多くのビジネスシーンでAIが浸透した今、Nstockでも“AIと協業する働き方”が進んでいます。2025年4月のすごいAll Hands（全社員が参加する1DAYオフサイト）を機に立ち上がった「生成AI委員会」は、ツール活用にとどまらず、組織全体の働き方を変える取り組みを推進してきました。 現在、委員会としての活動は一定の役割を終えていますが、その知見と成果は今もNstockの働き方に活かされています。

今回は、委員会を担ったエンジニアの佐野智章（@ryan5500 以下、ryan）と内田誠悟（@spesnova 以下、sei）が、発足の背景や取り組み、そしてエンジニアとしてNstockが描く未来の働き方について語りました。

All Handsで生まれた“課題意識” ──「AIってどう使うの？」という悩みが出発点だった

── 生成AI委員会をリードするお二人ですが、立ち上がった背景について教えてください。

sei：4月のすごいAll Handsで「今の業務を生成AIで代替してみる」というテーマに取り組みました。 私とryanさんが入ったグループにはセールスメンバーが多く、“セールスイネーブルメント領域でAI活用できることは何か” を議論していました。

ryan：All Handsの前から、エンジニアの間では生成AIが当たり前になりつつあり、「これは業務が大きく変わるぞ」という実感がありました。ChatGPTやDevinのように、開発効率を劇的に高めるツールが次々と登場してきていましたから。

一方で、他職種のメンバーからは「どう使えばいいかわからない」 という声も少なくありませんでした。職種によって、生成AIに対する温度差がありました。

All Handsのグループディスカッションでは「専門領域の質問に自動で答えてくれる仕組みがあれば便利だよね」というアイデアで意見が一致しました。Nstockでは、株式報酬のように専門性の高い知識をドメインエキスパートに確認する機会が多いため、過去の質問を学習して自動回答できる仕組みは大きな価値があります。

そのアイデアをもとに「実際の運用につなげよう」という機運が高まり、生成AI委員会を立ち上げることになりました。委員会の一環として、アイデアをきちんと形にしたツール群も開発しました。たとえば、ドメイン知識を自動で返してくれる社内ツールなどがその代表例です。

※具体的な事案への対応にあたっては、適切な専門家にご相談ください

さらに、「使い方が分からないときに聞ける場がほしい」という声を受けて、AIオフィスアワーにも取り組みました。実際の使い方を直に見ると理解が早まることが多く「このやり方なら自分でもできる」という気づきが生まれるため、学習の場として有効だと感じました。

生成AIと共存する時代のスキル戦略

── Nstockで生成AI委員会をしてみて、さまざまな職種での活用例を見てきたと思います。そのなかで、AIを活用しつつ業務にうまく活かすヒントをどのように感じましたか？

sei：今後は、AIとの向き合い方によってスキルが大きく二極化していくと思っています。AIに“丸投げ”してしまうタイプの人は、どうしてもスキルが徐々に落ちていく可能性があります。

一方で成長していくのは、AIが生成した成果物をしっかりレビューし、自分の理解をアップデートしていける人です。生成AIは広範囲のタスクを高速に処理するので、そのぶん幅広い広い領域を評価できる眼を鍛えられます。このレビューのプロセス自体が強力なトレーニングになります。

ryan：AIは驚くほど高速で情報を出してくれますが、意図から少しズレた“雑さ”が残ることもあります。こうしたズレが積み重なると、しばらくして成果物を振り返ったときに、理解しづらい“理解負債”が生まれてしまうこともあります。

そして、まだ完全に任せきれるほどAIが進化しているわけではありません。特に自分がはじめて取り組む領域などは、理解する支援としてAIを活用しながら、今でも自分でコードを書くようにしています。実際に手を動かしてみないと理解しきれないところがあって、その工程だけはどうしても自分でやりたくなるんですよね。

sei：すごくわかります。AIと仕事をする時に、AIを“メンバー”、人間を“マネージャー”に例えるとします。マネージャーが業務の本質を理解していなければ、どれだけAIが優秀でも、どこかで成果物の品質やプロセスが破綻してしまいます。理解が浅いまま指示を出してしまうと、どうしても粗いアウトプットになってしまう。そんな“反省”を感じる場面もあります。

技術が大きく変わり続ける今、新しい技術や、技術についていく力そのものを学ばなければ、仕事の選択肢が狭くなってしまったり、同じ成果を出すために人よりも多く働かなければならなくなる可能性があります。だからこそ、変化に適応し続ける姿勢が求められていると感じています。

── 試行錯誤しながらの取り組みだと思いますが、生成AIが開発を加速させている要因はどこにあるのでしょうか？

ryan：Nstockは、シニアクラスのエンジニアを中心に採用してきました。seiさんが挙げてくれた例にあるような、マネジメントや上流工程の経験を持つメンバーが多かったため、AIをメンバーと見立ててオンボーディングする動きがあり、AIの仕事への取り込みが非常にスムーズだったと感じています。

生成AIで開発を加速するにあたり重要になるのは“どれだけ良質なデータをAIに提供できるか”という点です。単に生成AIを使いこなすスペシャリストよりも、AIが学習しやすい形でデータを整理・統合し、強固な基盤を作れるシニアエンジニアの存在は、大きな強みだと感じています。

また、Nstockにおけるツール導入の考え方も大きな要因であると思います。Nstockでは、新しいツールを導入する際に“人件費の枠”で考えるようにしています。もともと生成AIがエンジニアの作業を代替する可能性を見込んでいたこともあり、ツール導入に関しては大きな制約がほとんどありません。ただし、月に一度「AIツール棚卸し」を行い、必要性や利用状況をチェックするなど、健全な運用も両立しています。

sei：生成AIはどの企業にも同じように配られた“共通の道具”であり、それ自体は差別化要因になりません。差が生まれるのは、どんな指示を出すのか、どんなデータを渡すのか、どんな環境を整えるのかといった、人側の工夫による土台の部分です。

これは、能力の高い新入社員が入ってきたときと同じです。同じ能力でも、情報や指示の質によって成果は大きく変わります。だからこそ、人側の工夫や“入力の品質”が今後ますます重要になります。

そう考えると、ryanさんが言っていたように「データを整理する」「入力情報の品質を高める」といった取り組みが今後ますます重要になっていくよね、という話につながっていきます。

未来への展望──AI前提のプロダクトで、全体の生産性を引き上げる

──これからの生成AI活用において、挑戦したいことや描いている未来があれば教えてください。


ryan：Nstockのプロダクトには、株式報酬SaaSと、準備中のセカンダリー事業があります。後者は、生成AIをフル活用するために情報整備を行い、扱える情報量も自動化の範囲も大きく異なります。

プロダクトのフェーズが異なるからこそ、相互の知見やデータ構造を共有し合う勉強会の機会を作ることができています。こうした知識の寄せ方によって、全体としての生産性を高めたり、運用の質を揃えていくことは、今後も継続的に実現できると感じています。

sei：ryanさんが言うように、AIを利用して社内業務やプロダクトを改善することで、社内にも「AIでこんなことができるんだ」というイメージが広がり、発想がどんどん豊かになっていくはずです。私たち委員会メンバーは、そうしたインスピレーションを広げる存在でありたいと思っています。

こうした未来志向の姿勢を持ちながら、Nstockは、AIを“脅威“ではなく“可能性を広げるパートナー“として捉えています。変化を楽しみながら学び続ける仲間とともに、これからの働き方をつくっていきたいと考えています。

お知らせ

Nstockでは、ともに変化を楽しみながら、スタートアップのインフラを作っていくソフトウェアエンジニアを募集しています。