「他社のAI活用事例を集めれば、自社での使い道も見えてくるはず」。展示会やAIサービスの紹介資料では、導入したツールと削減できた時間がセットで語られるため、同じツールを入れれば同じ成果が出ると考える方が多いはずです。

しかし、課題解決力強化道場はこれまで、約800名を超える受講者と、自社の実務課題を題材にした課題整理に取り組んできました。その経験から言えるのは、事例から持ち帰るべきなのはツールの名前より、その会社が「誰の、どの作業を、どれだけ減らそうとしたか」という課題の切り分け方だということです。ツール選びは、課題を決めてからでも遅くありません。

本記事では、AIが担える仕事の種類から、業界別・業務別の活用事例、事例の読み方、導入の手順と注意点まで、課題解決の研修を手がけてきた視点で順を追ってお伝えします。

AIが担える仕事の5つの種類

AIが担える仕事は、画像認識・音声認識・自然言語処理・予測と最適化・生成の5つの種類に分けられます。活用事例を読むときは、その会社がどの種類のAIを使ったかを先に押さえると、自社のどの作業に当てはめられるかを考えやすくなります。

画像認識から予測と最適化までの4つは、データをもとに「見分ける」「当てる」ための仕組みで、従来型のAIと呼ばれることもあります。生成は、ChatGPTに代表される生成AIが担う仕事で、指示した内容に沿って文章や画像を新しく作ります。

AIと並んでよく出てくる機械学習は、データからパターンを学ばせるAIの作り方の1つです。深層学習（ディープラーニング）は機械学習の中の手法で、画像認識や生成AIの精度が上がった背景には、深層学習の進歩があります。

AI活用の業界別事例

AIの活用事例を業界別に見ると、製造業や物流業では画像認識と予測が、小売業や金融業では生成AIが使われる場面が目立ちます。以下の5つの事例の数字は、いずれも各社の発表や報道で公表された情報に基づいています。

合わせて読みたい、実践のヒントはこちら。

ナレッジ

受け身型組織を変える-陥りがちな罠に学ぶ、社員が自ら動き出す“経営の仕組み”のつくり方-

「事業は伸びているのに、なぜか自分の手が離せない」。社員が指示待ちになる“受け身型組織”は、実は経営やマネジメントの設計の問題です。陥りがちな3つの罠をひもとき、社員が自ら動き出す「経営の仕組み化」の3要素を、現場の実例とともに解説します。

詳しく見る

製造業の原料検査

キユーピーは、ベビーフードの原料になるさいの目切りのジャガイモ（ダイスポテト）から、変色などの不良品を見つける検査に画像認識のAIを使いました。工場によっては1日4〜5トンの原料を人の目で全量検査していました。熟練が要るため人を増やしにくく、増産の足かせになっていたとGoogle Cloudの導入事例で説明されています。

開発ではGoogleの機械学習ライブラリ「TensorFlow」を使い、データ分析会社ブレインパッドが支援しました。アルゴリズムの検討から約2か月で試作機が完成しています。生産性が2倍になったという数字は実験段階のもので、量産ラインでの成果とは分けて読む必要があります。キユーピーは、高額な検査装置を入れにくい中小の食品メーカーでも使えるよう、従来の装置の10分の1の価格にすることを開発の前提に置いていました。

物流業の配送量予測

ヤマト運輸と医薬品卸のアルフレッサは2021年8月、医薬品や医療機器などの配送に、AIで業務量を予測して配車計画を作るシステムを導入したと発表しました。アルフレッサが蓄積してきた販売や物流のデータから、得意先ごとの注文数や納品時の滞在時間などをAIが予測します。得意先ごとの予測をもとに、配車計画を自動で作る仕組みです。

両社は、配送生産性を最大20％高め、走行距離とCO2排出量を最大25％減らせるとしています。最大20％や最大25％は導入時に示した見込みの数字で、首都圏の支店から始めて全国の支店へ広げる計画でした。予測の対象を荷物の総量で止めず、得意先ごとの注文や滞在時間まで細かくしたことが、配車という具体的な作業に予測を結びつけられた理由と見ています。

建設業の外観デザイン

大林組は、米国の研究機関SRIインターナショナルと共同で、建物の外観（ファサード）のデザイン案を生成するAI「AiCorb（アイコルブ）」を開発しました。2022年3月の発表によると、スケッチや3Dモデルから複数のデザイン案を出すAIと、その案を設計用プラットフォーム「Hypar」上で3Dモデルにする技術を組み合わせています。

大林組が狙ったのは、設計の初期段階で施主の要望をその場で形にし、合意までの往復を減らすことです。デザインを決めるのはあくまで設計者と施主で、AIは打ち合わせの場で比べられる案の数を増やす役割を担っています。

小売業の商品企画

セブン‐イレブン・ジャパンが商品企画に生成AIを導入し、企画にかかる期間を最大で10分の1に縮める計画だと、2023年11月に日本経済新聞が報じました。全店舗の販売データやSNSに投稿された消費者の声をAIで分析し、商品の説明文や画像のたたき台をAIに作らせる内容です。

10分の1という数字は導入前に示された目標で、実際に短縮できた期間として公表されたものではありません。商品企画は、データを読み込み、案を文章と絵にし、会議で絞るという流れのくり返しで、自然言語処理と生成の両方が当てはまる業務だと言えます。

金融業の社内アシスタント

三井住友フィナンシャルグループは、日本総合研究所とNECと組み、グループ専用の環境で動くAIアシスタント「SMBC-GPT」の実証実験を始めると発表しました。マイクロソフトのクラウド上にグループ専用の環境を作り、社員が質問すると、文章の作成・要約・翻訳・プログラムのコード生成をチャット形式で行えるようにしています。

金融機関が外部の生成AIサービスをそのまま使いにくいのは、顧客や取引の情報が社外に出るおそれがあるためです。SMBC-GPTは入力した情報が社外に出ない作りにし、使える人を社内の従業員に限りました。情報の扱いを先に決めてから使い道を広げた点が、ほかの業界の事例と比べて目立つ違いです。

生成AIの社内業務での活用事例

生成AIの社内業務での活用事例は、資料作成や要約のように職種を問わない作業と、広告制作のように特定の部門の作業に分かれます。次の3つの事例はいずれも、生成AIに任せたのは下書きや案出しの工程で、仕上げと判断は人が担っています。

全社員の資料作成と調べもの

パナソニック コネクトは、OpenAIの大規模言語モデルをもとに自社向けのAIアシスタント「ConnectAI」を作り、2023年2月から国内の全社員に展開しました。導入の目的には、業務の生産性を上げることに加えて、社員が会社の管理外で外部の生成AIを使うリスクを減らすことも掲げています。

最初の1年（2023年6月〜2024年5月）に削減した労働時間は18.6万時間です。18.6万時間という数字は、社員に尋ねた1回あたりの短縮時間（平均約20分）を積み上げたものです。

2026年7月に発表された2025年度の実績では、国内の約1万1800人の利用で削減時間が78.8万時間に増え、年間の総労働時間の3.4％に当たるとしています。同社は伸びた理由として、利用回数が361万回に増えたことを挙げています。議事録の作成やコード生成、提案書や設計書の作成支援など、個人の業務に合わせた使い方も広がりました。

自治体職員の文書作成

神奈川県横須賀市は2023年4月、全国の自治体で初めてChatGPTを全庁で試す実証を始めました。職員がふだん使う自治体向けのビジネスチャット「LoGoチャット」にChatGPTを組み込み、文章の作成や要約、誤字脱字のチェックに使えるようにしました。

実証では約半数の職員が実際に使い、最終アンケートの回答者の約8割が「仕事の効率が上がる」「利用を続けたい」と答えました。実証の結果を受けて市は同年6月から本格導入に進み、AI戦略アドバイザーも置いています。新しい画面を覚えさせず、毎日開くチャットの中にAIを置いたことが、職員の半数が試すところまで進んだ理由の1つと見ています。

広告とパッケージの制作

伊藤園は2023年9月、特定保健用食品「お〜いお茶 カテキン緑茶」のテレビCMに、AIで生成した人物（AIタレント）を起用しました。50〜60代向けと見られがちな商品を30〜40代にも「将来の自分のためのお茶」として知ってもらうため、今の自分と30年後の自分を描く表現にAIを使っています。2024年4月に公開した第2弾のCMでは、声もAIで作りました。

パッケージのデザインでも画像生成AIを使っていますが、生成された画像は参考にとどめ、デザイナーがイラストやデザインを作り直して仕上げています。生成AIの出力を完成品として使わず、人が手を入れる前提の素材として扱った例です。

AIの身近な活用例

AIの身近な活用例は、スマートフォンや家電、ネットのサービスの中にすでに数多くあります。日常の場面と、そこで使われているAIの種類を並べると次のとおりです。

身近な例を知っておくと、社内でAI活用を提案するときに説明がしやすくなります。「スマートフォンの顔認証と同じ画像認識で、検品の目視を置き換える」のように、相手が毎日使っている機能に置き換えて話すと、AIに何を任せるのかが伝わります。

AIを導入するメリットとデメリット

AIを導入するメリットは、人の作業時間を減らせることと、人では扱いきれない量のデータから判断の材料を得られることです。デメリットは、費用と準備の手間がかかることと、AIの出力に誤りが混ざることにあります。

費用は、既製のサービスを使うか自社向けに開発するかで大きく変わります。文書作成や要約なら、1人あたりの月額料金で使えるサービスから始められます。自社製品に合わせた検品AIのように学習データから作る場合は、データの収集と開発の費用が加わります。

時間のメリットも、導入した直後から出るとは限りません。使い方のルールづくりやデータの整理が先に必要なため、導入から数か月は担当者の作業がむしろ増えると見込んでおくと、試行の途中で評価を誤らずに済みます。

事例から読み取る課題の切り分け方

成果が出たAI活用事例に共通するのは、「誰の、どの作業の、何を減らすか」を1文で言えるところまで課題を切り分けてから、AIの種類を選んでいる点です。事例をツールの名前で読むと、自社で同じ成果が出ない理由が見えてきません。

キユーピー、パナソニック コネクト、横須賀市の事例を、ツールで読んだ場合と課題で読んだ場合に分けると、持ち帰れるものの違いがわかります。

ツールで読んだ列だけを持ち帰ると、「うちも社内版のChatGPTを入れよう」という話になり、使う作業が決まらないまま試用が始まります。試用では「便利だった」という感想は集まっても、何が何時間減ったかを示せず、本格導入の判断ができずに止まりがちです。課題を切り分けずに始めた試用の多くは、この段階で足踏みしていると見ています。

では、自社の課題はどこまで切り分ければよいのか。目安は、AIに任せる作業の名前と、その作業に今かかっている時間や件数を書けるところまでです。

たとえば「営業部の残業を減らしたい」を提案書づくり・見積もり・移動・社内会議に分け、提案書づくりをさらに「過去の提案書を探す」「構成を考える」「文章を書く」に分けたとします。そこまで分けると、社内文書を生成AIに検索させる、下書きを作らせるという使い道が見えてきます。課題を作業の単位まで分けて初めて、事例のどの部分を自社に写せるかを判断できます。

大きな課題を枝分かれさせて小さな作業まで分ける図を、コンサルティングの現場ではロジックツリーと呼びます。他社の事例を読むときも、次の3つの問いに答えを探しながら読むと、自社の作業に置き換えやすくなります。

3つの問いの答えが書かれていない事例は、ツールの紹介として読むほうが安全です。課題を作業の単位まで切り分ける力は、ツールの操作を覚えても身につきません。自社の業務を題材に実際に分けてみて、第三者から指摘を受ける練習を重ねて伸びていくと感じています。

AIを導入する5つの手順

AIを導入する手順は、課題と目的の明確化、データの確認と整理、導入方法の選択、小さな範囲での試行、本格導入と運用の改善の5つに分かれます。前半の2つを飛ばすと、試行の結果を評価する物差しがなくなり、続けるかどうかを決められません。

課題と目的の明確化

最初の手順では、AIに任せる作業と、導入後に見る数字を決めます。「業務を効率化する」という目的のままでは、試行の結果が良かったのかどうかを判断できません。導入前に、少なくとも次の3つを書き出しておきます。

• ✓対象にする部署と作業の名前
• ✓その作業に今かかっている時間、件数、ミスの数
• ✓導入後に確かめる数字と、確かめる時期

書き出した数字は、試行の終わりに導入前と比べる基準になります。時間を測ったことのない作業は、試行の前に1〜2週間だけでも記録を取っておくと比べられます。

データの確認と整理

次に、AIに読ませるデータが揃っているかを確かめます。検品や需要予測のように過去のデータから学習させるAIは、データの量と正確さで精度が決まります。不良品の写真が数枚しかない、記録の書式が拠点ごとに違うといった状態では、期待した精度は出ません。

生成AIに社内の文書を参照させる場合は、文書の置き場所と、どれが最新版かを整理しておきます。社内文書を検索して回答に使わせる仕組み（RAG）を使っても、古い規程と新しい規程が混在していれば、AIは古いほうをもとに答えることがあります。

導入方法の選択

導入方法は、既製のAIサービスを契約する、すでに使っている業務ツールのAI機能を使う、自社向けに開発する、の3つから選びます。文書作成や要約、議事録のように多くの会社で共通する作業なら、既製のサービスや業務ツールのAI機能で足ります。

自社製品の傷の見分けや得意先ごとの需要予測のように、自社に固有の判定は既製のサービスでは対応しきれないことが多く、開発やカスタマイズが必要になります。開発を選ぶ場合は、外部の開発会社に任せきりにせず、課題とデータを説明できる担当者を社内に置いておきます。

小さな範囲での試行

本格導入の前に効果と問題点を確かめる試行をPoC（概念実証）と呼び、範囲は1つの部署か1つの作業に絞ります。期間は、効果を測る数字に変化が表れるまでの長さで決めます。

横須賀市は2023年4月下旬からの実証を経て、同年6月に本格導入へ進みました。試行の終わりには、最初の手順で書き出した数字を導入前と比べ、続けるか、対象の作業を変えるか、やめるかを決めます。

本格導入と運用の改善

本格導入した後は、使われ方を数字で追い、使い方の共有と見直しを続けます。パナソニック コネクトは、月に1回以上使った社員の割合（2025年度は61％）と1回あたりの短縮時間（同33分）を公表しています。使う人の広がりと、1回ごとの効果を分けて追う考え方です。

利用が伸びない部署があれば、ツールの性能を疑う前に、その部署でAIに任せる作業が決まっているかを確かめます。横須賀市は2023年11月に職員向けのChatGPT活用コンテストを開き、効果の出た使い方を庁内に広げました。

AI導入の3つの注意点

AI導入の注意点は、入力する情報の線引き、出力の確かめ方、使う人の育成の3つです。どれもツールを契約する前に決めておくと、導入後の情報漏えいや、契約しただけで使われない状態を防げます。

入力してよい情報を先に決めること

生成AIを使い始める前に、入力してよい情報と入力しない情報の線引きを決めます。横須賀市は、個人情報や機密情報を扱わない運用を決めたうえで実証を始め、入力した情報がAIの学習に二次利用されない方式で使っています。

線引きは、使うサービスの契約や設定によって変わります。入力内容が学習に使われない法人向けの契約や、社内専用の環境であれば、扱える情報は広がります。無料の個人向けサービスでは、次のような情報を入力しないことを社内のルールにしておきます。

• ✓顧客や従業員の個人情報
• ✓公表前の決算、価格、新商品の情報
• ✓取引先との契約の内容

AIの回答をそのまま使わないこと

生成AIの回答には、もっともらしい誤りが混ざります。横須賀市の実証の最終アンケートでは、約6％の職員が「おおむね不適切な回答が返ってくる」と答え、本来は向かない調べものの用途での利用が約3割あったと報告されています。

生成AIは、文章の下書き・要約・言い換えのように、元になる情報を人が渡せる作業で精度が安定します。事実や数字を調べさせる場合は、回答の出典を人が確かめる工程を業務の手順に入れておきます。AIの出力を誰が確かめるかまで決めて、初めて業務に組み込めたと言えます。

使う人の育成を後回しにしないこと

ツールを全社に配っても、使い道を考えられる人がいなければ利用は広がりません。パナソニック コネクトも、ConnectAIの導入目的の1つに社員のAIスキル向上を掲げていました。

AI活用で育てたいのは、プロンプト（AIへの指示文）の書き方だけではありません。自分の業務を作業に分け、AIに任せる部分と人が判断する部分を切り分ける力があれば、新しいツールが出ても使い道を自分で見つけられます。研修を計画するときは、ツールの操作説明と、自部署の業務を題材にした課題整理の演習を分けて組むと、両方の力を確かめやすくなります。

AI活用事例に関するよくある質問

中小企業でもAIを活用できる？

中小企業でもAIは活用できます。社員が少ない会社ほど1人が多くの業務を兼ねているため、議事録や見積書の下書きのように毎週くり返す作業を1つ任せるだけでも、担当者の手が空く時間がはっきり表れます。一方、自社のデータで学習させるAIは記録が少ないと精度が出ないため、まず日々の記録を同じ書式で残すところから始めます。

AI活用は何から始めればいい？

AI活用は、最初に任せる作業を1つ選ぶところから始めます。選ぶ基準は、毎週くり返し発生すること、今かかっている時間を数えられること、AIが誤っても社外に影響が出ないことの3つです。社内向けの議事録や会議資料の要約は3つの基準を満たしやすく、顧客への回答文のように社外に出る文章は、確認の体制ができてから広げます。

AIの活用事例はどこで探せる？

AIの活用事例は、導入した企業や自治体のニュースリリースと、AIサービスを提供する会社の導入事例ページで探せます。導入した側の発表は、削減時間などの数字がどう集計されたかまで確かめられることがあります。サービス提供会社の事例ページは自社製品の紹介を兼ねているため、導入前の課題と効果の測り方が書かれているかを確かめながら読みます。

AI活用の課題整理なら課題解決力強化道場へ

AI活用の成果は、導入するツールより先に、自社の業務から課題を作業の単位まで切り出せるかで決まります。課題解決力強化道場は、大手企業から中小企業、教育機関まで約800名を超える受講者と、自社の実務課題を題材にした課題整理に取り組んできました。

研修は1クラス10名以内の少人数制で、外資系コンサルティングファーム出身の現役コンサルタントが指導します。ロジックツリーなどの手法を教わりながら、受講者自身が自社の課題に答えを出すハンズオン形式です。事前のヒアリングで自社の実務課題を題材に組み込むため、AI導入を控えた部署の業務をそのまま演習に持ち込めます。

カリキュラムの内容や導入事例はサービス資料でご確認いただけます。料金は非公開のため、ヒアリングのうえ個別にお見積もりします。AIに任せる業務の切り分けから管理職の育成を進めたい場合は、下のフォームから貴社の状況をお聞かせください。