1年後にも使えるAIサービスアーキテクチャ.pdf

Transcript

1. 1年後にも使える AIサービスアーキテクチャ
2. CONFIDENTIAL バリュー 会社名 売上高（2024年度） 資本金（資本準備金含む） 創業 従業員数（業務委託含む） 代表取締役 株式会社renue 2.6億円 1,000万円 2021年 40人 山本 悠介 成長し続ける 挑戦心 を持つ 成果に責任を持ち、最後1%まで やり切る お客様以上に顧客ビジネスを 愛する 紹介 資料 ❶ ~概要~ 2 手を動かし顧客とビジネスを共創する 「今、役立つIT」 を すみずみまで行き届かせる ビジョン Mission
3. CONFIDENTIAL 紹介 資料 ❷ ~自己紹介~ 山本 悠介(35) 京都大学工学部中退、東京大学文学 部卒。アクセンチュア株式会社にて コンサルタントとして従事。ベン チャー数社で経営メンバーとして参 画した後、フリーランスとして活動。 フリーランスの活動から法人化を行 い株式会社renueを設立。現在、代 表取締役。 • コンサルタントとして課題管理 やテスト計画を実施 • 簡易開発やデータ分析を実施 • ローカルアプリを開発して業務 を効率化 Accenture ベンチャー参画 • 責任者として複数者でPdM。 Rubyを中心に自身も開発 • ABテストのためJSを学ぶ 起業 フリーランス • 起業準備をする中で個人開発を 実施してアプリなど作成 • 事業を行う中で必要に応じて開 発実務もキャッチアップ • 2023年ごろよりChatGPT登場に よりAzureなど特定領域に特に 強くなる • 直近はTypeScriptが多いが案件 に言語は依存 学習対象 技術関連の業務
4. 事業説明 4
5. CONFIDENTIAL • 生成AIを中心とした技術の事例創出 • 顧客ニーズに合わせたPoC開発 • 研究機関の発掘、支援 • 先端テーマに合わせた戦略企画 • 大手出身者を中心としたPMO • AIをフル活用した効率的な資料作成 • 営業から開発まで必要な人材が常駐 • 内製化教育まで提供 • 組織変革に合わせた新職種に対応 サービス内容 変化の速いグローバル・先端技術領域で挑戦をするお客様に、最適な人的支援を手強する総合ファームです グローバル×先端領域の事業創出 AI技術研究・開発 コンサルティング 人材派遣・教育 変化が早い リスクが高い 人材が少ない
6. 簡単にいうと、 コンサルがコードを書いて エンジニアが会議運営もやる会社 です 6
7. CONFIDENTIAL 差別化要因 コードも業務分析も分かる人間が少人数でやるので早い。手がかかる雑務はAIを使って効率化する 企画 データ整備 開発 テスト リリース 作業 企画・設計・ヒアリング 開発 テスト リリース 作業 データ整備 従来 renue 初回デモ 半年など マネージャ 開発 開発 テスト PMO 調整 マネージャ &開発 開発 AI AI AI 調整& テスト 計画・設計 初回デモ 1~2週間 素早く 汎用人材が 少人数で対応 確実に 専門家が 統制されて対応 1 1 3 3 2 2
8. CONFIDENTIAL 差別化のための教育 AIを使いこなし、AIに勝つ人材を育成するため、独自の指標と教育システムを開発している 価値の発揮 求められる資質 心 技 体 学び続ける挑戦心 ラストマンシップ お客様以上の熱意 継続できる健康 AIに付き合う体力 好感のある美容 • 齧っている領域でAIに叩きを作成させる • AI成果物を徹底レビューし「自分の責任」とす ることで習熟しきらない領域でも成果を出す • 広い領域を知ることで、AIに適切にタスクを振 り分ける「AIのPM」になる AIを使う • AIを使うことであらゆる学習に家庭教師を実現 させ、従来よりも高速に学習する • 主体的に挑戦し続ける回数で周りに差をつける • AIの高速出力に耐える体力で差をつける AIで鍛える • AIよりも責任を取り、相手に信頼される • 従順なAIとは異なって自分でタスクを見つける 能動性があり、時には顧客に批判もする • シンプルに人間として好感が持てる様に見た目 や話し方に注意する AIに勝つ 渉外 PMO 開発 設計 分析 戦略 AI活用 AI導入に必要となる知 識を広く習得し、 AIのマネジメントをこ なせる技術を有する
9. CONFIDENTIAL プライベート 学生時代から音楽とサッカーが好きで、今でも夏には音楽フェスに行くことが多いです。 サッカーは、妻も好きなためかなりの頻度で観戦に行っています。この秋には会社から新婚旅行を贈 呈してもらい、ヨーロッパでの観戦も予定しています。 決して楽な環境ではないですが、成長しつつも私生活も充実できる職場ではないでしょうか。 ロールモデル 大手コンサルからrenueに転職。多くの案件で横断PMOとして全社のコンサル案件をリードする 植松広一郎 (34) 京都大学大学院情報学研究科修了。 日本総研、PwCにてITコンサルティ ングに従事し、2022年renue参画。 PMOスキルを生かしつつ、銀行・ ファンドを顧客とした案件で開発や 戦略までを担当。 会社オーナーと対面してITリス ク診断や業務効率化を実施。 大きな案件の中で、自分自身の 工数・品質を管理して推進。 準大手 飲食/健保 損保インフラ PMO チームマネジメントを行い、複 数人の業務を設計し品質を担保 行政業務 ・システムPMO 大手SIerや新興企業と共同で ERP刷新や事業企画を立ち上げ ベンダー連携 案件開拓 Phase提案・設計にPMリード として参画し、アプリ開発も実 行 通信障害検知AI 自らリードとして案件を開拓。 投資先へのDXを提案・実行 PEファンド 価値向上DX メガバンクを横断する案件を管 理し、多人数の開発品質を管理 メガバンクAIX 経験者 PMO 設計 銀行 保険 インフラ
10. CONFIDENTIAL 社内DX コンサル業界は実は自分たち自身がかなりのアナログ。 弊社は経営企画をGithub上で生成AIを用いて行ったり、議事録・タスク管理をAIアプリで行うなどDXを実施。 異論があればPR立てて良い 経営資料 議事録
11. CONFIDENTIAL 社内DX 特に教育は昔ながらの徒弟制が多い。 弊社では全社ログを集約し、AIを用いて個々人のキャリアプランを自動管理し、四半期面談をしている。 議事録 参画案件 日報 ログ
12. 事例 12
13. CONFIDENTIAL 検証環境 renue レガシーマイグレーションAI 古い言語で書かれたプログラムを生成AIを用いてモダンな構成に変換した 顧客 体制 案件概要 成果物 目的 インフラ 現在のマシンで動作せず、また、管 理人材が高齢化しているシステムを 更改する PM 開発 PM 兼 開発 該当フォルダ テストデータ 一致判定 makefile 個別ファイル I/O 仕様書 makefile I/O コンパイル コンパイル seed生成 修正 仕様書 生成 言語 変換 リトライ リトライ リトライ
14. CONFIDENTIAL renue PR記事生成エージェント 企業から得た情報を元にPR記事を生成するエージェントを開発。業務適用を行い、すでに業務を80%圧縮。 顧客 体制 案件概要 成果物 目的 WEB系 取材先の製品発表などの情報を、素 早く記事の編集する作業を自動化 編集長 ライ ター PMO 設計＆ 開発 HTML PRネタ PR記事 クロール情報 PR記事 ノウハウ PR記事 +メタ情報 記事更新 段落構成や 表現のコツ タグ付与
15. CONFIDENTIAL SDK renue 倉庫業務マルチエージェント 物流現場を自動化するエージェントを開発し、内製化支援の上、拡張体制をお客様に提供した 顧客 体制 案件概要 成果物 目的 物流 物流現場をAI化するため、小さな エージェント開発と統括AIの検証を 並行して行った。 PM テスト PMO& 開発 調整 Agentクラス Agent registry tool hook context 基本関数 instruction 継承 在庫 商品 顧客 従業員 FAQ ノウハウ 担当者 振り分け
16. CONFIDENTIAL renue 商社新規事業 総合商社と共同で新規事業のサプライチェーン（システム・物流・お金の流れ等）を構築した 顧客 体制 案件概要 成果物 目的 住友商事 日本に眠る膨大なスマートフォン端 末という資源を活用したビジネスを 立ち上げる PM PMO& 業務設計 PMO& 開発 マーケ& 制作 AWS Wordpress LP 受付フォーム 集客動線 申込情報 決済・ 認証 集客企画 接客 物流・倉庫 お客様 在庫 掲載 メディア 決済処理 物流 接客
17. こんなに作って “陳腐化” or “誰も使わない” にならないのか？ 17
18. CONFIDENTIAL 問題① AI大手の進歩早すぎ問題 Promptの作成やRAG基盤作りなど、頑張ったところで全てChatGPTとClaudeが含有したサービスを出してくる ChatGPT Atlasがあればデータ収集からスプシ記録、資 料化まで全部やってくれる。 ログインしないと集められないデータなども問題なく集 められるし買い物まで可能。 ClaudeがExcelに対応。精度はこれからだが、大半の計算・管理系 サービスが死滅することになる。これからはClaudeに「課題管理 して」「経営管理手伝って」という時代である
19. CONFIDENTIAL 問題② AIアプリ誰も使ってくれない問題 せっかく苦労して自動化ツールを作成しても誰も使ってくれず従来業務にしがみつく人が大半に 画面 画面 New 従来から扱う画面数増える 精度が低く確認コストかかる 習熟コストが高い 1 2 3
20. CONFIDENTIAL 対策 対策 解説 ① 陳腐化 ②-1 画面数 ②-2 精度 ②-3 習熟 効果のある対象業務を選ぶ 1. すごく大変で人間が今だに実施できていない 2. すでに外注にお願いしている 様な、小さな精度が問題にならないケースを選定する。 - - 操作を増やさない 「一部業務だけ実験的にAI化」などしない。 完全に何か1つの業務を潰して、代替にAIを入れる。 - - ドメイン知識を溜める AIの性能のキモは自然言語による指示である。つまり、ド メイン知識をどれだけ正確に蓄積しているかが性能差に直 結する。 - - 小さく始める 綺麗なDWHや大きな業務の革新など考えなくて良い。 まずは「AIのせいで増える仕事」をなくす。小さくても確 実に楽になったと言える導入をする。 - 焦らない 大型システムの完成や業務適用は数年かかる。 その頃に生成AIがどんな性能になっているか想像し、それ に合わせた設計をする。 - -
21. Take it easy 良いユースケースは意外と普及する アップデート前提でまずは作っちゃおうぜ 21
22. CONFIDENTIAL AIアプリの構成 名称 主な責務 プレゼンテーション層 ユーザー体験全般。UI表示、入力支援、 リアルタイム応答。 会話・ オーケストレーション層 LLMとの対話制御、ツール選択、モデル ルーティング。 アプリケーション層 セッション・リトライの制御、ワークフ ロー管理、トランザクション境界 ドメイン層 コアロジック。業務ルールやデータ整合 性を担保。自動更新する場合、分離。 インテグレーション層 外部システム・ツールとの接続。アプリ ケーション外のI/O担当。 データ層 データ永続化と知識取得。RDB・検索・ ストレージ。 プラットフォーム・ 横断基盤 共通基盤機能。非機能要件を全層に提供。 通常のアーキテクチャ定義に加え、会話・オーケストレーションの制御を加えて考える App service 画面 例 Agent tool / function calling System prompt Blob storage SQL database EntraID / Log stream … 外部 データ等 AI Search Redis API route Vnet / エンドポイント / private DNS … 業務知識 セッション情報
23. CONFIDENTIAL App service 画面 例 Agent tool / function calling System prompt Blob storage SQL database EntraID / Log stream … 外部 データ等 AI Search Redis API route Vnet / エンドポイント / private DNS … 業務知識 セッション情報 AIアプリの構成 名称 主な責務 プレゼンテーション層 ユーザー体験全般。UI表示、入力支援、 リアルタイム応答。 会話・ オーケストレーション層 LLMとの対話制御、ツール選択、モデル ルーティング。 アプリケーション層 業務ユースケースの制御、ワークフロー、 トランザクション境界。 ドメイン層 コアロジック。業務ルールやデータ整合 性を担保。自動更新する場合、分離。 インテグレーション層 外部システム・ツールとの接続。アプリ ケーション外のI/O担当。 データ層 データ永続化と知識取得。RDB・検索・ ストレージ。 プラットフォーム・ 横断基盤 共通基盤機能。非機能要件を全層に提供。 まずフロントエンドはどうするか
24. CONFIDENTIAL プレゼンテーション / 会話・オーケストレーション層はシンプルに 既存業務に完全に合わせてアプリを設計する。画面は少なければ少ないほど良い。 AIのために新しくマニュアルを読む人間はいないと考えた方が良い。 企画書 仕様書 対外文章 企画書 仕様書 対外文章 AS-IS NG OK 企画書 仕様書 対外文章 Check 従来業務 も残す 一部カテゴ リを移管 ExcelがAI に完全置換 WordがAI に完全置換 AI監査 Check 「既存チャット画面から関連ファイル探索」など画面を増やさない小さなスコープから始めると良い
25. CONFIDENTIAL App service 画面 例 Agent tool / function calling System prompt Blob storage SQL database EntraID / Log stream … 外部 データ等 AI Search Redis API route Vnet / エンドポイント / private DNS … 業務知識 セッション情報 AIアプリの構成 名称 主な責務 プレゼンテーション層 ユーザー体験全般。UI表示、入力支援、 リアルタイム応答。 会話・ オーケストレーション層 LLMとの対話制御、ツール選択、モデル ルーティング。 アプリケーション層 業務ユースケースの制御、ワークフロー、 トランザクション境界。 ドメイン層 コアロジック。業務ルールやデータ整合 性を担保。自動更新する場合、分離。 インテグレーション層 外部システム・ツールとの接続。アプリ ケーション外のI/O担当。 データ層 データ永続化と知識取得。RDB・検索・ ストレージ。 プラットフォーム・ 横断基盤 共通基盤機能。非機能要件を全層に提供。 残りの部分はどうするか
26. CONFIDENTIAL テンプレートアプリ 共通基盤 ロジック・ドメイン情報 共通基盤 ロジック・ドメイン情報 ビジネスロジック=「アプリケーション・ドメイン層」を分離する ドメイン 知識 初期開発 本番導入 保守メンテ ドメイン 知識 ドメイン 知識 ワークフロー ワークフロー ワークフロー LLM制御 DWH接続 DB保存 セッション管理 NW制御 認証 LLM制御 DWH接続 DB保存 セッション管理 NW制御 認証 LLM制御 DWH接続 DB保存 セッション管理 NW制御 認証 移植 自動蓄積 モノレポの簡易アプリなどで 叩き台を作ってロジックを動 かしながら確認 ビジネルロジックを分離して 作り込み。自動更新の仕組み まで整備する エンジニアリングが中長期で 必須の基盤部分は大手製品を 活用しつつ、分離して保守 改善・追加
27. CONFIDENTIAL AIアプリの構成 名称 主な責務 プレゼンテーション層 ユーザー体験全般。UI表示、入力支援、 リアルタイム応答。 会話・ オーケストレーション層 LLMとの対話制御、ツール選択、モデル ルーティング。 アプリケーション層 業務ユースケースの制御、ワークフロー、 トランザクション境界。 ドメイン層 コアロジック。業務ルールやデータ整合 性を担保。自動更新する場合、分離。 インテグレーション層 外部システム・ツールとの接続。アプリ ケーション外のI/O担当。 データ層 データ永続化と知識取得。RDB・検索・ ストレージ。 プラットフォーム・ 横断基盤 共通基盤機能。非機能要件を全層に提供。 分離したビジネスロジックはどう作るか App service 画面 例 Agent tool / function calling System prompt Blob storage SQL database EntraID / Log stream … 外部 データ等 AI Search Redis API route Vnet / エンドポイント / private DNS …
28. CONFIDENTIAL 生成AIが「できないこと」を把握しよう とにかく数を打って、モデル進化を前提とした「AIにできない事」を把握。 将来のAIと共同で人間が働く姿を想像する。 AIができる AIが 将来できる AIができない PoC 企画書 AIの特性把握 あるべき「人間/AIの役割」を定義 ロードマップ策定 ◦ △ × 文書作成 3 1 6 分析 3 9 5 調査 9 1 3 予測 6 9 0 仕様書 対外文章 アイディア 監査 組織・業務 システム アーキテクチャ EUCアプリ 高度アプリ 監査 DWH
29. CONFIDENTIAL 業務プロセスとノウハウを抽出しよう 生成AIはどれだけ賢くても「メッチャ優秀な東大院卒」くらい。業務知識はない。 なので、ヒアリングや抽出で得た知識を適切に管理して、ドメイン知識として保存する。 将来のAIが保有 AIが持ち得ない 一般知識 論理構築 推論 解法模倣 社内情報 業務ルール 勘とコツ 外部情報 手動でも AIで文字起こし・要約で も良い 詳しくは Context Engineering とか In Context Learning でググろう
30. CONFIDENTIAL Prompt最適化 抽出したビジネスロジックは自動更新・最適化する仕組みを設定する。 従来アプリと異なり、生成AIではドメイン層の変動は常にあると考慮して設計した方が良い。 id name description is_active 1 勤怠・休暇 勤怠・休暇申請・就業時間関連 TRUE 2 経費・清算 経費精算・交通費・立替 TRUE 3 情報セキュリティ ISMS、端末・SaaS利用 TRUE 4 労務・契約 契約・社会保険・就業規則 TRUE ##役割 あなたは社内規定を案内します ##作業の流れ 社員から質問を受け付けたら、{category}から質問種 別を選んだ上で、種別記載と質問本文の復唱をして 相手の質問を確認してください。肯定されたら、指 定されたtoolを用いて各種データソースを探索してく ださい。その後、データソースを明示した回答を行 い、質問への回答として適切か確認を取ってくださ い。 ##良くある質問 {faq} ##注意点 {notes} tool 随時追加
31. CONFIDENTIAL Prompt最適化 抽出したビジネスロジックは自動更新・最適化する仕組みを設定する。 従来アプリと異なり、生成AIではドメイン層の変動は常にあると考慮して設計した方が良い。 { "勤怠・休暇": [ { "question": "有給休暇はどのように申請すればいいですか？", "answer_method": { "tools": ["google_drive", "slurm_slack"], "databases": ["policy_categories", "policy_notes"], "procedure": [ "1. Google Drive上で「勤怠」または「休暇申請」フォルダを検索する。", "2. 最新版の『勤怠管理マニュアル.pdf』を参照し、有給の申請フローを確認する。", "3. Slack内の #general または #人事総務 チャンネルで過去のQ&A履歴を検索する（キーワード: 有給申請）。", "4. policy_notesテーブルで勤怠関連の注意事項（運用変更・例外規定）を確認する。" ] }, "example_answer": "有給休暇は勤怠管理システムの『休暇申請』メニューから申請できます。申 請後、上長の承認を経て確定します。詳細手順は『勤怠管理マニュアル.pdf』を参照してください。" }, { "question": "リモート勤務時の勤怠打刻方法を教えてください。", "answer_method": { "tools": ["google_drive"], "databases": ["policy_notes"], "procedure": [ "1. Google Drive内の『リモート勤務規程』または『勤怠操作マニュアル』を検索。", "2. 該当ドキュメントの最新版日付を確認して内容を抽出。", ##役割 あなたは社内規定を案内します ##作業の流れ 社員から質問を受け付けたら、{category}から質問種 別を選んだ上で、種別記載と質問本文の復唱をして 相手の質問を確認してください。肯定されたら、指 定されたtoolを用いて各種データソースを探索してく ださい。その後、データソースを明示した回答を行 い、質問への回答として適切か確認を取ってくださ い。 ##良くある質問 {faq} ##注意点 {notes} tool log 頻出抽出
32. CONFIDENTIAL Prompt最適化 抽出したビジネスロジックは自動更新・最適化する仕組みを設定する。 従来アプリと異なり、生成AIではドメイン層の変動は常にあると考慮して設計した方が良い。 ##役割 あなたは社内規定を案内します ##作業の流れ 社員から質問を受け付けたら、{category}から質問種 別を選んだ上で、種別記載と質問本文の復唱をして 相手の質問を確認してください。肯定されたら、指 定されたtoolを用いて各種データソースを探索してく ださい。その後、データソースを明示した回答を行 い、質問への回答として適切か確認を取ってくださ い。 ##良くある質問 {faq} ##注意点 {notes} id cat_id note_text severity sort_order 1 0 Drive「社内規定」は年度フォルダ 分割。常に最新版を参照。 warning 1 2 0 Slack検索は過去12ヶ月。古い改定 はDrive/Confluenceで確認。 info 2 3 1 「勤怠管理マニュアル_YYYY.pdf」 命名。正規表現で最新判定。 info 3 4 2 「経理」配下は月別フォルダ（例: 経費報告_2024_09）。 info 4 5 3 「社内規程>ISMS」内は vX.Y で バージョン管理。 info 5 6 3 #it-security のピン留めに承認フ ロー更新。 warning 6 tool log クレームや未解決を 抽出して追記
33. CONFIDENTIAL まとめ 名称 主な責務 基本方針 ベストプラクティス プレゼンテーション層 ユーザー体験全般。UI表示、入力支援、 リアルタイム応答。 小規模かつ 高濃度 画面を少なく、1画面で複数エージェント呼 び出し。操作画面すら無くしても良い 会話・ オーケストレーション層 LLMとの対話制御、ツール選択、モデル ルーティング。 大手追従 OpenAI SDKなど完成されたキットを使い保 守コストを下げる アプリケーション層 セッション・リトライの制御、ワークフ ロー管理、トランザクション境界 初動注力 ヒアリングを元に作成。個々のtoolの役割を 明確に被りなく定義する。 ドメイン層 コアロジック。業務ルールやデータ整合 性を担保。自動更新する場合、分離。 初動注力 ヒアリングを元に作成。利用の中で蓄積され る仕組みを用意。分離して更新しやすく。 インテグレーション層 外部システム・ツールとの接続。アプリ ケーション外のI/O担当。 しっかり開発 切り離して環境に合わせてメンテできるよう にする データ層 データ永続化と知識取得。RDB・検索・ ストレージ。 単純化 既存のものを利用、または、自動で蓄積され るDWHを新設。自動化を重視し、アプリ側 が頑張って接続すれば良い。 プラットフォーム・ 横断基盤 共通基盤機能。非機能要件を全層に提供。 大手追従 なるべくシンプルにAzureなど大手の基盤機 能を利用する 初期にアプリケーション・ドメイン層を開発し、中長期で基盤などを技術進化に合わせて更新していくと良い
34. CONFIDENTIAL アーキテクチャ例 FEとBEを分離し、ビジネスロジックはFE側に集約。BEはAPI管理に特化させた。ユーザーが使う画面は極力減 らし、AIエージェントが依頼の機能を呼び出す形式にしている。 Azure fe-リソースグループ be-リソースグループ Container registry Container registry App Service App Service plan Managed id plan Managed id Azure OpenAI SQL Database VNet Private DNS Zone Remote Desktop 開発PC az acr az acr access 利用PC 許可IPのみHTTP通信にてアクセス 127.1.1.XXX REDIS VPN エクスペリエンス層 会話・オーケストレーション層 アプリケーション層 ドメイン層 インテグレーション層 データ層 プラットフォーム・横断基盤
35. 事例詳細 35
36. CONFIDENTIAL renue 数量拾い・見積もりAI 土木事業における見積もりにかかる業務をAI化し、実際に70%の効率化を実現。外販化を検討中。 顧客 体制 案件概要 成果物 目的 土木 見積もり業務をAIにより自動化する ことで省人化と業務継続性を確保す る 2名 Mgr PMO 開発 PO PJメンバー 4名 PJ方針のご相談 連携 PL 社内・他メンバーからの 情報収集 業務ヒアリング 数量拾いリスト ロジックDB 種別 数量拾い アプリ 保守アプリ 単価/計算ロジックの メンテナンス 図面 代価 数量拾い アプリ 計算ロジック/ 単価を参照 直接見積書を自動出力 メンテナンス 統合 見積書 工種/種別/代価の単価 数量拾いリスト.xlsx 見積もり計算ロジック CEO
37. CONFIDENTIAL 支援実績：建設業界向けの自動化業務のPoCアプリ開発（大手建設業界向け商社） 最初期はヒアリングと、ヒアリング用のStreamlitアプリを開発。その後、集めたビジネスロジックだけを 用いてNext.js環境でアプリを再構成している。 Phase1 業務可視化 標準化 Phase2 見積もり業務の AI・システム 適用 Phase3 見積もり業務の 自動化・ 非属人化 • 標準業務フローの設計（価格設定、判断 基準の明確化） • AIアプリとして実装できそうなユース ケースのデモ開発 アクション 見積もり業務が標準化 されており、 一部業務がシステム・AI により効率化されている 顧客ゴール • 見積もり作成アプリの要件定義 • 見積もり作成業務のAIアプリの開発 現在担当している メンバーが、 現在の30~50%程度の工 数で見積もりができる • 全員が使えるようにするための属人要素 のAI化 • 全体へのオンボーディング 全員が同じ精度・工数で 見積もりができる 37 デモアプリ 14個開発済み プロジェクト成果 • 当初 3~4個開発予定→14個開発 • 即時活用できそうなアプリも確認 メンバー全員が活用できる アプリ開発も可能であることが 明らかになった
38. CONFIDENTIAL 支援実績：建設業界向けの自動化業務のPoCアプリ開発（大手建設業界向け商社） 従来の手書きメモ業務から流れ自体は変えず、メモ→スマホ音声入力にのみ操作を変更した 現状の業務の進め方 アプリ導入後の業務推進イメージ イメージ 詳細 メンバーが現場状況 を手書きでメモ 業務日報 作成 業務日報作成の一例 •手による日報作成のため、負担がかかる •メンバーによって、文章構成がバラバラで 内容がわかりにくい •アプリに音声データを入力することで文書が自動生成・要約 される •Microsoftと連携することで、業務日報が自動化される想定 送付 文章構成がぐちゃぐ ちゃで見にくいな… バックオフィス 内容確認 日報の記入 スマホに向かって発声 アプリ 読み込み 業務日報 自動作成 出力 バックオフィス 内容確認 整理された データ送付 内容が整理されていて 読みやすい！ 38
39. CONFIDENTIAL 支援実績：建設業界向けの自動化業務のPoCアプリ開発（大手建設業界向け商社） I/Oはそのままに従来の会計システムにラッパーとして生成AIアプリを載せ、操作数を同一のままにした 現状の業務の進め方 アプリ導入後の業務推進イメージ イメージ 詳細 •弥生システムと連携して見積もり書を作成してい るが、手による作業が多く工数がかかる •アプリに見積もり書をアップロードするだけ、自 動でコード検索や利益率計算が行われ効率UP (外注) 見積書 弥生 システム (顧客) 見積書 アップ ロード 出力 •「商品名」「単価」など手入力している •利益率は手計算で実施 •商品コードは弥生システムから検索・入力 をしている (外注) 見積書 アプリ (顧客) 見積書 アップ ロード 出力 •「商品名」「単価」など自動入力される •プルダウン形式で利益率が可能となる •商品コードが自動で抽出される 39 手入力 自動化
40. CONFIDENTIAL 支援実績：建設業界向けの自動化業務のPoCアプリ開発（大手建設業界向け商社） 種別抽出アプリ 種別を抽出した箇所を赤枠で表示させ、抽出 できている箇所とできていない箇所を可視化 抽出した種別のデータがExcel形 式で出力される 種別数量拾い業務のアプリは、実際に業務でご活用されており、効果を発揮している状況。 40
41. CONFIDENTIAL 支援実績：AIアプリ導入前と導入後の比較（大手建設業界向け商社） アプリの導入前と導入後で、大幅な工数削減の結果が確認できた。数量拾いの正確性(精度)については、今後改 善を行い、メンバーが活用しやすいアプリへと昇華する。 ASIS(現在の数量拾いのやり方) TOBE(アプリを使用したやり方) 合計 2~15時間 (目視によって数量拾いを実施) 4時間 (AIが数量拾いを実施し、目視で内容の確認) 作 業 時 間 種別の数量拾い 1~12時間 (設計図面を基に各種別の数量拾いを目視で実施） 10分 (図面アップロード後、各データを目視で内容確認) 数量拾い計算 30分~2時間 (手計算によって、各種別の数量拾い計算を実施) 20分 (自動計算された出力データの数量確認) 最終確認チェック/編 集 30分~1時間 (設計図面を確認しながら確認) 3.5時間 (設計図面と出力データに間違いがないか確認) 数量拾いの正確性 (手戻り発生率) 再作業の頻度：少ない 再作業の頻度：多い 数量拾いの正確性は今後向上させる。一方で、現時点でも1件あたりの作業時間については約75％の工数が削減されている 精度向上をする 41