AIモデル・構築手法のAI活用事例

【成果】 AIによる予測モデルの導入により、月間の客数予測精度は95%以上という高水準を維持しています。全305店舗における客数修正率はわずか0.5%にとどまり、店舗での客数予測や入力作業が大幅に効率化されました。 これにより、自動発注の精度向上やレジシフトの最適化が実現し、客数予測および入力作業にかかる工数を年間で約1,100時間削減する効果を生み出しています。現場の管理職の負担が軽減されたことで、今後は他のシステムとの連携をさらに深め、店舗オペレーションの効率化や販促施策への活用など、さらなるデジタル変革を推進していく展望です。

【成果】 事前検証として約200の典型的な業務パターンでテストを実施した結果、最大で50％以上の業務効率化が確認されました。 文書作成や校正、プログラムのソースコード生成といった一般的なオフィス業務の負担が大幅に軽減されています。 今後は、社内の各組織に蓄積されたナレッジを連携させるスキームの整備や、特定分野のデータで追加学習を行った特化型モデルの構築も視野に入れており、さらなる付加価値の創出を目指しています。

【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】 分析の結果、一般的なコンビニとは異なり「デスクで食べても散らからない直まきおにぎりが人気」といった独自の傾向や、時間帯・顧客グループごとの細かなニーズを発見することができました。 これらの分析結果は、実際の店舗での発注業務に反映されています。現場の担当者が自らデータを見て、考えて、実践するサイクルを回せるようになり、中堅・中小企業における限られた人員でも効率的かつ精度の高いサービス向上が可能となりました。 今後は、商品の組み合わせ傾向を把握するバスケット分析など、さらに高度なデータ活用やマーケティング施策への展開を計画しています。

【成果】 実験店舗での事前検証において、当初計画していた発注作業時間の削減目標を達成し、精度の高い発注が行えることが実証されました。この結果を受け、全304店舗の生鮮部門への本格導入が決定しています。 現場では、3週間先まで算出された各商品の発注数量が画面に表示され、スタッフは異常値を確認するだけで済むようになり、作業負荷が大幅に軽減されました。AIによる高精度な予測は、商品の欠品を防ぎ販売機会を創出すると同時に、廃棄ロスの削減にも貢献しています。さらに、難易度の高い発注業務が自動化されたことで、経験の浅い新入社員でも精度の高い発注が可能となり、早期戦力化という定性的な成果も生み出しています。

【成果】 本プロジェクトは実証実験の段階であり、収量最大30％増と品質向上を目標に掲げて検証を進めています。 収集されたデータは株式会社NTTデータが提供する営農支援プラットフォーム「あい作」に蓄積され、離れた場所にいる農業従事者と営農指導員がタイムリーに情報共有や相談を行える環境の構築が期待されています。今後は対象品種や作物を拡大し、日本全国や海外への展開も視野に入れた取り組みが計画されています。

【成果】 AIが発注推奨値を自動算出することで、発注業務にかかる時間を1店舗あたり1週間で約6時間削減することに成功しました。これにより、発注担当者の業務負担が大幅に軽減されています。 また、適切な商品陳列量の維持による販売機会の最大化や、過剰発注の抑制による廃棄ロスの適正化（フードロス対策）といった効果も期待されています。今後は導入店舗での売上や収益への効果を検証し、さらなる展開店舗の拡大を目指すとしています。

【成果】 プロジェクト開始から約1年という短期間で新サイトのローンチに成功し、IT未経験のメンバーによる内製運用が実現しました。AIを活用したレコメンド機能は非常に高い効果を発揮しており、サイト全体の売上に占めるレコメンド経由の割合は平均40％、最高で48％を記録しています。サイトオープンから2年後には、レコメンドによる売上が3.2倍へと大きく伸長しました。 また、マーケティング施策の自動化により、会員登録後のフォローやメルマガ配信にかかっていた手作業の時間が削減され、大幅な業務効率化を達成しています。その結果、メールマガジンの会員数は約4倍に増加し、メルマガ経由の売上も約4倍に拡大しました。 さらに、システムの運用を通じて現場メンバーの意識にも変化が生まれています。「この作業を自動化して効率化したい」といった自発的なアイデアがチーム内で活発に議論されるようになり、データに基づいた新しい施策が次々と生み出されるデータドリブンな組織文化が定着しつつあります。

【成果】 本サービスの導入により、顧客自身が膨大なサイト内から情報を探す手間を省き、求めている情報をダイレクトに届けることが可能になりました。顧客からの質問や相談に対して、営業担当者に質問をして回答を得るようなスムーズな対話体験を実現しています。 今後は、顧客ごとの疑問や相談内容により的確に応えられるよう、生成AIの精度向上や研究を継続し、2024年春を目途にベータ版から正式版への切り替えを目指すとしています。

【成果】 2023年8月より全従業員約2,500人を対象に運用を開始し、日常業務の効率化を推進しています。社内定着に向けた取り組みとして実施した活用研修には、約3割の従業員が参加するなど高い関心を集めました。 さらに、業務改善につながるプロンプトのアイデアを社内から募集する「全社プロンプトアイデアソン」を開催し、各部門における推進リーダーの育成を図っています。今後は、連携する社内データを拡充することでマニュアル検索の煩雑さを解消するほか、お客様からの問い合わせ対応への活用も視野に入れ、体験価値の向上を目指していく方針です。

【成果】 建設分野の専門的な質問に対しても、自社のノウハウに基づいた正確な回答を迅速に得られるようになりました。回答の生成に用いた文書が明示されるため、情報の裏付け確認が容易になり、的確な業務判断とさらなる業務効率化につながっています。今後は手書き文書のデータ化や外部データベースとの連携、さらには画像や動画生成への拡張も視野に入れ、独自の生成AI環境を深化させていく方針です。

【成果】 2023年11月から12月にかけて実施された試験運用（PoC）を経て、生成AIを活用したアプローチの有効性が実証されました。従来は熟練技術者の経験を手引書にするために3年、そこからモデルを作成するために1年かかっていましたが、生成AIの導入により技術文書を文章としてモデル化できるようになり、モデル化期間が3年から1年へと大幅に短縮されています。 これにより、ドキュメントのモデリング時間を67％短縮することに成功しました。さらに、開発業務では30％、企画・管理業務では50％の工数削減効果が得られています。Hondaの担当者は、膨大な開発情報を安全に活用するプラットフォームが、顧客への価値提供に貢献していると高く評価しており、将来の本番開発活動に向けたさらなる協力を期待しています。

【成果】 2024年1月の運用開始以降、エンジンやトランスミッションなどパワートレーン関連の開発に携わる約800人のエンジニアに向けてシステムが解放され、月間に数百回利用されるなど現場への定着が進んでいます。 実際に活用しているエンジニアからは、排出ガス測定機器の仕様や環境規制に関する質問に対して正確かつ詳細な回答が得られ、これまで適切な文書を探し出して膨大な文章を読み解くのに要していた時間が大幅に短縮されたと高く評価されています。 今後は技術図面などの視覚的な情報の取り込みや、顧客の不満を分析して次世代車両の改善に繋げる「消費者の声エージェント」の開発など、さらなる機能拡張が構想されています。

【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】 購買データを活用したターゲティング広告を配信した結果、顧客獲得単価（CPA）を従来の2分の1に削減することに成功しました。特定の商品の購入実績や頻度、組み合わせがカードローンの申し込み割合に影響を与えるという、非常に興味深い特徴を可視化できるようになっています。 今後は、高度なデータ分析スキルがなくても利用できるdotDataの特長を活かし、現場主導のAI・データ活用を促進していく方針です。また、「金融」と「リテール」のデータを掛け合わせたノウハウを基に、顧客のニーズに柔軟に対応できる新たな金融ビジネスの創出も目指しています。