CyberAgent「AIナレッジ共有会」— AI 活用の進捗を「レベル定義×数値レポート」で回す型
作成日: 2026-07-23
出典 / きっかけ: CyberAgent Developers Blog（2026-07-21、経営推進本部・片岡氏）「96プロダクトのAI活用力を強化した話｜AIナレッジ共有会」。「AI 進捗を数値でレポートする」実践例として着目
関連: dena_職種横断ai活用_sdd_と週次共有会_整理 ai活用可視化_looker_サーベイ分析_整理 ai生産性パラドックス_メトリクス起点の改善ループ_整理
0. 要点（3行）
- CA は「2028年までに要件策定→本番展開の完全自動化」を掲げ、進捗を5段階の活用レベル定義（個人/チーム別）＋各回のアウトプットレポート（数値報告）で追う仕組みを構築。個人平均スコアが半年で 1.23→3.27 のように「組織の AI 化の進み」を1つの数直線で語れるようにした
- 施策の型は「キーパーソン選抜（96プロダクト・テックリード級）→ ナレッジ展開 → 現場実践 → 数値でアウトプット報告」の半年4回ループ。報告値として要件定義・開発工数 3割減、仕様・影響調査 約75%減、PR 作成数 1.5〜2倍など
- 正直な数値も出している点が信頼できる: 第4回時点で活用度4以上が3割超 vs 効果実感なしが3割の二極化。平均値でなく分布で見ているから打ち手（全員 Lv.3 到達を目標にした E ラーニング）につながる
1. 前提となる投資（対外発表と一致・裏取り済み）
| 時期 |
施策 |
| 2023-04 |
GitHub Copilot 全社導入（以降 Cursor / Cline / Windsurf / Devin 等を部門導入） |
| 2024 |
「AI の発展を会社の競争力にする」宣言（基調講演） |
| 2025-06 |
開発 AI エージェント導入に年間約4億円を投資決定。エンジニア約1,200名に月額 200 米ドル支給（業務外でも試用可） |
| 2025 |
AIドリブン推進室 新設 |
| 2025-10〜2026-04 |
AIナレッジ共有会（半年4回・延べ96プロダクト参加） |
- 公式発表では「約1年半でエンジニアの開発業務工数の約4割を AI が補完」ともされる（2025-06 リリース）
2. 計測の仕組み — ここが「使える」部分
2-1. AI 活用レベル定義（5段階×個人/チームの2軸）
| Lv |
個人 |
チーム |
| 1 |
AI アシスタント |
コードレベル補完 |
| 2 |
AI ペアプログラミング |
タスクレベル自動化 |
| 3 |
AI オーケストレーター |
プロジェクトレベル自動化 |
| 4 |
AI アーキテクト |
AI ソフトウェアエンジニア |
| 5 |
AI ワークフロー開発 |
AI 開発チーム |
- ポイントはツール導入率でなく「働き方の段階」を測っていること。Copilot を入れたか（手段）ではなく、並列オーケストレーションやワークフロー自作ができるか（能力）がスコアになる
- 個人とチームを分けているのも実務的 — 「個人が知識を持っていても、チームで実践するのは別の話」という課題認識が出発点
2-2. アウトプットレポート（数値での成果報告）
共有会の3ステップ「ナレッジ展開 → プロダクトで実践 → アウトプットレポート」の最後を数値報告に固定。報告された定量効果（第3回・同社報告値）:
| 指標 |
報告値 |
| 活用度上位2段階（4・5）の選択率 |
9割近く |
| 要件定義・開発工数 |
3割減 |
| 仕様・影響調査工数 |
約75%減 |
| プルリクエスト作成数 |
1.5〜2倍 |
| コードレビュー時間 |
1回あたり 0.5〜1時間 削減 |
2-3. 分布で見る（平均に逃げない）
- 第4回: 活用度4以上 3割超 / 効果実感なし 3割 の二極化を明示 → 底上げ施策（AI 駆動開発 E ラーニング、全エンジニア Lv.3 到達目標）に直結
- グループ会社の個人スコア推移 1.23 → 3.27（半年） のように、時系列の1本の数字でも語れる
3. 共有会テーマの設計（個人→チーム→領域→組織）
| 回 |
テーマ |
抽象度 |
| 第1回（2025-10） |
AI Agent 時代の向き合い方（レベル定義の共有） |
個人 |
| 第2回（2025-12） |
CA 流 AI 駆動開発（プラン作成→人レビュー→AI 実行→人確認のコアフロー） |
チーム |
| 第3回（2026-02) |
Unity 開発領域への応用（Unity MCP 内製） |
領域 |
| 第4回（2026-04) |
プロジェクト型 AI 駆動開発（9ステップのフロー整備） |
組織 |
- 第4回の気づき「AI が働きやすい環境 ≒ 新規参入者が働きやすい環境」（ドキュメント・舗装路が整っている状態）は、Netflix Stone 氏の「エージェントが乗れる paved paths」と同じ結論に別ルートで到達している
4. 考察（ここは自分の解釈）
- 一言でいうと「測るのは導入でなく段階、報告は平均でなく分布」。レベル定義（ルーブリック）を先に固定したから、施策前後の 1.23→3.27 が意味を持ち、二極化も検出できる。定義なしに「AI 使ってます」を集計しても進捗は語れない
- 自己報告スコア＋自己申告の工数削減値なので、測定としてはソフト（ホーソン効果・報告バイアスあり）。ただし目的が「経営への進捗報告と打ち手の選定」なら十分機能する割り切りで、DORA 的な実測系（PR リードタイム等）と併用すれば締まる
- AI 推進組織（CoE）の設計参考としてかなり良い実例: 推進室（AIドリブン推進室）＋伴走部隊（AIオペレーション室）＋選抜キーパーソン（96プロダクト）＋数値レポートの4点セット。「全社研修」だけで終わらせず、キーパーソン経由の波及＋数値での回収まで設計している
- 自分への転用: (1) 個人でも「レベル定義→半年ごと自己採点」は使える（Claude Code 運用の成熟度を Lv 定義してスコア推移を日報/月報に載せる）、(2) チームに入れるなら共有会の3ステップ（展開→実践→数値報告）をそのまま雛形にできる
5. まとめ — 転用できる型
| 状況 |
型 |
| 組織の AI 進捗を経営に報告したい |
レベル定義（個人/チーム2軸）を先に固定 → 定点スコア＋分布で報告 |
| 研修が「やりっぱなし」になる |
展開→実践→数値アウトプット報告の3ステップで回収を仕組み化 |
| 平均値が上がったのに現場実感がない |
分布を見る（二極化の検出）→ 下位層向けの底上げ施策を別建て |
| 数値の信頼性を上げたい |
自己申告スコアに PR リードタイム等の実測系を併走させる |
参考リンク
- 出典記事: https://developers.cyberagent.co.jp/blog/archives/64511/
- 公式リリース「開発AIエージェント導入に年間約4億円を投資決定」（2025-06）: https://www.cyberagent.co.jp/news/detail/id=32077
- 同・Developers Blog 告知: https://developers.cyberagent.co.jp/blog/archives/57194/
- ITmedia 報道: https://www.itmedia.co.jp/aiplus/articles/2506/19/news100.html
- CyberAgent Way「エンジニアとAIエージェントが協働する開発組織」: https://www.cyberagent.co.jp/way/list/detail/id=32570
作成: 2026-07-23 ／ 最終更新: 2026-07-23