マブチモーター、生成AIで3カ月9500時間削減 翻訳と集計を軸にした全社展開

2023年の検討開始時点で社内にあったのは、生成AIへの関心と、ハルシネーションや情報漏洩への懸念、そして「自社の業務に本当に役立つのか」という迷いでした。間接業務の効率化そのものは経営計画として掲げられていたものの、その手段に生成AIを選べるかどうかは決めきれない状態にあったわけです。

編集部の見立てでは、この事例の出発点にあった困りごとは、作業量の多さよりも判断材料の欠落にあります。リスクの輪郭も効果の大きさも社内で誰も測っていない以上、慎重な部門ほど動けません。翻訳やデータ集計に時間を取られている実感はあっても、それが生成AIで解ける種類の負担なのかは、使ってみるまで誰にも言えない。この見えなさこそ、最初に外すべき詰まりだったのではないでしょうか。

社内公募で有志約130名を集め、その手で使いどころを洗い出させたトライアル設計が、この取り組みの起点になっています。上から用途を割り当てるのではなく、実際に手を動かした人がユースケースと課題を持ち寄る形をとったことで、翻訳の下訳や関数の作成といった、机上の企画では出てきにくい粒度の業務が候補として浮かび上がりました。アンケートを通じて有用性を検証する進め方も、賛否を含む社内の実感をそのまま材料にできる点で理にかなっています。有志という集め方自体が、意欲のある層から着手して社内向けの説得材料を作る動線になっていたと見ています。

情報漏洩への不安を、利用ルールの整備ではなくサービス選定の要件として処理した判断も効いています。入力情報が学習に使われないこと、部門ごとにアクセス制限をかけられることを備えた法人向けサービスを選ぶやり方は、「気をつけて使う」という個人の努力に頼らずに済む線引きです。懸念をトライアル期間中に一つずつ潰していく段取りと合わせて、全社展開の前に反対理由が減っていく順序が組まれていました。

ハルシネーションを前提に置いた業務の組み立ても見逃せません。研修動画の翻訳では生成AIの訳文を人が確認する体制を敷き、字幕の文字数調整のような機械的な部分は自動化するという切り分けがなされています。選ばれた用途が、下訳、特許文献の読み解き、表計算の関数やVBAコードの生成といった、出力の妥当性を担当者がその場で判断できる領域に寄っている点も、この設計思想と地続きでしょう。

全社展開から3カ月で約9500時間、年換算では約3万8000時間の業務削減効果が生まれ、これは全社の業務削減効果合計の63%にあたります。個別の業務でも変化が出ており、1〜2カ月かかっていた研修動画の翻訳は最短5日程度になり、これまで手が回らなかった中国語への対応も始まりました。海外特許調査の翻訳時間は体感で半分から3分の1に、半日を要していた関数作成は即座に終わるようになっています。今後は利用度の低い部門への普及と、機械学習を組み合わせた高度な活用が視野に入っています。