動いた後の変化で見る導入事例

解決策

Pythonで、PDFからの情報抽出、生成AIによる表構造の整理、既存マスタとの照合、CMS取込CSV生成までを行うPoCパイプラインを構築。抽出結果と候補を人が確認できるレビュー画面も用意し、実運用に近い形で検証しました。

• PDF文字抽出とVisionモデルを使い分け、読み取り対象を効率化
• 抽出結果を既存マスタ候補へ照合し、確信度で振り分け
• レビュー後にCMS取込用CSVを出力する流れを試作

結果

カタログPDFから適合情報を転記する作業が、確認だけで済むかを実データで検証しました。表記ゆれや範囲表記は既存マスタの候補に自動で当たるため、人が目を通すのはレビュー画面に上がった迷うものだけです。本開発に進む前に、どこまで自動化できて残りにどれだけ人手が要るかを把握できます。

解決策

引き継ぎ後、やりたいことを要求カードとして洗い出し、作る・後回し・作らないを先に決めてからユーザーストーリーと受入条件へ展開しました。要件定義のやり直しは3日強で終えました。仕様と進捗は自社開発のPM基盤「PM on Rails」で1本につなぎ、打ち合わせで出た未決事項がそのままタスクと進捗まで流れる状態にしています。仕様をシナリオで持っているので、進捗はお客さまもAIに聞いて確認できる状態です。シナリオに沿ったテストもお客さまと一緒に行い、その分の工数と費用を下げています。

• 要求を47件のカードに整理し、必須・重要・できれば・見送りで範囲を確定
• Laravel と Stripe のサブスクリプションで、個人・チームの契約と決済失敗時の復旧を実装
• 契約終了後の移行猶予、データ保持期間、利用停止の条件を仕様として決めきった

結果

以前に約1,100万〜1,200万円が投じられたシステムの再構築を、Beekleは340万円（追加開発を含めて404万円、いずれも税別）で受け、それでも採算が合っています。開発を本格化してから約2週間後の2026年8月31日時点で、PM on Railsに登録した作業1,414件のうち830件（59%）が完了しました。以前の開発では1年強かかったものが、今回は1か月かからずに開発を終え、2026年10月の納品を待つ段階です。決まっていないことを先に洗い出して潰す進め方にしたため、実装が進んだあとも仕様が揺れず、作ったものを作り直さずに積み上げられます。契約や決済まわりのように後から矛盾が出やすい箇所も、条件を先に確定させています。

解決策

APIとWeb、管理画面までを一貫して開発。APIスキーマを起点に型安全なクライアントを自動生成し、フロントとバックの齟齬を抑えました。約3年にわたり継続開発・運用しています。

• NestJS + Prisma + PostgreSQLのAPIと、Next.js + 管理コンソールを構築
• OpenAPIスキーマからクライアントを自動生成し型安全に連携
• サブスク＋チケット課金、3ロールの認証、CI・AIレビューを整備

結果

発注者・受注者・運営の3者が同時に使える形で立ち上がり、継続課金と従量課金を併用する料金モデルもそのまま運用に乗りました。APIの定義から画面側のコードを自動生成しているため、機能を足しても画面とAPIが同じ定義で揃い、認識違いによる作り直しを防げます。結果として約3年、土台を作り直さずに機能を積み増せています。

解決策

音声認識による文字起こしに加え、音響解析で日本語の発音・イントネーションを採点する仕組みを構築。会話ロールプレイと発音評価を備えた語学学習アプリとして開発しました。

• 音声認識で発話をテキスト化し、会話練習に活用
• 強制アライメントとピッチ（F0）抽出で発音・イントネーションを採点
• ピッチ曲線の類似度・音素単位の抑揚一致で採点するロジックを自作

結果

既製の音声認識では手が届かない日本語のピッチアクセントまで、自前で採点できるようになりました。学習者は講師の予定を押さえなくても発音の可否を確かめられ、講師は一対一の発音矯正に割いていた時間を会話の指導に回せます。

解決策

ExpoベースのReact NativeでiOS・Androidを単一コードから開発し、サーバレス構成のバックエンドと組み合わせてMVPを短期間で構築。診断結果に応じてLLMが鑑定文を生成する仕組みを実装しました。

• ExpoベースのReact NativeでiOS・Androidを単一コードから素早く開発
• Restyle・React Native PaperでUIを統一しつつ短期間で構築
• Cloudflare Workers + サーバレス構成のAPIと、鑑定文を生成するLLMとの連携を実装

結果

診断からAI鑑定までの体験を、iOSとAndroidの両方で触れる形にしました。片方ずつ作らずに済むので、検証段階の開発費も一度で済みます。課金と広告まで載せてあるため、使われるかどうかと稼げるかどうかを同じMVPで確かめられます。

解決策

募集・応募・メッセージングに加え、AIによるマッチングまでを含むプロトタイプを短期間で構築。LLMで双方の相性をスコア化し、理由を添えて推薦する仕組みを実装しました。

• LLMで相性を0〜100にスコア化し、理由付きで推薦するAIマッチングを実装
• スコアのキャッシュと並列リクエストで応答性を確保
• 募集・応募・1対1メッセージまでを一気通貫で構築

結果

構想止まりだったサービスが、関係者が実際に触れるプロトタイプになりました。相性は理由つきのスコアで返るので、AIマッチングという言葉が自社では何を指すのかを画面で確認できます。ここで固まった要件をそのまま本開発の前提にできるため、作ってから仕様を練り直す手戻りを防げます。

解決策

AIを活用した開発体制で、バックエンドのLaravel、フロントエンドのTypeScript、インフラのDockerまで一貫して構築。1週間で動作するプラットフォームを立ち上げました。

• Laravel + TypeScript でフロント・バックを一貫実装
• Docker でインフラまで含めて構築
• 1週間で動作するプラットフォームを立ち上げ

結果

構想段階だったプラットフォームが、1週間で企業側とインフルエンサー側の双方が触れる状態になりました。要件整理から技術選定、インフラまで引き受けているため、事業側は体制づくりに時間を取られず、サービスの中身と事業性の判断に集中できます。

解決策

Beekleが要件整理からRFP作成を代行し、要件定義・デザイン・BPO業務の整理・バックエンド・フロントエンド・SEOまで一貫して担当しました。

• 要件整理からRFPの作成を代行
• 要件定義・デザイン・BPO業務の整理を一貫して実施
• バックエンド・フロントエンド開発からSEOまで対応

結果

発注のノウハウが社内にない状態から、補助金申請に必要なRFPを提出し、そのまま開発と公開後の集客まで進みました。業務整理から要件定義、開発、SEOまで窓口が一つなので、工程が変わっても前提の説明は一度で済みます。約1年で、業務と集客の両方が回る形になっています。