クラウドAI基盤のAI活用事例

【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】 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】 現場の社員が主体となって生成AIとデータを活用する体制が整い、業務課題の解決に向けた具体的な検討が大きく前進しました。この取り組みは、日本マイクロソフトからも最先端のAI活用事例として高く評価され、「Microsoft Ignite Japan」で紹介されるに至っています。 今後は、絞り込まれたビジネスプランの事業化に向けた支援や、外販AIサービス開発への協力など、さらなるビジネスの創出が期待されています。

【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。

【成果】 生成AIチャットボットの導入により、夜間や休日を問わず、社内の問い合わせに対してAIが即座に応答できる環境が実現しました。これにより、新人を含むスタッフ自身が疑問を自己解決できる場面が増加しています。 その結果、これまで各店舗のベテランスタッフに集中していた質問対応が大幅に効率化され、特定の個人に負荷が偏る属人化の課題が解消されました。 スタッフ全体の生産性が向上したことで、接客や店舗運営といった本来の業務により多くの時間を割けるようになっています。社内の情報共有をスムーズにすることで、顧客に寄り添った質の高いサービスの提供へと繋がる大きな成果を生み出していると評価されています。

【成果】 大和総研が提供する独自の「意味チャンク」技術により、90%超という高い回答精度を実現しました。三菱UFJニコスでは、2025年2月の全社リリース後、継続的に月間30〜40%の利用率を維持しており、3カ月で約35,000回の検索が行われています。これにより、同社の従業員がこれまで何十分もかけて探していた情報が短時間で見つかるようになったほか、部署間の問い合わせのたらい回しも解消されるなど、大幅な業務効率化を達成しました。 AIに興味がある一部の社員にとどまらず、全社員が情報検索性の向上というメリットを享受しており、組織全体の競争力向上に寄与していると評価されています。三菱UFJニコスは今後、対象業務やユースケースを広げてデータ量を増やすとともに、検索後の情報整理や入力作業といった後続工程の支援にも機能を拡張していく展望を描いています。

【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】 新たなデータ基盤の構築により、経営層は常に最新のデータを網羅したダッシュボードを通じて、経営状況を正確に把握できるようになりました。これにより、変化の兆しを即座に捉えた迅速な意思決定が可能となっています。 今後は、この基盤を単なるデータの可視化にとどめず、AIや機械学習の技術を活用して高精度な需要予測やサプライチェーンの最適化といった未来の経営指標を予測する機能を追加していく予定です。ライオンは、データに基づき未来を予測し、先手を打つ「未来予測型経営」への進化を見据え、クラウドCoE体制をさらに拡充していく方針です。

【成果】 既存システムの改修を伴わないアプローチにより、20万品番を超える在庫部品の品番紐付けと可視化を、わずか2週間という短期間で実現しました。 全拠点における部品の在庫や発注情報が一元的に見える化されたことで、部品調達計画や拠点ごとの在庫状況を全社レベルで掌握できるようになっています。災害時においても、受注案件ごとの影響や事業全体での損益影響を迅速に把握し、生産・供給体制の維持に向けた意思決定を強力に支援します。AIによる高精度な需要予測と組み合わせることで、製品の供給停止リスクを回避し、動的でレジリエントな供給網の構築に成功しています。

【成果】 「Ask Ralph」の導入により、顧客はオンラインでありながら、まるで店舗のスタイリストに相談しているかのような、パーソナルで摩擦のないインスピレーションに満ちたショッピング体験を得られるようになりました。 自然言語による検索は、単なるキーワードの照合にとどまらず、文脈を理解した精度の高い提案を可能にしています。ラルフ ローレンは、今後もAIを活用してショッピング体験をより魅力的で直感的なものへと進化させていく展望を示しています。

【成果】 実証実験の結果、従来は病院全体で数日を要していた診療報酬の作成業務を、数分程度に短縮できる見通しが立ちました。 具体的には、生成AIによる原案作成に数十秒、その後の担当者による確認作業を含めてもわずかな時間で完了します。また、この仕組みが実用化されれば、制度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ります。本研究は厚生労働省の補助を受けており、成果が認められれば、全国の医療機関における会計処理を合理化する新たな基盤として活用されることが期待されています。

【成果】 AIエージェントの導入により、営業担当者の訪問準備や報告作業にかかる時間を従来比で30％削減することに成功しました。報告業務の負担が軽減されたことで、顧客との対話やきめ細やかな対応に、より多くの時間を割けるようになっています。 今後は、営業部門だけでなく、本社や事務職員を含めた全職員への展開を視野に入れています。ヘルスケアや法務、教育といった専門領域に対しても、特化型の生成AIを順次開発していく予定であり、全社的な業務変革をさらに加速させていく方針です。

【成果】 データブリックスの採用により、三菱UFJ銀行における次期AI共通基盤の構築が進められています。これにより、今後のさらなるデータ活用とAI推進に向けた強力な土台が形成されることが期待されています。

【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。