工場と販売の調整業務をAIで一元化、工数3割減を目指すリコーの実証

注目したいのは、既存の業務にAIを付け足すのではなく、やり取りが行われる場そのものを共通のプラットフォームへ移した順序です。メールに散らばったままの情報は、どれだけ高性能なAIを用意しても読み取る対象になりません。拠点も工場も本社も同じ基盤に乗せてデジタル化するという設計は、地味に見えて、AIが働ける前提条件を先につくる判断だったと受け止められます。

もうひとつは、AIの使いどころを定常の仕事と例外の仕事に切り分けた点です。日々のサプライ需要には、市場で動いている複合機の状況データを起点にした予測AIを当てる。一方、急な需要変動のように前例をなぞれない場面には、LLMによる調整支援を割り当てる。同じ需給調整という言葉でくくられていた業務を、繰り返しの多い部分と判断が要る部分に分解したうえで、性格の違う技術を配置する。この切り分けが、実運用に耐える設計につながっていくのだろうと考えられます。

RAG（外部のデータを検索してAIの回答に活かす仕組み）を組み合わせている点も、この文脈で読めます。調整の判断には社内に散在する固有の情報が要り、汎用のモデル単体では答えを出せません。自社が持つデータを参照させる構成は、外に一般解を求めるのではなく、社内の文脈にAIを引き寄せるやり方です。