IT業界のAI活用事例!IT企業の事業変化から受託開発・要件定義での使い方、社内浸透まで解説

- IT企業では生成AIで開発の進め方・売り方・求められる人材が同時に変化
- LINEヤフーや富士通など国内大手は条件付きで工数削減の成果を公表
- 成果につなげるには人月見積もりの見直しと社内浸透の仕組みづくりも重要
生成AIの普及によって、IT企業の開発現場が大きく変わり始めました。コード生成AIやAIエージェントを使えば、実装やドキュメント作成を短時間で進められる場面が増えています。一方で、見積もりや提案、人材育成のあり方まで見直しを迫られているのが実情。

しかし、「開発は速くなるが、人月の見積もりはどうなるのか」「社内で使っているのは一部のエンジニアだけ」「提案や要件定義にはどう使えばよいのか」といった悩みを抱える経営層・開発責任者の方も多いのではないでしょうか。
そこで本記事では、IT業界のAI活用について、IT企業の事業の変化と国内IT企業の事例を解説しながら、受託開発の工数・見積もりへの影響や提案・要件定義での使い方、社内に浸透させる方法まで詳しく紹介します。最後までお読みいただくことで、自社の開発プロセスに生成AIをどう組み込み、成果につなげればよいかが理解できるはずです。ぜひ最後までお読みください!
\生成AIを活用して業務プロセスを自動化/
IT業界でAI活用が進む背景とIT企業の事業の変化

生成AIの普及によって、IT企業では「つくり方」「売り方」「求められる人材」が同時に変わりつつあります。AIに実装を任せて人が確かめる開発の進め方が広がり、生成AIそのものが新しい売り物にもなりました。
導入を後押しする要因の一つが、IT人材の不足です。
経済産業省が2019年に公表した試算では、2030年にIT人材が最大約79万人(中位シナリオで約45万人)不足する見通しです。
IPAの「DX動向2026」でも、DXに取り組む企業のうち、DXを推進する人材の「量」が不足していると答えた企業は85.5%にのぼりました。※2
もう1つの背景は、コーディング支援AIやAIエージェントの急速な進化。同調査では、生成AIを導入している企業の割合が2024年度の22.6%から2025年度は44.0%へ大きく伸びています。※2
業種別に見ると、情報通信業ではAIを「導入している」企業が約7割に達しました。
AIを導入・検討している企業に用途を聞いた設問でも、「プログラムコードやシステム開発支援」を挙げた割合は情報通信業で76.3%と、他業種を大きく上回ります。※2
効率化を事業の成長にどうつなげるかが、IT企業にとっての次の課題といえるでしょう。IT企業の事業の変化を3つの軸で整理すると、次のとおりです。
| 変化の軸 | これまで | これから |
|---|---|---|
| 開発プロセス | 人が設計書を読み、コードを書き、テストする | 生成AIやAIエージェントが作業を進め、人が指示・レビュー・品質保証を担う |
| ビジネスモデル | 工数×単価の人月見積もりが中心 | 成果物・機能・成果に応じた価格設計の模索、生成AIを組み込んだサービスの提供 |
| 人材 | 実装を中心とした技術力が重視されやすい | 課題の整理・設計・AIの出力を検証する力が重視される |
開発の進め方が「人が書く」から「AIに任せて人が確かめる」へ
生成AIの開発支援は、入力中のコードを補完するツールから、要件定義からテストまでを自律的に進めるAIエージェントへと進化しています。後述する富士通のように、改修作業の流れ全体をAIエージェントに任せる取り組みも登場しています。
NTTデータは、生成AIの適用が進む工程としてコード生成やマイグレーション、ソースコードから設計情報を復元する作業を挙げています。※3
その結果、人の役割は「書く」ことから「指示する・レビューする・品質を保証する」ことへ移りつつあります。その出力が正しいかを見極め、最終的な責任を持つのは人である点は変わりません。
自社サービスや顧客システムに生成AIを組み込む案件が増えている
生成AIは開発を速くする道具であると同時に、IT企業にとって新しい売り物にもなりました。SaaS企業のなかには、文章の要約や問い合わせ対応などのAI機能を自社サービスに組み込む動きが広がっています。
受託開発の現場でも、生成AIを組み込んだシステムの開発が新しいテーマとして浮上しています。WEELにも、社内システムや顧客向けサービスに生成AIを組み込みたいという相談が寄せられています。
つまりIT企業にとって生成AIは、社内の効率化ツールと新規案件の源泉という2つの顔を持つ存在です。自社で使いこなした経験が、そのまま提案力にもつながるといえるでしょう。
エンジニアに求められる役割とスキルの変化
生成AIが実装の一部を担うようになり、SEの仕事は顧客課題の整理や設計、AIの出力のレビューといった上流・判断業務へ比重が移っています。
NTTデータは、これからのIT人材に求められる力として「生成AIを使いこなす力」と「適切なアプローチを見極める力」を挙げています。
業務知識とIT知見をもとに、AIの誤りを見抜くことも欠かせません。※3
顧客から要件を引き出す力や、システム全体を設計する力の価値も高まっています。AIに仕事を奪われるかどうかという二択ではなく、エンジニアの役割の重心が変わりつつあると捉えるのが実態に近いのではないでしょうか。
生成AIを組み込んだシステムの受託開発について、詳しく知りたい方は下記の記事もあわせてご覧ください。

IT企業の生成AI活用事例
ここでは、国内IT企業の生成AI活用事例を4社紹介します。公表されている数値は、対象範囲や条件とあわせて確認していきましょう。
| 企業名 | 活用領域 | 取り組み内容 | 公表されている効果 |
|---|---|---|---|
| LINEヤフー | コード開発 | 全エンジニア約7,000名を対象にGitHub Copilotを導入(2023年10月発表) | 試験運用(約550名)で1人1日あたり約1〜2時間のコーディング時間削減 |
| メルカリ | 全社の業務 | 「AIを前提に再設計された組織」を掲げ、全社横断のAI Task Forceを設置 | 社内のAIツール利用率100%、開発部門のコード生成のAI比率70%超 |
| NTTデータ | システム開発の全工程 | 累計500以上の開発プロジェクトに生成AIを適用 | 2027年度に開発工程全体で最大70%の生産性向上を目標 |
| 富士通 | システム改修 | LLM「Takane」を使うAIエージェントで要件定義〜結合テストを自動化 | 法改正対応の改修1件の社内検証で3人月→4時間 |
LINEヤフー:全エンジニア約7,000名にGitHub Copilotを導入

LINEヤフーは2023年10月、開発に関わる全エンジニア約7,000名を対象に「GitHub Copilot for Business」の導入を始めています。※4
2023年6〜8月に約550名を対象に試験運用したところ、1人あたり1日のコーディング時間が約1〜2時間削減されています。GitHub上の活動を数値化した評価でも、一部の指標で約10〜30%の向上。※4
注目したいのが、展開前に利用ルールを整えた点です。
eラーニングの受講を必須にし、著作権侵害を防ぐ講習や複数人によるレビューの徹底をあわせて進めています。※4
メルカリ:「AI-Native」を掲げて全社で業務を再設計

メルカリでは2025年5月、経営トップから全社員に向けて「AIを前提に再設計された組織」になるというメッセージが発信されました。
これを受けて、全社から100人規模が集まる「AI Task Force」が立ち上がっています。※5
取り組みの対象は開発部門だけではありません。2025年10月にはTask Force内にAIガバナンスチームを設け、法務や公共政策のメンバーも加わってAI活用のルールを検討する体制を整えています。※5
開発ツールでは、AIエディタ「Cursor」を申請すれば誰でも使える形で開放しています。※6
2026年6月の報道では、同社の担当VPが社内のAIツール利用率は100%に到達し、開発部門でのAIによるコード生成比率も70%を超えていると説明しています。※5
NTTデータ:システム開発プロジェクトへ生成AIを適用

NTTデータは、システム開発プロジェクトへの生成AIの適用を組織的に進めている企業です。
2024年10月の発表時点で、NTTデータグループ国内で約2,000ユーザー・70以上のプロジェクトがGitHub Copilotの利用を開始。※7
その後、適用先は累計500以上の開発プロジェクトに拡大しました。2027年度には、開発工程全体で最大70%の生産性向上を目標に掲げています。※8
富士通:AIエージェントで要件定義からテストまでを自動化

富士通は2026年2月、LLM「Takane」とAIエージェント技術を使った「AI-Driven Software Development Platform」を発表しました。
要件定義から設計・実装・結合テストまでを、AIエージェントが自律的に進める開発基盤です。※9
法改正に伴う約300件の変更案件のうち1件を対象にした社内検証では、3人月かかっていた改修が4時間で完了し、生産性は約100倍に相当します。※9
2026年1月からは、ヘルスケアと行政の計67種類のパッケージソフトを対象に、診療報酬改定に伴う改修作業での活用が始まっています。
発表時点では、2026年度中に金融・製造・流通・公共へ適用を広げ、顧客向けのサービス提供も始める方針が示されました。※9
IT業界以外も含めた国内企業の生成AI活用事例について、詳しく知りたい方は下記の記事もあわせてご覧ください。

受託開発の工数・見積もりは生成AIでどう変わる?

生成AIで工数が減るほど、「工数×単価」の人月モデルでは1案件あたりの売上が減りかねないというジレンマがあります。単価が同じなら、生産性の向上が実質的な値下げにつながってしまいます。※10
実際にWEELにも、受注側・発注側の双方から、生成AIを前提に開発の進め方や費用の考え方を見直したいという相談が寄せられています。工数をどう減らすかだけでなく、その成果を見積もりにどう反映するかが問われ始めているといえるでしょう。
工程ごとに見た工数削減の目安
生成AIで短縮しやすいのは、情報の整理・文書化・コード生成といった定型的な作業です。ただし、顧客との合意形成や最終的な品質の判断は人の役割になります。
| 工程 | 生成AIに任せやすい作業 | 人が担う作業 | 公表されている事例 |
|---|---|---|---|
| 要件定義 | 議事録・RFP・法令からの要件の抽出と文書化 | 顧客との合意形成、要件の妥当性の判断 | 富士通:要件定義〜結合テストを通して3人月→4時間(法改正対応の改修1件の社内検証) |
| 設計 | 設計書のたたき台作成、既存コードからの設計情報の復元 | アーキテクチャの決定、業務ルールなど暗黙知の補足 | — |
| 実装 | コード生成、言語・データベースの移行 | 指示の設計、生成コードのレビュー | LINEヤフー:試験運用(約550名)で1人1日あたり約1〜2時間のコーディング時間削減(アンケート) |
| テスト | テストケースの作成、テストの実行 | 品質基準の設計、結果の確認 | — |
| 保守 | 影響範囲の調査、改修の実行 | リリースの判断と責任 | — |
「人月」から成果・価値ベースの見積もりへ
大手SIerでも、人月に代わる料金体系の模索が始まっています。
NECグループのAI Native Factoryは自社製品の開発で、同社の経験則では7人で約1年かかる規模をエンジニア1人とAIで約1カ月で進めました。※11
一方で、人月に代わる料金体系については「まだ組み立て中」と説明しています。※11
富士通の時田社長も、人月単価のビジネスモデルはいずれ成り立たなくなるという趣旨の見方を示しています。※12
代わりとなる見積もりの考え方には、主に次のようなものがあります。
| 見積もりの考え方 | 内容 | 向いている案件 |
|---|---|---|
| 成果物単位 | 画面数・帳票数・設計書など成果物ごとに価格を決める | 仕様が固まっている開発 |
| 機能単位 | 機能やユースケースごとにモジュール化して価格を決める | 段階的に機能を追加する開発 |
| 成果連動型 | 削減時間や売上など、顧客の業務KPIに応じて対価を決める | 効果を測定できる業務改善 |
| 基本料金+従量 | 年間の一定回数までの改修を基本料金に含め、超えた分を従量で請求する | 保守・定期的な法改正対応 |
PwC Strategy&も、成果連動型やタスク単位の課金などを組み合わせた価値ベースの価格設定を提言しています。特に成果連動型では、顧客の業務KPIに結びついた測定指標と、その合意方法の設計が重要になるでしょう。※10
工数削減を値下げで終わらせないための顧客への説明
生成AIで短縮できた時間は、品質向上や追加提案、スピード納品といった付加価値に振り向けることが重要です。
例えば、浮いた時間をテストの充実やセキュリティ診断に回せば、同じ予算でより品質の高いシステムを届けられる可能性があります。
顧客には「安くなった」ではなく、「早く・確実に価値が届く」という形で説明するのが効果的なのではないでしょうか。あわせて、見積もりの前提として生成AIの利用範囲やレビュー体制を事前に合意しておくと、後からの認識のずれを防げます。
AI駆動開発の進め方について、詳しく知りたい方は下記の記事もあわせてご覧ください。

提案・要件定義での生成AIの使い方
生成AIは実装だけでなく、提案・要件定義といった上流工程でも効果を発揮します。上流工程には議事録の整理や文書作成といった作業が多く含まれ、生成AIが得意とする作業と重なるのが理由です。
弊社WEELでも、AI対話型の上流工程自動化ソリューションを開発した実績があります。
LLMに要求定義書・要件定義書・詳細設計・ER図を順に作成させ、工程ごとに人が手直しする半自動の仕組みで、上流工程の業務の大幅な削減につなげています。
ヒアリング内容や議事録から要件の叩き台をつくる
打ち合わせの録音を文字起こしした内容や議事録を生成AIに渡せば、業務要件・機能要件の叩き台をすぐに作成可能。利用者の視点で「誰が・何のために・何をしたいか」をまとめたユーザーストーリーの形で出力させるのも効果的です。
ゼロから書き起こす手間が省けるため、担当者は内容の確認と顧客への質問作りに時間を使えます。
提案書・RFP回答のたたき台作成
RFPの読み込みと要点の整理も、生成AIが得意とする作業の一つ。
要求事項の一覧化や評価項目の抽出を任せれば、読み落としの確認を補いながら短時間で全体像をつかめるでしょう。最終的には原文との突き合わせも欠かせません。
その上で、提案書の骨子や想定される質疑応答の案を作らせれば、提案チームは中身の検討に集中できるでしょう。過去の提案書を社内で検索・再利用できる仕組みがあれば、内容をより具体化しやすくなります。
要件の抜け漏れチェックと見積もり根拠の整理
作成した要件定義書を生成AIにレビューさせると、非機能要件や例外処理の抜け漏れ、記述の矛盾の洗い出しが可能です。人のレビューの前に一次チェックとして使えば、見落としによる手戻りを減らせると考えられます。
機能一覧をもとに作業を細かく分解させ、見積もりの根拠を整理する使い方も有効。ただし工数の数値は、社内の実績データや見積もり基準と照らし合わせて人が判断します。
生成AIを使ったシステム開発の流れについて、詳しく知りたい方は下記の記事もあわせてご覧ください。

【検証】打ち合わせメモから要件定義書と工数見積もりの叩き台を生成AIで作ってみた
ここでは、架空の打ち合わせメモをもとに、生成AIで要件定義書と工数見積もりの叩き台を作成してみました。実在の顧客情報や社内情報は一切使っていません。
検証の条件とプロンプト
想定したのは、中堅企業から社内問い合わせ対応チャットボットの開発を相談された初回ヒアリング。打ち合わせメモの内容は次のとおりです。
顧客は従業員約800名の機械部品メーカー(架空)
総務・人事・情報システム部への社内問い合わせが月約1,500件あり、担当者の負担が大きい
問い合わせの多くは経費精算・休暇申請・PCのパスワード再設定など定型的な内容
社内規程やマニュアルはPDFとWordで約300ファイルあり、共有フォルダに保存されている
利用者は全従業員で、普段使っているチャットツールから質問できるようにしたい
回答できない質問は担当部署へ引き継ぎたい
人事評価や給与など個人情報に関わる質問には回答させたくない
予算感は初期費用で500万円前後、運用費は月額で抑えたい
2027年4月の新年度に合わせて稼働させたい
クラウド利用の可否は情報システム部と確認中このメモを貼り付けたうえで、次のプロンプトで要件定義書の叩き台を依頼しました。
プロンプトはこちら
以下は、社内問い合わせ対応チャットボット開発の初回ヒアリングメモです。
このメモをもとに、要件定義書の叩き台を作成してください。項目は「目的」「機能要件」「非機能要件」「前提条件」「未確定事項(顧客に確認すべき点)」の5つとし、メモに書かれていない内容を推測で補った箇所には【推測】と明記すること。続けて、工数見積もりの叩き台を次のプロンプトで依頼しています。
追加プロンプトはこちら
この要件を作業に分解し、工程ごとの概算工数を表で出してください。各工数の前提条件と数値の根拠もあわせて記載すること。出力結果:要件定義書の叩き台
出力までにかかった時間は1分弱。指定した5項目に沿って、機能要件12件や非機能要件、前提条件、未確定事項15件を含む叩き台が表形式で出力されました。

特に良かったのが、各要件に「根拠」列を設け、メモに書かれた内容と推測で補った内容を区別していた点です。
例えば「普段のチャットツールから質問できる」「規程やマニュアルをもとに回答する」はメモ、「回答の根拠にした文書名を示す」「管理画面を持つ」は【推測】と書き分けられていました。
メモにない内容を断りなく足した箇所は見当たらず、指示通りの出力です。ただし、「1回の回答は10秒以内」といった非機能要件の数値は推測のため、顧客と合意するまでは仮置きとして扱う必要があります。

未確定事項は15件挙がり、決まらないと設計が進まない項目から順に並んでいました。クラウドを使えるか、チャットツールの製品名と管理者権限、4月に全社展開するのか一部部署の試行から始めるのか、どこまでを「個人情報に関わる質問」とするのか、といった点です。
出力結果:工数見積もりの叩き台と人が直すべきポイント
続けて工数見積もりを依頼すると、約1分で「見積全体の前提」「工程別の工数」「予算・スケジュールとの突き合わせ」「前提が変わった場合の増減」「顧客側に発生する工数」の5つに分けた回答が返ってきました。

冒頭では、工数の単位(1人日=8時間)や人日単価5万円、生成AIのAPIとベクトル検索を組み合わせる構成などを前提P-1〜P-6として一覧化。それぞれに【推測】かどうかも明記されています。
工程別の工数は、要件定義・設計・開発・テスト・導入・プロジェクト管理などを作業単位まで分解し、合計96人日と算出しました。
各作業には前提条件と数値の根拠が並びます。例えば要件定義の打ち合わせは「1回あたり準備・実施・議事録で1人日×3回」、プロジェクト管理は「1〜6の合計86人日の約12%」と、計算の過程まで確認可能。

予算との突き合わせでは、96人日×5万円=約480万円で予算の500万円前後に収まる一方、一般的な予備工数10%を積むと約530万円になり予算をわずかに超えると指摘していました。
管理画面を作らずログを表計算ソフトに出力すれば4人日減るなど、予算内に収めるための削減案も添えられています。作業の分解と前提条件の書き方は、社内で見積もりを検討する際のたたき台として十分に使えるのではないでしょうか。
| 評価項目 | 結果 | 人が補うべき点 |
|---|---|---|
| メモの内容の整理 | メモの主な内容を5項目に振り分けて整理できた | 優先したい課題など、メモに書かれていない顧客の意図の確認 |
| メモにない内容の補完 | 補った箇所を根拠列と【推測】で明示していた | 応答速度など推測で置いた数値を顧客と合意する |
| 未確定事項の洗い出し | 15件を優先度順に挙げ、スケジュールへの影響も補足した | 次回の打ち合わせで聞く項目の絞り込み |
| 作業の分解 | 工程と作業の2階層にIDを付けて分解できた | 自社の開発体制や標準工程との照合 |
| 前提条件の記載 | 見積全体の前提と作業ごとの前提を記載していた | 単価や構成など推測の前提を確定させる |
| 工数の根拠 | 打ち合わせ回数×人日など計算の過程を示していた | 自社の過去実績にもとづく数値への置き換え |
IT企業が生成AIを活用するメリット
ここでは、一般的な業務効率化にとどまらない、IT企業ならではの生成AI活用のメリットを3つ紹介します。
開発スピードの向上と品質チェックの強化
生成AIは実装を速くするだけでなく、品質面の強化にも役立つのが特徴。コードレビューの一次チェックやテストケースの作成を任せれば、境界値や例外のテストケースの候補を追加する支援にも使えます。
適切なレビュー体制のもとで開発スピードと品質の両方を高めていける点は、納期と品質の両立を求められる受託開発にとって大きなメリットではないでしょうか。
生成AIを使ったテストケースの作成について、詳しく知りたい方は下記の記事もあわせてご覧ください。

エンジニア不足でも案件を回せる体制づくり
生成AIを開発プロセスに組み込めば、条件が合えば、少人数でも対応できる案件の数や領域を広げられます。これまで人手が足りずに断っていた案件にも、レビュー体制を整えたうえで挑戦しやすくなるでしょう。
特に、AIエンジニアのリソース不足に悩むIT企業は少なくありません。WEELにも、生成AI関連の案件を進めたいものの社内に担える人材がいないという相談が寄せられています。
提案力の向上と新サービスの創出
提案書の作成や要件の整理が速くなれば、提案のスピードと質が上がり、受注率の向上にもつながる可能性があります。顧客の課題に合わせたプロトタイプを短期間で示せるのも強み。
さらに、生成AIを組み込んだ新サービスや新規事業も生み出しやすくなります。自社で使って得た知見を顧客向けサービスの開発に活かせるのは、IT企業ならではの利点といえるでしょう。
IT企業が生成AIを活用する際の注意点
IT企業は、顧客の情報やソースコードを預かる立場です。ここでは、一般企業とは異なるIT企業特有のリスクを中心に見ていきましょう。

顧客の機密情報・ソースコードの取り扱い
顧客から預かったソースコードや仕様書を生成AIに入力してよいかは、契約やNDA(秘密保持契約)の内容次第。案件の開始前に、生成AIの利用可否と入力してよい情報の範囲を顧客と確認しておくことが欠かせません。
ツールの選び方も重要です。
GitHub CopilotのBusiness・Enterpriseプランや、Claude Codeの法人向けプランなどは、入力データを原則としてモデルの学習に使わない扱いになっています。※13
より厳格な管理が必要な場合は、社内環境で動かすローカルLLMを使う方法もあります。
生成コードの品質・著作権・ライセンス
生成AIが出力したコードには、不具合や脆弱性が含まれる可能性があります。また、既存のコードと似た内容が出力された場合には、ライセンス違反や著作権の問題につながるおそれもあります。
対策として有効なのが、ルールによる歯止めです。
LINEヤフーのように、著作権侵害を防ぐ講習と複数人によるレビューの徹底をセットで運用すれば、リスクを抑えながら活用を広げられます。※4
AI任せによる若手エンジニアのスキル不足
生成AIに頼りすぎると、AIの出力を検証できる人材が育ちにくくなるおそれがあります。その結果、品質保証の負担が一部のベテランに集中しかねません。
AIを使う前提で育成するなら、レビューの観点を教えることが鍵になります。なぜこのコードで良いのかを説明させる、AIの誤りを見つける演習を取り入れるといった工夫が有効でしょう。
生成AIのリスクと対策について、詳しく知りたい方は下記の記事もあわせてご覧ください。

生成AIを社内に浸透させる方法
IT企業であっても、ツールを配るだけでは生成AIは定着しません。何も手を打たなければ、「一部のエンジニアだけが使っている」状態になってしまいます。
社内に浸透させるには、次の4つのステップで進めると効果的でしょう。
入力してよい情報や使ってよいツール、レビュー体制を明文化する段階です。
営業・人事・経理など、非エンジニア部門にも研修と活用例を届けます。
専任の推進役を置き、利用率や削減時間で定着の度合いを確かめましょう。
過去の設計書や提案書を生成AIで検索できるようにし、知見を全社の資産に変えていきます。
利用ルールとガイドラインを先に整える
最初に取り組みたいのが、利用ルールとガイドラインの整備。入力してよい情報、使ってよいツール、出力のレビュー体制を明文化しておけば、社員は迷わず安心して使えます。
ルールがないまま使い始めると、慎重な人ほど使わず、気にしない人ほど危うい使い方をする状態になりかねません。LINEヤフーが全社展開の前に受講必須の研修を設けたのも、この点を意識した取り組みといえるでしょう。
生成AIのガイドラインの作り方について、詳しく知りたい方は下記の記事もあわせてご覧ください。

エンジニア以外の部門にも広げる
IT企業では開発部門の活用が先行し、営業・人事・経理などの非エンジニア部門が取り残されやすいケースが見られます。WEELにも、非エンジニア部門への展開に悩むIT企業からの相談が寄せられています。
有効なのは、非エンジニア向けの研修と、部門ごとの具体的な活用例をセットで示すこと。「営業なら提案書の下書き」「人事なら求人票の作成」のように自分の業務に置き換えられると、利用を促しやすくなります。
推進チームをつくり、KPIで定着を測る
社内浸透を現場任せにしないためには、推進チームや推進責任者を明確にしておくことが大切でしょう。メルカリのAI Task Forceのように、推進役とルールづくりを担う体制を一体で設けると、展開と統制を両立しやすくなります。
あわせて、利用率や削減時間などのKPIで定着の度合いを定期的に測りましょう。部門ごとの数値を見える化すれば、どこに支援が必要かも把握できます。
生成AIの定着度を測るKPIについて、詳しく知りたい方は下記の記事もあわせてご覧ください。

開発ナレッジを社内で共有できる仕組みをつくる
過去の設計書・提案書・障害対応記録などを検索し、その内容を根拠に生成AIが回答する仕組み(RAG)をつくると、ナレッジの属人化の緩和に役立ちます。文書化された知見であれば、ベテランに聞かなくてもたどり着きやすくなるのがメリットです。
受託開発会社からも、開発ナレッジの属人化を解消したいという相談がWEELに寄せられています。前述の提案書の再利用にも役立つため、社内浸透の仕上げとして取り組みたい施策です。
生成AIを使ったナレッジ管理について、詳しく知りたい方は下記の記事もあわせてご覧ください。

IT企業の生成AI活用・開発プロセス変革ならWEELへご相談ください
IT業界のAI活用は、開発の効率化だけでなく、見積もり・提案・人材のあり方まで変えつつあります。成果を出すには、ツールの導入にとどまらず社内への浸透と仕組みづくりが鍵になるといえるでしょう。
一方で、どの工程から生成AIを取り入れるか、見積もりや顧客への説明をどう変えるかは、企業ごとに最適な答えが異なります。自社の開発プロセスや社内浸透を専門家と一緒に進めたいと考えている方も多いのではないでしょうか。
「生成AIで新しいプロダクトを作りたい」「もっと本格的に生成AIを業務に組み込みたい」とお考えの方は、ぜひ株式会社WEELにご相談ください。
開発実績として、
・新規事業室での「リサーチ」「分析」「事業計画検討」を70%自動化するAIエージェント
・社内お問い合わせの1次回答を自動化するRAG型のチャットボット
・過去事例や最新情報を加味して、10秒で記事のたたき台を作成できるAIプロダクト
・お客様からのメール対応の工数を80%削減したAIメール
・サーバーやAI PCを活用したオンプレでの生成AI活用
・生徒の感情や学習状況を踏まえ、勉強をアシストするAIアシスタント
などの開発実績がございます。
生成AIを活用したプロダクト開発の支援内容は、以下のページでも詳しくご覧いただけます。
➡︎株式会社WEELのサービスを詳しく見る。
アイデア段階でも構いません。まずは無料相談でお気軽にご相談ください。
➡︎生成AIを活用したプロダクト開発・業務効率化について相談する

「生成AIを社内で活用したい」「生成AIの事業をやっていきたい」という方に向けて、通勤時間に読めるメルマガを配信しています。
最新のAI情報を日本最速で受け取りたい方は、以下からご登録ください。
また、弊社紹介資料もご用意しておりますので、併せてご確認ください。
IT業界のAI活用のよくある質問
※1:経済産業省「IT人材需給に関する調査(概要)」
※2:IPA「DX動向2026」
※3:NTTデータ「ソフトウェア開発における生成AI活用トレンドと展望」
※4:LINEヤフー株式会社 プレスリリース(2023年10月)
※5:@IT(2026年6月)
※6:Cursorを導入だけじゃなく活用まで:メルカリ2000人展開のリアル(2025年6月)
※7:NTTデータ ニュース(2024年10月)
※8:日経BP(NTTデータ)
※9:クラウド Watch(2026年2月)
※10:PwC Strategy&「生成AI時代の価格設定フレームワーク」
※11:Business Insider Japan(2026年10月)
※12:Business Insider Japan(2026年6月)
※13:GitHub Changelog(2026年3月)、Claude Code Docs「Data usage」

