数値・Excel・ログのAI活用事例

【成果】 AIによる予測モデルの導入により、月間の客数予測精度は95%以上という高水準を維持しています。全305店舗における客数修正率はわずか0.5%にとどまり、店舗での客数予測や入力作業が大幅に効率化されました。 これにより、自動発注の精度向上やレジシフトの最適化が実現し、客数予測および入力作業にかかる工数を年間で約1,100時間削減する効果を生み出しています。現場の管理職の負担が軽減されたことで、今後は他のシステムとの連携をさらに深め、店舗オペレーションの効率化や販促施策への活用など、さらなるデジタル変革を推進していく展望です。

【成果】 事前検証として約200の典型的な業務パターンでテストを実施した結果、最大で50％以上の業務効率化が確認されました。 文書作成や校正、プログラムのソースコード生成といった一般的なオフィス業務の負担が大幅に軽減されています。 今後は、社内の各組織に蓄積されたナレッジを連携させるスキームの整備や、特定分野のデータで追加学習を行った特化型モデルの構築も視野に入れており、さらなる付加価値の創出を目指しています。

【成果】 新たなAIアルゴリズムの導入により、査定精度の飛躍的な向上が実現しました。実証実験において、機械学習による推定成約価格と実際の成約価格との誤差率の中央値（MER）は、首都圏1都4県で4.89%、全国エリアでも5.34%という極めて高水準な精度を達成しています。また、対応エリアも拡大し、全国18都道府県にわたる約30,000棟のマンションを対象とした推定成約価格の算出が可能となりました。これにより、顧客に対してより正確で透明性の高い情報提供が実現しています。

【成果】 東京大学マーケットデザインセンター（UTMD）と共同でランダム化比較実験を用いた性能評価を実施した結果、大きな成果が確認されました。GPTツールを使用して職務経歴書を更新したユーザーは、使用しなかったユーザーと比較して、平均で40%多くスカウトを受け取ることが統計的に証明されています。 また、キャリアコンシェルジュなどの有識者による文面評価においても、構成の分かりやすさや問題解決能力の表現において、AI作成のレジュメが大幅に高い評価を獲得しました。ユーザーの作成負担を軽減するだけでなく、質の高いマッチング機会の創出というプラットフォームとしての価値向上に大きく貢献しています。

【成果】 分析の結果、一般的なコンビニとは異なり「デスクで食べても散らからない直まきおにぎりが人気」といった独自の傾向や、時間帯・顧客グループごとの細かなニーズを発見することができました。 これらの分析結果は、実際の店舗での発注業務に反映されています。現場の担当者が自らデータを見て、考えて、実践するサイクルを回せるようになり、中堅・中小企業における限られた人員でも効率的かつ精度の高いサービス向上が可能となりました。 今後は、商品の組み合わせ傾向を把握するバスケット分析など、さらに高度なデータ活用やマーケティング施策への展開を計画しています。

【成果】 実験店舗での事前検証において、当初計画していた発注作業時間の削減目標を達成し、精度の高い発注が行えることが実証されました。この結果を受け、全304店舗の生鮮部門への本格導入が決定しています。 現場では、3週間先まで算出された各商品の発注数量が画面に表示され、スタッフは異常値を確認するだけで済むようになり、作業負荷が大幅に軽減されました。AIによる高精度な予測は、商品の欠品を防ぎ販売機会を創出すると同時に、廃棄ロスの削減にも貢献しています。さらに、難易度の高い発注業務が自動化されたことで、経験の浅い新入社員でも精度の高い発注が可能となり、早期戦力化という定性的な成果も生み出しています。

【成果】 AIが発注推奨値を自動算出することで、発注業務にかかる時間を1店舗あたり1週間で約6時間削減することに成功しました。これにより、発注担当者の業務負担が大幅に軽減されています。 また、適切な商品陳列量の維持による販売機会の最大化や、過剰発注の抑制による廃棄ロスの適正化（フードロス対策）といった効果も期待されています。今後は導入店舗での売上や収益への効果を検証し、さらなる展開店舗の拡大を目指すとしています。

【成果】 生成AIを搭載した人型AIアシスタントは、2024年7月末時点で約7,000店舗に導入されています。 音声検索機能により、スタッフがスピーディにマニュアルを確認できるようになり、店舗責任者やSVへの問い合わせ対応といったオペレーション負担の軽減が期待されています。また、過去の販売実績を容易に確認できるようになったことで、施策内容に応じた販売計画の立案や、迅速な売場づくりへの反映が可能となりました。 今後は導入店舗をさらに拡大し、店長業務のサポートと店舗の省力化を推進していく方針です。

【成果】 プロジェクト開始から約1年という短期間で新サイトのローンチに成功し、IT未経験のメンバーによる内製運用が実現しました。AIを活用したレコメンド機能は非常に高い効果を発揮しており、サイト全体の売上に占めるレコメンド経由の割合は平均40％、最高で48％を記録しています。サイトオープンから2年後には、レコメンドによる売上が3.2倍へと大きく伸長しました。 また、マーケティング施策の自動化により、会員登録後のフォローやメルマガ配信にかかっていた手作業の時間が削減され、大幅な業務効率化を達成しています。その結果、メールマガジンの会員数は約4倍に増加し、メルマガ経由の売上も約4倍に拡大しました。 さらに、システムの運用を通じて現場メンバーの意識にも変化が生まれています。「この作業を自動化して効率化したい」といった自発的なアイデアがチーム内で活発に議論されるようになり、データに基づいた新しい施策が次々と生み出されるデータドリブンな組織文化が定着しつつあります。

【成果】 本アプリケーションの導入により、社員の経験や専門用語の知識レベルに依存することなく、直感的な操作で目的のデータに到達できるようになりました。情報検索から要約の生成までが約30秒で完了するため、情報収集にかかる時間が大幅に短縮され、業務効率化に貢献しています。 2025年6月の運用開始時には、設計・製造・品質保証部門を中心とした国内5,000名以上の社員に提供されました。今後は営業や物流など、製品のライフサイクルに関わる幅広い分野の社員へと利用対象を拡大する予定です。さらに、海外拠点への展開や、回答精度の向上、検索性の拡充なども計画されており、全社的な品質マネジメントの強化と顧客対応の迅速化が期待されています。

【成果】 本サービスの導入により、顧客自身が膨大なサイト内から情報を探す手間を省き、求めている情報をダイレクトに届けることが可能になりました。顧客からの質問や相談に対して、営業担当者に質問をして回答を得るようなスムーズな対話体験を実現しています。 今後は、顧客ごとの疑問や相談内容により的確に応えられるよう、生成AIの精度向上や研究を継続し、2024年春を目途にベータ版から正式版への切り替えを目指すとしています。

【成果】 2024年1月の運用開始以降、エンジンやトランスミッションなどパワートレーン関連の開発に携わる約800人のエンジニアに向けてシステムが解放され、月間に数百回利用されるなど現場への定着が進んでいます。 実際に活用しているエンジニアからは、排出ガス測定機器の仕様や環境規制に関する質問に対して正確かつ詳細な回答が得られ、これまで適切な文書を探し出して膨大な文章を読み解くのに要していた時間が大幅に短縮されたと高く評価されています。 今後は技術図面などの視覚的な情報の取り込みや、顧客の不満を分析して次世代車両の改善に繋げる「消費者の声エージェント」の開発など、さらなる機能拡張が構想されています。

【成果】 購買データを活用したターゲティング広告を配信した結果、顧客獲得単価（CPA）を従来の2分の1に削減することに成功しました。特定の商品の購入実績や頻度、組み合わせがカードローンの申し込み割合に影響を与えるという、非常に興味深い特徴を可視化できるようになっています。 今後は、高度なデータ分析スキルがなくても利用できるdotDataの特長を活かし、現場主導のAI・データ活用を促進していく方針です。また、「金融」と「リテール」のデータを掛け合わせたノウハウを基に、顧客のニーズに柔軟に対応できる新たな金融ビジネスの創出も目指しています。

【成果】 約20名の参加者が、データを用いた課題解決の手法や精度改善のプロセスを実践的に学びました。すぐに実業務へ適用できる完璧なモデルが完成したわけではないものの、参加者全員が「もっと学習を続けたい」と答えるほど、データ活用に対する強い学習意欲が芽生えるという大きな成果を得ています。 この成功の裏には、NECの講師による伴走支援がありました。答えをすべて教えるのではなく、ヒントを示して好奇心を刺激したり、チームごとの進捗レポートを基にプログラムを微修正したりするきめ細やかなサポートが、参加者のモチベーション維持に貢献しました。経営層からも高く評価されており、今後は第一期メンバーの学びを深めるとともに、グループ内の多様な人材が集い、データ分析を通じて新たなビジネスを生み出す場として、取り組みを継続・拡大していく展望を描いています。

【成果】 2019年からの試験運用を経て、不具合の予兆を示す有効な特徴量の抽出に成功し、2020年から本格的に仮説探索型の故障予測分析を開始しました。 具体的な成果として、ボーイング787のエアコンシステム部品の不具合予兆検知に関する特徴量作成に成功し、航空技術協会の表彰審査会委員長特別賞を受賞しています。また、対象システムが停止している最中に特定の傾向を示す特徴量が存在するなど、人の知見だけでは見出せなかった新たな特徴量を発見することにも成功しました。 今後は、dotData活用の質と量の双方を強化し、部品整備部門など社内のより多くの部門での分析・予兆検知の取り組みを広げていく展望です。