NewsHub.JP

NewsHub.JP

AI活用でビジネスはどう変わる　先行企業7社の実践と共通項を読む

by 田中 健司
URLをコピーしました
#AI #DX #生成AI #データ活用 #業務改革

はじめに

AI活用は、もはや一部の先進企業だけの実験ではありません。不動産、小売り、製造、医療、観光、IRまで、現場での使い方は急速に具体化しています。ただし、成果を出している企業の共通点は「AIを入れたこと」そのものではなく、既存の業務フローや自社データとどこまで深く結び付けたかにあります。

実際、先行事例を並べると、AIの役割は単純な自動化にとどまりません。待ち時間を削減する、判断のばらつきを減らす、顧客への提案を個別最適化する、投資家対話の質を高めるといった形で、ビジネスの中身そのものを書き換えています。本記事では代表的な事例をもとに、各社が何を変えたのか、どこに再現可能なヒントがあるのかを解説します。

先行企業はAIで何を変えたのか

まず変わったのは「時間」と「判断」の使い方です

LIFULLは社内生成AI活用を2023年から進め、2024年10月から2025年3月の半年間で31,596時間の業務効率化を実現しました。従業員の90.9%が活用し、80.9%が「業務の質も向上した」と回答しています。重要なのは、単に使ってみる文化をつくっただけではなく、利用状況のトラッキングや部門別フィードバック、Chrome拡張との連携で日常業務に埋め込んだ点です。AIを“思い出した時だけ使う道具”から“常時使う前提の業務部品”へ変えたことが成果につながっています。

イオンリテールの事例も同じ構図です。惣菜売場では、製造数を決める「AIオーダー」と、値引きタイミングを決める「AIカカク」を使い、天候、気温、曜日、時間帯、売れ行きなどを基に製造数と割引率を算出しています。現場では廃棄率の低下に加え、経験の浅い従業員でも同じ基準で判断しやすくなったといいます。AIの価値は、熟練者の勘を完全に置き換えることではなく、判断の初期値を標準化して、人が最後の調整に集中できる状態を作ることにあります。

ミスミはさらに分かりやすく、顧客接点そのものを再設計しました。取扱商品は3,000万点以上あり、技術問い合わせだけで国内年約10万件にのぼります。生成AIチャットボットの導入後、技術サポートは平均回答40秒で98%削減、注文後のキャンセルや変更の可否判定は平均10秒で97%削減しました。ここでの本質は問い合わせの自動化ではなく、膨大な商品DB、過去問い合わせ、注文情報とAIを接続し、専門性の高い調達行動をその場で前に進められるようにしたことです。製造業向けAI活用は、工場内だけでなく、調達やカスタマーサービスにも波及しています。

医療でも同様です。藤田医科大学病院では、電子カルテから必要情報を抽出して退院時サマリーの下書きを作る生成AI支援システムを2025年2月に先行導入し、3月には31診療科へ拡大しました。利用医師の92%が業務効率化につながったと答え、導入後3カ月の累計短縮時間は約1,000時間に達しています。ここでもAIが単独で完結するのではなく、医師が最終調整する前提で、文書作成の重い部分を先に引き受けています。高い精度が求められる領域ほど、AIは代替者ではなく下書き作成者として使う方が現実的です。

次の段階では「提案型ビジネス」への転換が始まっています

LIFULLは社内効率化だけで終わっていません。2025年12月には統合型AIエージェント「LIFULL AI」を発表し、住まい探しを「検索」から「提案」へ移す構想を打ち出しました。30年分の自社データを横断し、ユーザーの文脈に沿って物件やエリアを提案する仕組みです。これは、不動産ポータルが単なる掲載面から、意思決定を支援する対話型インターフェースへ変わることを意味します。

観光でも同じ変化が起きています。AVA Intelligenceの旅行プラン生成システムは、自治体や宿泊施設が持つ公式情報をAIに学習させ、個人の好みや同行者条件に応じて旅程を自動生成します。特徴的なのは、公式データを使ってハルシネーションを抑制し、予約導線につなげている点です。長崎県の公式観光サイトにも導入されており、観光DXを単なる案内の自動化ではなく、滞在時間や消費額の向上まで含む設計にしています。

小売りでは、イオンのオンラインマーケット「Green Beans」も示唆的です。日本初のAI・ロボティクス機能を備えた顧客フルフィルメントセンターを物流拠点に据え、ECと物流の一体最適化を狙っています。店舗でのAI値引きと同じく、AIは表側の接客だけでなく、裏側の供給能力や在庫精度の改善にも効きます。AI活用が進む企業ほど、フロントとバックの境目が薄れていきます。

製造業ではMichelinのConnected Fleetが、製品売り切り型からデータ活用型への転換を象徴しています。MichelinはAIと独自アルゴリズムを使う接続ソリューションを48カ国に展開し、年間3億件の走行データを処理、7万社の顧客に提供しています。タイヤ摩耗や空気圧をリアルタイムで把握し、最長2カ月先の保守介入を見込める予知保全まで提供しており、製品そのものより“使い方データ”が価値になる局面に入っています。

IR分野でもAIは裏方業務を変え始めました。ログラスの「Loglass AI IR」は、面談前準備、議事録化、面談後の分析とレポートまでを一元化し、Q&A議事録機能で工数を90%以上削減できるとしています。IRは東京証券取引所の要請を受けて、単なる開示業務から投資家との対話強化へ重心が移っています。AIの役割も、作業削減だけでなく、散在する対話履歴を蓄積し、企業価値向上に向けた意思決定を速めることへ広がっています。

成果を出す企業に共通する3つの条件

1つ目は、自社固有データと結び付いていることです

成果事例のほぼ全てで、AIは汎用モデルのまま使われていません。LIFULLは住まいデータ、ミスミは商品仕様と注文情報、藤田医科大学は電子カルテ、AVAは公式観光情報、Michelinは走行データ、Loglassは投資家対話ログと、それぞれの強みをAIの入力側に入れています。AIの競争力はモデル単体より、何のデータに接続されているかで決まる局面に入ったと見るべきです。

2つ目は、現場の業務導線に埋め込まれていることです

成果企業は、AIを別画面のツールとして置いていません。LIFULLは社内ツールやChrome拡張に、ミスミはECサイトの問い合わせ導線に、イオンは惣菜の製造と値引き判断に、藤田医科大学は電子カルテに組み込んでいます。現場がわざわざAIを使いに行く設計では定着しません。いつもの作業の中にAIがある状態を作れるかが分かれ目です。

3つ目は、人の最終判断を残していることです

AI導入が進んでも、完全自動化が正解とは限りません。イオンでは材料ロットや現場事情を見て人が修正し、藤田医科大学でも医師が内容を確認して調整します。AVAは公式情報でハルシネーションを抑え、LoglassもIR担当者の戦略判断を支える補助役に徹しています。AIの精度向上は重要ですが、責任の所在と判断の最終権限を人が持つ設計の方が、結果として導入は広がりやすいです。

注意点・展望

よくある誤解は、AI活用の成否を「チャットがうまく答えるかどうか」だけで測ってしまうことです。実際には、KPI設計、データ整備、業務ルール、権限設計まで含めた運用のほうが重要です。LIFULLがトラッキングを重視し、イオンがPOSや値引き実務に落とし込み、ミスミが商品DBと注文情報につないだのは、AIの回答品質だけでは成果が出ないことを示しています。

今後は、効率化型と提案型の二層化が進みそうです。社内文書、問い合わせ、議事録などは効率化がさらに進み、一方で不動産、観光、モビリティのような領域では、AIが顧客の意思決定を前に進める「提案エンジン」としての役割を強めるでしょう。企業に求められるのは、万能なAI戦略ではなく、自社のどの判断、どの接点、どのデータにAIを入れると価値が最大化するかを見極めることです。

まとめ

AI活用で先行する企業に共通しているのは、AIを派手な新機能として扱っていないことです。固有データにつなぎ、業務フローに埋め込み、人の判断と組み合わせることで、業務効率化、判断標準化、顧客体験向上、新収益化まで一気通貫で設計しています。

LIFULL、イオン、ミスミ、Michelin、藤田医科大学、AVA、Loglassの事例は、AI導入の本番がPoCの先にあることを示しています。これから問われるのは「AIを使うか」ではなく、「AIで何の摩擦を消し、どの価値を増幅するか」です。そこまで設計できる企業から、AIを競争優位に変えていくはずです。

参考資料:

関連記事

最新ニュース