【事例公開】外注依存のシステム開発からの脱却!開発効率を構造から変えるTalentQuestのAX実践
株式会社STANDARD様
株式会社STANDARD
AIツールなどの新しい技術を導入するだけでは、開発全体の効率は十分に高まりません。AIを効果的に活用するには、業務の進め方、意思決定、システム、開発プロセスも、AIが力を発揮しやすい構造へ同時に見直す必要があります。
STANDARDは、この考え方を自社の人材育成プラットフォーム「TalentQuest」で実践しました。意思決定から実装・検証までを一つの流れにし、業務・システム・開発プロセスを一体で見直すことで、開発全体の効率を構造から改善しました。本事例では、その方法と成果、同様の課題を抱える企業にも応用できる考え方をご紹介します。
※ 用語解説|AX
AXは、AI Transformation(AIトランスフォーメーション)の略です。AIの活用を前提に、仕事の進め方、意思決定、業務・組織・システムまで見直す取り組みです。
※ 用語解説|TalentQuest(詳細ページ:https://standard-dx.com/services/talent-quest)
TalentQuestは、DX人材の現状把握から学習、実践、研修までを支援する人材育成プラットフォームです。
・アセスメント:DXスキルや現在地を測定・可視化するサービス
・eラーニング:必要な学習コンテンツをオンラインで提供するサービス
・DXクエスト:学んだ内容を実践課題へつなげるサービス
・オンラインワークショップ:演習をオンラインで進めるサービス

取り組みの背景と課題:AIだけでは解けない構造の遅さ
旧TalentQuestは、約3年間にわたり機能を追加し、保守されてきたシステムです。問題は技術の古さではなく、複数の製品、共通データ、利用者向け画面、管理画面が一つの大きな仕組みに集中し、変更するほど確認範囲と関係者が増える構造にありました。

課題① 小さな変更でも、調整に時間がかかっていた
旧体制では、仕様、デザイン、実装、確認、運用が複数の担当者や組織に分かれていました。単純な文言変更でも、依頼、仕様確認、担当調整、実装、レビュー、反映確認を経るため、最大約1週間かかる場合がありました。
意思決定に参加した人が結果を確認できるのは、実装完了後の報告時になることが多く、意図との違いが見つかれば再依頼と再確認が必要でした。実作業より、判断待ちと再確認に時間がかかる状態でした。
課題② 一つの変更が、全体へ影響していた
一つの製品を変更しても、他の製品や共通データへの影響を広く確認する必要がありました。機能とテストが増えるほど確認と公開に時間がかかり、CIテストは約1時間、失敗を直すと再び同じ時間を待つ状態でした。
※ 用語解説|CI/CD
システムの変更を自動で確認し、安全に公開するための仕組みです。本事例では、変更後に結果を確認できるまでの待ち時間を短くしました。
課題③ 試作品と製品を、別々に作っていた
企画、静的なデザイン、動作確認用の試作品、実際の製品が別々の成果物になっていました。フィードバックが出るたびに説明と作り直しが発生し、良いアイデアが製品になるまでに時間がかかっていました。
課題④ AI利用の目的・基準・責任がそろっていなかった
AIツールを配るだけでは、目的、品質基準、テスト、最終責任が人によって変わります。作業が速くなっても、手戻りやリスクが増える可能性がありました。
STANDARDの取り組み:四つの構造改革
対策① 2週間のPoCで、AIを組み込んだ1人開発体制を確立した
いきなり全面開発を始めず、2週間で三つの仮説を確認しました。
- AIが既存システムを横断して調査できるか
- 製品ごとに責任範囲を分けても、共通情報を安全に利用できるか
- 少人数でも、テストとレビューを保ちながら開発できるか
PoCで実行可能性を確認した後に本開発へ進みました。技術を先に決めるのではなく、何を改善したいかを決め、必要な手段だけを試しました。
※ 用語解説|PoC
本格導入の前に、対象を小さく絞って、アイデアが実際に役立つか、実現できるかを確かめる検証です。
対策② 人が決め、AIが実行を支援する役割分担を定めた
開発ではClaude CodeとCodexを併用し、一つのAIだけに依存せず、提案や実装を相互に確認しました。機能開発の前には、人とAIで目的、対象範囲、例外、完了条件を文書にし、仕様を確認するテストを先に作ってから実装しました。
- 目的を合わせる → 仕様を文書にする → テストで確認する → 実装する → 再確認する
人は、事業目的、優先順位、安全性、受入基準、最終判断を担当します。AIは、調査、選択肢の整理、コード作成、テスト、文書更新など、量と反復が必要な作業を支援します。
対策③ 明確な業務目的ごとに、小さく完結できる単位を設けた
業務目的ごとに、判断から改善までを小さく完結できる単位へ分けました。STANDARDでは、この単位を「Product Cell」と呼んでいます。

TalentQuestでは、全サービスが共通して利用するユーザー、組織、契約、ログイン、権限管理を一つの共通領域にまとめ、社内ではHubと呼んでいます。
そのうえで、アセスメント、eラーニング、DXクエスト、オンラインワークショップを別々のProduct Cellにしました。各Cellは、業務ルール、画面、データ、コード、テスト、公開範囲まで分離しています。
この設計により、AIが理解・変更する業務とコードの範囲をCell内に限定できます。共通機能はHubで一度だけ管理し、製品固有の機能は各Cellで独立して開発・検証することで、重複と変更影響を抑え、コード、テスト、文書を継続して管理しやすくしました。
※ 用語解説|Product Cell
一つの業務目的について、決める、作る、確かめる、届ける、改善するまでを担う小さな実行単位です。業務責任、データ、コード、テスト、公開範囲、AIが扱う情報を同じ境界にそろえます。
※ 用語解説|Hub
複数の製品が共通して利用するユーザー、組織、契約、ログイン、権限情報を一か所で管理する共通機能の領域です。
対策④ 動く画面で決め、そのまま製品へ育てた
画面デザイン、試作品、製品を別々に作る方法を見直しました。共通のデザインルールで動く画面を先に作り、議論した内容をステージング環境へ随時反映しました。意思決定に参加した人がその場で意図どおりかを確かめ、同じ実装を製品へ育てました。
※ 用語解説|ステージング環境
本番公開の前に、実際に近い画面や動作を安全に確認する環境です。本事例では、完成後の報告だけでなく、開発途中から関係者が一緒に確認するために使いました。
この違いを、実際の製品開発の流れで比べると次のようになります。

結果・成果:価値提供までの時間短縮

成果① 年間約5,000万円の外部人件費を削減した
開発体制を社内外約10名規模から1名体制へ集約し、協力会社の人員構成を見直した結果、年間約5,000万円の外部人件費を削減しました。
これは、お客様に1名体制を推奨するものではありません。本事例のポイントは、人数を増やさなければ変更できない構造を見直したことです。
成果② 意思決定から確認・公開までの時間を短縮した
議論、ステージング環境への反映、参加者による確認とフィードバック、テストと公開を一つの短い流れにつなげました。その結果、単純な文言変更では反映内容を確認できるまでの時間を最大約1週間から約10分へ、主なCI/CDを約1時間から約5〜10分へ短縮しました。
短くしたのはコーディング時間だけではありません。完成後の報告、意図の再説明、再依頼、再確認、作り直しにかかる時間も減らしました。失敗した場合も、全体を最初から待つのではなく、変更した範囲を中心に短く確認・修正できます。
成果③ 短くなったフィードバックサイクルにより、継続的なUI/UX改善を実現した
変更内容を短時間でステージング環境へ反映できるようになり、意思決定に参加した人が実際の画面と利用の流れをすぐに確認できるようになりました。確認の中で見つかった使いにくさや改善案も、次の変更へ早く反映できます。
成果②で短縮したフィードバックサイクルが、繰り返しのUI/UX改善につながりました。デザインシステムを基盤に同じ実装を製品へ育てることで、デザインの一貫性を保ちながら、利用者視点で継続的に改善できる構造を整えました。
成果④ 次の製品とSTANDARD-LABOへ展開できる基盤を整えた
共通基盤の整備とオンラインワークショップの移行を通じて、画面、認証、データ連携、テスト、公開手順を次の製品でも再利用できるようにしました。今後は、アセスメント、eラーニングなど次の製品への展開に加え、今回確立した構造と開発方法を社内AX加速プロジェクト「STANDARD-LABO」にも応用していく予定です。
※ 用語解説|STANDARD-LABO
STANDARD社内でAX・DXと業務効率化を推進する、計画中の社内プロジェクトです。
成功の要因:最新技術より、WHY、WHATを優先

今回の取り組みが成果につながった要因は、AIツールやアーキテクチャを先に決めなかったことです。まず、なぜ変える必要があるのか、何を実現するのかを明確にしました。そのうえで、最初に検証する範囲と次へ進む条件を定め、目的に合う技術や開発方法を手段として選びました。
要因① WHY:解くべき経営課題を明確にした
最初に明確にしたのは、導入するAIツールや新しい技術ではありません。外部費用、変更の待ち時間、確認の往復、製品間に広がる変更影響を減らすことでした。なぜ変える必要があるのかを経営課題から定めることで、技術の導入自体が目的になることを防ぎました。
要因② WHAT:実現する構造変化を先に定めた
これらの課題に対して、意思決定から実装・検証までを一つの流れにすること、明確な業務目的ごとに責任範囲を分けること、動く画面をそのまま製品へ育てること、変更した範囲を短く確認・公開できる構造へ変えることを、実現すべき状態として先に定めました。
また、一つの製品を移行して終わるのではなく、共通基盤や開発方法を次の製品にも再利用・展開できる状態を目指しました。
要因③ SCOPE・GATE:小さく検証し、次へ進む条件を定めた
いきなり全面開発へ進まず、PoCで対象を小さく絞り、検証し、その結果を基に、本開発へ進むか、見直すかを判断しました。検証する範囲と次の判断条件を先に定めたことで、失敗の影響を限定しながら本開発へ移行できました。
要因④ HOW:目的に合わせて必要な手段を選んだ
社内で利用していたAWSの運用経験、認証、開発・公開の仕組みを可能な限り再利用しました。AIについてもClaude CodeとCodexを併用し、一つのAIだけに依存せず、提案や実装を相互に確認しました。
さらに、開発前のブレインストーミング、仕様の文書化、テスト先行、ステージング環境での共同確認、人による最終レビューを共通手順にしました。技術やツールは目的を実現するための手段と捉え、より適した選択肢が現れれば置き換えられることを前提としました。
担当者のコメント
今回目指したのは、人員削減そのものではありません。待ち時間、重複作業、再実装を減らし、AIを効果的に活用できる構造へ変えることでした。人が目的と判断基準を定め、AIが調査、設計、実装、テストを支援する。人とAIの役割を明確にし、その役割に合わせて業務・システム・開発プロセスを一体で見直したことが、開発全体の効率向上とコスト削減につながりました。
また、今回の方法を個人の経験で終わらせず、再現可能な開発モデルとして整理しました。Product Cellは、業務目的ごとに責任、データ、コード、テスト、公開範囲、AIが扱う情報を一つの範囲にそろえ、判断から改善までを小さく完結させる開発モデルです。今後は、この開発モデルを社内AX・DX加速プロジェクト「STANDARD-LABO」で実践し、社内の業務効率化やAX・DX推進にどこまで応用できるかを検証していきます。その過程と成果についても、あらためて皆さまにお伝えできればと思います。
最新技術の導入自体が目的ではありません。技術は目的を実現するための手段であり、より適した選択肢が現れれば置き換えることを前提としています。何を実現し、どのリスクを受け入れ、何を成果とするのかを決め、最終的な判断と責任を担うのは人です。今回得られた知見が、同じような課題を抱えるお客様にとって、既存環境を生かしながら小さく安全に検証し、自ら運用・改善できる状態を目指す際の参考となれば幸いです。今後、同様の取り組みをご支援する際にも、この知見を生かしていければ大変うれしく思います。

パク ヨンス
