Gemini と NotebookLM を組み合わせて目標設定の負荷を軽減する方法
田部井勝彦（てぃーびー / クラスメソッド 組織開発室 室長）が 2025-10-22 の Google Cloud ウェビナー「AIエージェントってなに？を解決する、やさしいビジネス活用と業務効率化事例」で発表した SpeakerDeck スライド。Gemini の Gem 機能と NotebookLM を組み合わせた目標設定支援ツールを、2025年7月に社内導入した事例を詳述する。
発表の主旨
AIは「業務改善のフロンティア」を切り開く手段として活用できる。特に「多様な課題を抱える非定型業務」が AI との相性が良く、従来は年単位かかっていた解決が短期で実現できる。
目標設定が抱える課題
目標設定は非定型業務の典型で、複数の問題点が混在する：
- 目標の書き方・難易度のばらつき（個人スキルに依存）
- 事業・評価制度との整合性が不明確
- マネージャーの目標設定支援の負荷が高い
- 従来の解決策（研修・ワークショップ等）は年単位の時間がかかる
「AIで手動と自動の業務改善の間を埋める」ことが今回のアプローチ
目標設定支援ツールの全体像
2つのGoogle製AIツールを組み合わせて構成：
| ツール | 役割 |
|---|---|
| Gemini Gem | ステップバイステップのヒアリング → 本人情報の整理・出力 |
| NotebookLM | 全社方針・評価制度・部門方針を情報源として目標素案を生成・レビュー |
情報源の3レイヤー
- 本人の情報（Gemini Gem でヒアリング）: スキル・キャリアステップ・強み
- 全社・評価制度の情報（NotebookLM のソースに設定）: 人事評価制度PDF等
- 部門の情報（部門別 NotebookLM に設定）: 部門方針・課題・OKR等
Gemini Gem の特徴と工夫
- ステップバイステップの質問フローを Gem に設定 → 利用者は「Geminiの問いに答えるだけ」
- 次のキャリアステップをAIが動的に出力（入力値に応じたキャリアプランの選択肢を提示）
- 社員全体の Google Group に共有 → 社員の増減に対して権限設定のメンテナンス不要
NotebookLM の特徴と工夫
- ソースファイルに制御用プロンプトを設定（公式利用法外だが実用上のプラクティスとして確立）
- Google ドキュメントの同期機能で最新情報を手軽に反映
- 部門別 NotebookLM を計17部門分整備（検証5部門＋全社12部門）
出力例（OKR・グレード目標）
ある社員の出力例として提示されたサンプル（データエンジニアリング専門職・G3→G4 スペシャリスト昇格目標）：
OKR 例
Objective: 生成AIを最大限に活用し、データエンジニアリングにおける新たな開発標準を確立することで、
チーム全体の生産性を劇的に向上させる。
KR1.1: 複数のAI/ツールを組み合わせて業務を遂行し、工数効率を20%以上改善し、社内共有4件以上
KR1.2: 生成AIを活用した新たな効率化の仕組みを開発・検証し、社内プレゼンテーションを2回以上
KR1.3: コーディング規約や設計レビュー観点を整備し、チームメンバー3名以上が利用可能な状態にする
グレード目標例（AIリテラシー）
目標: AI活用を日常の業務で徹底的に実践し、複数のAI/ツールを組み合わせた生産性向上手法を
確立・社内共有することで、G4に求められるAIリテラシーを発揮する。
導入スケジュール（1ヶ月半で完結）
| 期間 | 作業 |
|---|---|
| 2025/06/09 週 | タスクばらし |
| 2025/06/16 週 | マネージャーへ目標設定の課題をヒアリング・過去記録から課題掘り起こし |
| 2025/06/23 週 | プロセス整理・要件定義・アーキテクチャ設計 |
| 2025/06/30 週 | 評価関連資料のPDFエクスポート・全社方針・部門方針の資料整理 |
| 2025/07/07 週 | 目標設定 Gem 開発・テスト / 目標設定 LM 開発・テスト / 全体テスト |
| 2025/07/14 週 | リファレンス作成・5部門で検証・フィードバック収集・修正・残12部門展開 |
| 2025/07/22 週 | トップマネージャーへデモ・全社提供周知 |
田部井 1人・1ヶ月半・他業務並行で導入完了。
短期導入の前提条件
短期導入が実現した理由として以下を挙げる：
- 本人が1人3役: 評価制度の業務ドメイン専門家 × 業務改善経験者 × AIリテラシー保有
- ノーコード実現: Gemini と NotebookLM の基本機能の範囲内で実現。独自 RAG 環境構築不要
- NotebookLM の存在が鍵: NotebookLM がなければ同等のことをするには独自 RAG（検索拡張生成） 環境の構築が必要で、1ヶ月半での導入は不可能だった
AIに適した業務の3要素
- 業務ドメインの専門知識
- 業務改善の経験・センス
- AIリテラシー（ツールの特性把握と組み合わせ力）
この3要素が揃って初めて「短期・ノーコード」での AI 業務改善が成立する。
社内評価（Slackの声）
- 「めちゃくちゃ便利だった。体感5倍ぐらいで下書きが作れた」
- 「考える時間が98%削減できました」
- 「GoogleのAIサービスだけでノーコードで作ってるってとこがすごい」
- 「出力を少しだけアレンジしたら目標設定が完成した。いつもめっちゃ悩むのでこれはありがたい」
- 「控えめに言って最高です」
関連概念
- Gemini
- NotebookLM
- RAG（検索拡張生成） — NotebookLM は実質的な「ノーコード RAG」として機能
- OKR（目標管理）
- 評価制度3層構造（クラスメソッド）
- AI業務改善の3要素