Case studies

AIを
実際の業務へ

テンキは、AIのデモを作ることではなく、現場の仕事の中で「誰が、いつ、何に使うか」まで整理して導入を支援しています。守秘義務に配慮し、公開できる範囲で支援内容を紹介します。

企業でAIを使うときは、「回答できるか」だけでは不十分です。現在の作業時間、判断の責任、例外時の対応、利用者の負担まで含めて確認する必要があります。以下の事例でも、まず業務を分け、AIに任せる部分と人が持つ部分を整理するところから進めています。

Projects

公開可能な
支援事例

企業名や案件固有の情報は掲載せず、課題・支援内容・確認した観点を中心にまとめています。

ENERGY / FIELD OPERATIONS

現場業務のAI化PoC

背景

現場で集めた情報をもとに、複数の確認や判断、関係部署への連絡を行う業務があり、担当者の負担を減らしながら品質を保つ必要がありました。

支援内容

現在の業務手順を整理し、作業前の確認、簡単な判断の補助、関係部署へ伝える文章の作成など、AIに任せられる場面を分けて試作しました。

検証

単純な時間削減だけでなく、どれだけ人の修正が必要か、追加確認が何回発生するか、例外時に人へ戻せるかまで確認しました。

現場業務試作利用者検証効果確認
ENTERPRISE / BUSINESS PROCESS

大手企業の業務AI化支援

背景

生成AIを単発の文章作成だけで使うのではなく、社内の仕事の流れの中に組み込み、探す・確認する・次の処理へ渡すところまでつなげることが課題でした。

支援内容

候補となる業務を洗い出し、どこに時間がかかっているか、どこは人の判断を残すべきかを整理。AIを使う場面を具体的な業務要件へ落とし込みました。

価値

製品ありきではなく、利用者と業務の流れから考えることで、導入後に何を評価すべきかまで明確にしました。

業務整理導入設計社内情報運用設計
GLOBAL PHARMACEUTICAL / GENERATIVE AI

企業環境を踏まえた生成AI活用

背景

企業特有の情報管理や運用条件がある中で、生成AIを一時的な試用で終わらせず、継続利用できる形へ整理する必要がありました。

支援内容

対象業務、利用する情報、利用者、例外時の対応、人が確認する場面を整理し、実際の運用を想定した利用方法を検討しました。

価値

「AIが答えられるか」だけではなく、誰が情報を更新するか、誰が最終責任を持つかまで含めて検討しました。

生成AI企業利用情報管理継続運用

※ 守秘義務に配慮し、企業名・案件固有の機密情報・具体的な内部数値は非公開です。

共通して大切にしていること

AIの前に業務を見る

現在の仕事を理解せずにAIを入れると、かえって確認作業が増えることがあります。まず今の流れを整理します。

人の判断を無理に消さない

責任が大きい判断や例外処理は人に残し、AIは情報整理や候補作成を担うなど役割を分けます。

現場の利用者に早く触ってもらう

作成者だけで評価せず、実際に業務を行う人の質問や使い方で確認します。

効果を数字で確認する

時間、修正回数、完了率、利用者評価など、導入前後を比べられる指標を決めます。

AI導入の目的は、AIを使うことではなく、仕事をより速く・分かりやすく・安定して進めること。

支援方針の参考にしている公式情報

自社のどの業務から
始めるか整理する

まだ要件が決まっていない段階でも、現在の業務と課題の整理から対応します。

相談する ↗