01
新規事業・PoCの検証
新規事業の仮説をデータで検証
市場・顧客リサーチから価値提案を再定義し、検証サイクルを速める体制づくりを支援しました。
設計・運用で重視した点
- 仮説検証のスピードを左右するデータ基盤の再整理
- 経営と現場で共通のKPI設計
Achievements
AI導入・業務自動化の支援例
新規事業・業務自動化・体験設計・AIガバナンスで、どのような支援をしているかをご紹介します。 顧客への支援例と、自社のAI運用で計測した記録を掲載しています。
Cases
顧客の課題に、どう関わったか
支援した内容と、設計・運用で重視した点を領域ごとに紹介します。
02
AI導入・業務自動化
業務自動化に向けた業務プロセスの整理
AIコーディングエージェント（Claude Code / Codex）を中核に自動化基盤を構築し、属人化していた業務のプロセス化を支援しました。
設計・運用で重視した点
- 自動化対象の優先順位付けとROIの可視化
- 自走に向けた運用ルールと教育設計
03
AIと人の役割・体験設計
AIと人の役割を分ける、顧客・従業員体験の設計
AIアシスタントと人によるサポートの役割分担を定義し、顧客体験の流れを再設計しました。
設計・運用で重視した点
- AIX（AIと人の協働体験）の役割定義とガイドライン整備
- 定性・定量の両面からの効果測定
04
AIガバナンス・運用ルール
AI活用ポリシーと運用手順の整備
AI活用ポリシーや評価指標、リスク管理プロセスの整備を支援しました。
設計・運用で重視した点
- ステークホルダーを巻き込むワークショップ
- ガバナンスとスピードのバランス調整
Internal measurement
自社のAI運用で
計測したこと
対象期間
〜
同じ期間に記録した、測定方法の異なる2つの値です。 顧客の成果や、削減できた工数を示すものではありません。
- AIの稼働時間
-
744時間
自社で運用するAIの稼働記録です。人間の労働時間を測ったものではありません。
- 人間の監視時間代理値
-
28.3時間
入力操作の直前に画面へ向かっていた時間を合計しています。実際の監視時間より短く出る可能性があります。
この2つの値から、生産性の倍率は出せません
AIの稼働時間と、人間の監視時間の代理値は、測定対象が異なります。744 ÷ 28.3 ≒ 26という比率を、生産性や投資対効果の倍率として扱うことはできません。