セッション分野

BP(ビジネス＆プロデュース)

対象プラットフォーム

なし

セッション難易度

求められるスキル

本セッションは特定の技術スキルを前提としませんが、以下のいずれかに該当する方に特に有益な内容となっています。

エンジニア・データエンジニア
AgentをAPIとして繋ぐことはできても、既存のワークフローに定着させる段階で壁にぶつかっている方。データスキーマの設計やAgent組み込みの実装判断について、具体的な指針を持ち帰ることができます。

データアナリスト・分析チームリード
分析結果がAgentを通じて出力されたとき、その結論をどう信頼するか基準が曖昧な方。データ基準の構造化とKnowledge設計が分析品質にどう直結するかを、実務レベルで理解できます。

プランナー・運営担当
Agentに業務を任せたいが、「自社のやり方を知らないAgent」に判断を委ねることへの不安がある方。業務SOPや過去の意思決定をAgentが使える形に落とし込む方法について具体的なイメージを得られます。

プロデューサー・事業責任者・経営者
AI導入の投資判断や社内承認に関わる立場の方。知識基盤・データ体系・ワークフロー統合という三つの前提条件を整理することで、自社のAgent導入の現在地と次のステップを見極める判断軸を得られます。

得られる知見

① 組織の知識をAgentが使える形に変換する方法
データ基準・業務SOP・過去の意思決定ログをどのように構造化し、KnowledgeおよびSkillとして実装するか。属人化した暗黙知を組織の再利用可能な資産に変えるための具体的なアプローチを持ち帰ることができます。

② データ品質をAgent運用の前提として設計する考え方
分析Agentが信頼できる結論を出すために、上流のデータ体系に何を求めるべきか。スキーマ設計・バージョン管理・異常検知の仕組みをAgent運用の文脈から整理した視点を得られます。

③ 既存ワークフローへのAgent組み込みの設計原則
Agentを新しいツールとして導入するのではなく、Slack・社内ダッシュボード・レビュープロセスといった既存の業務動線に沿って組み込むための設計思想と、実装上の判断基準を学べます。

④ ゲーム運営における具体的な適用シナリオ
新キャラクター実装後の継続率下落という典型シナリオを通じて、Analysis Agent・Community Agent・Leader Agentがどのように協調し、人間の確認ポイントをどこに設けるかという実装レベルの判断を体感的に理解できます。

写真撮影 / SNS投稿

アイコンについて

お気に入り登録

「AIを導入した」という企業は増えているが、デモ環境で動いたAgentが本番のゲーム運営に定着しているケースはまだ少ないです。個人がAIツールを使う段階から、組織がAgent Teamを生産環境で動かす段階へ——この移行には、多くの企業が見落としている前提条件があります。

本セッションでは、新キャラクターのリリース直後に継続率が下落するという、ゲーム運営の典型的な意思決定シナリオを起点に議論を展開します。分析チーム・運営チーム・コミュニティチーム・開発チームが同時に動くこの状況で、Agent Teamが当日中に結論を出すためには何が必要でしょうか。

答えは三つの前提に分解できます。第一に、社内の指標定義・業務SOP・過去の意思決定履歴を構造化した知識基盤。 Agentが「この会社の言葉」で判断するために不可欠な土台です。第二に、信頼できるデータ体系。 スキーマの一貫性と品質が担保されていなければ、どれだけ高性能なAgentも誤った結論を出します。第三に、既存のワークフローへの完全な組み込み。 Agentが新たなツールとして孤立するのではなく、チームの日常業務の中に自然に溶け込む設計が求められます。

ThinkingAIの共同創業者と日本法人代表が、それぞれの技術的実装と現場導入の実態を語ります。