AIモデル・構築手法のAI活用事例

【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】 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】 AIの導入により、ターゲティングの管理工数を約75％削減することに成功しました。これまで手動で行っていたターゲットの選定や除外作業が自動化されたことで、運用担当者はレポーティングやクリエイティブの選定など、より戦略的な業務に集中できるようになっています。 成果面においても、従来の手作業による運用と比較して、CV数やCTRの向上が確認されています。アプリインストールを目的とした広告では、リターゲティングを中心とした配信よりもCPI（顧客獲得単価）が安価になるケースも生まれました。AIが新たなターゲットを発見することで、競争の少ない層にリーチしやすくなり、費用対効果を高めながら成果を最大化するという大きな効果をもたらしています。

【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】 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。

【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】 「NikeAI Beta」の導入により、顧客が直感的な会話を通じて求める商品にたどり着けるようになり、初期の反応として非常に良好な手応えを得ています。また、AIを活用したデザインプロセスでは、アスリートの要望とAIのアイデアを融合させることで、これまでにない革新的なシューズのプロトタイプを生み出すことに成功しました。 2024年のパリオリンピックでの展示を通じて、ブランドの先進性を強くアピールする成果を上げています。

【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。