AIシステム開発のAI活用事例・導入事例

【成果】 2023年11月から12月にかけて実施された試験運用（PoC）を経て、生成AIを活用したアプローチの有効性が実証されました。従来は熟練技術者の経験を手引書にするために3年、そこからモデルを作成するために1年かかっていましたが、生成AIの導入により技術文書を文章としてモデル化できるようになり、モデル化期間が3年から1年へと大幅に短縮されています。 これにより、ドキュメントのモデリング時間を67％短縮することに成功しました。さらに、開発業務では30％、企画・管理業務では50％の工数削減効果が得られています。Hondaの担当者は、膨大な開発情報を安全に活用するプラットフォームが、顧客への価値提供に貢献していると高く評価しており、将来の本番開発活動に向けたさらなる協力を期待しています。

【成果】 実証実験の結果、生放送のニュース番組においてリアルタイムに自動字幕を表示することに成功しました。事前の検証では、自由会話の認識精度が平均94％に達し、従来製品に比べて10％以上高い精度を持つことが証明されています。 日本テレビの担当者からも、「多少の課題はあったものの、生放送でオンエアできる素晴らしい技術」と高く評価されました。今後は、大規模言語モデル（LLM）と音声認識を組み合わせることで、会話内容の要約やアクション項目の自動抽出など、より高度な活用を目指していく展望が示されています。

【成果】 生成AIの導入により、履歴書の受領から内定を出すまでの時間を最大75%短縮できる見込みが立っています。1週間以内に適切な求職者へ内定を提示できる体制が整うことで、優秀な人材を確実に獲得し、より前向きで挑戦的な職場環境の創出が期待されています。 今後は、人間のアナリストによる評価とAIソリューションの精度を比較するベンチマークテストを計画しており、さらなる採用プロセスの合理化と質の向上を目指しています。

【成果】 PoCの結果、外部ネットワークから切り離されたクローズドネットワーク環境でありながら、AIによるハラスメント判定において95％以上という極めて高い精度を達成しました。これにより、クラウドベースの大規模言語モデル（LLM）に依存することなく、オンプレミスパッケージ内に軽量な言語モデルを安全にデプロイできる可能性が実証されています。 現在、同社はソリューションの実稼働環境への導入に向け、引き続きIBMと連携しながらアプリケーションの開発とモデルの精度向上を推進しています。

【成果】 性能検証試験において、AIは約83％の病変を正しく検出することに成功しました。視認しやすい隆起型の病変では約95％、視認しにくい表面型の病変でも約78％という高い検出率を記録し、経験豊富な内視鏡医と同等の診断性能を持つことが確認されています。 さらに、経験の浅い医師がこのAIシステムを使用した場合、表面型病変の検出率が6%向上するという定量的成果も得られました。AIのサポートにより、医師の経験に依存しない安定した病変発見が可能となり、誤検出も少ないため、検査時間を延長することなく診断精度の向上が期待されています。本システムは、日本および欧州で医療機器として正式に承認されました。

【成果】 ローカル5GとAI画像解析、そして見回りロボットを組み合わせた監視体制により、大きな業務効率化の成果が確認されています。最大64台のカメラ映像を同時に閲覧できる環境が整い、熟練スタッフが遠隔からでも牛の健康状態を正確に把握できるようになりました。また、見回りロボットの遠隔操作も遅延なくスムーズに行え、現場へ駆けつける手間が大幅に削減されています。 定量的な試算では、見回り業務の軽減により年間約2,400万円、異常の早期発見による死亡牛や緊急出荷の回避で年間約1,200万円、合計で年間約3,600万円のコスト削減効果が見込まれています。今後はAIの検知精度をさらに向上させ、起立困難牛の検知率100%を目指すとともに、他の大規模農場への横展開も視野に入れた取り組みが進められています。

【成果】 兵庫医科大学病院および虎の門病院にて、国内初となるAI視覚支援下での手術が無事に実施されました。現場のエキスパート医師からは、解析精度が高く映像のタイムラグも感じられない点が高く評価されています。 また、AIが剥離層を正確に認識して提示することで、手術がスムーズに進行するだけでなく、若手医師が手技を習得する際の教育ツールとしても非常に有用であるとの声が寄せられました。今後は、神経や膵臓のAI解析機能や3D出力機能の追加など、さらなるナビゲーション機能の進化が期待されています。

【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】 育成プログラムの継続的な展開により、社内においてデジタル技術を活用した業務見直しの機運が着実に高まっています。具体的な業務変革の動きとして、変電設備の点検業務において、従来の端末への手入力から音声認識を活用した入力への移行が検討されており、作業の安全性向上と人員配置の最適化が期待されています。また、用地取得部門では、NECの地図情報ソリューションを導入することで、これまで手作業で行っていた地図作成業務の自動化を実現しました。 今後は、育成プログラムの集大成として、受講者自身が課題を発見し、データを用いて検証・改善案を立案する実践的なワークショップが予定されており、さらなる業務改善と新規ビジネス創出への貢献が見込まれています。

【成果】 2023年5月から8月にかけて実施された実証実験では、後処理時間が長い「お問い合わせ」「ご意見・ご要望」「介助申込」の3つの業務領域において、事後処理時間を18％から54%効率化できることが確認されました。 現場のオペレーターからも「簡単な内容はほとんど手直しなしで反映される」「とりとめのない内容をうまくまとめてくれる」といった高く評価する声が寄せられています。この結果を受け、同年9月より実業務への正式導入が開始されており、今後はコンタクトセンターの標準的な業務フロー全体へのAI適用や、他領域への展開も視野に入れた取り組みが進められています。

【成果】 従来は外部機関の専用装置による実験で半年以上かかっていた熱間延性の予測が、独自開発した分析モデルによってわずか数分で実行可能となり、大幅なリードタイム短縮を実現しました。また、現場のユーザーが数値を入力するだけで簡単に予測結果を得られるシステムが完成し、鋼材の種類に応じて複数のモデルを使い分けることで予測精度をさらに高めています。 現在では300人以上の社員がツールを活用し、30件以上のプロジェクトが実用段階に進むなど、組織全体にデータドリブンな課題解決の文化が定着しつつあります。

【成果】 本プロジェクトは現在実証実験の段階にあり、具体的な定量成果については今後の検証を待つ形となります。しかし、すでにインプット情報をもとに所定のフォーマットでアウトプットを生成するという、技術的な実現性は確認されています。 今後は、生成AIの活用と七十七銀行がこれまで培ってきたデータ分析のノウハウを融合させることで、定例業務やデータに基づく仮説検証のプロセスを飛躍的に迅速化していく方針です。 最終的には、職員がより付加価値の高い業務に注力できる環境を整えることが期待されています。これにより、挑戦的な企業文化の醸成や従業員エンゲージメントの向上を実現し、同行のさらなるDX推進へと繋げていく構えです。

【成果】 社内ポータルのトップ画面にAlliを実装した結果、システム部門では年間1万3,000件以上発生していたサービスデスクへの電話やメールによる問い合わせ件数を約31%削減することに成功しました。これにより、当初の目標であった「問い合わせ対応工数の30%削減」を見事に達成しています。 また、社内において「まずはチャボットに聞いてみよう」という自己解決の文化が醸成されつつあるという定性的な変化も生まれています。 今後は、FAQのメンテナンスを継続してユーザー満足度を向上させるとともに、システム専用のAIチャットボットの新設も計画しています。

【成果】 このAIチャットボットの導入により、マニュアルやFAQの作成工数が大幅に削減されました。従来は画面のスクリーンショットを多用した網羅的な資料を作成していましたが、質問文と回答文を短文でフォーマットに入力するだけで済むようになりました。 今後は、利用件数や時間帯別の利用状況、正答率などを定期的に分析し、Q&Aの範囲拡大や改善を継続していく予定です。さらに、情報システム以外の部門への展開や、他システムと連携して手続き処理の実行までをガイドする仕組みへの発展も視野に入れています。

【成果】 半年間のPoC活動を通じて、要約や分類、抽出といった定型業務を中心に、24テーマの9割以上で生成AIの有効性が確認されました。特に知財部門では、これまで人手で行っていた作業の約8割をプロンプト化し、生成AIに任せることで大幅な省力化を実現しています。 2024年10月からは第3シーズンの活動がスタートし、25のテーマで実業務への適用検証が進められています。今後は、社内に蓄積された非構造化データと基幹システムの構造化データを掛け合わせることで、新たなビジネス価値を創出する「次世代データドリブン経営」の実現を目指しています。