品質・安全性向上のAI活用事例

【成果】 新たなAIアルゴリズムの導入により、査定精度の飛躍的な向上が実現しました。実証実験において、機械学習による推定成約価格と実際の成約価格との誤差率の中央値（MER）は、首都圏1都4県で4.89%、全国エリアでも5.34%という極めて高水準な精度を達成しています。また、対応エリアも拡大し、全国18都道府県にわたる約30,000棟のマンションを対象とした推定成約価格の算出が可能となりました。これにより、顧客に対してより正確で透明性の高い情報提供が実現しています。

【成果】 本アプリケーションの導入により、社員の経験や専門用語の知識レベルに依存することなく、直感的な操作で目的のデータに到達できるようになりました。情報検索から要約の生成までが約30秒で完了するため、情報収集にかかる時間が大幅に短縮され、業務効率化に貢献しています。 2025年6月の運用開始時には、設計・製造・品質保証部門を中心とした国内5,000名以上の社員に提供されました。今後は営業や物流など、製品のライフサイクルに関わる幅広い分野の社員へと利用対象を拡大する予定です。さらに、海外拠点への展開や、回答精度の向上、検索性の拡充なども計画されており、全社的な品質マネジメントの強化と顧客対応の迅速化が期待されています。

【成果】 PoCの結果、外部ネットワークから切り離されたクローズドネットワーク環境でありながら、AIによるハラスメント判定において95％以上という極めて高い精度を達成しました。これにより、クラウドベースの大規模言語モデル（LLM）に依存することなく、オンプレミスパッケージ内に軽量な言語モデルを安全にデプロイできる可能性が実証されています。 現在、同社はソリューションの実稼働環境への導入に向け、引き続きIBMと連携しながらアプリケーションの開発とモデルの精度向上を推進しています。

【成果】 実証実験の結果、生放送のニュース番組においてリアルタイムに自動字幕を表示することに成功しました。事前の検証では、自由会話の認識精度が平均94％に達し、従来製品に比べて10％以上高い精度を持つことが証明されています。 日本テレビの担当者からも、「多少の課題はあったものの、生放送でオンエアできる素晴らしい技術」と高く評価されました。今後は、大規模言語モデル（LLM）と音声認識を組み合わせることで、会話内容の要約やアクション項目の自動抽出など、より高度な活用を目指していく展望が示されています。

【成果】 全社へのAI導入から1年間で、社員の労働時間を合計18.6万時間削減するという大きな成果を達成しました。1回の利用あたり平均約20分の業務短縮につながっており、直近3ヶ月の利用回数は前年同期比で41％増加するなど、社内での定着が進んでいます。 定性的な変化として、導入当初は単純な検索エンジン代わりの利用が主でしたが、現在では戦略策定の基礎データ作成や商品企画など、より高度で生産性の高い業務への活用へとシフトしています。また、懸念されていたシャドーAIによる情報漏洩や著作権侵害などのセキュリティインシデントは、導入後16ヶ月間一切発生していません。 品質管理に特化したAI機能についても、現場の社員から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、設計段階での問題特定や手戻り時間の削減による人手不足解消が期待されており、さらにはAIが自律的に業務を遂行する「オートノマスエンタープライズ」の実現に向けた構想も進められています。

【成果】 性能検証試験において、AIは約83％の病変を正しく検出することに成功しました。視認しやすい隆起型の病変では約95％、視認しにくい表面型の病変でも約78％という高い検出率を記録し、経験豊富な内視鏡医と同等の診断性能を持つことが確認されています。 さらに、経験の浅い医師がこのAIシステムを使用した場合、表面型病変の検出率が6%向上するという定量的成果も得られました。AIのサポートにより、医師の経験に依存しない安定した病変発見が可能となり、誤検出も少ないため、検査時間を延長することなく診断精度の向上が期待されています。本システムは、日本および欧州で医療機器として正式に承認されました。

【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】 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】 2023年5月から8月にかけて実施された実証実験では、後処理時間が長い「お問い合わせ」「ご意見・ご要望」「介助申込」の3つの業務領域において、事後処理時間を18％から54%効率化できることが確認されました。 現場のオペレーターからも「簡単な内容はほとんど手直しなしで反映される」「とりとめのない内容をうまくまとめてくれる」といった高く評価する声が寄せられています。この結果を受け、同年9月より実業務への正式導入が開始されており、今後はコンタクトセンターの標準的な業務フロー全体へのAI適用や、他領域への展開も視野に入れた取り組みが進められています。

【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】 実証実験の結果、生成AIによる稟議書作成支援が業務効率化に大きく貢献することが確認されました。本格実装した場合には、最大で年間19,500時間（行員1人あたり月間約8時間）の業務時間削減が見込まれています。 さらに定性的な効果として、与信判断に必要な審査項目において、顧客へのヒアリングが不足している点をAIが明確に提示できることが実証されました。これにより、行員は「どのような情報を聞き取るべきか」という気づきを得られるようになります。単なる作業時間の短縮にとどまらず、行員自身の審査スキル向上という教育的な効果も期待されていると評価されています。 同行は今後、抽出された課題を整理し、本格的な業務実装に向けた取り組みを進めていく予定です。

【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】 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】 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。