社内専用の生成AI基盤で日次利用3割が定着、医療機器メーカーの全社展開

すでに製品として完成しているものを選び、要件に合わせた開発を待たない、という選定の基準がこの取り組みの起点にあります。複数の候補を比較した際、他社が「要件に合わせてこれから開発します」と提案する中で、Know Narratorは必要な機能を備えた完成品として提示されました。価格面の競争力と導入までのスピードを含めて、ほかに現実的な選択肢はないという判断に至っています。機能の作り込みよりも「安全に使える環境がすでにある」ことを優先した選び方が、着手までの時間をそのまま短縮したと考えられます。

展開を一度に広げず、対話機能とAIエージェント機能で時期を分けた進め方も効いています。2023年7月にまず社内版の対話環境を全社に開き、同年9月からは設計書や品質関連書類を対象にしたRAGをPoCとして検証し、業務で使えるという手応えを確認したうえで2024年3月の全社展開へ進みました。自社の文書でどこまで答えが返るのかを先に確かめる順序が、全社に配ったあとで期待外れが露呈する事態を避けたのではないでしょうか。

作る主体を情報システム部門に集中させず、従業員自身がAIエージェントを開発できる形にした設計も、この事例の特徴です。設計ノウハウをデータベース化して設計者の相談相手にするもの、営業日報と顧客の声（VOC）を学習させて企画・提案のヒントを返すもの、Power Platformと組み合わせて固定資産の科目判定を自動化するものと、生まれた用途は部門ごとにばらばらでした。こうした細かな業務は、外から要件を聞き取って作るより、困っている本人が作るほうが早く形になります。加えて、電通総研のAIトランスフォーメーションセンター（AITC）がRAG向けのデータ加工やプロンプトの調整、活用促進のための相談会といった運用面を継続的に支えており、開発を現場に開く設計は、この伴走とセットで成り立っていると見るべきでしょう。