自動要約のAI活用事例・導入事例

【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】 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】 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】 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】 本実証実験を通じて、オペレーターが通話後に行う記録作業等の後処理時間を35%削減することを目指しています。 これにより、高い電話応答率を維持し、顧客満足度の向上に貢献することが期待されます。また、相関分析の結果を活用することで、応対品質の数値化や可視化による評価の自動化が可能となり、管理者による品質チェックの工数削減と、データに基づく効果的なオペレーター指導が実現できる見込みです。 今後は検証結果を踏まえて実業務への導入を進めるとともに、お客さま満足度を予測するモデルの構築など、生成AIの利用範囲をさらに拡大していく予定です。

【成果】 東北大学病院における一部の診療科の医師10名の協力を得た実証実験では、大きな成果が得られました。紹介状や退院サマリなどに記載する要約文章を新規に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ています。 また、生成された文章の表現や正確性についても現場の医師から高い評価を受けました。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負担が大幅に軽減され、AIが生成した要約文章を参考にしながら、各種医療文書を効率的に作成できる可能性が実証されています。

【成果】 AIによる自動書き起こしと要約機能の導入により、手動での記録作成作業が大幅に削減され、残業時間を50％近く低減するという大きな成果を達成しました。 業務効率化と同時に、ベテラン社員の暗黙知が可視化されたことで、組織全体のナレッジ共有が促進されています。 今後は、蓄積された音声テキストを活用してFAQの充実を図り、属人化のさらなる解消と一次解決率の向上を目指すとしています。また、医療分野特有の専門用語や高度な技術情報にも対応できる仕組みを整備し、部門横断的に導入範囲を拡大していく展望が描かれています。

【成果】 研修の実施により、社員の生成AI活用スキルが大きく向上し、グループ全体で月に約2,200時間（社員1名あたり約3.6時間）の労働時間削減という定量的な成果を達成しました。また、受講した社員からは「報告書のたたき台作成」「翻訳を踏まえた議事録作成・要約」「毎日更新される活動記録からの好事例抽出」など、実務に直結するプロンプトが多数作成されました。 これらの活用事例は450件以上提出・集約され、グループ全体の貴重なナレッジとして蓄積されています。

【成果】 運用プロセスの見直しと教育体制の強化を経て実施された第二回検証では、大きな成果が得られました。対象となったすべてのセラピストにおいて診療録の作成時間が短縮され、平均で約66％の削減を達成しています。また、スタッフが感じる主観的な業務負担感も約50％軽減されました。さらに、診療録以外の書類作成業務においても時間短縮が確認され、導入前と比較して3ヵ月間で合計約2,000時間以上の業務削減効果を生み出しています。この成功を受け、同グループは関西で運営する9つのリハビリテーション病院へ年内に「medimo」を導入することを決定しました。 今後はセラピストだけでなく、医師や看護師など多職種への展開も視野に入れており、創出された時間を高付加価値な業務へ再配分することで、医療の質のさらなる向上を目指しています。

【成果】 取り組み開始からわずか1カ月で、グループ全体で月間約9300時間以上の業務時間削減という大きな成果を達成しました。これは従業員1人当たり1日約1.5時間の業務時間創出に相当します。特にコーポレート部門では、AIチャットボットの導入により問い合わせ件数が週平均15回から8.6回へと半減し、月167時間の業務効率化を実現しました。また、開発部門でもエンジニア1人あたり月2時間以上の業務時間を削減しています。 定性的な変化としても、全従業員の90%が実際にAIを活用するようになり、96%が「仕事のアウトプットの質が向上した」と実感するなど、社内にAI活用文化が急速に定着しています。同社は今後も「生成AI活用No.1クライメートテック企業」を目指し、社内業務の最適化と脱炭素・ESG領域における新たな価値創出を加速させていく方針です。

【成果】 約半年間のPoCを経て2024年8月に本番利用を開始した結果、法務部門における1人あたりの問い合わせ対応件数は月100件から最大月3件へと激減しました。 対応に要する時間も月17時間から最大30分へと大幅に短縮され、劇的な業務効率化を実現しています。この成功を受け、同年10月からは人事、経理、情報システム、知財など複数の部門へ利用範囲を拡大しました。さらに、質問先が分からない場合でも回答を得られる「全体横断型のチャット窓口」を新設したことで、社員の利便性が大きく向上し、システムの利用率は以前の約1.3倍に上昇しました。 問い合わせの回答待ち時間が削減されたことで、会社全体の生産性向上にも寄与しています。

【成果】 2025年4月に実施された社内アンケートでは、回答者の99%が業務で生成AIを活用し、82%が「ほぼ毎日活用している」と回答しました。また、98%の社員が「仕事の質が向上した」と実感しており、71%が1日あたり30分以上の業務時間短縮を達成しています。 現場の具体的な成果として、営業部門ではカスタムGPTを活用して商談準備時間を一人あたり月17.8時間削減したほか、バックオフィス部門では「DeepResearch」を用いた法令調査の効率化などが報告されています。全社方針の明示と手厚い支援体制により、現場でのAI活用が日常的なものとして根づきつつあります。

【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】 実証実験を通じて経過記録業務の自動化における有効性が確認できたため、一部の保険金お支払センターにて本システムの先行導入が開始されました。 記録業務の大幅な効率化により創出された時間を活用し、顧客対応のさらなる充実と事故対応の品質向上が期待されています。今後は導入の効果やリスクを検証しながら段階的に適用範囲を拡大し、2024年内には全国の保険金お支払センターでの利用開始を目指しています。 また、より損害保険業界に特化したLLM（大規模言語モデル）の導入も検討していく予定です。