実施時期: 2024年04月|2026.06.02 最終更新
レビュー監視業務をAIで効率化し、目視チェック時間を67.7%削減
※イメージ画像です
プロジェクト概要
アプローチと成果
カテゴリー詳細
お問い合わせ
こんな課題を持つ企業におすすめの事例です
- ユーザー投稿コンテンツの監視・パトロール業務に膨大な時間がかかっている
- 目視でのチェック作業が負担となり、担当者の生産性が低下している
- ガイドライン違反の投稿を効率的に排除し、コンテンツの質を保ちたい
プロジェクト概要
背景・目的
ZOZOTOWNでは、ユーザーが商品選びの参考情報として活用できるようアイテムレビュー機能を提供しています。その際、商品不良や配送に関する内容などはガイドラインでレビューの対象外と規定しています。しかし、以前は担当者が違反となるレビューがないかを一から目視でチェックしており、膨大な確認作業が現場の大きな負担となっていました。 そこで、レビューの質を維持しつつ担当者の業務負荷を軽減するため、生成AIを活用した自動検出ツールの開発へと至りました。
アプローチと成果
アプローチ
株式会社ZOZOは、ユーザーのアイテムレビュー投稿をAIがパトロールし、ガイドラインに基づく違反を自動で検出する独自ツール「アイテムレビューパトロール」を自社開発しました。
本ツールには大規模言語モデル（LLM）が組み込まれており、投稿内容を自動的に解析します。開発にあたっては、LLM特有の不確実性を考慮し、AIが完全に自動削除するのではなく、AIが「違反の可能性が高い」と判定したレビューのみを担当者が最終的に目視で確認する運用フローを構築しました。 これにより、AIの効率性と人間の正確性を組み合わせたハイブリッドな監視体制を実現しています。また、同社では社内ニーズをもとに「問い合わせ対応bot」や「記事タイトル＆目次ジェネレーター」など多数のツールを独自開発し、全社的な業務活用を推進しています。
プロジェクトへの評価と成果
改善・向上したこと
業務の自動化
生産性向上
対応時間・リードタイムの短縮
推進したこと
システムへのAI機能組込み
AI活用の社内展開・定着
2024年4月の運用開始から4か月間で、担当者がガイドライン違反チェックにかける業務時間を67.7%削減することに成功しました。また、目視でのチェック件数自体も68.5%削減され、現場の生産性が劇的に向上しています。 ガイドライン違反となるレビューが効率的に取り除かれることで、アイテムレビュー機能がユーザーの購入意思決定においてより役立つコンテンツへと改善されることが期待されています。さらに、エンジニア向けに導入した「GitHub Copilot」の活用により、約9割のエンジニアが生産性の向上を実感するなど、全社的なAI活用の成果が表れています。
カテゴリー詳細
プロジェクト内容
自社活用（自社開発・活用推進）
AI導入・開発手法
導入部門・データ活用
導入部門と活用内容
顧客対応・サポート
レビュー監視・パトロール
情シス・社内DX
社内業務効率化ツールの開発
活用したデータ
外部・Web・SNSデータ
SNS投稿・口コミ・レビュー
採用したAI技術・ツール
採用したAI技術
テキスト・言語AI
メール・文書の分類
活用・導入したAIモデル・ツール
生成AI・LLMサービス
その他のツール
WarpBiz編集部の事例考察
本事例の成功の最大の要因は、AIにすべてを任せるのではなく、LLMの不確実性を前提として「AIによる一次スクリーニング＋人による最終確認」という現実的な運用フローを設計した点にあります。このアプローチは、ECサイトのレビュー監視だけでなく、SNSのコメント管理や社内掲示板のパトロールなど、あらゆるユーザー投稿型コンテンツの監視業務に応用可能です。導入にあたっては、自社のガイドラインをAIが正確に判定できるよう、明確な判定基準の言語化と継続的なプロンプトの調整が求められます。同様の課題を抱える企業は、ぜひ他の業務効率化事例も参考に、自社に合ったAIツールの活用を検討してみてください。
プロジェクト実施・導入企業
株式会社ZOZO
ファッションEC「ZOZOTOWN」の運営
この事例と同じようなシステムを開発したいですか？ WarpBizで実現可能なパートナーを探しましょう。
この事例を見た方は以下の事例も見ています
類似事例を読み込んでいます
関連度の高い事例を選定しています。少しお待ちください。