その他クラウドAI基盤のAI活用事例

【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】 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】 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】 生成AIを活用した「照会サポート」の導入により、当初50％だったAIの正答率はPoCを経て80〜90％まで大幅に向上しました。オペレーターが短時間で適切な案内を行えるようになったことで、管理者へのエスカレーション回数が減少し、管理者1名で6名のオペレーターを管理できる体制の実現が見込まれています。 また、応答記録の自動生成機能により、これまで9分かかっていた後処理時間が6分へと短縮され、コールセンター全体の生産性が大きく向上する成果を得ています。同社は今後、CRMシステムや音声認識技術との連携を進め、将来的にはボイスボットを活用した自動応答による次世代のコールセンター構築を目指すとしています。

【成果】 システムの導入により、医療現場における大幅な業務効率化とケアの質向上が期待されています。看護カンファレンスにおける実証検証では、記録に要する時間が従来比で約40％短縮されました。さらに、作成された記録の約8割が「従来の手入力による記録よりも優れている」と評価され、学会でもその成果が発表されています。 現在、カンファレンスで1日あたり1病棟17分、電話サポートで看護師一人あたり2分かかっていた記録時間をそれぞれ約40％削減することを目指して実運用が進められています。また、問診生成AIの活用により、診察時の症状ヒアリングにかかる時間を最大25％軽減する目標も掲げられています。これにより創出された時間を、より深い対話や治療方針の検討、患者ケアの充実に充てることが可能となりました。

【成果】 生成AIの導入により、履歴書の受領から内定を出すまでの時間を最大75%短縮できる見込みが立っています。1週間以内に適切な求職者へ内定を提示できる体制が整うことで、優秀な人材を確実に獲得し、より前向きで挑戦的な職場環境の創出が期待されています。 今後は、人間のアナリストによる評価とAIソリューションの精度を比較するベンチマークテストを計画しており、さらなる採用プロセスの合理化と質の向上を目指しています。

【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。