その他のAI活用事例

【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】 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】 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。

【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】 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】 段階的な研修プログラムの導入により、受講者がデータ分析のプロセスや価値を深く理解し、取り組むべき目標がより明確になるという効果が得られました。実際の業務データを用いたOJTを通じて、業務の効率化や高度化が見込める案件が複数創出され、中には実際の業務で運用される段階に進んだ事例も生まれています。 今後に向けては、研修の最終報告会を全社に公開することでデータ分析の必要性を広く啓発するとともに、社内でのデータ分析事例共有会を開催し、さらなるデータ活用文化の浸透と受講者の拡大を目指しています。

【成果】 AIを活用した新しいマーケティング戦略の実践により、ある弁当の販売プロモーションにおいては、ターゲット層に最適なクリエイティブとキャッチコピーを用いたポスターを展開した結果、短時間での完売を達成し、販売数量が利用前と比較して200%に達するという劇的な成果を上げました。 これは、反応予測AIやフェルミ推定AIによって施策効果を事前に予測できたことで、確信を持って施策を実行できた結果です。また、企画検討や販促物制作にかかる時間も大幅に短縮され、少人数体制でも質の高いプロモーションを迅速に展開できるようになりました。 現場からは「導き出されるアウトプットに根拠と信憑性があるため安心して施策を実行できる」といった声が上がっており、今後は日用品や食料品などの最寄り品や、健康保険組合と連携した家庭用常備薬の拡販など、さらなる活用領域の拡大が期待されています。

【成果】 三菱UFJニコス株式会社では、AI音声自動応答システムの導入により、金融機関に求められる高い信頼性と24時間対応の両立を実現しています。 本プロジェクトにおいて高く評価されているのは、ツール導入をシステム部門任せにせず、現場のオペレーターが主体となって応対ノウハウを数百ものテストシナリオへと昇華させた運用体制です。現場の知見をAIの回答品質に直接反映させることで、実際の顧客の発言バリエーションに即した精度の高い自動応答が可能になりました。 この取り組みにより、夜間や休日を含めた24時間体制での支払いサポートが実現し、お客様を待たせない最適な受電体制の構築に大きく貢献しています。

【成果】 六甲バターでは、2022年10月に1号機で目標を達成したことを皮切りに、複数台の生産装置へAI検査装置の横展開を進めています。その結果、目視確認を担当する検査員の数を従来の約4分の1にまで削減することに成功しました。 検査業務から外れたスタッフは、機械の運転や調整業務を学び、オペレーター補助としてスキルアップを果たしています。これにより、AIが不良判定を出した際にも、迅速に装置の不具合に気づいて対応できる体制が構築されました。 同社は今後、生産機器の劣化具合を検知して部品交換のタイミングを予測する「予知保全」へのAI活用も検討しており、さらなる生産体制の効率化を目指していく構えです。

【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】 CAG技術を採用した結果、RAGを用いた場合と比較してAIの正答率が約1.3倍に向上するという定量的な成果が得られました。安定した高精度な回答が可能になったことで、社員はより確実な対応策を迅速に得られるようになっています。 この取り組みにより、カスタマーハラスメントに対する初動対応が強化されただけでなく、社員が安心して働ける心理的・物理的な職場環境の構築に大きく貢献しています。

【成果】 dotDataを活用した予測スコアに基づいて、約20万人の会員に最適化された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倍の効果を生み、トータルで商品購入率が約12倍に向上するという劇的な成果を達成しました。 今後は、Cookieレス時代を見据えた新たなデータマネジメントモデルとして、メーカー向けの商品開発や販促支援など、新たな収益の柱としての展開も視野に入れています。

【成果】 AI行き先案内によるAI商談の提案件数は、2020年上期から2021年上期の1年間で約3倍の7万4300件に増加しました。AI商談の効果により全体の商談件数の底上げにもつながり、2021年第1四半期には商談件数が8.4％増加するという成果を達成しています。 AIが高い精度で提案を行うことで、営業担当者がAIを信頼するようになり、日々の営業ツールにAIの提案が自然に融合したことが成功の要因となっています。今後は、dotDataの特徴量から社員のパフォーマンスを測定するなど、人材開発分野への活用も推進していく展望です。

【成果】 高性能タイヤの設計では、AIの抽出結果に基づく試行錯誤を繰り返すことで、段階的に性能と安定性が向上しました。また、データと対峙する過程で新たな気付き（副次的効果）が得られ、タイヤの設計プロセスを革新するためのデータ活用が一気に加速しています。 ゴムの混合プロセスにおいては、物性値を狙い通りに推移させるための因子の特定に成功しました。AIの活用を通じて、材料開発メンバーも納得する混合プロセスの本質につながる知見が得られています。スタッドレスタイヤの設計でも、タイヤを試作する前に決定できる設計因子に基づいた、見通しの良い関係式を導き出すことができました。 今後は、データが存在しない領域を補完するための新たなデータ取得を進めるとともに、現実データと仮想データを利用して複雑な関係性を明らかにし、データ分析の専門家以外でも気付きを得られる環境の構築を目指しています。