その他のAI活用事例

【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】 一連の施策により、「読まれづらいLP」から「価値が伝わるLP」への転換を実現しました。特に、生成AIを活用した動画コンテンツの実装においては、CVR（コンバージョン率）が1.6倍に向上するという大きな成果を達成しています。 クライアントからは、「利益としても非常に大きな数値を生み出す結果に繋がり満足している」との声が寄せられました。 今後は、動画コンテンツ生成を中心とした継続的なコンバージョン改善サイクルの構築基盤を提供し、クライアントが自走して改善を続けられる体制の確立を支援していく予定です。

【成果】 AIエージェントの導入により、データの有効活用が進み、提案品質の向上や業務効率の飛躍的な改善が見込まれています。 営業現場で必要な顧客情報に瞬時にアクセスできる体制が整備され、これまで以上に迅速かつ付加価値の高い顧客体験の提供が可能になると期待されています。 今後は、行内でのAIエージェントの活用範囲を段階的に拡大し、FSC上で実行する業務領域の拡充を進めることで、現場の営業力強化と顧客満足度のさらなる向上を目指す方針です。

【成果】 高輪の店舗を実証実験の拠点として、新しい技術やサービスを顧客に体感してもらう環境が整いました。ロボットによる業務代替が進んだことで、従業員は空いた時間を活用し、より丁寧な接客や顧客ニーズに合わせた商品提案など、付加価値の高い業務に集中できるようになっています。 これにより、従業員の働きがい向上にもつながる変化が生まれています。今後は、この店舗での実証結果をもとにサービスの仕組みをさらにブラッシュアップし、将来的には全国の店舗へ展開していく展望を描いています。

【成果】 AIが壁打ち相手となることで、初期のアイデア創出段階における業務が大幅に効率化され、提示される手順に沿って情報を入力するだけで、プラニングの初心者や専門スタッフ以外の社員でも、質の高いコンセプト開発が可能になっています。 今後は、他の有名クリエイターの実践知もAIに搭載し、クライアントのニーズや担当者の個性に合わせたAIを選択できる環境を整備していく予定です。さらに、大規模なアンケートデータなどとの連携を深め、マーケティング戦略からクリエイティブ戦略までを統合した業務の高度化を目指しています。

【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】 AIエージェントの導入により、故障の原因特定から対策実行までの時間が大幅に短縮されました。実証実験の段階で回答精度は90％以上、回答時間も10秒以内という高いパフォーマンスを発揮しています。さらに、故障時だけでなく、不調を事前に予知して対策を行う運用も動き始めています。 定性的な成果として、AIの提案を通じて熟練技術者の知見が現場に伝承され、若手技術者のスキル向上に寄与しています。現場では、AIが熟練者の知識を学び、そのAIの提案から技術者が学び、さらにAIが賢くなっていくという「AIと人間の教え合い」のサイクルが生まれており、機械と人が共に成長する新しいモノづくりの環境が実現しています。

【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】 2019年からの試験的な運用を経て、明らかに不具合の予兆を示す有効な特徴量の抽出に成功しました。例えば、ボーイング787のエアコンシステム部品における不具合の予兆検知では新たな特徴量を発見し、この取り組みは航空技術協会の表彰審査会委員長特別賞を受賞するなどの高い評価を得ています。 また、従来の整備士の知見では「システム稼働中に兆候が現れる」と考えられていた事象に対し、AIの分析によって「システム停止中に特定の傾向を示す特徴量が存在する」という新たな事実が判明するなど、人間の経験則を補完する定性的な成果も生まれています。 現在では部品整備部門との共同分析も進んでおり、より多くの担当者がデータ分析に取り組む体制が構築されつつあります。