対応時間・リードタイムの短縮のAI活用事例

【成果】 全社員約6,000人のうち、約2,000人がアクティブに利用する規模へと定着しました。社内アンケートの有効回答を基に算出した結果、月平均で2,000時間以上の業務工数削減を実現しています。有効回答数が全体の約半数であったことから、実態としてはさらに大きな削減効果が出ていると推測されます。 今後は、金融業界における生成AI活用のトップランナーを目指し、さらなる活用推進を図っていく方針です。

【成果】 本機能の開発により、ユーザーは自身の顔や声を模したAIアバターを容易に作成し、プレゼンテーションや質疑応答を自動化する基盤が整いました。これにより、プレゼンテーションの準備にかかる時間や人的負荷の大幅な軽減が期待されています。 今後は、Microsoft TeamsやMicrosoft PowerPointといったアプリケーションからシームレスに利用できるようになる予定です。まずは富士通社内での試験運用を開始し、その後に法人顧客向けの提供を目指すなど、実践的なAIエージェントの社会実装に向けた準備が着実に進められています。

【成果】 RAG機能のリリースからわずか2ヶ月で、増加していた有人対応を50%以上削減することに成功しました。問い合わせ対応に割かれていた時間が大幅に減少し、担当者が新規システムの導入や改善活動といった付加価値の高い業務に注力できるようになっています。 また、現場のユーザーからは「相手が人ではないため、時間を気にせず気軽に質問できるようになった」という好意的な声が寄せられています。今後は、総務や人事、設計部門など他部署への展開を進め、全社的なナレッジマネジメントの実現を目指しています。

【成果】 実証実験の結果、客室乗務員がチャット形式で入力した情報から自動生成されたレポートは、業務用語を学習した自然な表現となり、編集が容易であることが確認されました。また、スムーズな英訳機能により業務負担が軽減されたほか、既存のアプリと比較してレポート作成にかかる作業時間や修正発生率の大幅な削減に成功しています。 今後は本番運用に向けた段階的な検証を進め、JALが運用する生成AIプラットフォームへの導入や、オフライン環境で動作するオンデバイス型・エッジ型での提供を目指していくとしています。

【成果】 ハッカソンを通じて、自社だけでは1か月かかると想定されていた実装イメージの具体化が、わずか2日間で形になるという劇的なスピードアップを実現しました。 特にFAQ連携の実装においては、ベンダーからの的確なアドバイスにより回答精度が飛躍的に向上しています。参加したメンバーは、今後の実務で必要となるAI実装スキルを確かな手ごたえとともに習得し、「生成AI活用に向けた具体的な道筋が見えた」と高く評価しています。

【成果】 2024年3月より、「Copilot for 駅員」の実証実験に向けたアプリ開発に着手しています。今後は、導入する駅やドキュメント・データ分析の対象範囲を段階的に拡大していく予定です。これにより、お客様1人あたりの対応時間削減による業務効率化と、サービス品質の向上が期待されています。

【成果】 社内トップユーザーによる実践的な生成AI活用の結果、年間576時間という大幅な業務時間削減を達成しました。従来は数時間を要していた表計算作業やエラー調査が数分で完了するようになり、非エンジニアでも高度な関数を活用できるようになっています。 また、会議後のアイデア整理も数十分で完了するようになり、意思決定の迅速化と正確性の向上に寄与しています。これらの成果は「exaBase 生成AI」の自動計測機能によって実測されたものであり、特別な技術知識を持たない一般的なビジネスパーソンでも、適切な活用方法によって大幅な業務効率化が可能であることが実証されました。

【成果】 AIヘルプデスクの導入により、既存FAQの移行がスムーズに行われ、大きな混乱なく運用が開始されました。また、ワークフローツールの導入効果として、稟議書の決裁にかかる時間が格段に短縮されるという成果を上げています。 新型コロナウイルスの影響でTeamsの利用率が飛躍的に向上したことも後押しとなり、社内のペーパーレス化や業務再構築が大きく前進しました。 一方で、人事労務に関する問い合わせについては、依然として詳しい担当者に直接電話やメールで質問する文化が残っており、利用率の向上が課題となっています。 今後は、FAQの拡充による自動回答の精度向上や、社員への利用啓蒙を通じて、さらなる業務効率化と属人化の解消を目指しています。

【成果】 通話中の文字起こし機能により、スーパーバイザーによるエスカレーション対応が迅速かつ的確に行えるようになり、オペレーターの心理的負担の軽減と応対品質の向上に繋がりました。 また、高精度な自動要約を顧客管理システムへの入力に活用することで、通話後の記録作業（ACW）を大幅に効率化しています。こうした取り組みの結果、日勤オペレーター1人当たりの1日の受電数が約20%増加するという定量的な成果を達成しました。 今後は、蓄積された通話履歴を活用してオペレーター向けのFAQを自動生成する取り組みや、顧客向けの自動応答システム（チャットボット・ボイスボット）の導入など、さらなる業務効率化と顧客満足度の向上を目指す展望が描かれています。

【成果】 PoC（概念実証）の段階で、問い合わせ対応コストの半減が見込まれ、年間約4,080時間の業務時間削減という大きな効果が試算されました。定性的な変化として、社員がAIと対話することで自身の疑問点が明確になり、自己解決できる範囲が拡大しています。結果として、先輩社員へ質問する際の心理的ハードルが下がり、より具体的で質の高いコミュニケーションが生まれるという副次的な効果も確認されました。今後は、商業マネジメントやホテルマネジメントなど他のグループ会社への横展開や、対顧客向けの活用も視野に入れ、人とAIが共進化する文化の醸成を目指しています。

【成果】 AIヘルプデスクの導入により、社員が質問しやすい環境が整ったことで、月間の問い合わせ総数は150〜200件へと増加しました。しかし、そのうち約9割はAIによる自動応答で解決されており、有人での対応が必要な件数は月に20〜30件程度まで減少しています。 ダッシュボードの分析では、FAQによる解決率が約97%、ドキュメント検索による解決率が約83%という高い水準を達成しています。これにより、コーポレート部門の問い合わせ対応工数が大幅に削減されただけでなく、問い合わせデータに基づいた継続的なナレッジ改善のサイクルが確立されました。

【成果】 チャットボットの導入により、ユーザーからの質問や相談に対する自己解決率が50%を超えるという高い成果を達成しました。キャンペーン展開時などアクセスが急増する状況下でも、安定した運用と高い自己解決率を維持しています。従来のメール対応から即時対応が可能になったことで、ユーザーの満足度向上に大きく貢献しています。 今後は、チャットボットのヒアリング機能で蓄積したデータを活用し、問い合わせ傾向に応じた動的な回答フローの構築や、ゲームのプレイ状況データとの連携による、よりパーソナライズされたサポートの実現を目指しています。

【成果】 導入後、対象となる最大規模の顧客企業からの問い合わせ電話のうち、約8割をボイスボットで一次対応することに成功しました。当初の目標であった3割を大きく上回る成果を上げており、ボイスボットでの完結率も約85%という高い水準を達成しています。これにより、電話の応答率は90%台後半を維持し、途中で電話が切断される放棄呼はほぼゼロになりました。 また、オペレーターの平均処理時間（AHT）は従来の15分から10分へと大幅に短縮されています。通話録音のピンポイント再生機能により、電話対応後の事後処理作業も効率化されました。時間的な余裕が生まれたことで、オペレーターが新たな業務に挑戦する意欲を見せるなど、定性的な面でもポジティブな変化をもたらしています。

【成果】 専任スタッフ退職後も人員補充を行うことなく、25名の既存スタッフが「ユビー生成AI」を活用して業務を継続できる体制を構築しました。 診断書1件あたりの作成時間を約40分から約20分へと50%削減し、月間で約130時間の業務時間削減に成功しています。また、AIが経験や知識の差を埋めることで、経験の浅いスタッフでもベテランと同等の質の高い診断書を作成できるようになり、業務の標準化とチーム全体のスキルアップを実現しました。

【成果】 本プロジェクトの取り組みにより、従来は病院全体で数日を要していた診療報酬の算定作業が、生成AIによる原案作成と人のチェックを合わせて数分程度にまで短縮できる見込みが立っています。また、標準請求コードの自動選択が可能になれば、将来的な診療報酬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ると期待されています。 本研究は厚生労働省の補助事業として採択されており、得られた成果は全国の医療機関における会計処理の合理化に活用される可能性があります。