プロトタイプ開発（PoC）のAI活用事例

【成果】 大和総研が提供する独自の「意味チャンク」技術により、90%超という高い回答精度を実現しました。三菱UFJニコスでは、2025年2月の全社リリース後、継続的に月間30〜40%の利用率を維持しており、3カ月で約35,000回の検索が行われています。これにより、同社の従業員がこれまで何十分もかけて探していた情報が短時間で見つかるようになったほか、部署間の問い合わせのたらい回しも解消されるなど、大幅な業務効率化を達成しました。 AIに興味がある一部の社員にとどまらず、全社員が情報検索性の向上というメリットを享受しており、組織全体の競争力向上に寄与していると評価されています。三菱UFJニコスは今後、対象業務やユースケースを広げてデータ量を増やすとともに、検索後の情報整理や入力作業といった後続工程の支援にも機能を拡張していく展望を描いています。

【成果】 2025年6月末時点で、全社で年間9,560時間の業務削減効果を見込む成果を得ています。これは、今期末に掲げた10％の削減目標に対して24.9％の進捗に相当します。 また、求人原稿制作の半自動化テストを実施した組織単体でも、年間900時間の削減効果が想定されています。 現場の従業員からは、「細かな作業が減り、本来注力すべき営業や企画に集中できるようになった」「AIを新しい挑戦にも活かせるようになり、開業段階から寄り添う取り組みにチャレンジしている」といった前向きな声が上がっています。 今後は3年後に業務時間30％削減を目指し、AIを活用した改善活動をさらに拡大していく方針です。

【成果】 KDDIのデジタルマーケティングおよび広告業務において本システムのβ版を試験導入した結果、平面構成やフォント・画像選定といったデザイン考案にかかる業務工数を50％削減することに成功しました。ブランド管理に詳しくない担当者であっても、ガイドラインに沿った高品質なクリエイティブを制作できるようになり、業務の平準化と品質管理の両立を実現しています。 また、担当者の経験や勘に依存せず、データに基づいた均質的で精度の高い判断が可能になった点も大きな成果です。今後はKDDIグループ内での本格導入を進めるとともに、法人顧客へのサービス提供も視野に入れた展開が検討されています。

【成果】 運用プロセスの見直しと教育体制の強化を経て実施された第二回検証では、大きな成果が得られました。対象となったすべてのセラピストにおいて診療録の作成時間が短縮され、平均で約66％の削減を達成しています。また、スタッフが感じる主観的な業務負担感も約50％軽減されました。さらに、診療録以外の書類作成業務においても時間短縮が確認され、導入前と比較して3ヵ月間で合計約2,000時間以上の業務削減効果を生み出しています。この成功を受け、同グループは関西で運営する9つのリハビリテーション病院へ年内に「medimo」を導入することを決定しました。 今後はセラピストだけでなく、医師や看護師など多職種への展開も視野に入れており、創出された時間を高付加価値な業務へ再配分することで、医療の質のさらなる向上を目指しています。

【成果】 「空港JAL-AI」の導入により、グランドスタッフの業務負担軽減とサービス品質の向上が着実に進んでいます。現場アンケートでは、90％以上のスタッフが「危険物検索」や「イレギュラーアナウンス文作成」における回答・作成速度の向上を実感し、「ラウンジ入場条件検索」でも70％以上が回答速度の向上を報告しています。 膨大なマニュアルを探す手間が省け、AIが瞬時に根拠に基づいた回答を提示することで、新人や外国籍スタッフでも自信を持って丁寧な案内ができるようになりました。これにより、スタッフごとの知識差や属人的な対応による誤案内のリスクが大幅に軽減されています。2025年4月には全国56空港への一斉展開を実現し、今後も現場の声を反映した継続的な機能拡張が予定されています。

【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】 トライアルホールディングス株式会社との実証実験を通じて、店舗作業コストを20%削減、店舗在庫を20%圧縮するといった大きな成果が得られています。また、発注の波動緩和による物流の平準化と効率化（10%削減）や、発注精度向上による欠品・廃棄の削減（5%削減）も実現しました。 この最適化効果は小売業にとどまらず、卸売業やメーカーと連携することで、生産・出荷計画の合理化、製造現場の作業平準化と残業削減、返品率・廃棄率の大幅削減といった川上への波及効果も見込まれています。

【成果】 約半年間のPoCを経て2024年8月に本番利用を開始した結果、法務部門における1人あたりの問い合わせ対応件数は月100件から最大月3件へと激減しました。 対応に要する時間も月17時間から最大30分へと大幅に短縮され、劇的な業務効率化を実現しています。この成功を受け、同年10月からは人事、経理、情報システム、知財など複数の部門へ利用範囲を拡大しました。さらに、質問先が分からない場合でも回答を得られる「全体横断型のチャット窓口」を新設したことで、社員の利便性が大きく向上し、システムの利用率は以前の約1.3倍に上昇しました。 問い合わせの回答待ち時間が削減されたことで、会社全体の生産性向上にも寄与しています。

【成果】 実証実験の結果、86%という高い検索精度を達成し、行員の9割が導入を希望するなど、現場から高い評価を得ています。本導入により、年間8,000時間の対応工数削減が見込まれています。 さらに、本部におけるFAQ作成やメンテナンスの作業負担が大幅に軽減されるとともに、営業店で働く行員の規程検索時間が短縮されるといった副次的な効果も期待されています。今後は、対象となる規程やマニュアルの範囲を段階的に拡大していく予定です。

【成果】 実証実験において、富士フイルム内の在庫評価資料を用いて従来の予測結果と机上比較を行いました。作成した需要予測モデルがアフターパーツごとの特徴を正確に捉えた結果、「適正」在庫に分類される部品点数が従来の管理方法に比べて2.7倍に増加しました。 これにより、アフターパーツ在庫の過剰や不足を大幅に減らし、より効率的な在庫管理が可能になることが確認されています。この成果を受け、富士フイルムはデジタルカメラ分野における本ツールの本格的な導入に向けて、さらなる検討を進める予定です。

【成果】 開発したシステムのβ版をKDDIのデジタルマーケティングおよび広告業務に試験導入した結果、デザイン考案やラフ作成などの関連業務にかかる工数を50％削減することに成功しました。ブランド管理に詳しくない担当者でも原則に沿ったクリエイティブ制作が可能となり、業務の平準化と品質管理の両立を実現しています。 さらに、過去の広告配信実績データに基づくKPI予測モデルにより、生成された数十種のクリエイティブ案から良質なものを自動で選別できるようになりました。 これにより、担当者の経験やスキルに依存しない、データドリブンで均質的な評価体制が整い、広告効果の高いクリエイティブ制作の効率化を達成しています。

【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】 KDDIのデジタルマーケティングおよび広告業務において本システムのβ版テストを実施した結果、平面構成やフォント・画像選定などのデザイン考案にかかる業務工数を50％削減することに成功しました。画像生成プロンプトの入力後にブランドが定義する付加価値を選択するだけで自動的に生成画像に反映されるため、ブランド管理に詳しくない担当者でも原則に沿ったクリエイティブ制作が可能となっています。 さらに、過去の広告配信実績データを基にしたKPI予測モデルにより、担当者の業務習熟度にかかわらず均質的で精度の高い判断が可能となり、データに基づく業務の平準化を実現しました。今後はKDDIグループの自社業務への導入を進めるとともに、将来的な法人顧客へのサービス提供も視野に入れた検討が進められています。

【成果】 アサヒ飲料が2024年3月から4月にかけて実施した実証実験では、特定の配送センターへの輸送コストを約6.2％、在庫日数を約6.5％削減することに成功しました。先行して実証実験を行ったキリンビバレッジでも、輸送コスト約9.1％、在庫日数約13.2％の削減を実現しています。 これらの結果を受け、サービスの本格展開が決定しました。今後は導入を拡大し、積載率の向上や納品時の欠品率低減を推進していく方針です。

【成果】 AIによる需要予測を活用することで、必要な量の食材を適切なタイミングで仕入れることが可能となり、過剰な仕入れや品切れを防ぐ適正な在庫管理が実現しつつあります。これにより、食材が過剰に滞留することなく、より新鮮な状態で商品を提供できる体制が整い、品質の向上に寄与しています。 また、店舗における発注業務の代替や、物流センターでの保管スペースの縮小など、サプライチェーン全体の無駄を削減することで、店舗運営の大幅な効率化が期待されています。今後は実証実験を通じて効果を検証しながら、段階的に対象業態や品目を拡大していく展望を描いています。