「All in AI」のShopifyが、全社員によるAI実装の実践を共有。内容はすべて本質的な情報
TechFlow厳選深潮セレクト
「All in AI」のShopifyが、全社員によるAI実装の実践を共有。内容はすべて本質的な情報
予算無制限、法務は「グリーンライト」。
Web3業界の深掘り報道に専念し潮流を洞察3か月前、Shopifyの共同設立者兼CEOであるTobi Lütkeが社内に全社員宛ての書簡を発表し、「All in AI」を宣言しました。Lütkeは、「AI技術を有効に活用することは、Shopifyのすべての従業員に対する基本的な期待である」と述べました。この取り組みはその後、BoxやFiverr、さらにはカナダ首相に至るまで、多くの模倣を呼び起こしました。
それから3か月が経ち、Shopify内部では実際にどのような変化が起きているのでしょうか？ 単なるリーダーの一時的な「スローガン」で終わってしまったのか、それとも本当に企業内で「AI」が有効に活用されているのか？
AIの実装によって、どの業務プロセスが変わったのでしょうか？
First Round ReviewはShopifyの副社長Thawar氏と対談を行い、同社がAI導入に向けて採用している具体的な戦略とその実際の効果向上について話を聞きました。また、3つの「直感に反する」知見も共有されています。
-
全社員が差別なくAIを使用し、費用上限を設けない。
-
AIには考える過程と結果を隠さず、むしろ積極的に見せる。
-
初心者や新卒社員は非常に有用であり、特にAIの使い手として価値が高い。
戦略的指導から技術的実装まで、企業におけるAIの実践という観点から、Shopifyは優れたモデルケースを提示していると言えるでしょう。
First Round Reviewの記事をもとに、Founder Parkが編集・翻訳を行いました。
原文：https://www.firstround.com/ai/shopify
01 全社員による「無差別的」AI利用
多くの企業がAIを普及させる際、全社員には最も基本的なツールのみを提供し、強力なモデルやアプリケーションは技術チームに限定しがちです。一方、Shopifyのアプローチは正反対です。同社では、導入されたすべてのツールやモデルをすべての従業員が自由に使えるようにしています。
このような戦略の背景にあるのは、「高価値な革新的な活用例は会社のどこから生まれるか分からない」という考えです。どの活用が最終的に成功し、資源投入に値するものになるかを事前に予測することは不可能だからです。
昨年、私はCursorのライセンスを1,500個調達しましたが、すぐに不足し、追加で1,500個を追加購入せざるを得ませんでした。最も利用が急増したユーザー層はエンジニアリング部門ではなく、カスタマーサポートと収益部門でした。
Farhan Thawar ファルハン・タワル Shopify エンジニアリング担当副社長兼責任者
従業員が最新かつ最高のモデルを本当に活用できるようにするために、Shopifyは以下の3つの戦略を採用しています。
戦略1：法務チームに「グリーンライト」をデフォルトで出すよう促す
変革はトップダウンで始まります。法務を含む上級管理職チーム全体が、「AIの受容こそが会社にとって最重要課題である」という合意を持つ必要があります。最上層での一貫性があれば、セキュリティやプライバシーといった重要な課題に対しても、「どうすれば実現できるか」という前向きな視点を持てるのです。「『承認』をデフォルトにしなければ、事実上『拒否』をデフォルトにしていることになります」とThawar氏は指摘します。「ルールが曖昧であれば、それは『ノー』と同じです。多くの企業がまさにそうなのです。」
2021年末、Thawar氏がGitHub Copilotの導入を決めたとき、彼は法務チームに対して率直にこう伝えました。「最初の言葉は『我々はこのプロジェクトを進めます。いかにして万全を期すか？』でした」とThawar氏。「彼らの答えは『方法を考えます』。何の反対もありませんでした。」
この姿勢は、他の一流テック企業のCTOたちの経験とは鮮明な対照をなしています。ある同業者のWhatsAppグループでは、Thawar氏は法務からの重重な障壁に関する不満をよく耳にします。
グループ内の誰かが常に私に尋ねます。『あなたのGC（チーフ・コーポレートアドバイザー）と私たちのGCを話させることはできますか？』彼らが直面している抵抗は、私たちには一度も体験したことがありません。
Farhan Thawar ファルハン・タワル Shopify エンジニアリング担当副社長兼責任者
戦略2：AIツールの予算を「上限なし」にする
AIの全面普及を実現する上で、コストは避けて通れない問題です。Cursorが社内で広く使われるにつれ、一部の人々は費用が暴走するのではないかと懸念し始めました。しかし、これはThawar氏の本来の狙いとは正反対です。彼が望んでいたのは、「ツールが価値を生む限り、誰も気にせず使える状態」だったのです。
Thawar氏は、社内ランキングを通じて、誰がCursorのトークン使用料を最も多く支払っているかを観察しています。「制限額は設けていません。誰かがランキングを不正に操作するようなことも望んでいませんが、これは価値を測る優れた指標です。AIや最新モデルを使う際に、従業員が何らかの心配をするべきではないと考えています」とThawar氏。「AIを使って重要な仕事を成し遂げたことで、トークン消費ランキングのトップ10入りを果たし、それを誇りに思っている人もいます。」最近では、ShopifyのCTOであるMikhail Parakhin氏もその一人です。
「多くのCTOやCEOと話す中で、気になる傾向があります。彼らは過度にトークンのコストにこだわりすぎるのです」とThawar氏。「彼らは計算します。『エンジニアがCursorやWindsurf、GitHub Copilotなどのツールを使うと、1人あたり毎月1,000～10,000ドル余分にかかる。これを負担できるだろうか？』そして予算を引き締めてしまうのです。」
このような考え方自体が、AIの普及という目標に逆行しています。
「もしエンジニアがLLM（大規模言語モデル）を使って毎月1,000ドル余計に使ったとしても、生産性が10％向上すれば、その投資は非常に価値があります。どんな企業でも、これほど『安価』な生産性向上に喜ぶはずです。」（Thawar氏はさらに、「もしエンジニアが毎月10,000ドル使って価値を生み出しているなら、ぜひ私に直接連絡してください。そのやり方を学びたいです。」とも述べています。）
戦略3：統一されたAIエントリーポイントとMCPs
従業員が簡単に最新のAIツールを使ったり構築したりできるようにするため、Shopifyはすべてのリソースを1つのプラットフォームに統合しています。それが社内のLLMエージェントです。このエージェントは統一されたエントリーポイントとして機能し、さまざまなモデルとのシームレスなやり取りや切り替えを可能にします。本番環境では、拡張性、トレース、フェイルオーバーなどの重要な機能も担っています。
従業員はこのLLMを使って自分自身のワークフローを構築でき、さまざまなモデルを自由に選択でき、常に最新版を即座に利用できます。プラットフォーム内には豊富なMCPsのセットが内蔵されており、エージェントやCursorなどのツールにリクエストを送るだけで呼び出せます。同僚たちが作成したエージェントのライブラリもあり、誰でも利用可能です。これはすべてのニーズを満たすワンストップAIワークステーションです。
「MCPサーバーは、社内のすべてのツールをつなぐ重要なインフラ層です。われわれの理念は『万物皆可MCP』です」とThawar氏。「社内のあらゆるデータを、それがどのツールに保存されていようとも、MCPを通じて容易にアクセス可能にし、従業員がいつでも呼び出して自分のワークフローを構築できるようにしています。」
02 AIベースのワークフローケース
MCP、Cursor、チャットという基盤インフラのおかげで、技術者だけでなくビジネス部門の従業員の生産性も大きく向上しています。以下は開発部門以外の部署から生まれた注目すべき事例です。
事例1：潜在顧客の販売リード開拓手法を変えるウェブサイト監査ツール
Shopifyの販売プロセスにおいて、ウェブサイトパフォーマンスのベンチマーク分析は重要なステップです。潜在的な事業者に対して自社のウェブサイト速度が業界トップクラスであることを示すために、営業担当者はまず顧客のウェブサイトを監査し、データでShopifyの優位性を証明する必要があります。過去にはこの作業は完全に手動で行われ、時間と労力を要していました。
最近、非技術出身の営業担当者がCursorを使って、詳細なウェブサイトパフォーマンス比較レポートを自動生成するツールを開発しました。このツールは潜在顧客のウェブサイトデータを取得し、Shopifyのベンチマークと比較するだけでなく、社内文書を呼び出して営業コミュニケーションのための正確なトークスクリプトを提供することもできます。
Shopifyの最高収益責任者（CRO）であるBobby Morrison氏は、このような思考と働き方を称賛しています。「当社の最優秀なビジネス開拓者たちは、市場分析や機会発見から、事業者向けの戦略策定、ソリューション構築まで、あらゆる業務を再構築しています。最も成功している人々は全員、『AIリテラシー』を備えており、直感的にAIツールと協働し、AIのスピードで進化しています。AIは彼らにとって独立した存在ではなく、一種の働き方そのものです。」
Shopifyによれば、AIが真に提供するのは、販売モデルそのものを再考できる機会です。「例えば、クロスセルの場面で、営業担当者は顧客との通話中に、数秒でかつて多大な時間をかけて得ていたデータをエージェントが取り出してくれます。こうした販売データはかつて希少なリソースでしたが、今や簡単に手に入るようになりました。」とThawar氏は説明します。
「これが営業手法に与える影響は何か？ より自信を持って、より力強く主張できるようになり、顧客組織内での新たなコミュニケーション経路を開けるかもしれません。ひいては、新規顧客へのテレアポのやり方さえ根本的に変えてしまう可能性があります。」
事例2：セールスエンジニアの「今日のタスク」ホーム画面
あるセールスエンジニアは、GSuite Drive、Slack、Salesforceなど日常で使う主要ツールのMCPsを、Cursorを使って構築した個人用ダッシュボードに統合しました。このダッシュボードはすべてのツールからのリアルタイム情報をもとに、タスクの優先順位をスマートに並べ替えてくれます。
以前はこれらのアプリ間を何度も切り替える必要がありました。しかし今では、毎日このダッシュボードを開き、「今日は何をすべきですか？」と聞くだけで済みます。システムは、たとえばSalesforceに契約目前の案件がある一方で、まだその顧客からの重要メールに返信していないことに気づき、すぐにその処理を優先するよう促します。「彼はもはや個別のツールをほとんど開かなくなりました。Cursorが彼の仕事のホーム画面になっています。メールにログインする必要さえなくなりました。信じられないことです。」とThawar氏。
これはまさに、ShopifyがAIインフラ投資から期待する成果です。インフラ構築で知られる会社にとって、これは自然な流れです。「我々は孤立した機能を数週間かけて開発するよりも、再利用可能なインフラを構築するためにより長い時間をかけることを選びます。たとえば、LLMエージェントやMCPサーバーを構築したのは、誰もが再利用できるシステムを作りたいからです。誰かがSlack用のMCPを作ったら、会社中の誰もがすぐに使えるようになります。」
ワークフローケース3：RFPエージェントで受注率を向上
大企業向けに販売を行う企業にとって、提案依頼書（RFP）への回答は日常茶飯事です。各RFPには数百の質問が含まれ、大量のカスタマイズ、会社背景情報、部門横断的な協力が必要です。
そのため、Shopifyの収益ツールチームは、複数のRFP質問に一度に回答できるエージェントを開発しました。このエージェントはLibreChat（Shopifyはその主要なコントリビューターの一つ）に基づき、公開ドキュメント、ヘルプセンター、ケーススタディなど内部知識ベースを呼び出し、内容豊かで根拠のある回答を自動生成することで、ソリューションエンジニアの生産性を大幅に解放しました。
回答時には、エージェントは各回答に「信頼度スコア」を付与し、情報が十分かどうかを示します。また、過去に成功したRFP回答から学習し、新しい成功事例を知識ベースに保存することで、将来の回答品質を継続的に最適化できます。
03 AIに考える過程をもっと「見せる」ようにする
多くの人が心配するのは、AIへの過度な依存が「脳のサビつき」を招き、仕事そのものから疎外されるのではないかということです。しかし、直感に反する真実は、適切に使えばAIはむしろ多くの詳細を見せてくれ、むしろ深く関与できるようになるということです。
「多くの人は、理想的なユーザーエクスペリエンスとは、質問してAIが答えを出すことだと考え、その間の『混乱』した過程は少ないほど良いと思っています」とThawar氏。「しかし、人々があるスキルを習得するのを助けたいのなら、むしろその過程の細部を見せるほうが効果的です。」
戦略：人に対して「コンテキストエンジニアリング」を行う
Shopifyは、AIの活用を効果的に推進する鍵は、プロンプトの最適化だけではなく、「コンテキストエンジニアリング」（文脈設計）の概念を従業員に体系的に適用することにあると認識しています。
たとえば、Shopifyではプロジェクト責任者が毎週プロジェクト進捗報告を提出する必要があり、その結果、社内のプロジェクト管理システムは情報の高速道路となっています。現在、AIエージェントがプロジェクトに関連するGitHubのプルリクエスト、ドキュメント、コメント、Slackチャンネルの情報を自動収集し、週報のドラフトを作成します。
毎週金曜日、プロジェクト責任者はこのAI生成の報告を受け取りますが、それに加えて「今週、具体的に何を成し遂げましたか？」といった挑戦的な追加質問が添えられます。これにより、責任者はAIのまとめを批判的に検討し、最適化するよう促されます。自分の成果が正確に理解されることを望むため、実情と異なる点を見つけ出し、潜在的なリスクを明らかにしようとします。単に内容を確認して済ませるのではなく、能動的に関わるようになるのです。
「責任者のフィードバックに基づき、AIは新しい報告書を生成します。最終版と初期草案の違いを比較し、AIはその書き換え内容から学習して進化していきます。」とThawar氏。「かつて週報作成には膨大な情報収集時間がかかりましたが、今ではプロジェクト責任者は人間にこそふさわしい、批判的思考と課題提起という本来の役割に集中できるようになりました。」
AIが生成した週報の初期草案の半分は修正不要でそのまま通過しています。これらのレポートの品質は非常に高く、その理由の一部は、AIが入手可能なすべての関連情報を統合しているからです。
Farhan Thawar ファルハン・タワル Shopify エンジニアリング担当副社長兼責任者
ワークフロー：コードを「 roasted（からかう）」Roastフレームワーク
Shopifyは世界最大規模のRuby on Railsアプリケーションの一つを運用しています。多数のエンジニアが効率的に協力しながら、巨大なモノリシックコードベースを維持し続けることは常に大きな課題です。特にRubyのように「設定より規約」を重んじ、開発者の個人的自由を奨励する言語環境ではなおさらです。
Shopifyのエンジニアたちは、AIがコード規約の維持、ユニットテストの統一、コード更新の標準化を支援する強力なツールになり得ることを発見しました。しかしAI自体は信頼できるものではなく、明確な構造化されたガイドラインと、決定論的なツールや原則と組み合わせる必要があります。
そこでShopifyは、コードのチェック、修正、反復を行うオープンソースのAIオーケストレーションフレームワーク「Roast」を開発しました。その名前は、社内で同名のAIツールに由来しており、既存のコードやユニットテストに対して「 roasted（からかう）」スタイルで建設的な批評や改善提案を行うものです。Roastはすべてを一度に処理する単一のプロンプトではなく、小さな正確なステップをいくつも組み合わせたフィードバックループを設計・実行できるようにしています。
-
Roastはワークフローを複数のステップに分解し、各ステップでAIの推論過程を明確に表示します。
-
これらのステップは一連の対話履歴を形成し、エンジニアがAIの意思決定ロジックを追跡できるようにします。
-
中心となるCodeAgent（Claude Codeに基づく）は、自身の各操作とその理由を要約します。
-
テスト評価などのタスクでは、Roastは得点の高低に応じて詳しいフィードバックを提供し、最終結果を提示する前に「なぜ」「どのように」を説明します。
「決定論的ツールとAIツールを組み合わせることで、お互いの情報を補完し合い、ギャップを埋め合える」と、Roast開発に携わったShopifyのエンジニアSamuel Schmidt氏は述べています。Roastはエージェントの使い方を簡素化し、協働するエンジニアに対して作業の全過程を見せることで、複雑なプロセスを再現可能かつ拡張可能な形で実行することを容易にしました。
このツールはすでにShopify内部で多くの技術的課題を解決しており、数千のテストファイルを分析し、一般的な問題を自動修復することで、コードのテスト網羅率を全面的に向上させました。こうした問題解決の過程で、チームはAIを用いて複雑な工学的タスクをより確実に遂行する新たなパラダイムを確立しました。これは多くのチームが直面している共通の課題でもあります。そのため、ShopifyはRoastをオープンソース化し、コミュニティ全体と共にAI支援タスク実行の未来を形作ることを決意しました。
04 製品開発に「初心者メンタリティ」を築く
Shopifyは単に初心者の数を増やすだけでなく、製品開発プロセス自体を変え、プロトタイピングを重視するようになっています。これはまさに「初心者メンタリティ」を実践する姿勢です。同社は、これが瓶頸を打破し、解決策を見つける真の鍵だと考えています。
戦略：より多くのジュニア人材を採用する
人材戦略において、Shopifyは「AIが人間の仕事を奪う」という単純な表面的理解に留まらず、新たな原則を打ち立てました。「もし君がAIを使って卓越した価値を生み出せるなら、会社はそれを支援するためにさらに多くのリソースを投入する」というものです。そのリソースとは、新たな人的資源も含まれます。
一般的な見解では、AIは初級職を破壊するとされ、工学系の新卒は「終末感」を感じ、卒業と同時に失業を恐れることが多いです。しかしShopifyは逆に、より多くのインターンを雇用しています。なぜなら、若者たちこそが最も創造的にAIを使いこなす集団であり、生まれながらの「初心者メンタリティ」を持っているからです。
25人のエンジニアインターンの導入が成功した後、Lütke氏はThawar氏に「このプロジェクトは最大でどれくらい規模を拡大できるか？」と尋ねました。「当初の答えは、現行インフラで75人までサポート可能でした。しかし後に撤回し、答えを1,000人に更新しました」とThawar氏。
Thawar氏は豊富なインターンシップ運営経験を持っています。彼は、インターンがチームにもたらす活力、情熱、勢いを熟知しています。そしてLLM以降の時代では、彼らは新たなスキルも持ち込みます。彼らは生まれながらの「AIセントール（半人馬）」なのです。「彼らは常に新しいツールや近道に好奇心を持っています。彼らには『怠ける』ことを期待しています。最新ツールを使うことを。」と彼は言います。「モバイルインターネット時代にも同じ現象を見ました。当時、私は多くのインターンを雇いました。彼らが『モバイルネイティブ』だと分かっていたからです。」
戦略：より多くのプロトタイプで最適な道を探る
現在、Shopifyの製品開発プロセスでは、より多くのプロトタイピングが中心的な位置を占めています。具体的には、プロトタイプ試作と最終実装の比率を高めることに重点を置いています。これはShopifyの核心原則、「製品開発のグリーンチャンネル」の実践です。つまり、複雑な問題を解決する唯一の方法は、繰り返し試すことだという信念です。Lütke氏はThawar氏にこう言いました。「問題には無数の悪い解決法と、おそらく一万通りの良い解決法がある。君の任務は、その一万通りの中から最良のものを選ぶことだ。君が今見せてくれたのは、ただ最初に動いた解決法であって、最良のものではない。なぜそこで止まったんだ？」
Thawar氏は付け加えます。「あなたが直面しているのは、数百の変数と階層を持つ問題です。異なる道を探索する必要があります。それらの道は見た目が似た最終製品につながるかもしれませんが、背後にあるトレードオフや判断はまったく異なるかもしれません。」
たとえば、Shopifyの社内AIチャットツールもプロトタイプから生まれました。上級エンジニアのMatt Burnett氏は当初、社内でのLLMアクセスを改善するために、オープンソースツールで実験を行いました。彼は初期バージョンを繰り返し改善し、データ損失や拡張性の問題を解決し、同僚に早期から試用させることでアーキテクチャ上の欠陥を明らかにしました。最終的にこのツールは広く採用され、専門のエンジニアリングチームが設立されるまでになりました。
AIの利用度と業績を密接に「連動」させる
組織全体のエンジニアリング効率のさまざまな側面を測定するために、Thawar氏はエンジニアリング活動ダッシュボードを使用しています。これは、誰がペアプログラミングをしているか、誰が面接に参加しているか、前述のCopilotの使用状況などを追跡します。
Shopifyの長年のデータによれば、ペアプログラミングは学習速度を著しく向上させます。このダッシュボードを使って、同社はペアプログラミングの時間と業績評価の関係を分析しました。その結果、エンジニアのペアプログラミング時間が長いほど影響力が大きく、短いほど小さくなることがわかりました。
現在、このダッシュボードはCursor、Claude Code、LLMエージェントなどのAIツールの使用状況も追跡しています。初期の分析では、これらのツールを使う従業員ほど影響力が正の相関関係にあることが示されています。これにより、本当に価値を生むツールを特定し、個人の業績との関連を明らかにできます。
Shopifyはすでに、AI関連の質問を360度評価制度に組み込んでいます。マネージャーや同僚は互いに「AIネイティブ」または「AI反射的」な振る舞いを評価します。数年分のデータを蓄積した後、AIの使用と個人の影響力の関係についてさらに深い分析を行う予定です。
Thawar氏自身も実践しており、ペアプログラミングを通じてAIの使い方を示範しています。「私はあるエンジニアとペアプログラミングします。彼の問題解決方法を観察するのも目的ですが、同時に私の考えを推進するためでもあります。私は常にChatGPTのタブを開いており、実際の作業の中で、私が常にAIと協働していることを実演します。」
05 効率の向上が業務プロセスを再構築する
プロスポーツチームのトレーニングやミシュラン星付きレストランのキッチン運営のすべての動作を精密に分析すれば、それらの運動効率は約80％に達することが分かります。一方、企業の運営効率は高々20％程度かもしれません。
「企業には想像を絶するほどの無駄が存在します。ただ、まだ最適なやり方を発見していないだけです。」とThawar氏。「AIが既存プロセスを加速することは明らかです。しかし、より深く、あまり知られていない価値は、プロセス自体をまったく異なる順序、まったく異なる前提で実行すべきだと気づかせてくれる点にあります。その『目覚め』の瞬間が訪れれば、大量の冗長作業を飛ばしたり、プロセス全体を再構築したりできるかもしれません。」
先ほどのウェブサイト監査ツールに戻りましょう。Thawar氏はそれが販売プロセスをどう変えるかを考えます。「ウェブサイト監査レポートの作成コストが微小になったとき、誰が、いつ、そのデータを提示するかという販売プロセスそのものが変わるかもしれません。たとえば、顧客が厳選された後ではなく、販売パイプラインのはるか早い段階で導入できるようになるかもしれません。これにより、SDR（セールス開発担当者）が接触する顧客の種類さえ変わっていくでしょう」と彼は言います。「こうしてまったく新しい販売プロセスが生まれるのです。その唯一の原動力は、極めて低コストで監査レポートを生成できるようになったという事実だけです。」
彼は高く評価されながらも極めて模倣困難とされる「トヨタ生産方式」を例に挙げます。「AIは私たちの基本的な前提を根本から変えています。生産ラインにおける複雑な組み合わせ問題をAIで解き、効率を千倍に高めることも可能になります。そこに真の魔法があります。我々が追い求めているのは、まさにこの『プロセスの力』です。」
TechFlow公式コミュニティへようこそ
Telegram購読グループ：https://t.me/TechFlowDaily
Twitter公式アカウント：https://x.com/TechFlowPost
Twitter英語アカウント：https://x.com/BlockFlow_News
