こんにちは。
ワークスアイディの奥西です。
2024年7月30日に開催させていただいた
「Campus Studio Online Camp」に大変多くの方にご参加いただき誠にありがとうございました。
企業で活用する「生成AI」への興味、関心度合いが非常に高いことを体感しました。
ビジネスプロセスに、生成AIを組み込むという議論が活性化してくれると非常に嬉しいです。
おかげさまで多くの反響をいただきましたので、な、なんと！アーカイブ配信が決定しました！
当日参加出来なかった方やイベントを知らなかった方も、是非アーカイブ配信でお楽しみください。
さて、本日は「AI活用のユースケース〜Part2」をご紹介します。
ワークスアイディでは、生成AIの活用からデータ基盤、データサイエンスの機械学習や需要予測など
企業でのAI・データ活用領域を伴走させていただいております。
これまでのワークスアイディ内でのAI活用の取り組みや
お客さま向けに支援してきた事例も含めてご紹介していきます。
それでは職種別にユースケースをご紹介していきます。
以下、ワークスアイディをWIDと省略して書いていきますね。
法務部門
法務部門でも生成AIが重要な役割を果たしていますね。
最近では法務部門で活用しているSaaSサービスにAIが搭載されています。
1、契約書の自動生成
WIDが提供している「neoAI」を活用して
自社にある過去の契約内容の種類を学習させていきます。
また一般的に使われている契約書関係の雛形も、読み込ませておくと良いですね。
新たな契約が発生した場合は、
条件をプロンプトテンプレートを活用することで
もちろん専門家や法務の方が確認やチェックを行う必要はありますが、
AIにあらかた作ってもらえると、
また、先方フォームの場合のリーガルチェックも、
まずはAIでリスク評価するだけでも時間が短縮されます。
2、コンプライアンスの確認
WIDの事例として実績はまだないですが、
お客さまとのビジネスMTGで案として上がった内容です。
コンプライアンスは組織として各自が遵守する必要があります。
法律は幅広いですし、時代に合わせて頻繁に法改正していきます。
AIが
企業が法令遵守しているかを、チェックしてくれると助かりますし、従業員を守ることにもなります。
また、内部統制のプロセスを1人1人の従業員が覚えていることはないですよね。
そういった統制やガバナンスに関する社内規定をAIに学習させることで、
各自がケースに遭遇した場合にAIアシスタントに確認できます。
研究開発部門
研究開発部門でのAIの活用用途も拡がっていますね。
オンプレミス環境でAIを活用している研究開発部門の企業もあります。
「neoAI」もオンプレミス環境で生成AIを使えます。
日本語性能の非常に高い、独自LLMを活用することで研究開発が加速します。
1、データ分析とインサイトの抽出
AIは大量の研究データを分析し、重要なインサイトを抽出します。
これまではプロトタイプ作りまでに、長期間研究を繰り返し実験を行なっていましたが、
研究データを学習させることで、プロトタイプ作りまでもAIがアシストしてくれます。
例えば、飲料メーカーの新商品の開発で配合などの調整でAIを活用しています。
また、現在では自動運転技術の研究開発でもAIが利用されて
シミュレーション環境で自動運転のアルゴリズムのトレーニングをしています。
製造業ではデジタルツイン環境により仮想環境で製造工場を作り
そこでシミュレーションして、事前に検証することが実現しています。
これまで言われてきた「人・モノ・金・情報」という
経営リソースをAIを活用することで得られるメリットが大きいですね。
デジタルが当たり前の今だからこそ、
自社のサービスや事業に更に活かしていきたいです。
2、製品のデザインとプロトタイプ作り
デザインツールも活用することでより良いアウトプットを支援してくれます。
WIDでもデザインツールを活用して
技術ファーストのシステムは機能要件を満たせても
実際ユーザーはその機能を使えていないというケースがよくあります。
マルチモーダルになって来るとUI/UXはこれから益々重要視されていきますね。
説明聞かずとも、使いやすいというのはデザインの観点からも重要です。
これからはAI活用を前提としたデザインシステムも
WIDで研究開発していきたいと思います。
製造部門
製造部門でもAIが効果を発揮しています。
WIDでは機械学習を活用した支援が現在では多いです。
1、生産計画の最適化
需要予測データを基に生産計画を最適化するパターンです。
人が生産計画を立案するにしても、変数が多い為ベテランの経験を頼りにしがちです。
生産計画も小ロット多品種の場合や、製造工程のプロセス等によっても複雑ですよね。
データを構造化し、データを活用することで
生産計画の最適化を実現し、実績を学習しつつ精度を高めていくサイクルです。
これにより、過剰生産や在庫不足を防ぎ、
またデータを使うことが前提となると、課題発見・仮説・解釈の力が鍛えられます。
勘や経験にいつまでも依存はできないですね。
2、品質管理/設備保全の予知
製造過程で取得されるデータをリアルタイムで分析し、不良品の発生を検知します。
構造化データを活用するパターンもありますが
モノによっては画像解析で検知させることもあります。
同じ様に設備の稼働データを分析し、
多くの製造企業では故障の予兆検知にデータを活用していますね。
業界によっては設備の故障に伴い、多額の損失を発生することになります。
もし私が製造を担当しているなら
予め機械や設備のコンディションを把握しておきたいです。
これまで製造装置のデータをPCからUSBでデータを取得して
そこから分析をしているケースもありましたよね。
運用を改善し、IoTやデータ基盤、BIを活用することで
早期発見や改良点を導き、
まとめ
法務部門、研究開発、製造分野でのAIの活用事例をご紹介しました。
デジタル化とは、アナログをデジタルに変えたということではないです。
デジタルで取得されたデータを活用してこそ、デジタル化と言えますね。
半導体の進化に伴い、AIが指数関数的に性能を高めていっています。
これからは企業で活用するデータも指数関数的に増えていきます。
是非、皆さまの会社でも
AI活用について議論してみてください。
それでは、本日もGOOD JOB！！
▼こちらもおすすめ
