Azure OpenAI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】 「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】 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。

【成果】 2024年4月から一部の店舗で本番利用を開始し、これまで行員が手作業で行っていた融資稟議書の作成にかかる作業時間を95%削減するという劇的な成果を上げています。 今後は全店での運用開始に向けて、アプリケーションの精度向上やサブシステムからのデータ連携をさらに進めていく予定です。また、融資業務以外のさまざまな銀行業務にも生成AIの適用を拡大し、商品・サービスの向上や継続的な業務効率化を目指しています。

【成果】 「製造規格の確認支援AI」により、1回あたり約5分かかっていた規格検索が約1分に短縮され、最大80%の作業時間削減を実現しました。新人作業員でも適切な情報にアクセスできるようになり、作業手順書作成の精度向上も期待されています。 また、「製造仕様書のレビューAI」では、仕様書レビュー1件あたりの平均作業時間が約30時間から約18時間へと短縮され、約40%の工数削減が確認されました。 現場だけでなく経営層からも高い関心が寄せられており、今後は業務プロセスの標準化を進めながら、さらなる生成AIの活用拡大を目指しています。

【成果】 「LeoAI Chat」の導入により、情報検索にかかっていた手間が大幅に削減されました。実際にシステムを使用しているユーザーは、平均して1人あたり月間約8時間の業務時間削減という定量的な成果を上げています。 同社は今後の展望として、2024年内を目途に規約やマニュアルにとどまらない幅広い社内業務データの学習を進める予定です。業務データとそれを応用した回答が可能なレベルまでAIの精度を高め、データドリブン経営の実現とDX推進をさらに加速させていく方針です。

【成果】 2023年8月から10月にかけてデジタルイノベーション本部で実施された検証では、プログラマーが生成AIを用いてプログラミングの要約とコード生成を行いました。その結果、システム稼働を確認するまでに要する時間が、導入前と比較して最大約70%短縮されるという大きな成果が得られています。 今後は国内外のシステム開発支援へと展開し、レガシーシステム対応を含む社内全体の開発保守工数の30%削減を目指すとしています。また、研究サポート業務や技術アーカイブといった専門領域への応用を進めるとともに、将来的には業務特化型LLMを提供する外販サービスの展開も視野に入れています。

【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。