freee 技術の日 2025にオンライン参加した
はじめに
今年こそはconnpassでいろんなカンファレンスの内容を学ぼうと思い
まず、freee 技術の日 2025にオンラインで参加し
気づきを得たことをメモおよび共有させていただきたいと思います
ASOBIBA STAGE
「象徴事例」から始めるAI機能提供戦略とアーキテクチャ
感想・気づき
よく最近AIエージェントの話がでるのですが、実際の運用仕様などがわかっていなかったので
知れてよかったです。
以下が構成されてるフローになるのですが、A2A Protocolについての知見がなかったので
話をきけてよかったです。ほかの時間帯でもありましたが、まほう経費精算で
チャットベースでのAI相談にすると網羅する内容が多すぎるなどの苦労話もよかったです
| 要素 | 役割 |
|---|---|
| A2A Protocol | エージェント同士が共通ルールで連携するための通信仕様。機能追加・拡張を容易にし、複数エージェント間の協調を標準化する。 |
| AI Agent Service | ユーザー要求を受け取り、どのエージェントが処理するか判断する中核レイヤー。A2A Protocol に基づきエージェント間を調整する。 |
| freee APIs | 会計・人事などの業務データへの安全なアクセスを提供する API 群。 |
| LLM Gateway | LLM 利用を一元化し、マスキング・ログ保存など安全対策を行うゲートウェイ。 |
| LLM（Bedrock） | 要約・文章生成などの大規模言語モデル。AIエージェントの思考や生成をサポートする。 |
| Observability（Langfuse/S3） | エージェント動作や LLM 入出力を記録・可視化し、監査と改善に活用する基盤。 |
主な学び・ポイント
- A2A Protocol対応 Webサービス
- 「まほう経費精算」など具体アプリで技術要件を満たす設計
TAMARIBA STAGE
大規模開発 × AI × 生産性。freeeの挑戦の現在地
感想・気づき
AIを会社の文化として根付かせ、効率的に開発していくにはどうしたらいいかといったことが学べました。個人的に皆の利用状況をダッシュボードで確認したり、バッジ制度で貢献度や認知度が分かりやすくしているのがありだなと思いました。
主な学び・ポイント
- ダッシュボードでAI利用状況を管理、ガードレールを設定
- 強制合宿で1日AIを使い倒す文化
- AI開発マニアのバッジ制度
- Gitコミットの大部分はAIが担当
- 「できない部分だけ人がやる」役割分担
- 大規模開発でのAI生産性向上のリアル
- 採用では「人材がAIを使いこなせるかが見えにくい」という課題
- AI疲れ（AI負荷）の問題も出てきている
プロダクトマネージャーのAI活用
感想・気づき
結構gemを使ってるんだなと思いました。
その場で話してる内容を図に起こして理解度含めたり
自動で競合他社の情報を集めさせたり、結構使いこなしてました。
n8n最近よくきくので、自分もいつも追っかけてる情報はこれで自動収集させ
連絡がくるようにしようかと思案中
主な学び・ポイント
- 競合比較表をAIに生成させる
- ヘルプページなどの情報整理をAIが担当
- 業界ニュース収集をGeminiが自動で実施
- n8n × Slack 通知でドキュメント整備を自動化
- Geminiのgemで業務フロー・ユーザーフローをその場で生成
- マーメイド記法で即可視化 → 即議論が可能に
freeeにおけるファンクションを超えた一気通貫でのAI活用
感想・気づき
この一気通貫をできるようにするためのフローが面白かったです
支配的になってる部分を洗い出すと、ビジネスロジックの部分などが多く
そこをカスタムコマンドを使い、実行は遅いですが詰まりを解消して
作業の効率化をできるようになったのがよかったです
主な学び・ポイント
- 業務タスクを詳細に分割し「支配率」を分析
- gemでタスク内容を自動把握
- どのチームでもビジネスロジックとUIが支配的であることが判明
- ビジネスロジックが支配しない構造を目指す
- その他タスクの支配率を0に近づける取り組み
- 全員がClaude Code Maxを使用できる環境
- 業務プロセスをスラッシュコマンド化し定型化
- 開発合宿で一気に置き換えを推進
- AIエージェントの課題：遅さ・コンテキスト逼迫
- 対応策：スキーマ駆動開発 × ジェネレーターでコードを短縮
- 実装が定型化したことで前工程も改善
- GPT / Claude / Gemini の使い分けはまだ模索中
- 生産性向上：PR数が1.5倍に増加
KATARIBA STAGE
AIプロダクト開発のリアル、そして基盤化へ
感想・気づき
生成AIを使ってどのようにお客様に価値を提供するか大いに悩まれたのが伝わりました
チャットベースでの提供だと事前知識がないと質問もできないので
視覚で認識させるほうに途中から舵をきったとのこと
主な学び・ポイント
- 初期AI機能はチャットUIだったが「分かっている人向け」になりすぎた
- 何もわからない人も使えるよう「見ただけでわかるUI」を目指して再設計
- コンテキスト外の判断がAIには難しい
- 例：レシートが交際費か判断するのは論理的に導けずハルシネーションの原因
- 正確に提供するにはスコープを狭める戦略が必要
- チャットで全領域を網羅するのは困難（QAの話とも関連）
- Bedrock接続が分断されており、データやノウハウも分断
- そのためAI基盤の統合へ
- 「象徴事例から始めるAI機能戦略」へつながる流れ
AI探索術：ユーザーの熱狂と経営の即決を引き出す
感想・気づき
geminiでまとめさせ意見交換を繰り返すのが徹底されていてよかったです
会話の内容スクショして、それをたくさんはりつけてみんなでみるってのは
デザイナーさんの知見がでてていい刺激になりました
主な学び・ポイント
- 企画〜デザインの半年プロセスが1.5ヶ月に短縮
- Figma × Gemini で高速プロトタイピング
- 複数人で案出し → まとめてGeminiへ → 図を自動生成 → FigJamで議論
- 経営陣との認識合わせを高速化
- プロトタイプ作成まで素早く進められる
さいごに
他社のAI導入においてどんなことをしているのかをこんなにも教えていただけるのが
本当にありがたいです。
生成AIを社内でひろめていくのはどの会社でも大変なところなので
情報をもっとキャッチアップして、いい方法を模索していきたいですね
また来年も参加したいと思います
Discussion