日本 × ビジネス（260件）

上場企業SHIFT(証券コード3697)が2026年10月15日付の2026年8月期 第4四半期・通期決算説明資料で開示。バックオフィスでAIの実務適用が広がり、単体の販管人数は期初比で113人分を圧縮(派遣・BPは0人)圧縮の中心は「オペレーション・その他」区分で、派遣・BP中心の人員圧縮と説明。役職者の評価プロセスにもAIを導入し、評価時間を上期1,477時間から下期990時間へ(-33%)次の手として、単体で使ったAIをグループ会社に適用するグループ内シェアード化を開始し、販管人件費比率の引き下げを狙う。

AIによるバックオフィス効率化の成果を、「-113人」という人数換算で決算資料に明示した事例。内訳は派遣・BP中心の人員圧縮で、単体の取り組みをグループ全体へ広げるシェアード化に進む計画を示している。金額換算は資料に記載がない。

静岡県磐田市とテックタッチが、「テックタッチ AI Hub」を用いて財務会計システム内に3業務対応のAIを組み込んだ。対象は、源泉区分の判定と控除額の自動計算、起票日と支払日のチェック(期限超過の懸念を警告)、廃棄物処理の確認事項の対話形式での案内。実証期間は2026年4〜6月、一般職員向けに試行。AIは判断支援にとどまり、最終判断や例外処理は職員が担う運用。

全判断をAIに任せず、返戻や不備が起きやすい定型チェックに絞って業務システム内に組み込んだことで、返戻件数が実証前の月平均から大きく減った。一方で、AIのチェック待ちを非効率に感じる職員や、機能の理解不足で使わなかった職員もいた。実運用では判定ロジックの修正も必要になり、職員への周知と継続的な改善が課題として挙がっている。

静岡県掛川市の精密板金加工メーカー・コプレック(専任IT担当者は不在)が、約500万円の外部AI研修を全従業員の20%にあたる現場従業員に実施。Claudeアカウントを約30件取得し、うち10件は上位版を契約。プログラミング経験のない現場従業員(溶接工やトラック運転手を含む)が自然言語の指示でアプリを開発。測定器管理アプリ、棚卸しシステム、IoT機器と連動したレーザー加工条件の最適化など40種類以上。事務部門では、毎日数十枚の伝票の手入力をAIのOCRに置き換えた。過去20年分の決算書・月次損益計算書・議事録をAIモデルに学習させ、海外技術ニュースが自社に与える影響まで示唆する経営の壁打ち相手(AI秘書)を構築。

安価なオンライン教材で個別に学ばせず、あえて高額な外部研修を選んだのは「社内にAIブームを起こしたかった」ため。共通の知識と課題を持つ集団を作り、互いの成果を評価し合う環境を意図的に作った。IT担当者がいない町工場でも、現場主導でツールが量産され、自社を深く理解した壁打ちAIが経営能力の底上げにつながったという。

NTTドコモソリューションズのプラットフォームサービス部が、社内外の問い合わせ対応とネットワーク障害対応にAIエージェントを導入。当初は複数業務を1体でこなす「スーパーマン」型の万能エージェントを投入したが、障害分析で原因と無関係な箇所の調査結果が返るなど品質が低かった。パートナー企業の助言を受け、2025年5月にシングル構成とマルチ構成を検証・評価。情報収集エージェントと実機調査エージェント(機器にコマンドを実行して結果を考察)の2体のサブエージェントと、指示出しと結果統合を担うスーパーバイザーエージェントの構成に変更。人はコマンド実行の承認と最終報告の判断のみ関与。2026年7月にNW故障解析支援AIエージェントの商用適用を開始。

万能型の1体に全業務を任せる設計が品質低下の原因で、役割ごとに分割するマルチエージェント化でアウトプット品質とメンテナンス性が改善した。権限を分けることはセキュリティ上の被害の局所化にもつながる。成果は復旧時間34%短縮という数値で確認でき、失敗と設計変更の過程を含む実例になっている。

世田谷区DX推進担当課(深山翔氏・システム支援/副係長)が、AIエージェント機能付き業務ツール「Genspark」を導入して効果を検証。背景: 既に独自構築のAzure OpenAI Serviceとmicrosoft Copilotを導入していたが、初心者職員は指示の出し方が分からず戸惑い、利用にばらつきがあった。検証内容: 他自治体の計画・公開基準・手順を読み込ませて情報収集と論点・仮説の整理、AIドキュメント/スライド/画像生成/デザイン生成で庁内向け説明資料・チラシ・広報物を作成。DX推進担当課職員が各所管課に入る伴走支援と、庁内の口コミで利用が拡大。これまでに14業務で活用し、約3カ月で合計約2900時間削減。

削減効果の一方で、区は「確認と修正の負担は増えています」と明言している。AIは成果物がすぐ出るが必ずレビューが必要で、業務知識や観点がなければレビューしても良い資料にならない。AIを業務手順に組み込めた事例はまだ少なく、個人の工夫では限界があるため、ノウハウの組織共有が今後の課題とされている。

税理士法人グループのTOMAが、分かれていた経費精算・申請承認・請求書処理の他社システムをバクラク3サービスに一本化した。仕訳と証憑を1画面で確認でき、AIによる日付の自動読み取りや明細CSVからの仕訳自動生成で入力ミスを減らした。軽微な金額修正は経理側で直接対応し、申請者とのやり取りはシステム内コメントに集約した。

統合の効果は、AI-OCRと仕訳自動生成に加え、証憑確認のための画面遷移やダウンロード、不要な差し戻しをなくした点から出ている。TOMAは自社で先に検証し、その実績を顧問先への導入支援につなげる構えだ。なお効果の数値はベンダー(LayerX)が公表した自社事例のもので、独立した検証ではない。

一般社団法人LINK-J(職員30名)は、月約90件の請求書をExcelへ手入力し、月約120件の経費申請を領収書の台紙貼りで処理していた。これを請求書の受領・電子化代行(TOKIUMインボイス)と、領収書を撮影して数項目入力するだけの経費精算(TOKIUM経費精算)に置き換えた。現在はTOKIUM AI経費承認も導入している。

導入の決め手は、受領代行によって出社せず請求書を処理できる点と、システムに不慣れな職員でも使える操作性だった。法人全体で年間約1,350時間の削減を報告している。AIの役割は経費承認の段階で、中核は請求書・経費精算システムの導入による手作業の置き換えである。数値は導入ベンダー自身のリリース上の自己申告で、第三者検証はない。

貝印のマーケティング部が、新商品のコンセプト検証にユニーリサーチのAIインタビューをトライアル導入。AIエージェントが音声で質問し、回答者の発言を受けて理由や背景まで掘り下げる。対象者募集、インタビュー、レポート自動生成までを一気通貫で実施した。

従来は調査会社への依頼で稟議書作成や会場招集が必要だったが、担当者2名が他業務の合間に完結できた。対人では話しにくいテーマでも率直な回答が出たほか、想定より高い価格帯への需要という意外な結果も得られた。レポート・グラフ・CSVはそのまま社内共有できる。ただし数値は提供ベンダーによる公表で、比較条件の詳細は示されていない。

営業・設計・資産管理・施工管理・管理部門が参加し、日常業務の棚卸しから改善対象の選定、試験導入、効果検証まで段階的に進めた。Microsoft Copilotに加え、Copilotエージェント、RPA、Power Appsを業務の性質ごとに組み合わせた。改善前後の業務時間を記録して比べ、改善手法の標準化と成功事例の横展開まで行った。

ツールを入れて終わりにせず、各部門が自分で対象業務を選び、前後の業務時間を数字で測ったことで効果を可視化できた。生成AIだけでなくRPAやアプリ作成も併用し、業務ごとに道具を使い分けている。ただし数値は同社が自社で記録した対象業務の集計で、第三者による検証は記事にない。

金沢市の精密加工会社・岡田研磨の専務(元富士通の営業職)が、プログラミングの知識がほぼない状態からAIとの対話を1500時間以上重ね、Claude Codeで社内アプリをフルスクラッチで内製した。手順書作成アプリでは、現場社員がタブレットで作った手順書をAIが100点満点で採点して改善案を出し、1点25円の報奨金を支給する。生産実績・設備稼働・不良・勤怠などのアプリも、同一のデータベース上でデータを紐付けて管理している。

専務は時間や紙の削減を目的ではなく結果と位置づけ、本当の目的は自社データ(コンテキスト)の蓄積だと述べる。外部SaaSを連携設計なしに入れるとデータが分断されAIの横断分析の障害になるため、内製して同一DBに集約する方針。50件程度だった手順書は、AI採点と報奨金の仕組みで1年足らずに290件が現場主導で集まった。

2025年12月に設立されたNECのグループ会社が、要件定義・設計・開発・テストをAI主体で進め、人間は監督と判断に回る開発を行っている。人間が方向性を示すとAIが数日〜数週間稼働し、人間が顧客要件との適合を確認する流れで、24時間稼働できる点を利点とする。体制はエンジニア6人とCEOの計7人。

自社SaaSの開発では、従来7人程度で1年と見積もる規模を、エンジニア1人とAIで約1カ月で進め、同社は生産性約80倍に相当するとする。従来工数は見積もりで実測ではなく、測定方法も記事にない。別の公共系案件では、エンジニア1人で約1カ月かかる約2000行のプログラムをAIが2〜3時間程度で生成した。品質の測り方は未確立で、AIの判断過程の追跡や障害からの復旧速度などを試行中。

電子帳簿保存法に準拠した文書管理システムへ過去の紙文書を登録する業務で、従来は人が分類しOCR結果を確認してインデックスを入力していた。新しい流れでは分類・文字認識・インデックス入力をAIが担い、人が内容を確認してから登録する。推進は「仮想AX人材」体制で、現場が業務再設計、IT部門がAIツール選定と基盤構築、推進リーダーが教育整備と横展開を担う。

約3万ファイルを作業者1人と承認者1人の計2人、延べ51時間で完了した。従来見込みは少なくとも500時間、最大1,000時間程度で、実測同士ではなく見込みとの比較である。同じ講演の別事例(kintone72アプリの再構築)は、AI導入ではなくDXの取り組みだと記事自身が断っている。

DeNAの南場智子会長が講演で、AIによって工数を6〜9割削減できた業務があると述べた一方、楽になった分を現場が自ら別の仕事で埋めていると語った。ITmedia記事はパーソル総合研究所の調査も引き、生成AIでタスク1件の所要時間は平均16.7%短くなったが、業務時間そのものが減った利用者は25.4%にとどまり、減った人は浮いた時間の61.2%を仕事に充てたと伝える。

工数の削減は早帰りや付加価値の増加に自動ではつながらず、業務総量や時間枠が見直されない限り、削減分は新たな業務で埋まる。記事が紹介する匿名投稿では、AIの使い方を共有した本人に説明や質問対応が集まる偏りも挙がっている。削減分の再配分や評価の設計が、成果の持ち帰り方を左右する。

ZOZOは2026年9月15日、ファッションアプリ「WEAR by ZOZO」に新機能「似合うルーム by ZOZO」を追加した。実店舗「niaulab by ZOZO」で提供していた「似合う」を探る体験をデジタル化したもの。好みのコーデを5枚以上選ぶとAIが全28タイプ(ウィメンズ16・メンズ12)から傾向を判定し、投稿1500万件超のコーデ画像から「今日のベストコーデ」や着回しを提案する。AI「ラボくん」が理由を解説し、顔写真をもとにした生成AIのバーチャル試着(WEARログインユーザー限定・1日3回まで)も使える。提案アイテムはZOZOTOWNで購入できる。

診断、提案、説明、試着、購入までを一つの流れにつなぎ、店舗で培った接客知見をAIで大規模に再現する設計である。数値はZOZO自身の発表で、比較基準は記事に明記されていない。

バイク買取サイト「バイクパッション」を運営する株式会社パッションが、2026年9月22日にAI画像査定システムの提供を始めた。利用者がバイクの写真を1枚送ると、AIが車体を解析し、業者間オークションの過去10年超・約200万件の取引データを使って買取額を算出する。会員登録や電話番号の入力は不要。従来の画像一括査定サイトは結果が出るまで24〜48時間かかるとされ、同社はその待ち時間の短縮を狙う。写真から傷やサビを判定する次期版も開発中。なお本件は発表段階で、成果を示す導入後の実績値はまだない。

自社が長年蓄積した取引データをAIにつなぐことで、査定の待ち時間を日単位から秒単位に縮める形になる。個人情報の入力を省く設計は、問い合わせ前の離脱を減らす狙いと読める。

株式会社オズビジョンが運営する買取アプリ「Pollet」に、スマホのカメラで撮影するだけで売れるかどうかと買取参考額の目安が分かる「AI査定カメラ」を加えた。AIが一度に最大5アイテムを見分けるため、1点ずつ撮影したり個別に相場を調べたりする手間が減る。高額買取の可能性があるものは「お宝チャンス」として表示され、条件を満たすと特典も受け取れる。現時点はβ版で、一部のユーザーと一部のアイテムに限って先行提供し、順次拡大する予定。なお本件は新機能の発表で、導入後の成果はまだ示されていない。

買取では「実際の額が想定を下回る」不満が売却のためらいにつながるため、事前に目安を出すAIが入口の障壁を下げる狙いと読める。ただし精度や利用効果は今回の発表では未公表。

メルカリは2026年9月17日から、手元の商品をカメラで撮るかバーコードを読み取ると、AIが商品を推定してメルカリ上の相場価格の目安をすぐ示す「持ち物査定」を、アプリで段階的に提供し始めた。査定結果は「持ち物一覧」に自動で保存され、そのまま出品準備へ進める。表示額は参考価格で、実際の販売価格を保証するものではない。成果はまだ出ておらず、この記事にあるのは新機能の発表と、背景として示された調査の数値である。

不用品の値付けという出品前の迷いを、撮影だけで解消する導線にAIを使っている。価格が分かる段階から出品までを切れ目なくつなぐ設計で、成果の検証はこれからである。

IT企業のカコムスは、全社員がCopilot Chatを日常業務で使う段階から始め、AIへの心理的な抵抗を下げた。次に社内規程やマニュアルをSharePointへ集約し、Copilot Studioで社内問い合わせ用のチャットbot(KMSG-AI)を作って全社に展開した。さらにSES事業では、Excel・Word・PDFの経歴書をSharePointにまとめ、非エンジニアの営業担当者が社内のAIガイドラインに沿って、条件から候補者を検索するエージェントを自作した。今後はMicrosoft Fabricで経歴・組織情報を統合し、Power BIでスキル状況を可視化して、人材配置や研修提案の支援につなげる計画である。

個人利用、全社bot、現場主導のエージェント、データ基盤という順に段階を踏む進め方は、他社でも再現しやすい。ただし削減率の算出方法や比較期間は記事に示されていない。

トラコムは、リサーチ、資料作成、定型的な確認作業に生成AIを取り入れた。社員ごとにバラバラだった指示文を集めて共通アプリにし、社内で共有できる形にした。業務フローの整理、通知書の作成、数値の集計・更新といった繰り返し業務も仕組み化している。現場の社員が自分で課題を見つけてツールを作る動きも出てきた。入力データがモデルの学習に使われない設定の環境を使っている。

生成AIを個人の工夫で終わらせず、指示文を共通アプリとして共有することで、効果が部署をまたいで広がる。現場が自らツールを作る動きが生まれた点も特徴。

志摩市の総合政策課が、全職員を対象にGoogle Workspaceと生成AI(Gemini)を導入し、Googleアカウントを利用する職員445名の実際の活用状況をもとに効果を推計した。職員は平均で週2.4日利用し、1回あたり7〜14分の短縮。1人あたりの週の短縮は、文書作成20.4分、資料の要約11.9分、情報検索・調査21.2分。創出した時間は現場訪問・実地調査、市民相談、政策立案に再投資する方針。

削減時間を先に「市民との対話」などの再投資先として明示しており、導入効果を時間削減で終わらせない設計になっている。ただし数値は実測ではなく推計で、自治体自身の発表である。

Gunosyは全社の業務を棚卸しし、その8割以上をAIによる自動化の対象として再設計した。メディア制作から経理・人事・法務・営業まで部署を問わず生成AIを展開し、全社員のAI日常利用率は95%超としている。この自社実践の知見を、企業向けのBtoB支援事業として提供する方針を2026年8月27日に発表した。

自社の業務変革で得た成果を新たな収益の柱に転用する動きである。ただし数値は当社調べで、BtoB事業の営業を兼ねた自社発表である点を割り引いて読む必要がある。

味の素グループの財務・経理を担う味の素フィナンシャル・ソリューションズ(AFS)が、経理特化AIのファーストアカウンティングと、経費精算の承認業務を担う経理AIエージェントを共同開発した。AIは社内規定も学習し、システムへのログインから申請内容の確認、承認・差し戻しの判断までを自律的に行う。AFS社内では2月から運用を始めて適用範囲を広げている。キックオフから約5か月で開発し、暗黙知は週1回の会議にBPO担当も加えて形式知にした。

規定やマニュアルの明文化と業務の可視化が先に済んでいたことが、短期開発の前提になっている。AI導入の前に業務の標準化とルール整備が要る。

基幹システムSAPのデータをBigQueryに連携するため、帳票テーブルを実装しているABAP(SAP独自構文)とCDS ViewをGeminiでSQL文に変換した。当初の概要設計書・詳細設計書の入力では帳票データを再現できず、ソースコードを入力する方式に切り替えて解決した。重複排除・初期値設定・クライアント番号などSAP特有のロジックは、ABAPとSQLの対応関係をプロンプトで明示。PLANモードで見落としや推論の混入を事前に精査し、SAP抽出データとの完全一致を確認する回帰テストもGeminiで実装した。プロンプト集はGitHubで共有し、新卒メンバーでも比較的短期間でプロンプトを書けるようにした。

ABAPを読めない経験の浅いエンジニアでも、仕様書でなくソースコードをAIに渡す方式でSAPのロジックをSQL化できた。AIの推論に任せず、特有ロジックの対応関係をプロンプトで指示し、回帰テストで数字の一致を担保することが事業部での信頼性につながる。学習時間の短縮分はエージェント開発やBI開発に振り向ける使い方が示されている。工数削減は担当者の見込み値である。

引越し事業のアップルが、拠点間の長距離便の配車計画を自動作成するシステムを導入した。開発は東大発AIスタートアップのDataPrism Technologies。従来は行き先・日付・荷物量から複数案件を1台にまとめる「グルーピング」を人手で探索しており、繁忙期は1回の作成に約1時間30分かかり、日程変更やキャンセルのたびに一から組み直していた。新システムは組み合わせ最適化により、積載容量・エリア間の折り返し時間・大荷物案件の組み合わせ制限といった現場ルールを満たしつつ運行数が最小になる計画を自動生成する。提示案は画面上で調整して確定でき、変更発生時は最新条件で即再作成できる。生成AIではなく最適化アルゴリズムの事例。

2025年の実案件データによる実証で、手作業より運行総数が減り、空車運行の削減で平均積載率が5ポイント向上した。計画作成時間は約1時間30分から数十秒に短縮され、案件数が最多の繁忙期でも約20分で完了する。ルールが明確な割付・配車には、生成AIでなく数理最適化が効くという示唆。再作成が軽くなったことで、変更のたびに部分手直しで済ませていた状態を解消している。数値は実証ベースで、導入後の実運用成果ではない。

ディストリビューターのエヌアイシー・パートナーズが、作成者の知見に依存していた社内の見積もり作成用Excelマクロ1件を対象に、日本IBMのAIエージェント型開発支援「IBM Bob」で自社先行検証を行った。第1段階ではマクロをBobに読み込ませ、VBAのコード構造・データ入出力フロー・処理内容を分析して仕様情報とドキュメントを自動生成し、担当者が実際の業務フローと照合してレビューした。第2段階では整理した仕様書をもとにBobの支援でWebアプリのコードを生成し、移行可否の検討から実装・動作テスト・性能チューニング・ドキュメント作成まで、人間が対話形式で修正指示を出して仕上げた。完成したWebアプリは2026年8月時点で社内の実業務に投入済み。

大量のコード分析・仕様書のたたき台・ベースコード生成をAIに任せ、人間は業務要件との合致判断と擦り合わせに専念する分業が成果の前提になっている。効果が大きいのは、仕様書のない既存システムを解読して再構築の道筋を付ける上流工程。移行後は見積もりデータがDBに蓄積され、属人的だったナレッジを組織の資産にできた。ただし対象は社内の1件のマクロで自社検証である点に留意が要り、記事も、AIの出力を業務要件と照合するレビューを工程にどう組み込むかが成否を分けると指摘している。

M&Aやグループ再編で年末調整の対象者が約4,000人増える見込みとなり、約10人体制の電話問い合わせ対応の増大が課題だった。AWSのサンプルアプリ「Bedrock Chat」とAmazon Bedrockに社内FAQリストを連携させた年末調整QAボットを構築。人事部門でもファイル追加やボット編集がしやすい点で選び、従業員1人がAIコーディングアシスタントを使って実質2日で構成を整え、人事部と連携して数日で本番リリースした。従量課金とし、年末調整の期間のみ稼働させて終了後はリソースを削除する運用。

利用が季節限定の業務は、ユーザー数ベースの固定課金SaaSより従量課金のクラウド構成の方が費用を大きく抑えられる。AWSのサンプルアプリを土台にすれば、社内QAボットは1人・数日で立ち上げられる。小さな成功が次の要望(調剤医薬品の在庫確認エージェント、約1カ月で200店舗稼働)を呼び、推進体制(OneSUGIプロジェクト・AI推進部)の定着にもつながった。

富士通はCohere社と共同開発した独自LLM「Takane」を用い、要件定義・設計・実装・結合テストまでの全工程をAIエージェント群が協調して自律実行する開発基盤を運用開始した。2026年1月から診療報酬改定対応の医療・行政分野ソフトウェア改修(約300件)に適用を始め、2026年度中に医療・行政分野全67業種へ拡大する計画。

「一部工程をAIが支援する」型ではなく、要件定義から結合テストまでの工程全体をAIエージェントに委ねる設計にした点が特徴。ただし公表された100倍という数値は約300件中1案件のみの実証結果であり、全件平均の効果ではない点に注意が必要。

エキサイトは、社内で使うChatGPT/Claude/Gemini/Copilot/Codex等のAIツールについて、誰がどのツールにいくら払っているかを一元的に可視化するツールを自社開発し導入した。140名分のアカウントを調査し、未使用の40アカウントと契約プランに対して利用量が少ない34アカウントを特定してライセンスを見直した。この自社運用の知見をもとに、外部向けAIマネジメントサービス「SEKIMORI」として提供を開始した。

AIツール導入が進むほど、契約の重複や未使用ライセンスという二次コストが積み上がる。利用状況を可視化するだけでコスト削減につながることを自社の実データで示し、そのまま製品化した事例。

上海市浦東新区人民法院は、miHoYoの許諾なく『原神』キャラクター63名の声を複製し音声リソースパックとして販売していた音声AIボイスチェンジャー運営会社に、著作権侵害および不正競争の両方を認定した。声紋鑑定で変換後の声質とゲームキャラクターの音声が「ほぼ同一の傾向」と判定され、被告側も法廷でキャラクター音声1分間分を他の素材と混ぜてモデル訓練に使用した事実を認めた。

キャラクターボイスは長期運営によって消費者が出所を識別する標識として機能しうるため、無断学習・複製したAIボイスクローンサービスは著作権侵害と不正競争の二重の法的リスクを負うことを示した判例。声紋鑑定という技術的立証手段が、AI生成音声の権利侵害認定の決め手になっている点も実務上の示唆になる。

全国約1,200店舗を展開する株式会社キタムラは、年賀状印刷の繁忙期(11〜12月、2ヶ月で約120万件受注)に問い合わせが1日600件超に達し、6名体制のコールセンターの負荷が毎年の課題だった。10社を比較・3社で相見積もりした上でユーザーローカルの「サポートチャットボット」を採用し、2018年11月1日に年賀状専用窓口向けとして公開、当初15件のQ&Aから運用しながら質問内容に応じて優先表示の選択肢を随時入れ替え、設置ページも段階的に拡大した。

単純導入だけでなく、繁忙期の時期別にQ&Aの優先表示を差し替える・設置ページを増やすといった運用の細かい調整が、チャットボット利用者数7倍増という追加効果を生んでおり、導入後の運用改善が成果の大きさを左右している。

ZOZOUSED（ブランド古着の買取・販売）が、過去の販売実績を学習したAIで古着の値付けを自動化した。ZOZOTOWNで取扱実績のある商品や過去に販売経験のある商品を中心に、対象商品の約半数にAI値付けを適用している。

値付けは経験と勘に頼りがちな業務だが、販売実績データがあれば的中率(売れる価格を当てる確率)を機械的に底上げできる。査定精度の向上がそのまま買取価格アップという顧客還元に直結する点が、中古・リユース業界でのAI活用の分かりやすい成功パターンになっている。

メキキが質屋・買取店向けにブランド品AI鑑定サポートサービス(月額1万円)を開始した。自社製のAI真贋判定機能「Fakechecker」がブランド品全体とロゴのスマートフォン撮影画像をAI画像解析し、約60秒でコピー品か否かを判定する。あわせて提供する相場検索機能「monograph」は、業界間オークションで直近10年に取引された55万点のデータから相場価格を提示する。

真贋判定と相場検索を別々のAI機能として組み合わせ、質屋・買取店の現場作業(鑑定+値付け)をワンストップ化している。専門知識が要る鑑定業務ほど、判定と相場提示をセットで提供する設計が業務導入の決め手になりうる。

バリュエンスグループの資産管理アプリ「Miney」が、独自の機械学習・深層学習アルゴリズムでスマートフォン撮影1枚から時計のブランド・モデルを特定するAI査定機能を、2019年11月のロレックス先行導入から16ブランド（オメガ、IWC、カルティエ、パネライ等）へ拡大した。約5,000件の実物・画像データで精度テストを実施した。

査定・鑑定のような「専門知識が値付けを左右する」業務でも、対象を絞った先行導入(ロレックスのみ)→精度を確認しながらブランド数を段階的に拡大、という積み上げ方が有効に機能した一例。いきなり全ブランド対応を狙わない設計が精度担保に寄与している。

大黒屋がECサイト出品のブランド品全商品をGoogle Vision AIでリアルタイム分析し、自動で買取入札額を算出、人間が入札値を最終補正する仕組みを2025年5月26日から導入した。これにより人力査定だった業務を自動化し、1日あたり最大10万件の買取オファーを出せる処理能力を実現した。

AIに全自動で判断させず人間の補正を残すハイブリッド運用にすることで、精度への不安を抑えながら処理件数を桁違いに増やせる。買取・査定のような「金額を外すと損失に直結する」業務ほど、自動化と人間チェックの組み合わせが導入の現実解になりやすい。

学校法人中央工学校は年間約4,000件の請求書処理・経費精算を紙中心のアナログ運用で行っており、証憑をExcel・ネットバンキング・会計システムへ3回手入力していた。この紙運用を根本から刷新するため経理AIエージェント「TOKIUM」(TOKIUMインボイス・TOKIUM経費精算)を導入し、財務課の業務時間を年間約600時間削減した。

紙証憑の三重転記のような労働集約的なバックオフィス業務は、専用AIエージェント導入によって年単位で数百時間規模の削減余地があることを示す。学校法人特有の会計基準への対応可否が導入判断の分かれ目になっている点も参考になる。

野村総合研究所(NRI)は、金融など専門用語の多い日本語ビジネス文書のレビュー業務に Amazon Bedrock 上の Claude を適用した。文書と専門用語リストをプロンプトに含め、過去のレビュー事例をデータベース化して few-shot の手本として与える構成で、問題箇所の指摘と修正案の提示を自動化している。社内ベンチマークでは Claude 3.5 Sonnet が最高性能を示し、人間のレビュアーと同等の精度を保ったままレビュー時間を半減させた。

専門用語が多く定型化しにくい日本語の業務文書でも、過去の対応事例をfew-shot教材として蓄積すればAIレビューの精度を実務レベルまで引き上げられる。中小企業でも、自社の過去チェック記録さえ残っていれば同様のプロンプト設計で審査・校閲業務の時間短縮を狙える。

ソフトバンクは全社員約2万人に生成AIを導入し、業務効率化と新規事業創出を推進。AI推進事務局の設置・学習コンテンツ整備・AIガバナンスポータル開設で活用と統制を両立させ、法人営業部門では数千人規模が生成AIアシスタントを日常業務に組み込んで使っている。

個別業務単位の効率化ではなく、法人営業部門という大部門全体で生成AIアシスタントを日常導入し、削減時間を年間総量として積み上げて外部評価(日経Smart Work大賞2026 大賞)につなげている点が特徴。全社的なAI活用促進(社内コンテスト26万件のアイデア創出等)とセットで、現場活用の実績を経営指標として可視化する体制を敷いている。

みずほフィナンシャルグループが、非エンジニアでもAIエージェントを開発できる基盤「Dify Enterprise」を2026年5月上旬より全社展開。法人営業向けに制度融資の選定・提案を支援するAIエージェントを実証した。

現場が自らAIエージェントを作れる内製化基盤を整備した結果、ベテランより経験の浅い若手層の方が業務時間削減率が高く（52.2% vs 全体41.8%）、コメント生成精度も若手層の方が高スコア（7.1点 vs 全体6.3点）だった。AI活用が経験差の補完に効くことを示す事例。

塩野義製薬が保有する生成AIソリューションを日立にライセンス提供し、2026年2月から国内提供を開始。日英混在の膨大な治験データから要点を抽出し、治験総括報告書・治験実施計画書など規制関連文書の初稿を自動生成する仕組みで、メディカルライターの専門知識とデータサイエンティストのAI設計力、日立の生成AI活用ノウハウを組み合わせて開発された。

通常3〜5カ月を要する規制文書作成という専門性・規制の壁が高い業務でも、ゼロから書かせるのではなく「抽出・要約→初稿生成」に絞ったことで大幅な時間短縮を実現している。自社の業務効率化にとどまらず、成果の出たソリューションを他社（日立）にライセンス提供して収益化するモデルも示している。

TBSテレビが自社開発のAI音声プラットフォーム「音六(おとろく)AI」を2025年に本リリース。基盤にGoogle GeminiとText-to-Speechを採用し、SSMLを土台に尺(再生時間)指定での音声生成、1文字単位のアクセント修正、文脈を踏まえた多言語翻訳・音声生成を実装。報道向けにはRNN系の従来型モデル(正確・軽量)、ドラマ向けにはGemini等Transformer系モデル(表現力・Few-shot Learningによるボイスクローン)を使い分ける設計とし、PoC段階からJNN系列局を巻き込みフィードバックを吸い上げ、報道支援システムに音六AI呼び出しボタンを組み込むことで現場の業務動線に定着させた。

アナウンサーが既にいる放送局でもAI音声が刺さった理由は、コスト・時間・外国語対応という現場の具体的な困りごとに直結したから。特に「尺(秒数)ぴったりに収める生成」という放送特有の制約を解く自社特許技術が差別化点になっている。またツールを配るだけでなく、既存の基幹業務システム(報道支援システム)にAI呼び出しボタンを組み込み、現場の日常動線に溶け込ませたことが定着の決め手になった。地方局(BSS山陰放送、テレビユー福島)が人手不足を契機に東京より先に活用事例を生んでいる点も、AI導入は必ずしも大都市・大企業から広がるとは限らないことを示す。

OKIは自社EMS「まるごとEMS」のPCB実装ラインで、部品実装後のAOI(自動光学検査)がはんだ不良を過剰検出する「虚報」問題(不良流出を防ぐため検査閾値を厳しく設定した結果、良品まで不良判定される)を解決するため、独自の「目視判定AI技術」を開発。はんだ濡れ・位置ずれ・欠品・浮きの4項目をAIが判定するアルゴリズムをAOI装置の検査判定プログラムに搭載した。不良品サンプルが少ない(1日150ポイントのみ)ため、少量の良品データのみで学習する「良品のみ学習」方式を採用し、数万種類の部材・数千種類の機器を扱う変種変量生産に対応させた。2026年7月1日から顧客向け生産ラインへ導入。

「不良品は1日150ポイントしか出ないため意図的な不良品画像を作るのが難しい」という制約に対し、正例のみで学習する設計に振り切った点が実務的。誤検出(虚報)そのものより「良品判定漏れによる目視工数」をボトルネックと定義し直してAI適用範囲を絞った点が、AI導入の対象設定として参考になる。

マクロミルが「生成AIの活用実態調査」として、生成AIを導入・活用している企業に勤務する20〜59歳の男女を対象にインターネット調査を実施(4月16〜18日)。3090人から回答を得た。

削減できた時間の使い道は「以前は手が回らなかった別の業務、雑務」が38%で最多、次いで「AIが出力した回答の検証・修正・プロンプト調整」が31%。導入ツールは平均2.3種類で、Microsoft 365 Copilot(46%)がトップ、ChatGPT(39%)、Gemini(29%)が続いた。単なる時短効果だけでなく、浮いた時間が新業務に再配分されている実態と、AI出力の検証コスト自体が可処分時間の3割を食っている点が示唆的。

電設機器・産業機器の専門商社である日本電設資材(大阪府守口市、従業員218名)が、経理AIエージェントTOKIUMの「TOKIUM AI明細入力」(請求書・納品書の明細を自動データ化し仕入データと照合)と「TOKIUM AI経費承認」(申請内容・証憑をAIが精査し一次承認や差し戻しを代行)を導入。月間約2,000通の請求書処理と、経費精算で多発していた差し戻し対応の属人化・手直し負担を解消する狙い。

「明細照合」「経費差し戻し」という定型だが属人化しがちな経理業務を、AIエージェントが判断込みで代行する事例。既にインボイス電子化を終えた企業が、次の工数削減先を「照合」と「差し戻し対応」という人的判断が残る工程に定めた点が示唆的(電子化だけでは属人化は解消しないという教訓)。