機械学習のAI活用事例・導入事例

【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】 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。

【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需要予測モデルの導入により、商品横持ち指示の作成にかかる工数を1日あたり約75％削減することに成功しました。予測精度の向上によって緊急の臨時便が減少し、それに伴う入出荷作業の工数も約30％削減されています。 さらに、期限管理品を補充倉庫で適切に保管できるようになったことで、センター内での不要な商品移動が減り、フォークリフト作業の工数も約15％削減されました。 定性的な成果として、商品の追加や倉庫の拡張といった環境変化にも柔軟に対応できる体制が整い、担当者変更時の引き継ぎ負担も大幅に軽減されています。

【成果】 AIを活用した新たなコミュニケーション施策は、確かな成果を生み出しています。主力商品である「ドモホルンリンクル」の保湿液を対象とした施策では、顧客ごとの使用状況を購買データからAIで分析し、使い切る目安の時期（約60日）に合わせて関連キャンペーンを案内する「AIレコメンドメール」を実施しました。 顧客にとって最適なタイミングでDMを送信した結果、顧客自身が自発的に商品を購入する行動が促進され、従来のメール施策と比較してDM経由の購買率が約20%向上するという定量的な成果が得られています。また、この仕組みは既存の業務フローに大きな負担をかけることなく運用できており、現場の負荷を抑えつつ顧客エンゲージメントを高めることに成功しています。 同社は今後、将来的な自動化運用も視野に入れながら、さらなる改善を進めていく方針です。

【成果】 国内400の全店舗でシステムの稼働を開始した結果、自動発注率が全体で従来比115％、日配品においては従来比160％へと大幅に向上しました。これにより、店舗での発注作業時間を1週間で約600時間削減するという定量的な成果を上げています。 また、AIによる在庫制御（売り減らし機能）が機能したことで、従来以上に円滑な売り場づくり（MDサイクル）が実現し、店舗在庫量の圧縮・適正化と商品回転率の向上にも寄与しています。 現場からは、予測精度の向上と運用負荷の軽減が高く評価されており、今後は物流在庫センターへの販売予測データ提示による配送遅延防止や、業界課題である返品・廃棄・滞留在庫の削減にも取り組んでいく展望が示されています。

【成果】 2024年4月の稼働開始から2カ月後の時点で、複数の熟練担当者が1人・1日あたり約3時間要していた発注業務時間を約1時間半に短縮し、約50％の削減効果を確認しました。 欠品や在庫回転率についても導入前の水準を維持しつつ、熟練担当者と同水準での発注計算が可能となっています。今後は、需要予測の導入拠点を増やしてさらなる業務効率化を進めるとともに、入荷や需要の予測データをサプライチェーン全体に連携させることで、トラックの積載効率向上や物流2024年問題の解決、食品ロスの削減にも取り組んでいく予定です。

【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。

【成果】 導入後、AIによる自動発注システムの提案は95％という高い採用率で現場に定着しています。発注業務の省人化が実現しただけでなく、欠品の改善や在庫の低減といった具体的な効果が確認されました。 今後は、店舗の保管スペースにおける在庫の過不足低減や食品ロス削減、納品遅延や緊急配送などのムダの排除が期待されています。

【成果】 AIによる高精度な需要予測と在庫の最適化により、急激な需要変動にも迅速に対応可能な生産計画モデルを実現しました。これにより、医薬品の安定供給が強化されるだけでなく、有効期限切れによる製造済み医薬品の廃棄削減といった環境面での効果が見込まれています。 さらに、在庫の適正化によるキャッシュフローの改善など、財務面でのポジティブな効果も期待されています。同社は今後も、需要予測の高精度化と業務の持続的な効率化を推進し、必要な医薬品を確実に届けるという使命を果たしていくとしています。

【成果】 実証実験の段階から、AIの予報を参考にして防除を行った若手農家が15％の収量増を達成したり、ベテラン農家でも4％の収量増を実現するなど、確かな効果を発揮しています。 JA豊橋では、フェロモントラップ関連の作業時間を大幅に削減し、浮いた時間を農家への訪問指導に充てられると期待を寄せています。共通のデータに基づく指導が可能になったことで、若手指導員のスキルを補い、組織全体の営農指導力の維持・向上につながる基盤が整いつつあります。

【成果】 新システムの導入により、配車担当者の練度にかかわらず、高品質な配車計画を短時間で作成できる体制が整いました。AIと最適化モデルの処理能力に、担当者の知見を組み合わせることで、取引先の満足度を維持しながら業務効率化を実現しています。 今後は配車担当者全員が本システムを利用することで、配車計画の作成時間を従来比で25％削減することを目指しています。

【成果】 dotDataを活用した「価値観に基づくターゲティング」は、ローソンが構築するBIツールに組み込まれ、販売促進や商品開発、メーカーとの連携に活用されています。 大手菓子メーカーとの取り組みでは、AIが分析した会員の価値観と商品の購買関係から、デザイナーが複数のレシート・クーポンのデザインを作成しました。予測スコアに基づいて各会員に最適化されたデザインのクーポンを配信した結果、ターゲティング精度の向上で4倍、デザインの最適化で3倍となり、トータルで商品購入率が約12倍に向上するという大きな成果を上げています。 今後は、スマホアプリとの連携によるカスタマージャーニーの設計や、Cookieレス時代に向けた新しいデータマネジメントモデルとしての活用も視野に入れています。

【成果】 AIによる商談先の提案は高い精度を実現し、現場の営業担当者からの信頼を獲得しました。その結果、AI行き先案内が提案した商談件数は、2020年上期から2021年上期の1年間で約3倍となる7万4300件に増加しています。 この取り組みは全体の商談件数の底上げにも大きく貢献し、2021年第1四半期には商談件数が8.4％増加するという定量的な成果を達成しました。また、複合機の稼働データとLED照明の受注に関連性があることなど、人間の分析では気づきにくい隠れた知見が次々と発見されています。現在では、このデータ分析のノウハウを人材開発部でも活用し、社員のパフォーマンス測定など新たな領域への展開も進められています。

【成果】 購買データを活用したターゲティング広告の配信により、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。 また、従来は審査が通らなかった顧客に対しても、購買データを加味することでサービスを提供できる可能性が広がっています。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・データ活用を推進していく方針です。さらに、金融とリテールのデータを掛け合わせた新規ビジネスの創出も目指しています。