生成AI・LLMのAI活用事例

【成果】 実証実験の結果、従来は病院全体で数日を要していた診療報酬の作成業務を、数分程度に短縮できる見通しが立ちました。 具体的には、生成AIによる原案作成に数十秒、その後の担当者による確認作業を含めてもわずかな時間で完了します。また、この仕組みが実用化されれば、制度改定に伴うシステム改修コストの大幅な削減にもつながります。本研究は厚生労働省の補助を受けており、成果が認められれば、全国の医療機関における会計処理を合理化する新たな基盤として活用されることが期待されています。

【成果】 生成AIの搭載により、店舗スタッフは音声で簡単にマニュアルを検索できるようになり、店舗責任者やSVへの電話問い合わせの削減と、店舗オペレーションの負担軽減が見込まれています。 また、過去の販売実績をAIアシスタントから即座に確認できるようになったことで、SVのデータ抽出作業が不要となりました。これにより、現場の店長は過去のデータに基づいた販売計画の立案や売場づくりを迅速に行えるようになり、店舗運営力のさらなる向上が期待されています。

【成果】 本サービスの導入により、顧客自身がサイト内から情報を探し出す手間が大幅に省かれ、求めている情報へスムーズにアクセスできる環境が整いました。個人情報を明かすことなく、24時間いつでも専属アシスタントのように疑問を解決できるため、顧客サービスの質が大きく向上しています。 今後は、顧客ごとの多様な疑問や相談内容により的確に応えられるよう、生成AIの精度向上と研究を継続し、2024年春を目途に正式版への移行を目指すとしています。

【成果】 東北大学病院における一部診療科の医師10名の協力による実証では、紹介状や退院サマリなどに記載する要約文章を新規作成する場合と比較して、作成時間を平均47%削減することに成功しました。また、生成された文章の表現や正確性についても高い評価を獲得しています。 これにより、膨大な電子カルテの記録から必要な情報を収集する作業が大幅に軽減され、生成された要約文章を参考にしながら各文書を効率的に作成できる可能性が確認されました。

【成果】 「問診生成AI」の導入により、診察時の症状ヒアリングに要する時間を最大25％軽減し、より深い対話や治療方針の検討に時間を充てることが期待されています。「看護音声入力生成AI」については、従来の手入力との比較検証を実施した結果、記録に要する時間が約40％短縮されました。また、約8割の記録で「AIを用いた方が優れている」との評価を得ています。これにより、看護カンファレンス（1日1病棟17分）や電話サポート（1日1人2分）の記録時間を約40％削減する目標を掲げています。 今後は、対話型疾患説明生成AIの他科展開や、書類作成・サマリー作成支援AIの導入など、さらなる機能拡張を予定しています。

【成果】 実際の設備の保守作業を想定し、作業中の不明点に対する対処法を提示するユースケースにおいて検証が行われました。 従来技術では、曖昧な質問に対して正しい作業手順が得られる成功率が30.0%にとどまっていましたが、本技術を適用した結果、具体的な質問をした場合とほぼ同等の73.3%まで大幅に向上しました。 また、従来は1回のやり取りで無理に回答を出そうとしていたのに対し、本技術では平均2.3回のやり取りを行い、問い返しを通じて質問を具体化できていることが確認されています。 今後は東芝グループ内の保守作業現場で実証実験を開始し、将来的には社外へのサービス提供も目指していくとしています。

【成果】 導入から1年間で、全社員合計で18.6万時間の労働時間削減を達成しました。1回あたりの利用で平均約20分の業務短縮につながっており、検索エンジン代わりの単純な用途から、戦略策定や商品企画といった高度な活用へと社員のAIスキルも向上しています。 また、懸念されていた情報漏洩や著作権侵害などの問題も一切発生していません。品質管理領域に特化したAI機能についても、社員から5点満点中3.5点という高い評価を獲得しています。今後は、自社データを構造的に整備する「パナソニック コネクトコーパス」の構築を進め、人事や社内ITサポートなどより幅広い業務領域への展開を目指すとしています。

【成果】 2024年6月末より、コンタクトセンターのメール回答業務において生成AIの本番利用が開始されました。今後は年内を目処に、同様の生成AIをチャットでの問い合わせ対応にも展開し、業務用アプリケーションへのAPI組み込みを行う予定です。これらの取り組みにより、最終的にはオペレーターの問い合わせ対応にかかる時間が最大で60％程度短縮される見込みとなっており、顧客の利便性向上と業務の大幅な効率化が期待されています。

【成果】 本機能は、大阪市教育委員会との連携協定のもと、2024年9月より大阪市立小中学校の一部で先行利用が開始される予定です。対話型生成AIが教員のアシスタントとして機能することで、教員の業務負担を軽減しつつ、子どもたち一人ひとりに合った学習支援を実現することが期待されています。 今後は、動画教材の視聴情報や授業中のノート、画像など様々な種類のデータを統合し、それらの分析結果を対話型生成AIと組み合わせる計画です。実証研究を通じて効果的な事例を創出し、安全で安心な学校生活と個別最適な学びの提供に向けた取り組みが推進されています。

【成果】 「JAL-AI」の導入により、2024年度には実質100%の間接部門社員が同ツールを利用するまでに普及し、社内業務の効率化に大きく貢献しています。 さらに、この基盤を応用して空港業務に特化した「空港JAL-AI」も新たにリリースされました。現在、チェックインカウンター等での危険物検索、イレギュラーアナウンス文章生成、ラウンジ入場条件検索などのアプリとして活用されています。 実証実験のアンケートでは、グランドスタッフの90%以上が「お客さまへの回答速度が向上した」「アナウンス文章の作成速度が向上した」と回答し、ラウンジスタッフの70%以上からも回答速度の向上が評価されるなど、現場のサービス品質向上に直結する成果を上げています。今後は、一つのインターフェースでさまざまな業務に使えるAIの実現を目指し、APIを介した業務システム連携や社内ポータル情報のクローリングなど、さらなる進化が予定されています。

【成果】 2024年4月時点で、全社員の約50％が「Aflac Assist」を使用しており、監査部門では使用率100％、コーポレート部門でも70％以上を達成しました。コールセンターのオペレーターの応答時における資料検索時間は、従来比で約30％短縮されています。また、社内アンケートでは、社員の資料作成時間も30～40％短縮されたという結果が出ています。 業務効率化によって創出された時間を、営業や新商品開発、顧客と向き合う時間に充てることが期待されています。

【成果】 生成された回答テンプレートは実際のカスタマーセンター業務で利用が開始されており、安全性を担保しながら対応業務の効率化と品質の平準化が進められています。今後は、生成AIのハルシネーションをさらに軽減させる技術開発を継続し、最終的にはメール回答の完全な自動生成の実現を目指していくとしています。

【成果】 試験運用において自動車保険に係る照会を対象に検証した結果、高い精度が認められました。その後、対象商品を火災保険や傷害保険等にも拡大して検証を行ったところ、約8〜9割のケースで「AI Search Pro」の有用性が確認されました。 定量的な成果として、社員が1件あたりの回答作成に要する時間が約4割削減されるという大きな業務効率化を実現しています。この結果を受け、全営業部店および代理店ヘルプデスク等への本格導入が開始されました。今後は、コンタクトセンターにおける照会応答業務への転用や、グループ会社への横展開を通じて、さらなるシナジー創出を目指していくとしています。

【成果】 これまでのチャットボットは1日あたりの利用が100件未満にとどまっていましたが、新システムの搭載開始後3日間で1日450件へと大幅な利用増を記録しました。無人で24時間365日、旅行者の言語に合わせた対応が可能となり、利便性の向上に貢献しています。 また、本取り組みは複数のメディアで紹介され、他の観光局からも問い合わせが寄せられるなど、業界内で高い評価を獲得しています。

【成果】 実証実験の結果、客室乗務員の引き継ぎレポート作成時間を最大で3分の1に短縮することに成功しました。これにより、乗務員が旅客サービスに注力できる時間を新たに創出しています。また、AIがJAL仕様の標準的なレポートを生成することで、内容の修正発生率が低下し、管理者を含めたレポート業務全体の工数抑制にもつながりました。 今後は、対象となるレポートの種類を拡大し、全客室乗務員への展開を目指してプロジェクトを推進しています。