開発担当者からのメッセージ
AI活用のご相談をいただく際、最初から細かな要件が決まっているケースは多くありません。当社では、まず何を実現したいのか、どの業務を変えたいのかを伺い、目指す方向や全体の大枠をお客様と共有します。そのうえで、社内文書をもとにした問い合わせ回答や、分析・提案の支援など、業務に合ったプロトタイプを素早く作り、実際に使った際の反応を確かめながら、必要な機能や使い方を具体化し、設計・実装・改善を重ねます。
また、すべてをAIで処理するのではなく、柔軟な判断が必要な部分にはAIを活用し、定型的な処理には通常のプログラムやワークフローを用いるなど、目的に応じて役割を分けて提案しています。実装できるかどうかだけでなく、使いやすさや運用方法、利用費用まで踏まえ、現場で無理なく使い続けられる仕組みを目指します。まずはお客様の課題を、分かる範囲でお聞かせください。対象範囲や期間に応じて、進め方と費用をご提案します。
ビジネス・技術・データを横断し、AIで何を実現するかを一緒に具体化します
AI活用を成功させるには、技術だけに焦点を合わせず、どの業務を改善したいのか、どのようなデータが使えるのか、技術的にどこまで実現できるのかを結び付けて考える必要があります。
当社では、代表の大下がビジネス、テクノロジー、データサイエンスの3領域を横断してお客様のプロジェクトを支援します。業務課題の整理からAI・データサイエンスの実装、効果の評価、改善までを一つの流れとして捉え、プロジェクトの段階やお客様の体制に合わせて、今何を試すべきか、どこから改善するべきかを検討していきます。技術的に作れるかどうかだけでなく、実際の業務で価値があるか、運用時にどのような例外が生じるかまで考えるのが基本姿勢です。
相談・分析・開発の担当者が分かれないため、引き継ぎや認識合わせにかかる負担を抑えやすく、検証で新たに分かった内容も次の実装へ反映しやすくなります。AI活用の対象業務が決まっていない段階はもちろん、すでにある試作品や仕組みを改善したい場合もご相談ください。
分析とシミュレーションにAIを活かし、提案資料づくりの時間短縮を支援します
代表が支援した物流ネットワーク最適化の事例では、単純化したモデルによる従来の分析から、より現実的な条件を踏まえた提案へ進めたいという課題がありました。そこでAIによる提案とコスト計算の仕組みを組み合わせ、最適化前後の結果を比較できる環境を構築。お客様からは、従来の進め方では作成に約1か月かかっていた提案資料を、約15分で作成できるようになったという声をいただいています。
また、在庫適正化の事例では、SKU(商品管理単位)ごとに各拠点の在庫推移を確認し、補充間隔を変えた場合に平均在庫や安全在庫がどのように変化するかを試算できるシミュレーターを開発しました。感覚だけで在庫削減を提案するのではなく、条件を変えながら結果を比較し、どの程度の改善余地があるのかを顧客への提案時にデータで示せるようにしました。
こうした支援で重視しているのは、AIを導入することそのものではなく、現場の判断や提案に役立つ形まで落とし込むことです。分析に時間がかかっている、担当者の経験に頼っている、改善案をデータで示したいといった課題に対して、業務に合わせた活用方法を検討し、提案いたします。
すべてをAI任せにせず、実用性・コスト・情報管理まで考えて設計します
AIで実現できるからといって、すべての処理をAIに任せることが最適とは限りません。当社では、AIによる柔軟な判断が必要な部分と、通常のプログラムで確実に処理したほうがよい部分を見極め、それぞれに適した方法を組み合わせます。
先述の物流ネットワーク最適化の事例では、AIの出力と、Pythonで構築したコスト計算の仕組みを、AIワークフロー基盤のDify上で連携させました。計算方法が決まっている処理はAIに任せず通常のプログラムで行うことで、結果の安定性を確保しながら、AIを必要な部分に活用しています。こうした使い分けは、トークン消費量に応じた従量課金を抑え、運用開始後のランニングコストを考えるうえでも重要です。
企業でAIを導入する際には、入力した情報がどのように扱われるのか、どこまでサービス提供者が責任を持つのかといった点も確認が必要です。当社では、利用を検討するサービスの規約やSOC 2に関する公開情報などを確認し、必要に応じて提供元への問い合わせや調整も行います。また、AIの出力をどの場面で人が確認し、誰が業務上の判断を行うかも、お客様と取り決めます。費用や情報管理を含め、実際の業務で無理なく運用できる仕組みをご提案します。