ユースケースを検索

該当ユースケース 12 並び替え おすすめ順 削減率が高い順 導入しやすい順 新着順
利用ツール:OpenSearch× 利用ツール:Microsoft Copilot× 利用ツール:Python× 業界:医療× 業界:EC× AI機能:予測× AI機能:対話× AI機能:校正×
UC-0170

中途入社者の立ち上がりを、入社後の面談をAIとの対話で行って追い、定着のリスクを拾う

中途入社者に対して、入社1か月後と3か月後にチャットで一次ヒアリングを行い、回答を「業務の立ち上がり」「人間関係」「期待とのずれ」「必要な支援」の4つの論点に整理します。人事の作業は、全員と面談することから、整理結果を読んで支援が要る人とだけ面談することに変わります。

想定削減率
57%
導入難易度
★★☆☆☆
実装
半自動化
Microsoft Copilot 構成例 人事 IT・SaaS・人材 属人化解消
詳しく見る →
UC-0157

購買の引き合い仕様書を、依頼部門とのAIとの対話で必要事項を埋めてから作る

購買依頼を出した人に、AIがその場で質問します。購買の区分を聞き、区分ごとに決まった項目を順に埋めさせ、引き合い仕様書の下書きまで作ります。購買担当がメールで何往復も確認する作業がなくなります。

想定削減率
63%
導入難易度
★★☆☆☆
実装
半自動化
Microsoft Copilot 構成例 生産 医療・宿泊 品質標準化
詳しく見る →
UC-0146

出願前の特許明細書で、図面の符号と用語の食い違いを点検する

特許事務所から届いた明細書案を入力に、図面の符号と本文の対応、同じ部材を指す語のゆれ、請求項の語が明細書に説明されているかを一覧にします。担当者の作業は、全文を目で追うことから、指摘された箇所を確かめることに変わります。

想定削減率
63%
導入難易度
★☆☆☆☆
実装
半自動化
ChatGPT 構成例 知財 IT・SaaS・医療 品質標準化
詳しく見る →
UC-0139

技術者へのヒアリングをAIとの対話で行い、届け出されていない発明を掘り起こす

開発報告書や設計レビューの議事録を入力に、技術者ごとの質問案を作り、チャットで一次ヒアリングを行います。知財担当の作業は、全員と面談することから、整理済みの回答を見て出願候補だけを面談することに変わります。

想定削減率
56%
導入難易度
★★☆☆☆
実装
半自動化
Microsoft Copilot 構成例 知財 IT・SaaS・医療 属人化解消
詳しく見る →
UC-0112

取扱説明書を改訂したときに、旧版との差分と表記のゆれを出荷前に点検する

改訂前後の取扱説明書を入力に、変わった箇所だけを抜き出し、その箇所が社内の表記ルールと用語集に沿っているかを点検します。直し忘れた旧仕様の記述や、訳語の不一致も指摘します。

想定削減率
64%
導入難易度
★☆☆☆☆
実装
最小構成
Claude 構成例 品質管理 IT・SaaS・その他 品質標準化
詳しく見る →
UC-0111

既存顧客の解約の兆しを利用状況と問い合わせから拾って、フォローの順番を決める

製品の利用ログ、問い合わせ履歴、請求の状況を入力に、顧客ごとの解約の確率を出し、問い合わせ本文から読み取れる不満の中身を添えて、フォローする順番の案を作ります。

想定削減率
67%
導入難易度
★★★☆☆
実装
本格構成
Python 構成例 カスタマーサポート EC・IT・SaaS 判断支援
詳しく見る →
UC-0074

対外発表の資料を公開前に点検して未出願の発明と秘密情報の記載を洗い出す

学会の予稿やプレスリリースなど社外へ出す技術資料を入力に、社内の公開前チェック基準と過去の指摘記録に照らして、出願前の発明や秘密にしている条件値に当たりうる記載を、基準番号・理由・確認先つきの表にします。知財担当の作業は、資料を読んで該当箇所を探すことから、挙がった箇所を確かめることに変わります。

想定削減率
65%
導入難易度
★☆☆☆☆
実装
最小構成
Claude 構成例 知財 IT・SaaS・医療 品質標準化
詳しく見る →
UC-0063

需要のばらつきから発注点と発注量を決めて、毎週の発注案を出す

過去の出荷実績と調達リードタイムから品目ごとの発注点と発注量を計算し、仕入先からの連絡や営業の情報を読み取って補正の根拠を添えた発注案を毎週出します。購買担当の作業は、在庫と実績を見て発注量を決めることから、提示された案を確認することに変わります。

想定削減率
70%
導入難易度
★★★★☆
実装
本格構成
Python 構成例 物流 EC・商社 判断支援
詳しく見る →
UC-0048

翌週の出荷量を予測して物流センターの日別の必要人員を決める

WMSの出荷実績と、荷主から届く販促の連絡、祝日の並びを入力に、翌週の日別の出荷件数を時系列予測で見込み、工程ごとに必要な人数を上振れ・下振れの幅つきで計算します。計画担当の作業は、実績を集めて勘で件数を置くことから、出てきた人数の幅を見て派遣の発注数を決めることに変わります。

想定削減率
64%
導入難易度
★★★☆☆
実装
半自動化
Python 構成例 物流 EC・小売 判断支援
詳しく見る →
UC-0047

広告やLPの表現を景品表示法と社内基準に照らして一次チェックする

公開前の広告文やLP、メールマガジン、SNS投稿の原稿を、社内のNG表現集や過去の指摘記録と一緒に生成AIへ渡し、「No.1」「最安」「今だけ」などの要確認箇所を、社内基準の番号と理由、必要な根拠資料を付けた表にします。違法か適法かは人が判断し、減るのは該当表現の洗い出しと指摘コメントを書く時間です。

想定削減率
60%
導入難易度
★☆☆☆☆
実装
最小構成
Claude 構成例 マーケティング EC・小売 品質標準化
詳しく見る →
UC-0046

クレーム電話の応対練習でAIに顧客役をさせ、振り返りまで行う

クレーム電話の応対研修で、SV(スーパーバイザー)が演じていた顧客役を生成AIに任せます。顧客の状況や怒りの段階を書いた「シナリオカード」と評価の観点表を渡すと、AIが音声で顧客を演じ、根拠の発言を引用した振り返りの下書きまで作ります。SVの時間が、顧客役と口頭の指導から記録の確認に変わります。

想定削減率
73%
導入難易度
★☆☆☆☆
実装
最小構成
ChatGPT 構成例 カスタマーサポート EC・保険 品質標準化
詳しく見る →
UC-0041

過去の試作データから次に試す実験条件を絞り込んで試作回数を減らす

これまでに行った試作の「条件」と「結果」を入力に、次に試す価値が高い条件の候補を複数出します。あわせて、その条件が選ばれた理由を文章で示します。

想定削減率
67%
導入難易度
★★★★☆
実装
本格構成
Python 構成例 品質管理 その他・医療 判断支援
詳しく見る →