物流の改善事例をデータベース化し、生成AIチャットで若手も探せる仕組みづくり

ナレッジ継承の仕組みを、EBPM（政策の企画を、その場限りのエピソードではなく統計データなどの合理的根拠に基づいて行う立案手法）から着想して組み立てた点が、この取り組みの骨格になっています。改善提案を担当者の経験則に委ねるのではなく、過去事例という根拠を誰もが参照できる状態に置く、という順序で課題を捉え直したわけです。データベースを作ること自体を到達点とせず、若手層がその蓄積を使いこなせるところまでを一続きの設計とした点が、単なる資料整理と分かれる分岐点になっています。

紙やOJTでも継承はできるという前提を否定せず、デジタルの検索チャットに別の役割を割り当てた切り分けも見どころです。言語化しにくいノウハウは対面の教育で補い、事業所をまたいで同じ土台を共有する部分はデータベースが受け持つ。役割を分けたことで、どちらか一方の手段に過大な期待をかけずに済みます。離れた拠点同士でも同じ認識の上で改善提案ができるという狙いは、検索できる共通の媒体があって初めて成立するもので、この見極めが手段の選択を決めています。

生成AIという理解の難しい領域で、デモを通じて完成後のイメージを掴めたこと、専門的になりすぎない言葉で説明されたことが選定の決め手になりました。発注側が中身を分かったうえで判断できる状態を先に作る進め方は、導入後に現場へ趣旨を説明する場面まで効いてきます。役割分担も明快で、Appen JapanがAIプロジェクトの立ち上げと教師データ・アノテーションの提供を担い、Lightblueが検索チャットシステムの構築を担当するという形で、データを整える工程とシステムを作る工程が分けられています。