその1つだと思っています。 竹田発信を増やすことは前提としてありますが、自発的に情報を取りにいく層はどうしても限定的になってしまいます。ですので、社内イベントなども含めて「プッシュ型」で届ける機会が要るのかなと。技術広報という観点では、グループ内でもまだ情報連携できていない部分があるように思っています。各社の技術組織や広報組織と連携することで、グループの技術的なアウトプットをより効果的に拡散できそうですので、横のつながりを広げてもらえるとより良いですね。ここは今後の石丸さんに期待したい部分です。 石丸まさに自分が課題として挙げた部分ですね。技術同人誌をはじめ、社外に対しては配布数などの数字として結果が出はじめている一方で、GMOインターネットグループ全体に波及させるまでにはまだまだ課題があると思っています。まずはエキスパートとしてこういう活動をしているということをグループ内に知っていただいて、そこにグループ各社の方が協力いただけるような仕組みをつくり、横のつながりをさらに強化していく必要があると改めて感じました。 ———最後に、この記事をご覧になっている方へメッセージをお願いします。 石丸まずグループのパートナーの皆さんに向けては、今後も技術を「自分だけのもの」で終わらせず、皆さんが楽しくアウトプットできる場を作り続けて、GMOインターネットグループ全体の技術文化を盛り上げていきたいと考えていますので、ぜひご協力いただけると嬉しいです。社外の方に向けては、引き続き技術書典をはじめとする外部イベントへの出展を続けていきます。会場でお会いした際は、ぜひお気軽に声をかけてください！ 竹田技術広報は個人の努力では限界がある領域ですので、理解者・協力者がまだまだ必要です。その第一歩として、ぜひ「GMO Developers & Creators」の拡散をお願いします！ まとめ 「場をつくり、文化として根付かせる」という方法論は、AIという新しい概念に対しても同じように機能していました。エキスパート活動を通じて視野を広げた石丸さんが次に見据えるのは、多分野のエキスパートとの掛け合わせによる、より深いアウトプットです。技術を自分だけのものにせず、誰もが気軽にアウトプットできる場をつくることで集合知へ至る仕組みとその積み重ねが、GMOインターネットグループの技術文化を形づくっていきそうです。