AI導入1年で 成果5億円を実現したDX事例

Transcript

1. AI導入1年で 成果5億円を実現したDX事例 現場で見えた"成果が出る会社"と"止まる会社"の差
2. AI研修、ChatGPTツール販売、AIシステム開発 等を手掛ける。GMO AI & Web3㈱顧問、 Google Japan AIアドバイザー、生成AI活用普 及協会評議員。Xフォロワー18. 5万人以上のAIイ ンフルエンサー。メディア出演も多数。 茶圓将裕 Masahiro Chaen 司会 元脚本家。代表作に「絶対零度」 「せいせいするほ ど愛してる」など。17歳で起業し、AIXが6社目と なる。システム開発領域に7年携わり、前社を事業 譲渡後にAIXを設立。1期目から上場企業を含む10 社と契約し、年間5億円のインパクトを創出。 井上 聖司 Kiyoshi Inoue スピーカ ー 登壇者紹介
3. 本日の内容 ❶ AI導入で数字が変わら ない会社の「共通点」 多くの会社が同じ誤解を抱え たままスタートしています。 ❷ 変わる会社が最初の 1〜2ヶ月にやっていること 成果を出す会社は、最初のアク ションが根本的に違います。 この2つを、具体的な事例と一緒にお話しします。
4. AIXについて 5億円/1社 年間インパクト コスト削減・売上向上の最大実績 10社 導入社数 全て100名以上の従業員数を持つクライアント 今日はその中から、特に大きな事例を2つご紹介します。
5. なぜほとんどのAI導入 は失敗するのか 01 〜現場で見てきた3つの誤解〜
6. 誤解①「うちにはデータがある」 「溜まっているデータをAIに食わせればいい感じになるはず」 よく言われる言葉ですが、実際に蓋を開けると： 定義のバラバラ問題 人によって入力基準が違い、 同じ項目でも意味が異なる データの分散問題 あちこちに散らばって統合で きない状態 品質不明問題 時系列不明・正規データかどうか確認不可 過去に溜まったデータをそのまま使えたケースは経験上ゼロ。
7. 誤解②「AIに学習させたい」 ❌ 誤解 AIは社内データを「学習」 して記憶する ✅ 正しい理解 AIは毎回記憶をリセットする。 毎回「最適なコンテキスト情報 （定義）を与える」ことが重要 この定義ができている会社は、ほぼない。
8. 誤解③ 社内専用AIシステムを作ろう 「社内用AIシステムを作りましょう」は 危険なアプローチ 翌月にOpenAI・Anthropicが同じものを リリースしてくるかも プロダクトの価値が一瞬でゼロになる時代 「作る」ではなく、 「すでにあるツールを使いこなす文化を作る」 ことが重要
9. 本質的な問題 「とりあえずAIを使おう」という判断は マイナス効果になりかねない KPIを決めるところからスタート KPIが定義されていなければ、 「成果が出たか」すら判断できません。 AI導入の前に、適切なキー変数を定義することが、成果 を出す会社と出ない会社の最初の分岐点です。
10. AIX の2軸 フレームワーク 02 〜成果が出る会社が最初にやっていること〜
11. 大前提：KPIを経営視点で定義する AIXがプロジェクト開始時に必ず最初にやること 01 変数とインパクトを定義 「この変数をX%上げると、売上がいくら上がるか」を明確化する 02 追える状態を作る 定義なしでは「なんとなく良くなっている気がする」で終わる 結果が追えない検証やAI導入は、やらない。
12. AIXの2軸アプローチ 軸① 文化・インフラを作る 社員が能動的にAIを活用できる環境整備 この2軸が同時に進むことで、 経営にインパクトが生まれます。 軸② データ〜エージェント自律化 KPI変数の定義から エージェント自律化まで
13. 軸① 文化・インフラを作る 安全なAI試行環境 AIアイデアを試せるセキュアな 共有の場を設ける AI活用の評価制度 適切な基準で活用を評価・奨励 する仕組み 既存ツールを使いこなす 新しく作らず、あるものを最大 活用する なぜ「作らない」のか → 技術進化が速すぎて作ったものがすぐ陳腐化するから。人が動ける 状態を作る方が長期的に強い。
14. 軸② データ収集〜AIエージェントの自律化 仮説定義 KPIを動かす変数を明確 にする。 01 データ収集 変数を収集する仕組みを 構築する。 02 知識形成 仮説を検証し知識を定義 する。 03 自律化 知識をAIエージェントに 渡す。 04 属人化の本質 ＝ ナレッジが定義されていないこと。定義さえできれば、どんな業務も属人化しない。
15. 事例①営業のブラック ボックス解消 03 〜データを"あった"ではなく"取りに行った"〜
16. 課題：誰が何をどう提案しているか不明 複数ソリューションを組み合わせて提案する営業会社において、 各担当者の提案内容は完全にブラックボックスでした。 「このサービスが売れていない理由が分からない」 提案すらされていないのか？ それとも提案したが断られているのか？ この2つを分離できていないことが、根本的な問題でした。
17. 解決：全商談データを収集する仕組みを作る 営業ナレッジは「担当者の頭 の中」だけに存在。提案数も 失注数も不可視。 Before 「提案数・契約数・断られ理 由」がすべて可視化。経営判 断できるデータに変わった。 After 全商談データを会社独自のAIエージェント用DBに収集・集約 過去データ×契約率×顧客種別をAIエージェントに持たせ、最適な営業トーク・組み合わせを提案 データは"あった"のではなく"取りに行った"。ナレッジの定義が属人化を解消し、最適解を生み出した。
18. 事 例 ② 広 告AI エ ー ジ ェン トで 月 2 , 0 0 0 万 円 の イ ン パ クト 04 〜2.5億円の広告費をAIが完全自律運用した話〜
19. Step1 調査フェーズ：仮説検証の自動化 まず仮説を立て、その検証をAIエージェントに任せます： 時間帯別の運用 方針が鍵では？ CPA × クリッ ク数の相関で は？ クリエイティブ 種別との相関で は？ AIエージェントが毎回PDCAを自動で回して収集・分析。 仮説検証を継続的に実行します。
20. Step2 検証とナレッジ化 AIエージェントのデータと人間が実際に回したデータ を照合・検証します。 例：深夜帯ロジック 「深夜帯はこのロジックでキ ャンペーンON/OFF」 例：CPAしきい値 「CPAしきい値はX%に設定」 定義した変数 「良質な予算消化」と「悪質な予算消化」を明確に区別 定義 照合検証 01 02
21. Step3 AIエージェントが2億円の広告予算をフル自律運用 ナレッジをコンテ キストとして渡す 24時間自律最適化 人間の介在ゼロ 蓄積した定義・ロジックをAIエ ージェントに完全インプット AIエージェントが広告を継続的 に最適化し続ける 設定後は人間の確認なしに継続 稼働 01 02 03
22. 結果① CPA150%超の予算消化が月2,000万円減少 月 ▲2,000万円 悪質な予算消化を削減 「早期に配信を止めた ＝ 機会損失では？」 という疑問も検証済み 検証結果 CPAを超えても後から売上につながるケース を加味した上で、暴発は抑制・売上は向上。 良質な消化が増え、悪質な消化が減った
23. 結果② 人間が広告運用から完全に解放された 広告運用（手動PDCA・デー タ分析）に時間を消費 Before クリエイティブの品質向上・ 量産にシフト。売上向上に寄 与 After 業務効率化は必ず売上向上に紐づく。解放された時間がより高価値な仕事に転換された。
24. この事例が示すこと 「何を定義するか」が全て AIの使い方ではなく、変数・ナレ ッジの定義精度が成果を決める AIに代替された業務は、よ り高価値な仕事に変わる 効率化は削減ではなく、収益向上 につながる
25. なぜ自社の担当者が同じことをできないのか 現場はすでに手一杯 日常業務で手一杯の担当者に、先行き不 透明な仮説検証タスクは追加できない 結果：後回し・低精度・遅延 やったとしても精度が低く、意思決定 に使えるレベルに達しない これが"どの会社もAI推進がうまくいかない理由"の本質
26. やってはいけない 3つ のアクション 05 〜よく聞くけど、効果がない施策〜
27. これをやって成果が出た会社を、 私は一社も見たことがない ❌ Slackチャンネルを作っ た AI活用事例を投稿するチャンネ ルを設置しても、何を上げれば いいか誰も分からない ❌ 週1回のAI共有会を始めた 「それが良い使い方か」を判断 できる人間がいない場で共有し ても意味がない ❌ AI活用を評価制度に入 れた 「AI活用している」の評価基準 が定義できないため、機能しな い
28. 共通の原因は1つ AI導入を評価できる人が 社内にいない チャンネルに何を上げていい か分からない 共有会で「それが良い使い方 か」を判断できない 「AI活用している」の評価基 準が定義できない これは制度の問題ではなく、エキスパート不在の問題です。
29. AI導入を見据えた データ収集 PDCAサイクルの 確立 今回私がお伝えした、 KPI策定、変数定義、裏 付け調査、検証、AI自 律行動のサイクルでAI 推進を進める。 AI導入したくてもデータ がなければ始まりませ ん。今あると思っている 会社のデータは本当に意 味のあるものか、再確認 してください。 1軸目「文化・インフラを作る」のために 今日からできること 腰を据えて、弊社がやっているような泥臭い作業のみを行う担当者を1名決める。
30. "内製で回せる状態"を 作るなら 06
31. DigiRiseの法人リスキリング
32. 経営視点から売上直結する AI化を行いたいなら 07
33. KPIを経営視点で定義し、数字で追う 感覚ではなく、変数と成果を紐づけた経営判断を実現します データ収集からAIエージェント自律化まで完全伴走 泥臭い検証フェーズから自律運用まで、AIXが並走します 導入実績：年間5億円のコスト削減・売上向上 具体的な数字で証明された、実績ある伴走型AI支援 ブースでご相談ください！
34. Thank You! ご清聴ありがとうございました