AI駆動開発の内製化支援

業務の棚卸から社内講師の育成まで。2週間×4スプリントを1サイクルとして、改善を繰り返します。

  • 認定パートナーの紋章AWS アドバンストティアサービスパートナー
  • 年間受賞の紋章AWS Rising Star Partnersof the Year – Japan 受賞
  • ISMS 認証(ISO/IEC 27001:2022)のロゴISMS 認証ISO/IEC 27001:2022

方法論と成果物を見る →

AWS FTR 認定Foundational Technical Review
2週間スプリント
2週間2週間2週間2週間

2週間 × 4スプリントを標準の型に、繰り返し改善

End-to-end support

構想から、現場での定着まで一貫して支援

開発組織の方針から安全な実行環境、現場での内製化まで、成果物をつなげて進めます。

道筋と3つのチェックポイントを描いたホワイトボード、棚卸用の書類と付箋
01

構想策定

経営方針と業務・開発工程を棚卸し、AI駆動開発の構想、ロードマップ、投資判断の材料をつくります。

代表的な成果物
AX構想、棚卸リスト、優先度マトリクス

鍵付きの盾に守られたコード画面のノートPCとクラウド、利用規程とチェックリスト
02

ガバナンスと実行環境の調達

開発時のAI利用規程・データ区分・監査を設計。閉域接続、学習利用なし、国内リージョンなどの要件に合わせ、AI実行環境を選定・調達・構築します。AWSを主軸に、Google Cloud・Microsoft Azure・ローカルLLMにも対応します。

代表的な成果物
利用規程、論理・物理アーキテクチャー、IaC(構成管理コード)

2つの積み上がるブロックと循環矢印、2週間の区切りを示すカレンダー
03

現場との伴走

開発現場と2週間スプリントを繰り返し、試行・改善・定着を進めます。社内講師の育成まで支援します。

代表的な成果物
動作するアプリ・PoC(試作)、効果測定、教材

Ragateは構想・開発ガバナンス・実装・定着を同じチームで担い、検討内容を現場の成果物へつなげます。

Challenges

課題を分解し、着手箇所を決める

課題を業務、開発工程、統制、人材に分けて整理します。棚卸シートに落とし、評価できる状態にします。

ノートPCに疑問符と横ばいのグラフ

効果が見えない

工数と品質の現状値を記録し、パイロット後に比較します。

分かれ道と5つの工程の上に疑問符

効かせどころが分からない

工程とタスクを5層で棚卸し、3軸評価で着手順を決めます。

積み上がるアプリ画面と重しを載せたサーバー

現場と情シスの負担

公開前のレビューと承認を運用フローに組み込みます。

鍵の外れた書類からデータが流れ出す

シャドーAIが心配

データ区分、権限、接続、ログの条件を先に定義します。

外部の建物へ向かう依頼の矢印と時計、硬貨

ベンダーに頼りきり

構成図・コード・手順書を引き継ぎ、改修手順を社内に残します。

空席の講師用演台とホワイトボード、マニュアル

教えられる人がいない

教材とレビュー観点を作り、社内講師を育成します。

棚卸シートと評価表を起点に、対象範囲を合意します。

Grand Design

目指す姿(グランドデザイン)

推進体制・継続的なスプリントサイクル・開発プロセス・標準とガバナンス・共通基盤までを一体で設計し、AIを使い続けられる組織をつくります。

  1. ① 推進体制:意思決定者と現場、Ragateの役割を定める
  2. ② 棚卸と優先度:業務バックログを更新する
  3. ③ スプリント:2週間×4回を繰り返す
  4. ④ 開発プロセス:AIと人の確認工程を設計する
  5. ⑤ 標準とガバナンス:利用ルール、権限、監査を整える
  6. ⑥ 共通基盤:利用と改善を支える構成を育てる
Our support

開発と業務、それぞれの実行手順を設計する

開発部門にはAIを使う工程と人のレビューを、業務部門には作成・承認・公開の手順を設計します。両者に共通する権限と監査の設計も残します。

4スプリント後のレビューで次の対象と体制を決め、バックログを更新して次のサイクルへ進みます。

エンジニア向け

AI駆動開発の内製化

開発工程を分解し、AIに任せる作業と人の判断をルールファイルに記録します。

  • 開発ユースケースの棚卸と優先順位づけ
  • Claude Code などのAIエージェント導入
  • ルールファイルとプロンプトの標準化
  • AIレビュー・テストの自動化と閉域実行環境
Claude CodeClaudeGitHubGitHub ActionsAmazon Bedrock
非エンジニア向け

市民開発の内製化

対象業務を絞り、アプリの作成・レビュー・公開までをテンプレート化します。

  • Dify × Amazon Bedrock で作るノーコード・ローコード環境
  • 業務アプリのテンプレートと作り方講座
  • 利用ルール・データ区分・承認フローの整備
  • 情シスによるレビューと公開の仕組み
Amazon BedrockAWS FargateSlackAmazon S3
共通基盤とガバナンス成果物:データ区分表 / 権限設計 / 承認フロー / 利用ログ・監査要件 / 教材

要件からツールと実行環境を選ぶ

データ区分、接続条件、運用体制、費用を比較し、採用候補と選定理由を構成案にまとめます。

AIコーディング・開発エージェント

Kiro
Cursor
Claude Code
Codex(OpenAI)
GitHub Copilot
Cline
Windsurf
Amazon Q Developer

生成AIモデル・AI基盤

Amazon Bedrock
Bedrock AgentCore
Amazon Nova
Claude
OpenAI
Google Gemini
Jev(TypeSafe AI)
Dify
LangChain

ローカルLLM・閉域

Ollama
vLLM
LM Studio
Llama(Meta)
Qwen
Mistral AI
Hugging Face
NVIDIA GPU

機密情報を外部に出せない環境向けに、オンプレミス・閉域でのローカルLLMにも対応します。

クラウド

AWSを主軸に設計

AWS アドバンスドティア サービスパートナー

Amazon Bedrock
Amazon EC2
AWS Fargate
Amazon SageMaker AI
AWS IAM

Google Cloud・Microsoft Azureにも対応

Google Cloud
Microsoft Azure
Docker
Kubernetes
Terraform

Docker・Kubernetes・Terraformでマルチクラウド共通の構成管理を行います。

Why Ragate

成果物を起点に進める支援体制

01

構想から定着まで一貫して支援

開発組織の構想、開発ガバナンスとAI実行環境の調達・構築、現場での2週間スプリントと社内講師育成まで、同じチームで支援します。

02

セキュリティ要件から構成を設計

AWS アドバンスドティア サービスパートナーとして、権限・接続・監査を含む構成図と運用手順を作成します。

Amazon BedrockAWS FargateAmazon CognitoAWS IAMAWS CloudTrail
03

AIと人の責務を手順に落とす

AI-DLCの工程を基に、AIが実行する作業と人が承認する判断をルールファイルに分けます。

Claude CodeClaudeGitHubGitHub ActionsAmazon Bedrock AgentCore
04

業務と開発の双方を評価

業務の頻度・工数と開発工程の依存関係を同じ評価表にまとめ、着手順を決めます。

Amazon BedrockAmazon OpenSearch ServiceAmazon S3AWS LambdaPythonTypeScript
05

初回から成果物の形を共有

標準メソッドとテンプレートを用い、棚卸シート・評価表・構成図の完成形を最初に共有します。

レイヤーマップのイメージ優先度マトリクスのイメージ支援の全体像のイメージ
Methodology

サイクルごとに、棚卸から標準化へつなぐ

業務と開発工程を5層で棚卸しし、3軸で優先度を評価。責務と実装を設計して試行し、ルールと教材に落とします。

各サイクルで対象を選び直し、試行結果を標準や教材に反映します。

STEP01

業務を「レイヤー × コンポーネント」で棚卸

対象業務、開発工程、成果物、基盤、ガバナンスを5層に分け、レイヤーマップに記録します。

STEP02

3軸で優先度を決める

期待効果・実現容易性・ガバナンス適合を各5段階で採点し、評価表と着手順を合意します。

期待効果1–5
実現容易性1–5
ガバナンス適合1–5

例:合計12点以上、かつ各軸3点以上を最優先にします。

STEP03

論理アーキテクチャーで責務を決める

AI、参照情報、人の確認の責務を分け、論理アーキテクチャーにします。

利用ルール・権限・監査が全体を統制
入力→AI
オーケストレーション
⇄生成AIモデル
/ ナレッジ
→出力→人の確認
STEP04

物理アーキテクチャーで技術を選ぶ

データ区分と接続要件を物理構成に落とし、権限・監査の設定を含む構成図を作ります。

開発端末
AIエージェント
→
PrivateLink
閉域接続
→
AWS Lambda
AIゲートウェイ
→
Amazon Bedrock
生成AIモデル
統制・監査:AWS IAM IAM AWS CloudTrail CloudTrail Amazon CloudWatch CloudWatch
学習利用なし国内リージョン閉域接続全ログ監査

現状値と試行結果を比較し、ルールファイル、標準プロンプト、手順書へ反映します。

STEP05

パイロットで効果を測り、標準化する

ハンズオン教材とレビュー観点を引き継ぎ、社内講師が展開できる体制を作ります。

現状を計測小さく実装・試行効果を比較標準へ反映
STEP06

社内講師を育て、自走させる

ハンズオンから始め、社内講師を育成。レビュー体制を整えて全社展開につなげます。

ハンズオン社内講師化全社展開
AI-DLC

AIが進め、人が判断する開発ライフサイクル

Inception構想・要件を具体化
Construction設計・実装・検証
Operation運用・改善を継続

各フェーズでAIが作業を主導し、人が判断・承認します。RagateはAI-DLCを早期から実践し、その知見を支援に反映しています。

Process

サイクルを回しながら、判断材料をそろえる

業務の棚卸から4スプリント、レビューまでを1サイクルとし、対象と体制を見直しながら繰り返します。

棚卸リスト
(バックログ)
優先度の更新Sprint 1〜4
(各2週間)
サイクルレビュー
効果測定・次の対象決定

レビュー後は棚卸リストへ戻り、対象業務を入れ替え・追加します。体制もサイクルごとに見直します。

タイミング実施内容成果物判断ポイント
Sprint 1(2週間)業務・開発工程を棚卸し、候補をバックログ化業務一覧・現状値対象範囲と担当を合意
Sprint 2(2週間)3軸で優先度を更新し、ルールとToBeを設計評価表・利用ルール・設計図試行対象と統制条件を決定
Sprint 3(2週間)対象のPoCと必要な実行環境を実装動作するPoC・構成・手順品質と安全性を確認
Sprint 4(2週間)現場で試行し、効果と改善点を計測試行結果・効果試算本番化条件を確認
サイクルレビュー効果を測り、次サイクルの対象と体制を見直す改善バックログ・次回計画継続・拡大・保留を判断
2サイクル目以降対象を入れ替え・追加し、標準化・横展開・内製化を進める標準手順・教材・共通基盤自走と展開の範囲を判断

各サイクルの期間と対象は、業務に合わせて調整します。

Two-week sprints

2週間スプリントを4回で1サイクルに

各スプリントの開始時に範囲と成果物を決め、隔週レビューで確認します。レビュー結果を次の着手順に反映します。

4スプリント後のレビューで次の対象と体制を決め、バックログを更新して次のサイクルへ進みます。

Day 1キックオフ
範囲と成果物を合意
Day 2〜9実施
ヒアリング・分析・実装
Day 10隔週レビュー
成果物確認と次の合意
  • Sprint 1:業務棚卸シートと対象範囲
  • Sprint 2:レイヤーマップと3軸評価表
  • Sprint 3:論理・物理アーキテクチャー
  • Sprint 4:パイロット環境と試行結果
Champion

社内で誰が進めるかを、開始前に決める

チャンピオン(推進主担当)は、お客様側でAI駆動開発を前に進める窓口です。担当が決まると、現場の声と判断事項が集まり、スプリントを円滑に進められます。

主担当の役割

  • 対象業務の担当者や上席との連絡・日程調整
  • 業務情報や現場の意見の取りまとめ
  • スプリントの進み具合と、判断が必要な事項の社内共有
  • 試行結果を部門内に展開し、次の対象業務の候補を集める

AIやAWSの専門知識、開発経験は必要ありません。技術面と進行はRagateが支援します。

決め方

STEP 1既存の担当者を確認

開発チームのリーダー、テックリード、品質・標準化の担当者など、関係者と調整できる方を候補にします。

STEP 2共有会で役割を整理

該当者がいなければ、開始前のコンセプト共有会で関係部門・現場・意思決定者と必要な役割を一緒に確認します。

STEP 3開始前にお客様側で決定

誰が調整と情報集約を担うかを明確にしてからスプリントを始めます。

選ぶときの観点

社内の関係者とつながっている
現場の業務を理解している
週に数時間を確保できる
上席に判断を仰げる

複数チームに広げる段階では、チームごとにサブチャンピオンを置き、社内講師へ育てます。

参加時間の目安 主担当:2か月で30〜40時間程度(会議・情報回収・要件整理・試行など)/参加メンバー:1人あたり15〜20時間程度

支援体制

実現する内容に合わせ、サイクルごとに役割を見直します。

Ragate が実装の参考体制図
お客様が担うこと業務情報の共有、優先順位と採用判断、現場での試行。意思決定者、現場、情報システム・セキュリティ部門が確認します。
Ragate が担うことPM・業務分析、テックリード、AIエンジニアが実装。
向いているケース初動を早く具体化したい場合。

体制はサイクルごとに、実現する内容に合わせて見直します。お客様の推進主担当(チャンピオン/PMO)が部門をつなぎます。

Deliverables

引き継ぐ図・表・設定ファイル

分析に使った表、構成図、運用に使う設定ファイルを、担当者が更新できる形で引き継ぎます。

レイヤー×コンポーネントマップ

業務と開発工程を層ごとに整理し、AIを使える箇所を見える化。

分析・可視化で作成 · イメージ

優先度マトリクス

効果と実現性、リスクを踏まえて着手順を整理。

分析・可視化で作成 · イメージ

論理・物理アーキテクチャー

AIの責務と、セキュリティ要件に合う実装方式を対応づけます。

設計で作成 · イメージ

閉域AI実行環境の構成図

接続・権限・監査を含む実行環境の構成を示します。

設計・パイロットで作成 · イメージ

支援の全体像

工程と成果物、判断の流れを一覧で共有します。

ヒアリング・棚卸で作成 · イメージ
業務・タスク合計判断
バッチ仕様の読み解き8優先
旧設計書の差分整理9優先
処理フロー図の作成8試行
既存コードの修正7要検証
レビュー・反映確認7継続

評価表(抜粋)

候補タスクを共通の軸で採点し、優先する施策を決めます。

分析・可視化で作成 · 抜粋
# CLAUDE.md — プロジェクトルール
## プロジェクト概要
- 既存のバッチ処理を段階的に改善する
## コーディング規約
- 既存の命名・ディレクトリ規約に従う
- 変更範囲を必要最小限にする
## テストの書き方
- 変更箇所の正常系と異常系を確認する
- 既存テストを必ず実行する
## 禁止事項
- 秘密情報をコードに記載しない
- 承認なく本番データを使わない
## レビュー観点
- 仕様との差分と影響範囲を記録する

ルールファイル(抜粋)

AIが守る開発規約と、人が確認する観点をファイルで共有。

標準化で作成 · 抜粋
入力→AI処理→確認→出力
公開前チェック
  • □ 個人情報の入力範囲を確認
  • □ 出力の正確性を担当者が確認
  • □ 権限と共有先を確認
  • □ ログと保管期間を確認
  • □ 情シスの承認を取得

市民開発テンプレート

作成から公開までの手順と確認事項を再利用できます。

標準化で作成 · イメージ

※ 図と記載内容は成果物のイメージ・抜粋です。実際の内容は対象範囲に合わせて作成します。

無償トライアル

まずは2か月、無償で。
AI導入のプロセスと効果を体感できます。

本サービスの進め方を小さく切り出した、お試し用のパッケージ「AXスプリントプログラム」。業務を1つ選び、試作から効果の確認までを一緒に進めます。

  • 2か月
  • 1業務で試作・検証
  • 基本支援は無償

AWS利用料・追加メニューは別途。キャンペーンの終了時期は未定です。

ギフトボックスから2つのチェックポイントを経て旗へ向かう道。途中にカレンダーと上昇グラフがあるイラスト
FAQ

よくある質問

はい。市民開発の対象業務を棚卸し、情シスや推進担当が確認できる運用を設計します。技術的な実装はRagateが担う形から始められます。
目的とセキュリティ要件に応じて、Kiro、Cursor、Claude Code、Codex、Amazon Bedrock、Jev、ローカルLLMなどから選びます。既存環境との相性も確認します。
はい。AWSを主軸に、Google Cloud・Microsoft Azureにも対応します。機密情報の扱いに応じて、オンプレミスや閉域で動かすローカルLLMも検討できます。
データ区分、権限、ログ、接続方式を先に整理します。学習利用なし、国内リージョン、閉域接続、全ログ監査などの条件に対応する構成を検討できます。
はい。既存のレビュー、承認、テスト、リリース手順を確認し、AIを使う工程と人が判断する工程を組み込んで標準化します。
対象範囲、必要な成果物、支援期間を確認してお見積もりします。お問い合わせフォームからご相談ください。
提供:Ragate株式会社(AWS アドバンスドティア サービスパートナー)|会社サイトを見る (新しいタブで開きます)
Contact

お問い合わせ

ご相談内容 *(複数選択可)
0 / 1000文字