その他のAI活用事例

【成果】 開発した「読影レポート構造化AI」を評価した結果、所見文の約7割を占める比較的単純な文章において90%以上の精度で自動的に構造化できることが確認されました。また、より複雑な主訴に関する所見文においても、約80%という高い精度での構造化を実現しています。 今後はこの技術を活用し、過去の類似所見検索や統計情報の可視化、検索拡張生成AI（RAG）を用いた放射線科医向けのアシスタントAIの開発などを進める予定です。将来的には、データベースと医用画像内の所見位置を紐づけることで、さまざまな疾患に特化した画像診断支援機能（CAD）の正解データを自動で大量生成し、全身の異常疾患を網羅的に見つけるAI技術の開発加速が期待されています。

【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】 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】 24時間365日の自動受付が可能となり、夜間や土日など営業時間外の申し込みに対応できるようになったことで、顧客の利便性が大きく向上しました。導入初年度でありながら、控除証明書の再発行件数の25%を「MOBI VOICE」で対応することに成功しています。 受電したうちの65%で再発行手続きを完了でき、そのうちの約6割は人の手を介さずに処理を終えています。当日受け付けた依頼をその日のうちに発行できるスピード感を実現し、繁忙期におけるオペレーターの心理的・物理的な負担軽減に大きく貢献しています。今後は住所変更やあふれ呼の一次対応など、活用シーンの拡大を見据えています。

【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】 生成AIを搭載した人型AIアシスタントは、2024年7月末時点で約7,000店舗に導入されています。 音声検索機能により、スタッフがスピーディにマニュアルを確認できるようになり、店舗責任者やSVへの問い合わせ対応といったオペレーション負担の軽減が期待されています。また、過去の販売実績を容易に確認できるようになったことで、施策内容に応じた販売計画の立案や、迅速な売場づくりへの反映が可能となりました。 今後は導入店舗をさらに拡大し、店長業務のサポートと店舗の省力化を推進していく方針です。

【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】 退院時看護サマリの作成時間が平均12分20秒から7分5秒へと42.5%短縮され、作成時の心理的負担度も27.2%減少しました。特に入院日数が6日以上の患者に関するサマリ作成においては、作成時間が46.6%減、心理的負担が29.7%減と大きな効果が確認されています。現場からは「急なサマリ作成にも慌てず対応できるようになり、患者のベッドサイドに行く時間が増えた」という声が上がっています。また、医師の退院時サマリ作成業務も最大3分の1に短縮されるなど、多職種での業務効率化とケアの質向上が実現しています。

【成果】 本アプリケーションの導入により、社員の経験や専門用語の知識レベルに依存することなく、直感的な操作で目的のデータに到達できるようになりました。情報検索から要約の生成までが約30秒で完了するため、情報収集にかかる時間が大幅に短縮され、業務効率化に貢献しています。 2025年6月の運用開始時には、設計・製造・品質保証部門を中心とした国内5,000名以上の社員に提供されました。今後は営業や物流など、製品のライフサイクルに関わる幅広い分野の社員へと利用対象を拡大する予定です。さらに、海外拠点への展開や、回答精度の向上、検索性の拡充なども計画されており、全社的な品質マネジメントの強化と顧客対応の迅速化が期待されています。

【成果】 実証実験の結果、生放送のニュース番組においてリアルタイムに自動字幕を表示することに成功しました。事前の検証では、自由会話の認識精度が平均94％に達し、従来製品に比べて10％以上高い精度を持つことが証明されています。 日本テレビの担当者からも、「多少の課題はあったものの、生放送でオンエアできる素晴らしい技術」と高く評価されました。今後は、大規模言語モデル（LLM）と音声認識を組み合わせることで、会話内容の要約やアクション項目の自動抽出など、より高度な活用を目指していく展望が示されています。

【成果】 開発された「投資相談AIアバター」は、2024年1月に開催された「楽天証券 新春講演会2024」において、来場したお客様に初披露されました。人間らしい反応を示すアバターとのリアルなコミュニケーション体験を提供し、新たな顧客接点の形を提示しています。現段階ではイベントでの体験提供にとどまっていますが、今後は投資に関する疑問をアバターを通じて解決できるよう、お客様への正式提供を目指してさらなる開発と検証が進められています。

【成果】 ローカル5GとAI画像解析、そして見回りロボットを組み合わせた監視体制により、大きな業務効率化の成果が確認されています。最大64台のカメラ映像を同時に閲覧できる環境が整い、熟練スタッフが遠隔からでも牛の健康状態を正確に把握できるようになりました。また、見回りロボットの遠隔操作も遅延なくスムーズに行え、現場へ駆けつける手間が大幅に削減されています。 定量的な試算では、見回り業務の軽減により年間約2,400万円、異常の早期発見による死亡牛や緊急出荷の回避で年間約1,200万円、合計で年間約3,600万円のコスト削減効果が見込まれています。今後はAIの検知精度をさらに向上させ、起立困難牛の検知率100%を目指すとともに、他の大規模農場への横展開も視野に入れた取り組みが進められています。

【成果】 性能検証試験において、AIは約83％の病変を正しく検出することに成功しました。視認しやすい隆起型の病変では約95％、視認しにくい表面型の病変でも約78％という高い検出率を記録し、経験豊富な内視鏡医と同等の診断性能を持つことが確認されています。 さらに、経験の浅い医師がこのAIシステムを使用した場合、表面型病変の検出率が6%向上するという定量的成果も得られました。AIのサポートにより、医師の経験に依存しない安定した病変発見が可能となり、誤検出も少ないため、検査時間を延長することなく診断精度の向上が期待されています。本システムは、日本および欧州で医療機器として正式に承認されました。