InfoQの記事「Accelerating LLM-Driven Developer Productivity at Zoox」は、Zooxでの社内開発体験をどうAIで変えたかを紹介する内容です。
話し手は Zoox の Staff Software Engineer、Amit Navindgi さん。彼は、LLMを使って開発者の生産性を上げる取り組みを、実運用ベースで進めてきた人です。
この話、かなり現実的で好感が持てます。
「AIで全部よくなります！」みたいな夢物語ではなく、情報がバラバラで、探すだけで疲れるという、どの会社にもありそうな地味で重い課題から始まっているのがいいんですよね。
たとえば新しく入った開発者は、まずコードを書く前に、こんな壁にぶつかります。
つまり、本来の仕事である「開発」より前に、情報探索でかなり消耗するわけです。
Amitさんの言葉を借りるなら、開発ライフサイクルの最初は「コードを書くこと」ではなく「情報を探すこと」なんですね。
Zooxが目指したのは、単なるChatGPT的な会話ツールの配布ではありません。
それだと、便利そうに見えても企業ではすぐ限界が来ます。
理由はシンプルで、
といった外に出せないデータがあるからです。
ここは企業AIの超重要ポイントで、私はかなり本質的だと思います。
「AIを使うかどうか」ではなく、**“安全に使える形に再設計する必要がある”**んですよね。
Zooxはそこで、社内向けのAI基盤として Cortex を構築しました。
Cortexは、Zooxの内部でLLMを安全に使うためのプラットフォームです。
記事の説明によると、以下の要素を統合しています。
RAG
Retrieval-Augmented Generationの略で、AIが答える前に社内データを検索して参照する仕組み。
ざっくり言うと「記憶だけでしゃべるAI」ではなく、「社内資料を読んで答えるAI」です。
multi-modal LLMs
文字だけでなく、画像など複数の情報を扱えるLLMのこと。
これは、図やスクリーンショット、資料の見た目も含めて理解したいときに効きます。
contributor-friendly agent APIs
社内の開発者が自分の用途に合わせてAI agentを作りやすいAPI。
agentは、単に質問に答えるだけでなく、状況に応じて複数の手順を進める「自律的な作業担当」みたいなものです。
ここで面白いのは、ZooxがAIを“1つの便利ツール”としてではなく、社内の情報と作業をつなぐ土台として設計している点です。
個人的には、この発想のほうが長生きすると思います。
なぜなら、現場で本当に欲しいのは「チャット欄」ではなく、仕事が前に進むことだからです。
Amitさんの話で印象的なのは、導入の広げ方です。
AIを作るのは半分で、もう半分は現場にちゃんと使ってもらうこと。ここが難所です。
Zooxではそのために、
という方法を使っています。
AI champions は、社内でAI活用を引っ張る“推進役”のような存在です。
現場の人にとって、AIは気になるけれど忙しくて試せないものになりがちです。そこを、詳しい人が横で後押しする。かなり地味ですが、こういう仕組みがないと定着しません。
hackathon は、短期間で試作を作るイベントです。
「こんなことに使えるのでは？」をすぐ形にできるので、導入の心理的ハードルを下げる効果があります。
正直、AIはデモを見ただけだと“すごそう”で終わりやすいので、自分の業務に刺さる体験を作るのが大事なんだと思います。
この話の筋はずっと一貫しています。
Zooxが見ているのは、AIがコード生成を少し助ける、という狭い話ではありません。
彼らは開発者の流れを、こう捉えています。
この一連の流れの中で、どこにでもAIを置けるようにする。
つまり、**“開発者の仕事全体を、AIで摩擦の少ないものにする”**わけです。
ここがすごく現実的です。
生成AIの導入って、つい「コードを何行書かせたか」に目が行きがちですが、実際には、コードを書く前後の雑務や調査のほうが時間を食うことが多いんですよね。
私はこの視点、かなり重要だと思います。
記事の説明にもあるように、この取り組みは決め打ちの deterministic workflows から、より自律的な agents へという流れを含んでいます。
deterministic workflows
決められた手順どおりに動くワークフロー。
たとえば「AをしたらB、次にC」という固定手順です。
autonomous agents
状況を見て、必要な手順を自分で組み立てるAI。
多少曖昧な依頼でも、何をすべきか考えて進めます。
これは、かなり大きな転換です。
固定ルールの自動化は強いですが、現場の仕事はいつも綺麗に定型化されているわけではありません。
むしろ、例外だらけ、曖昧だらけです。だからこそ、agent型のほうが将来性がある、という判断は筋がいいと思います。
ただし当然、自由度が上がるぶん、安全性や評価の難しさも増えるので、そこは簡単ではありません。
このプレゼンの価値は、「ZooxはすごいAIを作りました」という自慢ではないところにあります。
むしろ、
という、かなり当たり前だけど見落としやすい事実を、きちんと構造化して見せている点にあると思います。
特に私は、「AIを入れる」より「AIを使ってもらう」ほうが難しいという現実を正面から扱っているところが好きです。
技術は作れば終わりではなく、使われて初めて価値になる。これは古い真理ですが、LLMの時代になっても全然変わりません。
Zooxの取り組みは、LLMを単なるチャット相手としてではなく、社内の知識・作業・自動化をつなぐ中核として使おうとする試みです。
Cortexという安全な基盤を作り、RAGやmulti-modal LLM、agent APIを組み合わせ、さらにAI championsやhackathonで現場への浸透を進める。かなり筋のいいやり方だと思います。
AI活用の話は派手に見えますが、実際に効くのはこういう泥くさい設計です。
「情報が散らばっていて遅い」という、ありふれた痛みをちゃんと解消する。そこにこそ、LLMのいちばん実用的な価値があるのではないでしょうか。
