AIサービス開発、異なる専門性をどう交わらせる？ PIVOT×YTALの実践から見えた、共創の進め方

大場千夏 Oba Chinatsu PRプランナー

2026.10.9

AIを使って何かできないか。そんな会話が、企業の中でも当たり前に交わされるようになりました。

一方で、いざAIを自社の業務やサービスに組み込もうとすると、「何をAIに任せるのか」「どんなデータを使うのか」「どこまで自社で考え、どこから専門家と組むのか」といった具体的な問いが次々に出てきます。PIVOTもまた、その当事者でした。

今回、PIVOTでは大きく2つの取り組みを進めました。ひとつは、社内に蓄積されたナレッジを活用する検索エージェント。もうひとつは、UXリサーチや情報設計のプロセスをAIで支援するプロトタイプの開発です。

AI領域のパートナーとして協業したのが株式会社YTAL（ワイタル）。AIを活用したプロダクト・システム開発を手がける会社です。PIVOTが持つUX・情報設計の知見と、YTALが持つAI開発の専門性。それぞれの得意分野を持ち寄りながら進めた今回の取り組みから見えてきた、企業側が考えるべきことと、専門家と一緒に考えた方がよいことについて振り返ります。

対談メンバー

YTAL 岡崎雄太氏

株式会社YTAL　代表取締役社長

AIを活用したプロダクト・システム開発を手がける株式会社YTAL代表。エンジニアとしてのプロダクト開発経験を持ち、今回の取り組みではAI・システム開発を支援。
PIVOT 宮嵜泰成

代表取締役社長

PIVOTのサービス開発・事業全体を統括。今回の取り組みでは、課題設定やサービス構想の検討に関わる。
PIVOT 上野一義

テクニカルアーキテクト／クラウドエンジニア

エンジニア部門の取りまとめを担当。今回の取り組みでは、AI活用の検討やYTALとの協業立ち上げに関わる。
PIVOT 伊藤環

OOUX ストラテジスト/デザイナー

業務システムを中心に設計を担当。今回の取り組みでは、オブジェクトマップを用いた情報・構造設計に関わる。
PIVOT 佐々木恵美

アートディレクター／デザイナー

アイデアを形にするための整理・設計を担当。今回のプロトタイプ開発にも構想段階から関わる。

AIありきではなく、「解決したいこと」から始める

PIVOTがAI活用を考えるきっかけのひとつが、長年抱えてきた社内ナレッジ共有の課題でした。

これまでのプロジェクトで得たノウハウや成果物は社内に蓄積されています。しかし、その情報を必要としている人が「そこに情報がある」と知らなければ、活用はできません。この課題は社員が20名ほどだった頃から続き、グループウェアやフォルダ運用など、さまざまな方法を試してきました。

そうした中で、新たな選択肢として見えてきたのが生成AIです。社内でもChatGPTをはじめとした生成AIの活用が広がり、複数の情報を整理したり、文脈を踏まえて回答したりする体験が身近になっていました。

PIVOT　宮嵜

SharePointなど既存の仕組みも活用してきましたが、当時の私たちの運用では、求めていた『社内の情報を文脈ごと理解して引き出す体験』にはなかなか届きませんでした。

一方でChatGPTを使っていると、複数の情報をまとめたり、整理して説明してくれたりする。だったら、自分たちが蓄積してきた情報資産に対しても、こういうことができないのか、という話はしていました。
PIVOT 上野

市販のAIツールが足りなかったというより、“できることが違った”という感覚です。

個人が調べ物をしたり、文章を整えたりするにはすごく効果がある。でも、組織としてやりたかったのは、自社の情報を、自社の文脈で引き出せるようにすることでした。

PIVOTが最初に持っていたのは、「AI技術を使いたい」という答えではありません。何に困っていて、どうなれば価値があるのか。

技術の選択肢が増えても、まず解決したい課題を明らかにすることは、これまでのサービス開発と変わりません。

「触って判断できる状態」を早くつくるため、専門家と組む

やりたいことの方向性が見えたあと、次に必要だったのは、構想を実際に触れられる形へ落とし込み、検証を始めることでした。

そこでPIVOTは、AI領域の専門性を持つYTALとの協業を選択しました。決め手となったのは、完成されたソリューションを当てはめるのではなく、答えが見えていない段階から一緒に考える姿勢でした。

PIVOT 宮嵜

AIがこれだけ流行っているからこそ、『この製品を入れれば解決します』という話には慎重でした。

YTALさんは『一緒に探りましょう』というスタンスだった。ベースになる技術はあるけれど、それをただ買って使うというより、一緒につくっていけそうだと感じたのが大きかったですね。

最初に取り組んだ社内ナレッジ検索では、PIVOTがサンプルデータを用意し、YTALがプロトタイプを開発。約2週間で、実際に社員が触り、フィードバックできる状態まで進みました。

YTAL　岡崎様

作って触ってもらわない限り、誰も分からない状態ってあります。だから、できるだけ早くフィードバックをいただける状態にすることを意識しています。

実物を触ることで、「AIで検索できたら便利そう」という構想が、「何ができれば、本当に仕事が楽になるのか」という具体的な問いへ変わっていきました。

AI活用で見えてきた、「データをどう渡すか」という設計

実際に開発を始めると、AIならではの論点も見えてきました。そのひとつが、AIへ渡すデータです。

YTAL　岡崎様

数十、数百のドキュメントなら、そのままAIに渡してもかなり処理できます。

でも数千、数万件になってくると、AIのコンテキストにフィットする形にデータを整理したり、圧縮したりする必要が出てくる。AIにつなぎ込む前の“下ごしらえ”のようなイメージですね。

さらに、個人でAIを使うのではなく組織の仕組みにするなら、アクセス権限やデータの置き場所、処理方法、セキュリティまで含めた設計が必要になります。

AIモデルや周辺技術も日々変化しているため、その時々の技術に合わせたデータの扱い方を追い続けることも、専門領域のひとつです。

一方、PIVOT側にも開発を通じて得た気づきがありました。

PIVOT 宮嵜

最初は、会社の情報を全部入れられたら便利なんじゃないか、というイメージもありました。

でも、何でも与えればいいわけではなくて、欲しいものによって使う情報を選ぶ必要がある。そこは実際にやってみて分かったことのひとつでした。

開発を進める中でも、情報を与えすぎることで、欲しいアウトプットから離れてしまう場合があるという振り返りが出ています。何のために、どの情報をAIに渡すのか。

AIの性能だけではなく、情報そのものをどう設計するかも、サービスとして成立させるための重要な要素でした。

UX・情報設計とAI開発は、どこでつながるのか

もうひとつの取り組みが、UXリサーチや情報設計のプロセスをAIで支援するプロトタイプの開発です。

このプロジェクトで特に重要になったのが、PIVOTのUX・情報設計と、YTALのAI・システム開発をどう接続するかという点でした。

PIVOTでは、機能や画面を考える前に、

「このサービスでは何を扱うのか」
「それぞれの情報にはどんな関係があるのか」

を整理することを重視しています。

たとえば、サービスで扱う重要な「もの＝オブジェクト」を整理し、その関係性を可視化することで、チーム内の共通認識をつくっていきます。

PIVOT 伊藤

設計時も、何度も作っては壊してを繰り返しました。まず考えたのは、そのアプリの中で扱う『対象』が何なのかということです。一番コアになるものは何なのか。それはどんな情報を持ち、どんなステータスを持つのか。

現実世界にはまだないものだからこそ、システムの中で扱うものをどれだけ明確にできるかが難しいところでした。

それを画面に起こすと、『やっぱりちょっと違う』ということも見えてくる。そこでまた設計に戻って、画面にする。そういう行き来を何度もしました。

この情報設計は、そのままシステム側の設計ともつながります。

YTAL　岡崎様

オブジェクトマップが、そのままデータモデルに近いんですよね。

データモデルができると、サンプルデータを置いて、実際に動かし始めることができる。PIVOTさんの情報設計と開発が、すごく自然につながる部分だと思いました。

PIVOTが目指すのは、UXを設計して技術側へ渡すという分業ではありません。

「何を扱うサービスなのか」を考える段階から、課題や体験、情報構造と技術をつなぎ、専門家とともにサービスとして形にしていく。今回の取り組みでも、その重要性を改めて実感しました。

振り返って見えた、「専門性を交えるタイミング」

一方で、実際に進めたからこそ見えてきた改善点もあります。今回、一部の取り組みではPIVOT側で情報構造や画面のイメージをある程度整理したあとに、YTALとシステムとしての実現方法を議論しました。

しかし振り返る中では、もっと早い段階からAI・システム側の専門性を交えてもよかったのではないかという声もありました。

PIVOT 佐々木

振り返ると、オブジェクトマップをつくっていた段階からYTALさんにも入ってもらってよかったかもしれません。

『このサービスにはこういうものがあって、このもの同士はこういう関係にある』というところを一緒に見ながら、“システムとして考えるならどうか”という議論ができたら、また違う進め方ができたと思います。

重要なのは、「早く外部に任せる」ことではありません。異なる専門性を、どのタイミングから交わらせるか。

UXを完全に固めてから技術側へ渡すのでも、技術側にすべてを委ねるのでもない。サービスの構造や体験を考える段階から異なる視点を交えることで、設計と実装をより早く往復できる可能性があります。

専門性は分けても、「何をつくるべきか」は一緒に考える

では、企業側はどこまで自分たちで考えるべきなのでしょうか。

PIVOT 宮嵜

時間短縮や確実な進捗という意味では、専門家と組むメリットは分かりやすいです。一方で、結局『僕らが何をしたいか』を言えるのは、僕らしかいないんですよね。

ただし、企業側ですべてを仕様にしてから専門家へ渡せばいい、ということでもありません。宮嵜が今回のYTALとの協業で特に評価しているのは、PIVOTから出した要望をそのまま実装するのではなく、背景にある意図を捉え直して提案してくれたことでした。

PIVOT 宮嵜

『こうしたい』と言ったときに、『できます』『できません』で返ってくるだけじゃない。

真の意図を理解して、『だったら、こういう形でどうですか』と返してくれる。そこでディスカッションできるのは、すごくいい仕事の進め方だと思いました。
YTAL　岡崎様

内製チームだったら普通にしている会話が、会社と会社の関係になった瞬間にできなくなることがあります。だから、『同じチームのメンバーだったらどう話すだろう』というのは心がけています。

PIVOTは、課題やユーザー体験、情報の構造を考える。YTALは、AIをどうシステムとして成立させるかを考える。

専門性は分ける。けれど、問いまで分断しない。今回のような探索的な開発では、この関係性そのものが重要でした。

AIサービス開発の前に、企業側で持っておきたいもの

ここまでの取り組みを振り返ると、AIサービス開発を始めるうえで重要なのは、AIそのものに詳しいことではありません。

まず、自分たちが何を実現したいのかを具体化すること。その点について、メンバーの考えを聞きました。

PIVOT 宮嵜

ユースケースをなるべく具体的にして、どんなアウトプットを期待しているのかまで言えると、相談しやすいと思います。

でも、実際に『欲しいものを書いてください』と言われると、“あれ、何が欲しかったんだっけ？”となる（笑）。期待するものの解像度を上げるのは、大事だけど難しいんですよね。
YTAL　岡崎様

AIを使わなかったとしたときの、理想のアウトプットがひとつあると進めやすいです。

今一番うまくできているものをベンチマークにして、AIのアウトプットがそこからどれだけ離れているかを見る。そうすると改善ポイントが分かります。
PIVOT　上野

最終的にAIが出したものにOKかNGかを出すのは人間です。何が良い状態なのかを自分たちで持ちながら、検証してアップデートしていくことが大事だと思います。