構想から実装までの支援実績
上場企業グループ様の新規AI事業立案〜実行から、中小企業様へのDX推進・実装まで。規模や領域を問わず、事業の数字が動いたかどうかを基準に取り組んできました。守秘義務のため、企業名は伏せて掲載しています。
飲食 × ロボットのAIソリューションを、PoCから立ち上げる
Launching an AI Solution for Foodservice
- Industry
- 大手ロボットメーカー（飲食領域）
- Role
- 新規事業開発 / PoC設計・推進
- Service
- 04 新規事業
新規事業のPoCは技術検証ではなく「誰がいくら払うか」の検証。半年回して手元に残るのは、現場が手放してよいと認めた業務のリストと、そこに付いた値段だけだ。
Challenge
ロボット単体では売れない。飲食の現場でAIに何を担わせれば投資判断が通るのか、その答えを誰も持っていなかった。仮説は社内に複数あったが、机上のまま検証されず、事業として成立する形が見えていなかった。
Approach
新規事業として、市場に受け入れられるAIソリューションの形そのものを検証対象に据えた。半年以上にわたって現場でPoCを回し、どの業務なら任せてよいと現場が認めるのか、どの効果なら費用を出せるのかを、実地の反応で一つずつ潰していった。並行して価格と導入効果の関係を詰め、大手メーカーの意思決定プロセスに乗る形——社内稟議に耐える投資対効果の説明まで落とし込んでいる。
Result
検証で残った仮説をもとに、新規AIソリューションのローンチまで到達。月100時間規模で継続的に関与し、企画から市場投入までの推進役を担った。
- 新規事業開発
- PoC設計・検証
- 市場・ターゲット設計
- ローンチ推進
業務フローから引き直して、外部SaaSを自社基盤に置き換える
Replacing a SaaS with an In-house Platform
- Industry
- 広告代理業（Web広告運用）
- Role
- 業務プロセス分析・業務フロー再設計・実装
- Service
- 01 AI戦略・実装支援
SaaSを置き換える判断は、機能比較表からは出てこない。業務フローを引き直して「本当に必要な画面」を定義できたときだけ、自前のほうが安くて速いという結論に届く。
Challenge
担当者ごとに分かれた複数のスプレッドシートで、年間数万件規模の配信案件を手管理。外部のレポートツールには固定の保守費を払っていたが、実態はAPIで取得したレポートを出力・整形しているだけだった。そもそも、誰がどの数字を見て何を決めているのかが整理されていなかった。
Approach
機能比較から入らず、業務プロセスの分析から始めた。運用担当・管理者・経営がそれぞれ何を見て何を判断しているのかを洗い出し、あるべき業務フローを引き直したうえで、必要な画面と、その画面を成立させるために持つべきデータ構造を定義。現場が慣れた入力はスプレッドシートのまま残し、集計層だけをデータウェアハウスへ分離した。広告媒体のAPIから実績を自動取得し、案件単位で予算・消化・進捗を突き合わせるダッシュボードを構築。日次の取り込みはクラウド上で自動実行する構成とした。
Result
全社の広告アカウントを横断して自動で取り込み、案件別の実績が毎朝更新される状態へ。外部レポートツールの月額保守を代替し、基盤のランニングはクラウドの無料枠内に収めた。
- 業務プロセス分析
- 業務フロー再設計
- データ基盤構築
- SaaS代替
外部SaaS2種を自社基盤へ置き換える、マルチAIエージェント基盤
Multi-Agent Platform Advisory
- Industry
- 上場企業グループ（施設運営支援・20以上の事業所）
- Role
- 技術アドバイザリ・実装リード
- Service
- 01 AI戦略・実装支援
AI基盤の受入で落ちるのは機能ではなく統制。上場企業では「AIが何を根拠に出したか」の説明可能性と、個人情報・コストの制御が、機能要件より先に問われる。
Challenge
予実管理と経理・請求で使っていた外部SaaSの解約期日が先に確定し、置き換え先の自社システムは未完成。並行稼働の余地がないまま、2度の検収期日が迫っていた。
Approach
要件書と実装コードを突き合わせるところから着手し、ドキュメントと実態の乖離を提示。あわせて、認証・権限、AI出力に含まれる個人情報の扱い、AI利用コストの管理など、上場企業の内部統制で必ず問われる領域の不足を洗い出した。移行リスクは、AIの判定を人が承認する期間を設ける運用と、旧システムの結果に対する再計算の差分検証の2本立てで吸収する設計とした。
Result
30以上の機能を2段階の検収に分割するロードマップと実装計画を策定。実装リードの大半を当社が担う体制で合意し、解約期日と本番稼働の隙間を埋めた。
- 内部統制
- 移行リスク設計
- コードレビュー
- 実装支援
6部署と進める、全社AI導入ロードマップとエンジニア育成
Company-wide AI Roadmap & Engineer Enablement
- Industry
- 上場準備企業（SaaS事業 / マーケティング支援事業）
- Role
- AI推進の戦略設計・エンジニア育成・実務研修
- Service
- 01 AI戦略・実装支援02 AI研修・内製化
リテラシー研修だけでは業務は変わらない。ROIは「誰の何分が消えるか」に紐づいた業務単位でしか説明できず、そこまで降ろせるかどうかが全社推進の分岐点になる。
Challenge
全社インフラの刷新とAIアカウントの全社導入は決まっていたが、IT全般統制を睨む上場準備企業として「どこまで使ってよいか」の線引きが未定。ツールだけが先行し、業務が何も変わらないまま費用だけが乗るリスクがあった。外部に作らせ続ける前提のままでは、AIを使って自ら開発する力も組織に残らない。
Approach
6部署へのヒアリングで業務を棚卸しし、「判断の余地」と「頻度 × 工数」の2軸でAI適用可否を仕分け。経理・帳票、契約管理、社内ナレッジ検索、メール・文書業務の4領域を初期3ヶ月のQuick Winに設定し、そこから6ヶ月のロードマップへ接続した。あわせて、社内エンジニアがAIを使って自ら開発できる状態を目標に据え、実務を題材にした育成の進め方まで設計。汎用AIと業務特化AIの役割分担も、権限と統制の観点から整理している。
Result
6部署の棚卸しをもとに、初期3ヶ月で成果を出す対象・着手順・担当と、6ヶ月ロードマップを確定。全社展開の前提となる合意形成を進めている。
- AI導入ロードマップ
- 6部署の業務棚卸し
- エンジニア育成
- IT全般統制
データを扱える形に整えてから、月次業務を自動化する
Data Preparation, then Automation
- Industry
- 化粧品業界
- Role
- データ整理・前処理 / マスタ再設計 / 実装・本番反映
- Service
- 01 AI戦略・実装支援
自動化の精度はアルゴリズムではなく前処理で決まる。表記ゆれと主キーを片付けないまま実装したものは、結局この先も毎月、人が全件を見直すことになる。
Challenge
1枚の巨大なシートに商品の基本情報・単価・仕様・資材が同居し、主キーが定まらないまま運用。一方で月次の請求業務は、運送会社の請求データと自社の出荷一覧を人が突き合わせて作成しており、自動化の仕組みはあったものの正しく振り分けられない明細が毎月残り、結局は全件を人が見直していた。どちらも根は同じで、データがまだ機械に渡せる状態になっていなかった。
Approach
実装より先に、データの整理と前処理を徹底した。請求側は、金額の正本をどの帳票に置くかを定義し直し、伝票番号をキーに突合する構造へ変更。振り分け不能の原因は実データを1ヶ月ぶん照合して特定した——帳票フォーマットの揺れ、文字コードに起因する表記崩れ、社名表記のゆらぎ。いずれも正規化して解消している。商品側は商品コードを主キーに、基本情報を親、単価・仕様・資材を子とする構造へ正規化し、検証と本移行を分離して差分を確認してから流す手順にした。整えたうえで実装まで進め、判断が要る例外だけを人に返す月次処理と、期日管理を自動リマインドするチャットbotを構築している。
Result
振り分け不能の明細は実質ゼロになり、人が触るのは例外行だけに。マスタは業務アプリから参照できる構造へ移行し、リマインドbotは本番稼働中。自動化しない領域は手作業と割り切り、その境界を月次運用ガイドとして明文化して納品した。
- データ前処理・正規化
- マスタ / キー設計
- 業務自動化
- 本番運用移行
現場で育った基幹システムを、クラウド基盤へ移す設計
Legacy System Migration Design
- Industry
- 化粧品業界
- Role
- 現行システム調査・移行設計・見積り
- Service
- 01 AI戦略・実装支援
レガシー移行の見積り事故は、データ量ではなくロジック密度で起きる。数十万件はどのRDBでも余裕。危険なのは、在庫数がコードではなく保存クエリの積み上げで決まっている状態のほうだ。
Challenge
「表計算の延長」と説明されていた社内システムが、実際には原料マスタ・構成表・受払台帳を核とする本格的な生産購買在庫管理システムだった。聞いた話のまま着手すれば確実に破綻する規模。
Approach
テーブル・保存クエリ・独自プログラムを全数調査し、難所を特定——在庫計算のロジックがコードではなく保存クエリ側に分散していること、配合品を構成比へ展開する処理、単位換算、名称からの逆引き。移行先は、全社の業務基盤をクラウドのグループウェアへ寄せる方針に合わせて選定し、データベースは分析基盤ではなくトランザクション向けのマネージドRDBを推奨した（在庫は1件ずつの整合性が要るOLTPであり、分析基盤とは役割が違うため）。前提が固まるのを待つ工程と待たない工程を切り分け、フェーズ計画と工数レンジを提示している。
Result
見えている要件ではなく実装の実態にもとづく見積りを提示し、当初スコープを超過した分の条件を再協議。移行時に「現行と1件でも合わない」で信用を失わないよう、並行稼働での突合期間を最初から工程に組み込んだ。
- 現行システム調査
- OLTP / DB選定
- フェーズ設計
- 工数見積り
3つのシステムに分かれた在庫を、品番で束ねる
Inventory Integration Database
- Industry
- 卸・小売業
- Role
- 要件定義・API連携設計
- Service
- 01 AI戦略・実装支援
在庫統合の成否は「どのシステムの品番を正規キーにするか」で9割決まる。API連携は、その決定のあとに残る作業でしかない。
Challenge
自社基幹・店舗POS・ECで品番の体系がそれぞれ異なり、在庫が分断。全体を把握するには人の突合が必要だった。
Approach
品番の正規化を設計の中心に据え、現場で使われていた変換表を変換マスタとして移植。各システムのAPI仕様を一次資料で精査し、接続元の制限や取得できる単位といった制約を洗い出したうえで、リアルタイムに反映する経路と日次差分で取る経路を使い分ける構成を設計した。
Result
商品マスター（粗利・価格改定チェック）と、在庫の見える化＋発注アラートを要件として確定。実装に入れる粒度の要件定義書として納品した。
- 品番正規化
- API制約の一次調査
- 統合設計
- 要件定義
4媒体にまたがるSNS運用を、ひとつの基盤に
Social Commerce Platform Scoping
- Industry
- D2C / ブランド事業
- Role
- 要件定義・実現可能性検証・見積り設計
- Service
- 01 AI戦略・実装支援
SNS統合の見積りで外すと痛いのは工数ではなく審査。「技術的に書ける」と「プラットフォームが書かせてくれる」は別問題で、後者は金では買えない。
Challenge
4つのSNSにまたがるアカウント運用、インフルエンサー管理、請求、カスタマーサポートがそれぞれ個別に回り、横断して見る手段がなかった。
Approach
業務フローの棚卸しを起点に、共通基盤／統合ダッシュボード／CRM・請求／通知／AI制作支援／統合インボックスへ分解。媒体ごとのAPI制約を先に検証した——書き込み権限は審査が要る、返信送信の可否は媒体ごとに違う、他者アカウントの分析値は公開されている範囲しか取れない。実現できる範囲を確定させたうえで3プランに整理し、API・クラウドの利用料は先方負担として費用構造を分離した。
Result
要件定義書と概算見積りを提出。プラン選定の判断材料として、機能ごとの実現可能性まで明示した。
- 要件定義
- プラットフォーム審査要件
- 見積り設計
- プラン設計
機密を扱う職種のための、実務直結AI研修
AI Training for Professionals
- Industry
- 士業（社会保険労務士）
- Role
- 研修設計・教材制作・登壇
- Service
- 02 AI研修・内製化
AI研修で受講者が止まるのは技術ではなく恐怖。注意点を網羅するより、守る線を絞って先に言い切るほうが、現場は動き出す。
Challenge
AIを使ってみたいが、機密性の高い情報を日常的に扱う職種ゆえに「どこまで入れてよいか」が分からず踏み出せない。守りの話から入るほど、現場はさらに動かなくなる。
Approach
「事務所のホームページを自分で作り、公開する」を題材に、その日のうちに完成まで到達するハンズオンを設計。安全に関する説明は不安を煽らず、守るべき線を絞って結論から提示する構成にした。AIの誤りを体感する場面には、検索で解ける知識問題ではなく実務の計算問題を使い、実際に間違える瞬間を全員に踏ませている。
Result
研修資料とアジェンダを制作し、TA体制やタイムテーブルを含む運営設計まで担当。
- 研修設計
- ハンズオン教材
- セキュリティ方針
- 登壇
※ 掲載内容は守秘義務の範囲でまとめたものです。企業名・固有の数値・システム名の一部は伏せています。個別の事例については、面談の場でお話しできる範囲でご説明します。