【CEDEC2025】2つの内製AIチャットツールと3つの生成AIツールを開発したCygamesの全社的取り組み

コンピュータエンターテインメント開発者を対象とした、ゲームに関する技術や知識を共有する国内最大級のカンファレンスCEDEC2025が2025年7月22日から24日、パシフィコ横浜ノースでオンラインを併用したハイブリッドで開催されました。同カンファレンスではさまざまなセッションが行われましたが、本稿は株式会社Cygamesの生成AI活用に関する全社的取り組みをまとめた「LLMを活用したゲーム開発支援と、生成AIの利活用を進める組織的な取り組み」を紹介します。

AIスペシャリストが参加する「AIテクノロジー」の結成

株式会社Cygamesの専門役員を務める金井大氏は会社紹介と自己紹介の後、CygamesにおけるAI導入の取り組みとして、AI導入前にあった課題を示しました。ChatGPTをはじめとする生成AIは、その入出力において以前のAIより大きな自由度がある反面、自由に使っていいと言われてもその使い方がわからない、といった課題がありました。

こうした課題を解決する糸口として、Cygamesは生成AI活用に適した組織作りとルールの策定、そして環境の整備に着手しました。

生成AI利活用を推進する組織として立ち上げられたのが、2023年4月に発足した「生成AI活用委員会」でした。この組織は、情報システム部門をはじめとした複数の部署から参加者が集められた部門横断的なものでした。

しかし、同組織のメンバーは既存業務との兼任で当該業務を担当し、AIのスペシャリストでもなかったため、その活動には限界がありました。こうした限界を打破するために、AI専門部署「AIテクノロジー」が設立されました。

2024年2月に設立されたAIテクノロジーでは、以下のスライドのように4つのチームが組織されました。AIスペシャリストとして集められた各チームのメンバーは生成AI利活用のルール策定、後述する内製AIチャットツールやバグチケット起票支援ツールなどの開発を行いました。

2つの内製AIチャットツールの導入

AIテクノロジーが策定した生成AIガイドラインは、生成AIの技術的仕組みに合わせて、入力、生成AI本体、そして出力といった3つの部分ごとに明文化されました。完成したガイドラインは、情報共有ツールのConfluenceから閲覧できるようにしました。

生成AIガイドラインをCygames全体に普及させるために、全社的な研修も実施しました。その内容は管理職と一般職では異なる内容とし、生成AIの技術的解説も盛り込みました。本セッション発表時の2025年7月時点では、研修受講率は全社員99%以上となっています。

生成AI活用委員会発足当時の2023年前半の時点では、企業向けの生成AI契約のプランがなかったため、Cygamesは同社で使うAIチャットツールを内製することにしました。そうして導入されたのが、「Cygnus」と「Taurus」でした。2024年以降は企業向け生成AIプランが提供されるようになったので、そうしたプランとも順次契約していきました。

2025年6月時点でCygamesは2つの内製AIチャットツールに加えて、ChatGPTとGeminiを活用しています。複数のAIチャットツールを提供するのは、さまざまな業務に対応するためです。

以下のスライドは、各AIチャットツールの利用状況です。ChatGPTがもっとも多く使われています。こうした集計から、Cygames全スタッフは1日に2回は何らかのAIチャットツールを利用していることがわかります。

複数のLLMに対応する内製AIチャットツール「Taurus」

続いて登壇した笠原達也氏は、前述のCygames内製AIチャットツール「Taurus」について発表しました。同ツールは、同社における生成AIツール活用推進とAIリテラシー向上を目的として開発されました。同ツールのUIは、以下のスライド画像のように標準的な対話型生成AIのそれを踏襲しています。

Taurusは以下のようにOpenAI LLMシリーズとClaudeシリーズに対応し、社内報をはじめとする社内の各種情報インフラにアクセスできるようになっています。

TaurusはWeb検索はもちろんのこと、RAG（Retrieval Augmented Generation：検索拡張生成）を実装することで社内情報の横断的な検索に対応しています。加えて画像認識や、キャラクターの口調の再現も可能です。

以下のスライド画像が、Taurusのアーキテクチャとなります。Webアプリとして開発された同ツールは、バックエンドには各種AWSサービスが採用されています。また、使用するLLMに応じたAPIを呼び出すようになっています。

GPTシリーズの管理には、Microsoft Azure OpenAIを活用しています。同サービスにおけるPTU（Provisioned throughput units）を活用することで大きな処理能力を確保できるので、大量のリクエストがあっても安定して稼働します。

PTUを契約しても、時としてrate limitを超えることがあります。そうした場合の対応として、Azure API Managementを導入しています。同サービスの活用により、rate limitを超えた場合にPayG（従量課金）にフォールバックする（切り替える）ようにしています。

PTUのメリットとデメリットをまとめると、以下のようになります。Cygamesは、AIチャットツールの安定運用を重視して、PTU契約したと考えられます。

Claudeシリーズの運用には、Amazon Bedrockを採用しています。というのも、同サービスは同シリーズへの対応が迅速、という定評があるからです。

ベクトル検索を採用してRAG精度向上

笠原氏は、TaurusにおけるRAG精度を上げるための取り組みについても話しました。同ツールでRAGを利用する際、プロンプトの内容に応じて、参照するデータソースやLLMを選択するためにTool Useを実装しています。このようにすることで、回答のハルシネーションを抑制しています。

RAG利用時にアクセスするデータソースは、個人単位でアクセス権限を設定できるConfluenceと全社共通でアクセスできるその他のナレッジに大別できます。RAG精度向上のためには、それぞれのデータソースに対して異なった施策が必要となります。

全社共通のデータソースに関しては、入力テキストをベクトル情報に変換することで類似した入力内容の検索結果も処理できるベクトル検索を採用しました。この手法によって、例えば「単3電池」あるいは「乾電池」と入力しても、ほぼ同じ検索結果が出力されるようになりました。この手法の実現には、Azure AI Searchを活用しました。

最終的にTaurusでは、Confluence APIによる検索とベクトル検索の併用でRAG精度向上を図りました。この施策に関してユーザにアンケートを実施したところ、半数以上が改善されたと回答しました。

RAG精度に関しては、LLM自体の性能向上によっても改善することがわかっています。しかし、LLMの性能向上のみに依存すると、検索時間やトークン消費の増大を引き起こす可能性があります。それゆえ、ベクトル検索と複数LLMの選択肢提供といった施策も重要となります。

Taurusの公開後、ユーザーフィードバックや社内での啓蒙活動を継続した結果、順調にユーザ数が増加して、2025年5月時点ではMAU（ひと月当たりのアクティブユーザ数）がCygames全スタッフの4割に相当する約1,400人に達しました。

Taurusの今後の展開としては、無計画に機能拡張することなく、MCPやエージェントなどの新技術を活用してシステムを疎にすることで、一定の保守性を保つことを目指しています。

バグチケットの主要項目を自動記入して工数削減

笠原氏に次いで登壇した都築圭太氏は、生成AIを活用した3つのゲーム開発支援ツールについて発表しました。1つ目のツールは、バグチケット起票時に、過去の事例を参照して内容の一部を自動記入するというものです。

実際に作ったツールのUIは、以下の通りです。バグの概要を入力すると、主要項目を自動的に記入してくれます。

以上のツール開発にあたっては、OpenAI提供APIを活用した専用アプリを開発する方針を採用しました。というのも、専用アプリのほうが運用コストが安くなるからです。

専用アプリ開発のデメリットである実装工数の増大については、参照するチケットを精査して、プロンプトを短縮することで対処しました。参照チケットは、最終的に当初の2%程度に減らせました。

以下のスライドには、実際に利用しているプロンプトの一部が引用されています。プロンプトに参照すべき過去チケットをふくめているので、RAGを活用しないシンプルなものとなっています。

バグチケット起票支援ツールを導入した結果、起票1件当たり3分の時間短縮が実現し、0.3人日/月程度の工数削減効果がありました。

SNS投稿からカテゴリーごとの評価を自動抽出

2つ目の生成AIツールは、ゲームに関するSNS投稿の内容を自動的に分析するというものです。具体的には、投稿から「操作感」や「シナリオ」といった評価しているカテゴリーを抽出して、評価内容をポジティブまたはネガティブのように傾向を分類します。

以上の投稿内容のポジネガ分析ツールでは、実際の投稿100件を手動でラベリング後、それらを学習事例としてプロンプトに挿入するfew-shot promptingを採用しました。

同ツールを使って38,750件を分析した結果、分析精度が8割程度であり、約4営業日分の時短効果が得られました。

画像にふくまれたリスクをテキストで説明

3つ目は、効果検証中の画像モデレーションツールです。これは、ゲーム等に活用する予定の画像を入力すると、その画像を活用した場合のリスクをテキストで指摘してくれる、というものです。

以下の画像が、画像モデレーションツールのUIです。画面左下にはユーザが入力する欄があり、出力やチェック項目をカスタマイズできるようになっています。

以下が、同ツールの実行事例です。まだ検証中ではありますが、期待通りにリスク判定とその理由をわかりやすく説明しています。

都築氏の発表後、再び金井氏が登壇し、発表のまとめとして現状の生成AIはクリエイターの業務を代替することはできないが、単調な作業を減らして、クリエイターが真にクリエイティブな業務に集中することを助けてくれる、といった趣旨の発言をしました。

金井氏の発言のように、生成AIを適切に活用すれば、ゲーム開発をはじめとするクリエイティブ業務から単調な作業を減らせます。こうした効果を得るためには、Cygamesが行ったように、社内向け生成AIガイドラインを策定したうえで、全社的にAIリテラシーを向上させることが重要となります。とくにAIリテラシーは、クリエイターに限らず、すべてのAIユーザに求められる”生成AI時代の常識”になっていくことでしょう。

Writer：吉本幸記