NTTDay2025

Transcript

1. © 2025 NTT DATA Group Corporation © 2025 NTT DATA Group Corporation Smart AI AgentTMによる業務変革と それを支える生成AIプラットフォーム 2025年6月26日（木） 株式会社NTTデータ テクノロジーコンサルティング＆ソリューション事業推進部 GenAIビジネス推進室 柏原 豊
2. © 2025 NTT DATA Group Corporation 2 自己紹介 所属：株式会社NTTデータ TC＆S事業推進部 GenAIビジネス推進室 略歴：10年以上データ活用をテーマとして、様々な業界のお客さまへ構想支援から要件定義、 設計・開発・運用/活用支援に至るまでご支援を実施。近年は生成AIプラットフォームを推進。 実績：2024、2025 AWS Ambassador 2020-2025 AWS Top Engineer 2020-2022、25 AWS ALL Certifications Engineer 2022 AWS DeepRacerリーグ日本大会優勝、アジア大会優勝、世界大会ファイナリスト 著書：「AWS DeepRacerで学ぶ強化学習」 柏原 豊
3. © 2025 NTT DATA Group Corporation 3 Agenda 1. 生成AI活用の未来像 Smart AI AgentTM 2. NTTデータの生成AI取組事例 3. 生成AIビジネスを支えるプラットフォーム
4. © 2025 NTT DATA Group Corporation 4 0１ 生成AI活用の未来像 Smart AI Agent
5. © 2024 NTT DATA Japan Corporation 5 パーソナル エージェント 個人 経理特化AI accounting 法務特化AI legal 購買特化AI Purchasing 人事特化AI personnel AI 実社会 AI AI AI AI 仮想世界 業務システム OAシステム デジタルヒューマン デジタルワーカー AIがもたらす企業活動の未来
6. © 2025 NTT DATA Group Corporation 6 オフィスワーカーの課題 ー 例：営業職の場合 平均的な週における営業担当者の時間配分 ※引用元：https://www.salesforce.com/news/stories/sales-research-2023（Salesforce.com HPより） 営業活動 （付加価値業務） 31% 営業活動 • 顧客と面談 • 見込み客の獲得 情報収集 • 見込み客の調査 洞察・思考 • リード、商談の優先順位付 • 提案準備、計画 成果物作成 • 見積/提案書作成 事務処理 • 顧客情報の入力 管理業務 • 案件管理、進捗管理 育成 • 研修、育成 31% 10% 20% 10% 10% 10% 10% 営業活動以外 69% Smart AI Agent が営業活動以外を 大幅に自動化・高度化 例えば営業職の場合、営業担当者が営業活動に使える時間は31%しかなく、残り69%は営業活動以外に時間を消費。
7. © 2025 NTT DATA Group Corporation 7 金融業界 法人営業の課題とSmart AI Agent の提供価値 金融業界の法人営業を例とした場合、主な課題として下記があげられます。Smart AI Agent は非コア業務の 徹底的な自動化、特化エージェントによる営業スキル補完、多様なインプットによる分析の導出による包括的に業 務の高度化を実現。 非コア業務の割合過多 非コア業務自動化によるコア業務へ専念 日程調整 ワーカー システム投入 ワーカー 営業スキルの個人差 特化エージェントによる営業スキル補完 営業特化 エージェント 顧客課題、 提案素案、 提案スクリプト 稟議書 作成 システム投入 日程調整 営業担当A 営業担当B 顧客分析力〇 提案力〇 段取り力〇 顧客分析力× 提案力× 段取り力× 課 題 提 供 価 値 顧客ニーズ把握不足 時間がない 公知情報を過去分 まで見切れない 競合まで調べ る余裕がない 過去同じような 提案してないか 調べないと 多様なインプットによる分析の導出 ：財務情報 ：基本情報 ：過去の意見書 ：過去の稟議書 ：折衝録 ：公知情報 ：業界動向 分析結果の 提示 営業特化 エージェント パーソナル エージェント
8. © 2025 NTT DATA Group Corporation 8 Smart AI Agent による効果 ー 例：営業職の場合 ※ Smart AI Agent TM適用後の業務割合はMckinsey＆Company「生成AIがもたらす 潜在的な経済効果」 図表10,11（マッキンゼー・グローバル・インスティテュート分析）を基にNTTデータが試算 Smart AI Agent 適用前 Smart AI Agent 適用後 営業活動 （付加価値業務） 31% 営業活動 情報収集 洞察・思考 成果物作成 事務処理 管理業務 育成 営業活動以外 69% 31% 10% 20% 10% 10% 10% 10% 営業活動 （付加価値業務） 78% 営業活動以外 22% 78% 8% 1% 1% ６% 4% 育成 管理業務 事務処理 成果物作成 洞察・思考 情報収集 2% 2.5倍増 営業活動 時間が 営業活動 Smart AI Agentが適用されれば、営業活動以外の時間は約47%削減され、その分を営業活動に充てることで 生産性2.5倍向上を実現可能と試算。
9. © 2025 NTT DATA Group Corporation 9 Smart AI Agent デモ | 金融業界 法人営業エージェント リード 生成 アポ準備 （初期訪問準備） アポ 実施 提案準備 提案 契約締結 ・事務処理 リテン ション 法人営業プロセスとデモ対象 業界エキスパート エージェント 営業エキスパート エージェント 営業エキスパート エージェント 提案書作成 エージェント 稟議書作成 エージェント タスク プランニング エージェント 契約締結 エージェント 提案仮説 メール案 アプローチ 計画 商談 アジェンダ ヒアリング 事項 提案書 QA スクリプト 稟議書 タスク一覧 スケジュール 契約書類 修正案 実際に、法人営業プロセスの中で、「アポイントメント準備」「提案準備」「契約締結」業務をAgentで効率化するデモを お見せします。各業務ではそれぞれ専門のAgentが複数登場し、連携しながら業務を遂行する様子をご覧ください。
10. © 2025 NTT DATA Group Corporation 10 Smart AI Agent デモ | システム概要 本デモはAWS社のSAの方にご支援いただき、2か月間かからずに構築を実施。 以下のようにAmazon Bedrock Agentsを活用。 ユーザ Amazon Bedrock Agents AWS Fargate Application Load Balancer Amazon Aurora Amazon Bedrock Agents AWS Lambda Amazon Aurora AWS Lambda Amazon Bedrock Knowledge Bases 特化型AI パーソナルエージェント
11. © 2025 NTT DATA Group Corporation 11
12. © 2025 NTT DATA Group Corporation 12 Smart AI Agent を実現する４つの最新技術 ４つの最新技術を活用し、ユーザの単純作業、非付加価値業務を削減。圧倒的な生産性向上を実現。 Smart AI Agent 経理特化エージェント パーソナル エージェント ユーザー 営業特化エージェント 法務特化エージェント 人事特化エージェント デジタルワーカー (定型タスク実行) パーソナルエージェント 自律的なタスクの組立、特化エー ジェント/デジタルワーカーへの タスク割振を自動化する 1 特化エージェント 専門知識を持ってタスクを実行す る 2 デジタルワーカー システム入力やファイル作成など 単純・定型タスクを実行する 3 マルチエージェント AI同士がコミュニケーションし、 協働でタスクを遂行 4
13. © 2025 NTT DATA Group Corporation 13 0２ NTTデータの 生成AI取組事例
14. © 2025 NTT DATA Japan Corporation 14 Smart AI Agent を構成する各要素の取り組み事例についてご紹介。 Smart AI Agent 経理特化エージェント パーソナル エージェント ユーザー 営業特化エージェント 法務特化エージェント 人事特化エージェント デジタルワーカー (定型タスク実行) パーソナルエージェント 事例１（保険会社様） 1 特化エージェント 事例2（ガス会社様） 事例３（ライオン様） 事例4（三菱地所様） 2 デジタルワーカー 事例１（保険会社様） 3 マルチエージェント 事例5（カード会社様） 4 Smart AI Agent の構成要素ごとの顧客事例
15. © 2025 NTT DATA Japan Corporation 15 取組事例1 デジタル従業員(保険会社様) 生成AIを活用した見込み顧客向けパーソナライズド・レコメンドの実証実験において、「デジタル従業員」が個々人 に最適化された商品加入案内メールを自律的に送付。 デジタル 従業員 メールを送付 パーソナル エージェント 特化 エージェント デジタル ワーカー パーソナライズメールの作成と送付 パーソナライズされた メールを作成 健康データ 嗜好データ デジタル 従業員 デジタル 従業員 従業員との会話で タスク意図を理解 パーソナルエージェント機能 デジタルワーカー機能 AI間コミュニ ケーション デジタルワーカー機能 ※実証実験では、当社社員がお客様を代替して実施
16. © 2025 NTT DATA Japan Corporation 16 1.ターゲット定義 2.ペルソナ設定 3.カスタマージャーニー マップ作成 4.課題分析・ 施策提案 マーケティング活動のサイクル全体を支援 マーケティング 施策支援 アプリ パーソナル エージェント 特化 エージェント デジタル ワーカー AI間コミュニ ケーション ! 取組事例2 マーケティング領域DX(ガス会社様) 一連のマーケティング活動を、生成AIを活用した「マーケティング施策支援アプリ」が一気通貫で支援。 マーケティング担当者の業務支援
17. © 2025 NTT DATA Japan Corporation 17 取組事例3 生産技術領域の暗黙知伝承(ライオン様) パーソナル エージェント デジタル ワーカー マニュアル類 ・・・ 研究データ 形式知 暗黙知 知識伝承 AIシステム ・・・ 技能 スキル・経験 新規参画者 熟練技術者 暗黙知抽出 文書化※ 生産技術領域 暗黙知を活用した生成AIによる知識伝承 熟練技術者の持つ暗黙知をデータ化し、熟練者の知見を伝承する取組みをライオン様と実施。 ※NTTが研究開発した「技能抽出・コンテンツ化手法MEISTER」をベースに、 NTTテクノクロスの暗黙知を形式知として抽出するコンサルティングサービスを活用 特化 エージェント AI間コミュニ ケーション
18. © 2025 NTT DATA Japan Corporation 18 取組事例3 生産技術領域の暗黙知伝承(ライオン様) 暗黙知をデータ化することで、マニュアルのみを参照するRAGに比べて回答品質が向上。 熟練者へのインタビューと生成AIを活用した暗黙知のドキュメント化 既存の過去文献とドキュメント化した暗黙知の組合せで、 若手職員が生成AI （RAG）を通じてして知識活用 形式知化 した 暗黙知 生成 AI マニュアル等の 整備済み 知識 若手職員／未経験者 形式知化 した 暗黙知 生成 AI 暗黙知に着目し、熟練技術者の知見を生成ＡＩを用いて データ化し活用 暗黙知活用イメージ 公開 情報 企業 固有情報 形式知化 データ 暗黙知 データ 法律／業界団体ガイドライン／ 研究文献／書籍 等 財務AI 営業AI 特化エージェント 法務AI マニュアル／規程類／契約書類 ／過去事例 等 熟練者／専門家の知見 ・・・ インプットデータ 通常利用されるデータ （利用が容易） 熟練者を再現するのに 非常に重要だが、 データ化されていないため、 利用が難しい 暗黙知伝承の取組み 既存ドキュメントのみを活用にするに比べ、得られる回答の質が向上 パーソナル エージェント デジタル ワーカー 特化 エージェント AI間コミュニ ケーション
19. © 2025 NTT DATA Japan Corporation Advanced RAG技術による高度なAIチャットボットの構築により顧客満足度を向上。 取り組み内容 目的 MICE来街者・観光客への効果的な情報発信手段がわかっていない 丸の内AIコンシェルジュをOhMYMap！にチャットボットの形式で導入し、ユーザー検証や効果検証を実施。 Advanced RAG技術の活用による高度な応答性能を実現 丸の内AIコンシェルジュの導入 メインの観光 スポット エリアおすすめ スポットB MICE 開催地 MICE 開催地 エリアおすすめ スポットA エリアおすすめ スポットC 既存回遊範囲 （グレー） 新規回遊範囲への レコメンド（赤色） エリアとして目指すべき姿 ✓観光客・MICE来街者の回遊性向上 エリアとしておすすめしたいスポットや来街者 が知りたいと思っている情報が行き届くこと で、エリアを広域的・面的に回遊してもらえる ✓生成AIを活用した丸の内AIコンシェルジュ エリアとしておすすめしたいスポットや、来街 者が知りたいと思っている情報を、丸の内AI コンシェルジュが教えてくれる 取り組み概要/導入機能 ✓MICE来街者・観光客への効果的な情報発信手段がわかっていない 本事業にて最新技術を用いて情報伝達のタイミングや媒体、粒度および効果的な機能を明確化 本事業で解決を目指す課題 パーソナル エージェント デジタル ワーカー 特化 エージェント AI間コミュニ ケーション 取組事例4 三菱地所様 AIチャットボットの高度化
20. © 2025 NTT DATA Japan Corporation 20 「AI バーチャル顧客」 の会話からカード会員への効果的なマーケティング施策を導出。 パーソナル エージェント 特化 エージェント デジタル ワーカー AI間コミュニ ケーション カード会員をクラスタリングし、 各クラスタの「AI バーチャル顧客」を生成 A B C D E F 年齢・性別 職業・職位 家族構成 ライフスタイル 消費傾向タイプ 年齢・性別 職業・職位 家族構成 ライフスタイル 消費傾向タイプ 年齢・性別 職業・職位 家族構成 ライフスタイル 消費傾向タイプ 年齢・性別 職業・職位 家族構成 ライフスタイル 消費傾向タイプ 年齢・性別 職業・職位 家族構成 ライフスタイル 消費傾向タイプ 年齢・性別 職業・職位 家族構成 ライフスタイル 消費傾向タイプ 会員属性 利用明細 「AI バーチャル顧客」に対し、テーマに 沿ったグループインタビューを実施 テーマ (例) : ワイン購入に最もふさわしいのは誰か？ 夫婦2人の時間を楽しむため に家でワインを嗜みます 旅行好きで、各地のワインに 触れる機会が多くあります ・・・ ・・・ ・・・ ・・・ ・・・ ・・・ 反応の良かった「AI バーチャル顧客」の属 するクラスタに販促プロモーションを展開 F D 反応結果 順位付け 施策実施 AI上のグループインタビューにより得られた示唆をもとにターゲット選定することで、 販促プロモーションの購買率が3.0%向上 取組事例５ 顧客ターゲッティング（カード会社様）
21. © 2025 NTT DATA Group Corporation 21 03 生成AIビジネスを支える プラットフォーム
22. © 2025 NTT DATA Japan Corporation 22 生成AIプラットフォームの全体像を以下に示す。外部のSaaSやエージェントとの連携も相互接続性を高め、再利用 性を担保する必要あり。また、既存のデータプラットフォーム（AI/ML、BIなど）との統合が求められる。 生成AIプラットフォームの全体像
23. © 2025 NTT DATA Japan Corporation 23 直近はユースケースを実現できるためのスピード感をもって活用できるプラットフォームが必要。商用環境を見据え て、活用を推進する上ではLLMOps（データセット・プロンプト・モデル管理、RAG・Agent開発支援、利用状況・コ スト管理など）等の実活用を見据えた改善サイクルを回せる仕組みが必要不可欠。 生成AIプラットフォームで求められる機能 モデルの評価改善 業務連携・ユーザビリティ MCP通信やA2A通信を通じて、 SaaSサービスや外部エージェン トの連携するための仕組。 Salesforce等の業務ツールと の連携 AIガバナンス テスティングツール：AIモデルの 安全性やセキュリティなどをモニ タリングし、異常がないかを評価 ガードレールツール：AIシステム の入出力を常時監視し、望ましく ない入出力をブロック モデル品質を継続的に改善する ための仕組み。モデルの評価、 ユーザーフィードバック、モデル・ 特徴量管理など 自動化サイクル 一連の生成AIフローをワンス トップで自動化。CI/CDパイプラ インツールによって、一元管理さ れたログに基づく自動化サイク ルを構築し、AIエージェントが継 続的に学習・改善していく仕組み データ連携・処理 ソースシステムとのデータ連携、 分散処理およびノーコードETL ツールを用いて、生成AIに利用 するデータの前処理や変換を効 率化。リアルタイム推論のための データ連携の仕組み コスト管理・パフォーマンス最適化 I/O最適化や最適なクエリプラン を自動適用。AIエージェントのス ケールアップ／アウト。利用部門 ごとのコスト管理の仕組み データマネジメント（非構造データ） RAGやトレーニングに利用する画像・テキストなどの非構造 化データを安全かつ効率的に管理する仕組み。 従来の構造化 データのデータマネジメントと同様に、カタログによるメタ データ管理・リネージやデータ品質等の管理 セキュリティ・データマスキング 基盤、データ、APの各レイヤで適切なアクセス制御を行う。 データアクセスやAPI呼び出しの履歴を集約・監査し、安全性 とコンプライアンスを強化。トレーニングに用いるデータの匿 名化や機密情報削除するためのマスキング機能
24. © 2025 NTT DATA Japan Corporation 24 AWSで実現する生成AIプラットフォーム例（１／２）
25. © 2025 NTT DATA Japan Corporation 25 AWSで実現する生成AIプラットフォーム例（２／２）
26. © 2025 NTT DATA Japan Corporation 26 AWSを活用した背景／今後の取り組み AWSを採用した背景 今後の取り組み • SAの方のサポートが手厚く、短期で成果が出る → 結果としてお見せしたデモも2か月かからずに完成し、 報道発表でデモを公開することが出来た • AWSを活用しているお客様が多く、デモで構築した環境 をそのまま展開することが期待できる → 実際にAWSの引き合いが多く、いくつかのお客様でPoC などを実施中 • 将来的な生成AIやAPI連携への拡張を見据えた基盤 として期待できる → 先日発表されたAmazon Bedrock AgentCoreなど 本番環境への拡張を見据えた基盤、従来のデータプラット フォームとの統合に適している • Amazon Bedrock AgentCoreの検証・検討 • 本番環境での活用・運用を見据えた、LLMOpsの 検証・検討の実施 • セキュアな通信を活用した外部SaaSサービスや外 部エージェントとの連携 • Amazon Bedrock AgentCoreを含むシステ ム全体像の整理
27. © 2025 NTT DATA Japan Corporation 27 ご清聴ありがとうございました LITRON（生成AIサービス） 三菱地所様 AIコンシェルジュ
28. © 2025 NTT DATA Group Corporation