その他システム連携のAI活用事例

【成果】 本機能の開発により、ユーザーは自身の顔や声を模したAIアバターを容易に作成し、プレゼンテーションや質疑応答を自動化する基盤が整いました。これにより、プレゼンテーションの準備にかかる時間や人的負荷の大幅な軽減が期待されています。 今後は、Microsoft TeamsやMicrosoft PowerPointといったアプリケーションからシームレスに利用できるようになる予定です。まずは富士通社内での試験運用を開始し、その後に法人顧客向けの提供を目指すなど、実践的なAIエージェントの社会実装に向けた準備が着実に進められています。

【成果】 RAG機能のリリースからわずか2ヶ月で、増加していた有人対応を50%以上削減することに成功しました。問い合わせ対応に割かれていた時間が大幅に減少し、担当者が新規システムの導入や改善活動といった付加価値の高い業務に注力できるようになっています。 また、現場のユーザーからは「相手が人ではないため、時間を気にせず気軽に質問できるようになった」という好意的な声が寄せられています。今後は、総務や人事、設計部門など他部署への展開を進め、全社的なナレッジマネジメントの実現を目指しています。

【成果】 社内トップユーザーによる実践的な生成AI活用の結果、年間576時間という大幅な業務時間削減を達成しました。従来は数時間を要していた表計算作業やエラー調査が数分で完了するようになり、非エンジニアでも高度な関数を活用できるようになっています。 また、会議後のアイデア整理も数十分で完了するようになり、意思決定の迅速化と正確性の向上に寄与しています。これらの成果は「exaBase 生成AI」の自動計測機能によって実測されたものであり、特別な技術知識を持たない一般的なビジネスパーソンでも、適切な活用方法によって大幅な業務効率化が可能であることが実証されました。

【成果】 検証の結果、コールセンター業務においては、一定の条件下であればAIが顧客のニーズに適切に応えられることが確認されました。AIがオペレーターの補完的な役割を担うことで、業務全体の効率化が期待できるという手応えを得ています。また、事務本部のマクロ業務では、AIが高い精度でタスクを遂行できる場面と、人間による最終確認が不可欠なケースが明確に切り分けられ、AIと人の効果的な役割分担を設計できるようになりました。 全社的な成果として、AIを業務に取り入れることに対する心理的ハードルが大きく下がっています。プロジェクト参加者が各部署に知見を持ち帰ったことで、周囲のメンバーからも「この業務に取り入れてみてはどうか」といった自発的なアイデアが生まれるなど、AIを業務の一部として受け入れる文化が着実に醸成されつつあります。

【成果】 AIヘルプデスクの導入により、既存FAQの移行がスムーズに行われ、大きな混乱なく運用が開始されました。また、ワークフローツールの導入効果として、稟議書の決裁にかかる時間が格段に短縮されるという成果を上げています。 新型コロナウイルスの影響でTeamsの利用率が飛躍的に向上したことも後押しとなり、社内のペーパーレス化や業務再構築が大きく前進しました。 一方で、人事労務に関する問い合わせについては、依然として詳しい担当者に直接電話やメールで質問する文化が残っており、利用率の向上が課題となっています。 今後は、FAQの拡充による自動回答の精度向上や、社員への利用啓蒙を通じて、さらなる業務効率化と属人化の解消を目指しています。

【成果】 通話中の文字起こし機能により、スーパーバイザーによるエスカレーション対応が迅速かつ的確に行えるようになり、オペレーターの心理的負担の軽減と応対品質の向上に繋がりました。 また、高精度な自動要約を顧客管理システムへの入力に活用することで、通話後の記録作業（ACW）を大幅に効率化しています。こうした取り組みの結果、日勤オペレーター1人当たりの1日の受電数が約20%増加するという定量的な成果を達成しました。 今後は、蓄積された通話履歴を活用してオペレーター向けのFAQを自動生成する取り組みや、顧客向けの自動応答システム（チャットボット・ボイスボット）の導入など、さらなる業務効率化と顧客満足度の向上を目指す展望が描かれています。

【成果】 PoC（概念実証）の段階で、問い合わせ対応コストの半減が見込まれ、年間約4,080時間の業務時間削減という大きな効果が試算されました。定性的な変化として、社員がAIと対話することで自身の疑問点が明確になり、自己解決できる範囲が拡大しています。結果として、先輩社員へ質問する際の心理的ハードルが下がり、より具体的で質の高いコミュニケーションが生まれるという副次的な効果も確認されました。今後は、商業マネジメントやホテルマネジメントなど他のグループ会社への横展開や、対顧客向けの活用も視野に入れ、人とAIが共進化する文化の醸成を目指しています。

【成果】 北國銀行では、「PKSHA AI Helpdesk」の導入により、質問側は回答待ち時間が減り、回答側も効率的に対応できるようになったことで、双方の業務効率化を実現しました。 顧客の目の前で電話問い合わせをするケースが減少し、回答までの時間を事前に案内できるようになったため、より安心感のある接客が可能になっています。 また、共通の管理画面による運用でナレッジ共有が進み、他部門との連携もスムーズになりました。質問の仕方に関する研修を通じて社員のリテラシーも向上しており、自己解決率の高い運用が定着しつつあります。

【成果】 本プロジェクトの取り組みにより、従来は病院全体で数日を要していた診療報酬の算定作業が、生成AIによる原案作成と人のチェックを合わせて数分程度にまで短縮できる見込みが立っています。また、標準請求コードの自動選択が可能になれば、将来的な診療報酬改定に伴うシステム改修コストの大幅な削減にもつながると期待されています。 本研究は厚生労働省の補助事業として採択されており、得られた成果は全国の医療機関における会計処理の合理化に活用される可能性があります。

【成果】 東北大学病院における一部の診療科の医師10名の協力を得た実証実験では、大きな成果が得られました。紹介状や退院サマリなどに記載する要約文章を新規に作成する場合と比較して、作成時間を平均47%削減することに成功しています。 また、生成された文章の表現や正確性についても現場の医師から高い評価を受けました。膨大な電子カルテの記録から必要な情報を収集する作業負担が大幅に軽減され、AIが生成した要約文章を参考にしながら、各種医療文書を効率的に作成できる可能性が実証されています。

【成果】 2024年10月の全社展開からわずか3カ月で、約9500時間（年換算約3万8000時間）の業務削減効果を創出しました。これは、全社での業務削減効果合計の63％を占める大きな成果です。 個別の業務においても劇的な効率化が実現しています。動画翻訳作業では、従来1〜2カ月かかっていた作業が最短5日程度で完了するようになり、中国語翻訳にも着手できるようになりました。海外の特許調査にかかる翻訳作業時間は体感で半分から3分の1に短縮され、データ分析のための関数作成も半日かかっていたものが即座に完了するようになっています。 今後は、生成AIの利用度が低い部門への普及活動を進めるとともに、機械学習を組み合わせて業務の付加価値を高める高度なAI活用を目指しています。

【成果】 新たなデータ基盤の構築により、経営層は常に最新のデータを網羅したダッシュボードを通じて、経営状況を正確に把握できるようになりました。これにより、変化の兆しを即座に捉えた迅速な意思決定が可能となっています。 今後は、この基盤を単なるデータの可視化にとどめず、AIや機械学習の技術を活用して高精度な需要予測やサプライチェーンの最適化といった未来の経営指標を予測する機能を追加していく予定です。ライオンは、データに基づき未来を予測し、先手を打つ「未来予測型経営」への進化を見据え、クラウドCoE体制をさらに拡充していく方針です。

【成果】 本プロジェクトは現在実証実験の段階ですが、エクセルやメールに依存していた属人化からの脱却により、大幅な業務効率化が期待されています。 具体的には、2030年までに現時点から3割の業務工数削減と、業務品質の向上を目標に掲げています。また、市場の稼働データを活用した需要予測の精度向上により、サプライチェーン全体の最適化に繋がる点も、大きな価値をもたらすと見込まれています。 さらに、AIを活用したソリューションの社内実践を通じて蓄積されたノウハウは、将来的にお客様への提供も見据えられており、自社のDX推進にとどまらない新たな価値創出へと繋がっていく予定です。

【成果】 導入後、ボットや遠隔エリアからの不審なクリックを即座にブロックした結果、無効クリックを約90％削減することに成功しました。これにより、広告が本来のターゲット層に適切に配信されるようになり、即座に電話問い合わせが増加しました。顧客獲得単価（CPA）も大幅に改善され、広告費が実際の顧客獲得に結びつく健全な状態を実現しています。 現場からは「安心して出稿できるようになった」との声が上がっており、現在は新たなキャンペーンを追加し、さらなる事業拡大へと移行しています。

【成果】 既存システムの改修を伴わないアプローチにより、20万品番を超える在庫部品の品番紐付けと可視化を、わずか2週間という短期間で実現しました。 全拠点における部品の在庫や発注情報が一元的に見える化されたことで、部品調達計画や拠点ごとの在庫状況を全社レベルで掌握できるようになっています。災害時においても、受注案件ごとの影響や事業全体での損益影響を迅速に把握し、生産・供給体制の維持に向けた意思決定を強力に支援します。AIによる高精度な需要予測と組み合わせることで、製品の供給停止リスクを回避し、動的でレジリエントな供給網の構築に成功しています。