AI活用事例集

中国発の仮想ガールズグループ BABYQUEEN は2026年9月発足。AI生成の架空メンバー5人とSNSアカウントで活動を発信。10月12日、架空の運営会社が、メンバーMityが健康との出産準備のため活動休止すると発表。10月13日に妊娠を示す画像を投稿。批判を受け、制作者は「妊娠」は管理するAI人格の数を減らすための設定だったと説明。制作者は「K-POP好きの学生」で、収益は得ておらず嫌がらせも受けたと主張(のちに削除された投稿)。使用ツールの詳細は記事になし。

AIキャラのSNS運用は物語を仕掛けると一気に拡散し、微博の関連話題は7,800万回超の閲覧となった。一方で、複数のAI人格を管理する負担が大きく、退場の口実に選んだ妊娠設定が女性の生殖体験を軽んじると批判され炎上した。物語での拡散は収益化にも直結せず、運用負担と炎上リスクを織り込む必要がある。

匿名の日本人音楽プロデューサーM.Sasukeが、AIでボーカルと楽曲を生成した曲「GG EZ」を5月に公開(本人はInstagramのプロフィールに「I write music with AI」と記載。歌詞・アレンジ・スタイルは自分が決めたと主張。使用ツール名は記事に記載なし)曲はK-popアイドル(BTSのジョングク、TXTのヨンジュン等)のダンストレンドとして拡散。8月下旬、クリエイターのKaien Nuenと、カバーシンガーのAngelina "Sugar" Zhangが、M.Sasukeの許可を得て人間の声で録り直し(2分31秒、Jersey clubの要素等を追加)人間版の約7秒のクリップがXで拡散し、Valorant公式アカウントやSentinelsも反応。

AI生成の原曲はAIと知られないままK-popのダンストレンドで広まったが、より大きなバイラルを生んだのは人間が歌い直したバージョンだった。顔と声を持つ人間の出演者が加わり、ネタとして扱いやすくなったことで、ゲームコミュニティや他のアーティストのリミックスにも広がった。AIが素材を作り、人間が価値を引き出す分業の例であり、同時に「誰が作者か」という論点も残した。

Sensor Tower調査を9to5Macが報道。MetaのAIアシスタントアプリMuseが公開40日で米国DL1,000万に到達し、2015年10月の追跡開始以降12本目。同期間のDLはChatGPT 370万、Grok 50万、Claude 20万。Museの米国ユーザーの継続率は7日後30%、14日後23%。ChatGPT・Claude・Grokは「19%と16%」と記され、どのアプリがどちらかは本文で不明。MetaはMuseの広告に集中投下し、今月の米国広告費の39%(9月は23%)を占め、広告インプレッション順位は73位から21位に上昇。共有会話から機微情報が見える問題が見つかり、Metaは共有機能を停止して調査中。

自社SNSと大量の広告投下による配信力で、AIアプリの初期DLは競合の数倍から数十倍になり得る。継続率でも競合を上回るが、その差は広告依存の獲得とプライバシー問題を伴う点に注意。候補ヒントの「DL 1,020万」は本文になく、本文は「10 million」と記載。

Microsoft(GitHub)が Copilot ランタイム(Copilot CLI・アプリ・SDK・クラウドエージェントの基盤)を TypeScript から Rust へ移植。Copilot 自身を使って Copilot を書き換えた。複数の LLM(GPT-5.6 Sol と Claude Opus 4.8 が名指し)を、得意分野に応じて使い分けた。モジュール単位で段階的に置き換え、14.5週間で135以上のリリース、移植PRは1日あたり約1.3本。約43万行の TypeScript が約80万行の Rust になった。構造の最適化はしておらず、それは次の作業。最難関の session.ts(3万行超)は25時間かけて移植。56分のドキュメント読解と122回のツール呼び出しの後、15本の子セッションを生成し、互いに連携させた。費用はAIトークン約12万ドルと開発者の工数約3週間。Stephen Toub(Microsoft Distinguished Engineer)が記録をまとめ、The Register が報じた。

エージェントは書く時間よりも情報収集に多くの時間を使い、Toub は「手作業なら数年・数百万ドル規模だった」と評価した。一方で数十件のリグレッションが出ており、曖昧な仕様、ブランチのずれ、移植漏れ、挙動の差が原因。「コンパイルが通れば正しい」は冗談にしかならない、と Toub は述べている。

DNBは2026年10月6日の取引所開示で、Technology & Services(T&S)部門の組織変更と縮小を発表。人員は約400FTE(フルタイム換算)削減。ここ数年で社内プロセスを簡素化し、あわせて事業の複数領域でエージェント型AIを導入したと説明。AIは従来手作業だったタスクを置き換え、処理の高速化と処理能力の増加に寄与するとしている。顧客データの管理、KYC(本人確認)業務、技術開発・コーディングが、AIエージェントで大きな効率化が見込める領域として挙げられている。CEOのKjerstin Braathenは「AI is changing the way we work and how we deliver services to our customers」と述べた。

大手銀行が、エージェント型AIの導入を人員削減の理由として取引所開示で明示した事例。ただし開示にはAIによる効率化の定量的な成果(削減コストや処理時間など)はなく、示しているのは影響の規模であってROIではない。KYCや開発・コーディングなど定型性の高い業務から置き換えが進むことがうかがえる。

MetaがQ3決算説明会で、AIエージェントアプリMuseの利用者が1,000万人超と発表(TechCrunchが報道)ザッカーバーグCEOによれば、Museをセットアップした人の約25%が日次で利用し、定着率の改善につながっている。エージェント経由で買い物をする利用者のうち4分の1超は平均購入額が200ドル超。決済連携にはPlaidのコネクタを使用。買い物以外では、メールやカレンダーと連携した個人の生産性タスクが人気。

AIエージェントが買い物や日常タスクの用途で日次利用に定着し、継続利用が数字で示された事例。購入額も大きく、エージェント経由のコマースに収益化の見通しが立っている。ただし数値はMeta自身の決算説明会での発言を報じたもので、第三者による検証ではない。

Deutsche TelekomがAI投資家向けデーで、AIと自動化への投資により2030年に2023年比で間接費を約25億ユーロ(約28億米ドル)削減できると表明。同じ2030年に、米国外でのAI関連売上を約8億ユーロ(約8.99億米ドル)とする目標も提示。25億ユーロはグロス値で、トークン(AI利用)コストを含まないと同社資料に明記。トークンコストはグロス削減額の「低い2桁%」以内に抑える方針で、「段階的トークン予算」とモデルのロックイン回避で管理するとした。ミュンヘンにNvidiaと共同で10億ユーロのAIファクトリーを建設。説明会ではCEOのAIディープフェイクも使用された。

見出しの削減目標はトークンコスト控除前のグロス値であり、Light Readingは低い2桁%でも少なくとも2.5億ユーロが純削減から消えると試算している。目標額は2023年の営業費用全体の3%未満、売上目標は米国外売上の2%未満にとどまり、株価は1%上昇にとどまった。さらに、全額を人員削減で実現すれば最大2.5万人の職が危うくなるとの粗い試算も示す。企業のAI ROI主張を割り引いて読むための材料になる。

Fortune Most Powerful Women カンファレンスのパネルで、Indeed・Dropbox・Bristol Myers Squibb・PepsiCo Latin America の幹部が AI の生産性向上の扱いを議論した(Fortune 記事)Indeed の最高売上責任者 Maggie Hulce は、AI によりソフトウェアエンジニアが書くコードが50%増え、従業員の時間が週6時間浮くと説明。浮いた時間は創造的な仕事に振り向ける方針。Dropbox の最高人材責任者 Melanie Rosenwasser は、AI に思考を任せることによる「cognitive atrophy(認知の衰え)」のリスクを検討中で、記憶エクササイズや集中力トレーニング、パズルの導入を模索。Bristol Myers Squibb は、定型業務の自動化で得た生産性(例として20%)のうち従業員に還元する割合を決める「well-being quotient」を検討中だが未決定。数値は企業幹部の自己申告で、第三者検証は記事にない。

Indeed は AI による工数削減を「速く動き、より創造的な仕事をする」ために使う考えだ。一方で Dropbox は思考の外注による認知低下、Bristol Myers Squibb は生産性向上分の従業員への還元率を課題にしている。経営側は削減時間そのものより、浮いた時間の使い道と新たなリスクの管理を問われ始めている。

Gartnerが年商10億ドル以上のグローバル企業の経営幹部350人を調査し、Fortuneが報道。AI・自律型技術を試行した回答者の80%が人員削減を実施。削減はAIが成果を出しているかに関係なく行われていた。最も成果が大きかったのは、人を置き換えず生産性を高める「people amplification(人の増幅)」型の活用。

人員削減の有無とAIのROIには相関が見られず、高ROI企業も低ROI企業も削減率はほぼ同じだった。価値は人の生産性を高める使い方から生まれており、Gartnerのアナリストは「人員削減だけで価値を追うと、多くの組織は限定的な成果にとどまる」と述べている。

ケベック州のサイバーセキュリティ・デジタル省(MCN)と同省のデジタル卓越センターが、3件のパイロットを実施(カナダ通信が情報公開請求で入手した文書で判明)。生成AIチャットボットを「Données Québec」ポータルで試験し、政府サイト Quebec.ca への展開(2026年12月予定)を計画。公務員向けに、保険書類の処理時間短縮と請求処理を自動化するプロトタイプ2件を試作(Microsoft製ツールを採用)。2024年11月の覚書は、チャットボットで会話の流暢さ・複雑な質問やエラーの処理・遅延に技術課題があったと記載。省報道官は「Quebec.ca のチャットボット計画は中止」と説明。実現可能性調査と事業計画も優先されず未作成。他2件も結論が出ず実装に至らなかった。

市販のAIツールは汎用の会話ボットを素早く作れるだけで、複雑・個別の処理には追加開発が要る(覚書では「まだ成熟していない」)。自動化側もデータへのアクセス困難、セキュリティ上の機能制限、内部の専門性不足、プロセスの最適化不足が壁になった。省は「AIを諦めない」姿勢で、研究者は中止判断を公金の賢明な管理と評価している。

Instagramアカウント@benjamin_stachioが、首が極端に太く口ひげが3本ある男性「Benjamin」のリールを投稿(最古の投稿は2026-09-27頃)。Xの@teddybearismsが「This... this is not a human shape...」とのキャプション付きで再投稿し拡散。視聴者が体の比率やカメラワークの不一致を指摘。XユーザーがGrokに尋ねると「almost certainly AI」または重度のAI筋肉加工との回答。Dexerto記者が他のリールも確認し、誇張された体形・不自然なカメラ動作・奇妙な顔の細部が共通と指摘してAIキャラと結論。作者は特定されておらず、法医学的検証や作者の声明は無い。曲もAI生成と見られるが、クレジットは未確認。

作者が不明で名乗り出ていないAIキャラクターでも、不自然な体形・カメラワーク等の違和感が話題を呼び、数日で6万超のフォロワーを集めた。AIかどうかの判定は視聴者の指摘とGrokの視覚的評価(「almost certainly AI」)に基づく推定で、記事自身もGrokは決定的な検証ツールではないと断っている。

上場企業SHIFT(証券コード3697)が2026年10月15日付の2026年8月期 第4四半期・通期決算説明資料で開示。バックオフィスでAIの実務適用が広がり、単体の販管人数は期初比で113人分を圧縮(派遣・BPは0人)圧縮の中心は「オペレーション・その他」区分で、派遣・BP中心の人員圧縮と説明。役職者の評価プロセスにもAIを導入し、評価時間を上期1,477時間から下期990時間へ(-33%)次の手として、単体で使ったAIをグループ会社に適用するグループ内シェアード化を開始し、販管人件費比率の引き下げを狙う。

AIによるバックオフィス効率化の成果を、「-113人」という人数換算で決算資料に明示した事例。内訳は派遣・BP中心の人員圧縮で、単体の取り組みをグループ全体へ広げるシェアード化に進む計画を示している。金額換算は資料に記載がない。

静岡県磐田市とテックタッチが、「テックタッチ AI Hub」を用いて財務会計システム内に3業務対応のAIを組み込んだ。対象は、源泉区分の判定と控除額の自動計算、起票日と支払日のチェック(期限超過の懸念を警告)、廃棄物処理の確認事項の対話形式での案内。実証期間は2026年4〜6月、一般職員向けに試行。AIは判断支援にとどまり、最終判断や例外処理は職員が担う運用。

全判断をAIに任せず、返戻や不備が起きやすい定型チェックに絞って業務システム内に組み込んだことで、返戻件数が実証前の月平均から大きく減った。一方で、AIのチェック待ちを非効率に感じる職員や、機能の理解不足で使わなかった職員もいた。実運用では判定ロジックの修正も必要になり、職員への周知と継続的な改善が課題として挙がっている。

株式会社ストリートが、森永製菓・ビタブリッドジャパン・オージオの3社向けに、実写スタジオ撮影と生成AI映像を組み合わせたテレビ通販番組（120秒、全国放送）を制作。実写の出演者がモニターに映したAI生成の生活シーンを指し示しながら解説する構成で、AIの弱点であるリアルさを実写パートで補い、境目を目立たせない工夫をした。商品パッケージやロゴは専任の制作チームが合成編集で仕上げる。登場人物は、同意書を締結した自社社員データ由来のデータのみを使用。複数企業の制作を同時進行することで1社あたりのコストを下げた。

実写とAI映像を組み合わせ、AIが苦手なリアルさを実写パートで補う設計にしている。複数企業の制作を同時進行することで1社あたりのコストを下げ、新商品で低コストに挑戦したい企業やテレビ未経験の企業でも参入しやすくした。数値は自社のフル実写制作実績との比較で、第三者検証ではない点に留意。

個人開発者(Isamu氏)が、AIエージェント(Claude Code)を使った高頻度のバイブコーディングを6週間Macで連続稼働させた。Macの起動に約20分かかる事象が発生。Claude Codeに設定変更や削除を伴わない読み取り専用の診断を依頼。強制リセット時の診断ファイルから、起動時にdirhelperが一時ファイル(/private/tmp)の削除完了を待っていたと推定。/private/tmpには起動から9時間半時点で約99万ファイル(Claude Codeの作業ディレクトリ内のclone群が主体)1日あたり約600GBの書き込み(総書き込み251TB、SSD消耗6%)。ある開発用サーバーが11秒で約1800個の子プロセスを起動していた。

AI駆動の超高速開発は、コードだけでなくOSやディスクといった物理層にも負荷の副作用を出す。起動遅延の主因は一時ファイルの「数」であり、ディスクの速さよりファイル数の削減が効くという示唆がある。著者自身、未検証の推定が含まれると明記している。

カウシェのQAリード(亀井亮介氏)がJaSST nano(2026-10-20)で登壇した内容。開発側はAI導入・CI/CD改善・開発標準化・レビュー自動化の組み合わせでPR数が急増。QAはClaude Codeでソースを読んで仕様を事実確認(根拠はファイルと行番号、推測は明記)し、AIでエピックごとのリスクアセスメントを実施。テスト実施は可能な限りAIで自動化し、実機テストはClaude Code+adbでAndroid端末を操作。仕様確認・テストデータ準備などはAIに任せ人は監視(Human on the loop)、判定・リスク評価は人が最終決定(Human in the loop)。テストを減らす判断はQAが持ち根拠を残す。QAプロセスはClaude Codeのスキル化。

開発がAIで加速するとボトルネックはQAに移る。カウシェはQAを増員せず、AIによるリスク評価・コードリバース・テスト自動化とスキル化で追従した。一方でテストする/しないの判断は人(QA)が持ち、根拠を残す設計にしている。なお会社としてQA工程の計測は不十分と認識しており、定量化はこれから。

株式会社プエンテ(埼玉県所沢市、2025年4月設立)が生成AIによるアニメ・音楽PV制作サービス「AI Anime Factory」の提供を開始。キャラクター設計、カット単位の静止画・動画生成、音声・SE・BGM制作、編集・合成、進捗管理までワンストップで対応。原作コマや参照画像をもとにキャラクターの一貫性を設計し、会話・アクション・キービジュアルなどカットの性質に応じて複数の動画生成AIを使い分ける。準委任契約・月末締め請求、リテイクは2回まで(超過分は別途)、パイロット制作は企画から映像化まで最短1週間〜。

アニメ制作の工程(キャラ設計・カット生成・音声・編集・進捗管理)をAIでオーケストレーションし、従来の1/3〜1/2以下のコストと最短1週間の納期を打ち出した受託サービスの発表。キャラの一貫性を原作コマ起点で担保する点や、リテイク回数・声優収録の有無で料金を分ける設計が実務的。ただし自社サービスのプレスリリースで、実際の納品実績や第三者検証の数値は本文にない。

1on1練習アプリ「キクレン」の共同開発で、実装をClaude Code、レビューをCodexに任せ、Issue起票からPR作成・レビュー・修正まで多くをAIエージェントが担当。レビュー用エージェントがPR本文を更新するたびに(editedを拾うworkflowで)6ジョブが走り、1PRで指摘修正とpushを5〜10回繰り返し、concurrency未設定で古いrunもキャンセルされなかった。GitHub Free orgの月2,000分の無料枠(ジョブ単位で1分切り上げ課金)を使い切り、同orgの全リポジトリのCIが数秒で失敗。対策として規約検査をpr-checksの1ジョブに統合、editedを拾うworkflowの絞り込み、検査系にconcurrency設定を実施。Billing APIの確認にはadmin:org権限が必要でエージェントからは残量が見えなかった。

エージェントは本文を丁寧に更新し指摘にすぐpushするなど正しく動いても、課金の仕組みと無料枠の残量が見えないためCI分数を膨らませる。削減後も月約2,760分で無料枠を超え、2か月続けて月の後半にActionsが止まり、ローカルのpre-pushフックで代用した結果CIが赤いままマージされることが常態化した。使用量の確認と課金ルールの明文化は人が行いエージェントに制約として伝える必要がある。

カンリーの店舗集客チームが、CS/CRからの問い合わせ(フォーム)の一次調査をAIエージェントDevinに任せている。Devinが見られるのは問い合わせ内容・過去の問い合わせ・コード・アプリログで、DBには触れない。開発に回ってきた解決済みの問い合わせ約700件をLLMで「原因の種類」と「答えを確定させた決め手」に分類した。種類はバグ40%、仕様・使い方22%、顧客のデータの状態20%、外部サービス側の事情14%、判断できず4%。バグ以外(約56%)の決め手は、仕様知識・過去事例33%、DB29%、外部サービスの状態17%、アプリログ9%など。

AIによる一次調査の到達点は、モデルの賢さよりも「何を見られるようにするか」で決まる。現状のDevinで特定できるのはバグ以外の約44%で、DB参照を許せば約73%まで上がる見込み(AIがDBを正しく読める仮定の上限値)。DBの次に効くと予想していたAPIアクセスログ(1%)や非同期ジョブ(2%)ではなく、外部サービスの状態(17%)が大きかったのが意外な点。

AZ8(ブランド企業・広告代理店・映像制作チーム・AIクリエイター向けのAIネイティブな動画制作ワークスペース)が、クリエイティブAIエージェント「Zumi」を提供。無限キャンバス上でSeedance、PixVerseなど複数の動画生成AIモデルとプロジェクト情報を統合。Zumiがキャンバス上の情報を踏まえ、対話を通じて素材整理・アイデア検討・タスク計画・制作工程の連携を支援。企画の方向性・表現評価・最終確認は人が担う。検証済みの制作手法を「Skills」として蓄積しチームで再利用。ad:tech tokyo 2026(10/21〜23、東京ミッドタウン・ホール)に10/22・23出展。

広告動画制作で、生成AIモデルを一つのキャンバスに統合し、プロジェクト文脈を理解するエージェントと人が協働する形が示されている。企画判断と最終確認は人に残し、制作手法をSkillsとして再利用する設計。ただし数値は事業者自身のプレスリリースによる実績値で、第三者検証や算定条件(「代表的な事例」の内容)は本文に記載がない。

e-dash のエンジニアが、Next.js(TypeScript) アプリの PR CI(GitHub Actions、ubuntu-latest 2CPU、テストは Vitest)が最長18分超に膨らんだため、まず Claude Code に実行時間の内訳を計測させた。結果、400秒のうちテスト本体は57秒(約14%)で、残りは起動オーバーヘッド(DOM不要のテストも含め全て jsdom で実行、jsdom起動だけで224秒)と、2CPUでワーカー1つの直列実行が原因と判明。対策は4つ。①Vitest projects で .ts は node 環境・.tsx は jsdom に分け、ワーカーを2並列に(テストのジョブ全体 約18分→約12分)、②マイグレーション適用済みDBを pg_dump して Actions キャッシュ化(DBセットアップ 約5分→約2分15秒)、③ユニットテストとインテグレーションテストを別ジョブにし --shard で2分割、カバレッジは blob レポートで合算(テスト関連の待ち時間 9分39秒→5分15秒)、④node_modules をキャッシュ復元(Node セットアップ 41〜47秒→17〜29秒)。キャッシュ増で Actions キャッシュが11.9GBとなり上限10GBを超えたため、Docker ビルドキャッシュを mode=min にするなどで1PRあたり約1.7GB(推定)→673MBに削減した。

AI コーディングエージェントでテストが増え CI が肥大化する副作用(テストファイル数は7月初め89→10月初め432)を、まず Claude Code に内訳を計測させることで特定した事例。ボトルネックはテスト本体(約14%)ではなく環境の起動オーバーヘッドで、施策を考える前に測ったことが最も効いたと筆者は述べている。記事で Claude Code が担ったと明記されているのは計測部分で、各施策の実装主体は本文からは判別できない。

MIT・ペンシルベニア大ウォートンの経済学者3名(Demirer, Musolff, Yang)が、GitHub開発者50万人超とAI利用テレメトリを突き合わせ、マッチド・イベントスタディでコミット数への効果を測定。オートコンプリート、対話型コーディングエージェント、自律型コーディングエージェントの3世代を比較。コミットからプロジェクト数、実際のリリース数へと生産階層ごとに効果の減衰を追跡。さらに4つの主要ソフトウェアマーケットプレイスで新規アプリ数と総利用量も確認した。

AIによるコーディング作業(コミット)の増加は大きいが、プロジェクト数、リリースへと進むほど目減りし、人間のレビュー・品質管理・リリース能力が律速になる(代替の弾力性0.23で強い補完関係)。マーケットプレイスでも新規アプリ数は急増したが総利用量は増えておらず、コミット数の伸びを成果と読むべきでないことを示す。査読前のワーキングペーパー(2026年5月初版、9月改訂)。

Deutsche Telekomが2025年6月のUnlimitedキャンペーンでGoogleの動画生成AI「Veo」を使用。視聴者の関心(アフィニティ)別に個別化した広告素材を、横長・縦長の両フォーマットで追加撮影なしに制作(例: 食好き向けに果てしなく長いピザ、音楽好き向けに果てしないレコード店)最終的にVeo生成は150バリエーション。全部は配信せず、予測インパクトで配信分を選別。Veo素材を従来のTV CMとA/Bテストして効果を検証。

セグメント別の素材をAIで量産し、予測インパクトで絞って配信・A/Bで検証する運用により、撮影コストをかけずに個別化広告を実現した。視聴率は業界平均37%に対し56%超、広告想起は3.8ポイント上昇と、画一的な従来型広告を上回った。なおGoogle公式のケーススタディである点に留意。

ロンドン在住の30歳前後の中国系メディア専門家3人(監督Jiaze Li、ポスプロのCandy Lin ほか)が、余暇に7分のAI短編映画『Sign』を制作。映像はRunway・Google Veo・Kuaishou Klingなど複数の動画生成AI、音楽はSunoで作成。監督は使えるクリップを得るまで数千回のプロンプトを実行(記事は「宝くじ」に例える)。道路標識が現実を歪める物語の構想に1か月以上かけ、編集は絶え間ない創作判断を要した。制作費は5,000ポンド未満で大半がAIツール代。Bilibili(中国の動画サイト)のAI映画コンペに出品し、YouTube・Instagramでも公開。

少人数・低予算でも、数千回の試行と1か月超の構想・丁寧な編集により、中国の動画プラットフォームで1,600万回視聴に達した。複数ツールを使い分けたことより、物語設計と試行量、編集判断が成果を分けたと読める。監督は「技術はもう障壁ではなく、競争力は創造性から生まれる」と述べる。一方、記事は著作権や有名人に似てしまう問題など、クリエイターの間で評価が割れる点も扱っている。

Oracleは4〜5月に、社内向けにChatGPT EnterpriseとOpenAIのコーディングツールCodexを展開した(CIOのJae Evans氏による)。展開前に、全社の基準・セキュリティ統制・社内ポリシーを整備した。CIOチームが支援する約16万人の従業員のうち、3か月で80%が新ツールを利用した。セキュリティ分野では、AnthropicのClaude Mythos Previewの早期アクセス提供先の1社として自社コードで試した。誤検知率が60〜70%だったため、エンジニアが修正に着手する前の検証ステップを新設した。

導入前にルールと統制を整えたことで、約16万人規模でも3か月で利用率80%に到達した。一方でAIはコードを書く速度も欠陥を見つける速度も上げたが、リリースや検証が追いつかず、ボトルネックは消えずに移っただけだと記事は指摘する。導入率の高さがそのまま納期短縮にはつながらない例である。

Citi: 約14,000人のエンジニアがエージェント型コーディングツールを利用し、製品投入の高速化と開発の内製化を進めた。テクノロジーベンダー支出は前年比30%減。製品投入速度は30〜40%改善(Fraser氏が「より低コスト・高速で新製品を出せる」と発言)。Citi: 82か国のサービス担当者にAIツールを展開し、顧客対応の応答時間が21%改善、顧客満足度スコアも向上。Bank of America: 40億ドル超の開発運営で開発効率が10%向上。約130件のAI案件を実装済みで、効果は2026年の約2.5〜3億ドルから2027年に7億ドルへ増える見込み。全案件にリターンを設定し、将来は費用の2〜3倍の効果を見込む。

BofAのMoynihan CEOは効率化を人員削減ではなく「同じコストで10%多くの仕事をこなす」増産として捉えている。AI案件ごとに期待リターンを紐づけ、開発効率・投入速度・応答時間といった測れる指標で効果を示す姿勢が両行に共通する。なお2行とも数値は決算発表時の自己申告で、第三者検証はない。 関連: overseas #672(大手銀行5社のAI活用)の続報。

インパクトホールディングス(従業員1,000名超)の執行役員・DX推進本部長が、5名のエンジニアチームで全社AI基盤を内製した。2026年からバイブコーディングを導入。Gemini・ChatGPT・ClaudeをAPIで接続した従量課金の自社基盤「Colabot」(2024年10月リリース)を提供し、入力データが学習に使われない環境を全社員に用意した。バイブコーディングはチーム開発がしにくいため、1人のエンジニアが1アプリを担当する体制にした。会議ボットと音声テキスト変換で議事録作成を不要にし、自社カレンダーに法人データや名刺情報を連携して営業行動を自動記録している。認証(OIDC)も内製した。グループ約10社から20〜30名の推進委員を集め、週1回の事例共有で浸透を進めた。

本文では、従来およそ3年かかる基盤構築を、5名のチームが今年に入って約5ヶ月で全体の5割まで進めたと述べられている(見出しは「3年から10ヶ月」)。バイブコーディングの特性に合わせ、チームでなく1人1アプリで進めた点が特徴。一方、社内の利用は半数程度で、KPIの全社活用率7割には届いておらず、ベテラン層への浸透が課題とされる。

株式会社Storeeelのエンジニア2名(小坂さん・後藤さん)へのインタビュー。デザインは生成AIツールlovableで社内メンバーと確認しながら確定。デザイン確定後はClaude CodeやCodexなどのコーディングAIでコードを生成し、そのままリリースまで進める。ビジネス側はChatGPTやGeminiなど複数の生成AIでリサーチ。AIの出力後は一度メモリをリフレッシュして忘れさせ、フラットな目線で再レビューさせ、別モデルにも聞いて多角的にチェック。動作が大きく壊れるリスクのある機能は人間が必ずレビュー。

デザイン・実装・リサーチ・レビューの各工程にAIを割り当て、レビューはメモリをリフレッシュして別モデルでも確認する運用にした。リスクの高い部分だけ人間が見る境界線を引いている。効果は本人が「体感ベース」と述べており、厳密な計測値ではない。

Ridge-i取締役の市來さんが、約3年前(2023年)から生成AI活用を本格化し、開発でCursor・Claude Code・Codex・Copilotを併用。営業メンバー5〜6名が、デモ(モック)作成に主にClaude Codeを使用。イメージを持ち、的確に指示し、出力コードをレビューしながら進める。作ったモックはプロジェクト開始時にエンジニアへ引き継ぎ、ノウハウを共有して開発へ。社内勉強会に営業も参加、SlackでTips共有、チームのClaude Codeプロンプトはマネージャーがベースを作り合意のもとで更新。

従来はデモ作成にエンジニアの稼働が大きくかかっていたが、Claude Codeで営業自身が作れるようになり、顧客と壁打ちしながら数日後にプロトタイプを見せて商談が進む事例が出た。開発ではClaude Code等のエージェント導入後、導入前比で開発スピードが倍以上になり、特にPoC段階の「とにかく動かす」工程が効率化された。