プロジェクト事例 FLUX Insight Project

データ分析やダッシュボード構築などを内製で行い、データ活用による事業成長を支援している部署ではありましたが、AI領域は技術的なハードルが高く、社内リソースだけでは対応が難しい状況でした。特に、国内外の消費者動向をリアルタイムに把握し、マーケティング戦略に活かすためのAI活用が急務となっており、外部知見の導入が求められていました。

R&Dテーマの具体化からPoC設計・推進、MVP開発、社内ローンチ用の開発まで、一連のプロセスにおいて企画と実行の両面で伴走し、実用化に向けた道筋を整備しました。検討の結果SNSデータを活用した消費者動向の可視化を提案し、国内外の投稿データをAIで収集・分析。その結果をもとに、マーケターが日常業務で活用できるダッシュボードを設計・構築しました。

SNSデータを活用したマーケター向けダッシュボードは社内で高い評価を獲得。他事業部や海外拠点からも導入希望の声が上がり、実際に活用が広がり始めています。あわせて、開発したシステムを自社メンバーのみで運用できるようナレッジトランスファーを実施。継続的な活用を見据えた体制が整い、社内のケイパビリティ強化にもつながる取り組みとなりました。

グループ全体のDXを加速させるため、専門知識の立ち上げが計画され、運用体制や案件の統合的な管理体制の構築が求められていました。新規DX案件を推進する仕組みと、既存DX案件を統制する仕組みの両立が必要であり、案件受付窓口や推進プロセス、分散された情報の可視化などが求められていました。

新規DX案件を推進する仕組みとして、案件の収集から評価・優先順位付け・管理までのプロセス設計を行いました。あわせて部署間連携を促進するための仕分け基準や推進方針を明確化。既存DX案件のガバナンス強化に向けては、案件を可視化するための情報整理と、検索・参照しやすい情報基盤の整備、標準化された週報フォーマットの導入を通じて、定期的な情報収集の仕組みを構築しました。

DX案件を全社的に把握・管理するための仕組みが整備され、効率的な推進体制が構築されました。報告フォーマットの統一や管理マスタの整備を通じて、案件の進捗状況が明確に把握できたことで、グループ全体のDX推進におけるガバナンスと実行管理の精度が向上し、横断的なマネジメント基盤として機能し始めています。

生成AIをはじめとする、先端技術領域における知見を持った人材が不足していることで、新規企業開拓における営業活動において一部の人材の負荷が高い状態となっていました。属人性が高い状況が続いていたため、若手人材を育成し、ソリューション提案を担える体制の構築が求められていました。

生成AIの導入といった先端技術に対応する営業戦略の立案支援に加えて、営業現場で活用できる資料の作成も行いました。あわせて企業が保有するプロダクトと生成AIを組み合わせた新たなソリューションの構想も支援。さらに提案業務における属人性や負荷を軽減するため、内部業務の可視化と業務改革の方向性についても検討を行い、営業組織全体で効率的な提案体制の実現を目指しました。

立案した営業戦略、資料を活用して新たなソリューションをエンタープライズ企業に提案し、複数社にて導入検討が進んでいます。

マンション管理業界では慢性的な人手不足が続いており、属人化や非効率な業務運用が課題となっていました。こうした中、将来の業務モデルを見据え、管理組合向けサービスの質と効率の両立を目指した中長期的な改革計画を推進する必要がありました。

理想的な業務像を描いたソリューションロードマップの策定にあたり、マンション管理組合に関わる業務全体を整理し、現状とあるべき姿を明確化。そのうえで各ソリューションの業務削減効果を定量評価し、費用対効果に基づき開発・導入の優先順位を決定しました。特に効果が見込まれる議事録作成業務では、AIを活用した自動化ソリューションを構築。現場と連携してPoCを重ね、実務レベルの精度を達成するシステムの具体化に至りました。

5年間での実現が可能で、業務全体で大幅な削減効果が見込まれる具体的なアクションプランが策定されました。特に議事録作成ソリューションでは、手作業の約70％を削減しつつ、品質面でも従来を上回る成果が期待できる精度を達成。生産性向上とサービス品質の両立に資する取り組みとして意義ある一歩となりました。

グループ内で各部門へのデータ活用を推進する専門組織が発足。しかし推進する人材が不足しており、目標達成に向けた体制が十分に整っていない状況でした。組織メンバーと連携しながら、短期的にデータ活用を推進する外部人材の確保と、長期的に推進していく社内人材の育成が求められていました。

複数のプロジェクトにおけるプロジェクトリーダーとして組織メンバーとも連携しながら、様々な部門に対する提案活動とプロジェクト推進を担いました。あるプロジェクトではお客さまの声を多角的に分析するため、生成AIを用いたSNSデータの抽出・分析を実施。また別のプロジェクトでは、収益データ基盤とBIダッシュボードの構築を支援し、コスト最適化やデータドリブンなマーケティングの実現に貢献しました。

各部門がデータを個別管理・活用していたことで、全社的なデータガバナンスが機能しておらず、情報漏洩や誤利用などのリスクが懸念されていました。業務改善や新たな価値創出につながるはずのデータも十分に活用されておらず、組織全体での利活用の推進が求められていました。こうした背景から、リスクを抑えながらデータ活用を最大化するための全社共通基盤の整備が急がれていました。

データ基盤の導入に留まらずガバナンスや運用性も踏まえた全社的なデータ活用体制の構築を行いました。既存データベースからの移行とデータ基盤の構築、運用設計を実施。あわせて、利活用に向けたガバナンスルールの整備や、生成AI・予測AIなどの技術を活用した活用プロセスの設計も行い、技術的な土台だけでなく、実務運用までを見据えた全社的なデータ活用の基盤を整備しました。

とあるシステムの全社的な活用を推進する中で、組織としてのスキルやケイパビリティを正しく可視化する必要性が高まっていました。しかし、事業成長に伴い各部門でルールや判断基準が細分化されていたため、役割やスキルの全体像が見えにくく、人材育成や評価の方針とも整合が取りづらい状況にありました。社内に共通言語が存在しないなかで、スキルをどのように伝え、評価していくかが大きな課題となっていました。

社員のスキル向上とケイパビリティの可視化を目的に、育成プログラムの設計をおこないました。対象部署・社員の現状を多角的に分析し、習得すべき知識・スキルとその習熟レベルを定義。オープンバッジ制度などを参考に、認定基準やトレーニング内容、運用フローを一貫して設計しました。さらに、多様な視点からの意見を収集するための検証チームによるプロトタイプ運用とフィードバック分析を通じて、現場視点での改善と実効性の向上を図りました。さらに社内AIツールを部署ごとに、どのように活用すべきかの指針策定を行いました。

システムの全社的な導入を段階的に推進するためのプロセスと、それぞれの段階で求められるケイパビリティが明確に定義され、人材配置や育成戦略をデータに基づいて計画的に検討・実行できる基盤が整いました。特に、新たに導入した「バッジ制度」によって、定義されたケイパビリティが社員単位で可視化され、専門スキルの保有状況が把握しやすくなったことで、適材適所の配置や育成プログラムの実行もスムーズに進められるようになりました。

中長期的な営業利益目標に対してのギャップがあり、利益創出に向けた施策立案と実行が経営の最優先課題となっていました。経営の柱である事業では中長期ビジョンが定まっておらず、横断的なPMOや意思決定プロセスも存在しなかったため、各事業部の動きが不透明になり、施策やリソースの停滞や重複が生じていました。また経営企画部には戦略立案から実行管理までを担える十分な体制がありませんでした。

経営目線で実行可能な利益創出戦略を策定すべく、経営層との定例的な対話を重ねながら、全社事業方針の再定義と中計KPIとのギャップ分析を実施。各事業部へのヒアリングを通じて、既存施策に加えて収益インパクトの大きい新規事業の必要性を特定し、事業アイデアの創出・初期評価とともに実行ロードマップを策定しました。一過性で終わらせず継続的に新たな収益を生み出せるよう、横断的な利益創出体制の設計にも取り組みました。

事業戦略を共有・議論するためのPMO体制が整備され、経営会議の運営改善や新たな会議体の設置などを通じて、横断的な意思決定の仕組みが定着しつつあります。新規事業や施策の創出に特化したインキュベーション機能も設置し、収益創出に向けた継続的な仕組みの内製化も進みました。中長期的な利益目標の実現に向けては、将来的なコア事業候補となる複数の新規事業案が実行フェーズに入り、難易度の高い経営課題に対しても着実な手応えを得つつあります。

将来的な事業成長を期待されて新設された事業でPoC実施を目前に控えながらも、事業としての勝ち筋や今後の拡大に必要な要件が明確でない状態が続いていました。検討スケジュールも限られており、スピード感を持って事業性を検証し成功確度を高める必要がある一方で、社内のリソースや事業構想に必要なケイパビリティが不足していました。

ターゲットセグメントと提供サービスの整理を行い、デプスインタビューやテストセールスを通じて仮説検証を繰り返し、ビジネスモデルの成立可能性と事業としての勝ち筋を明確化しました。あわせて、調査結果をもとにアプローチすべきセグメントの優先順位を設定し、事業拡大に向けた論点を洗い出しながら、具体的なアクションプランと中長期の事業ロードマップを策定しました。

実現可能性の高い事業計画書を策定しました。PoC終了後には、計画に基づいた次のステップへと速やかに移行できる体制も整備されており、意思決定の迅速化と社内合意形成の加速にも寄与しました。

見積作成業務が特定の熟練技術者に依存（属人化）しており、担当者によって見積金額が異なるなど安定した品質の維持が困難でした。1件あたり数時間〜数日を要する作業が担当者の稼働をひっ迫させていたほか、競合他社に対する見積提出リードタイムの遅れが失注につながる要因となっており、熟練者のノウハウ（暗黙知）の形式知化と業務効率化が急務となっていました。

Google Cloudサービス等を活用し、熟練者の判断ロジックを反映した見積書自動作成AIエージェントを開発しました。非構造データであった見積もりの元データを構造化・クレンジングすることで暗黙知を形式知化し、高精度な出力を実現。構築にとどまらず、現場担当者が迷わず活用できるUI設計や実務マニュアルの作成、現場と共同設計した評価指標に基づく検証体制まで一貫して支援・定着化を推進しました。

自動算出された見積金額の一致率は99%に達し、熟練技術者と同等レベルの精度と品質を担保。年間約4,000件の案件に対し、1件あたり2時間・年間合計で約8,000時間の業務削減を達成しました。単なるシステム導入に終わらせず、現場での継続運用プロセスと検証体制を確立したことで組織的な脱属人化を実現し、見積提出リードタイムの大幅短縮による受注機会の損失防止に貢献しました。

各事業部で個別に生成AIやデータ活用の検討が進められていたものの、ツールや評価基準の分断による重複投資やセキュリティリスクの懸念が生じていました。全社的な活用推進に向けAI CoE組織を新設したものの、推進人材の不足、ガイドラインの未整備、さらには各現場の業務フローへAIを落とし込む具体的なユースケース創出のノウハウ不足が大きな課題となっていました。

全社共通のAI推進ロードマップ策定および利用ガイドライン・ガバナンス体制の構築を支援しました。業務部門からのAI活用アイデアを評価・選定するための基準（ROI・リスク・実現性）を策定し、優先度の高いユースケースについてPoCから本番実装までを伴走支援。あわせて、社内人材のAIリテラシー向上に向けた研修プログラムや、開発ナレッジを集約・共有する横断プラットフォームを整備しました。

全社横断のAIガバナンスと共通推進体制を確立したことで、個別最適による重複投資やセキュリティリスクを回避しました。各事業部から100件以上のAI活用アイデアが創出され、複数の高効果案件がスピーディーに全社展開へ移行。推進人材の育成とナレッジ共有が進んだことで、組織全体で自走できる「AI-Ready」な事業基盤の構築につながりました。

新規事業部門の急拡大に伴いバックオフィス業務が肥大化し、本来「事業創出」に注力すべき新規事業担当者が専門外の事務作業や問い合わせ対応に忙殺され、事業推進における大きな懸念事項となっていました。また、既存の外部委託ではコストが増加する一方で処理品質やスピードが追いつかず、現場の疲弊感が解消されない悪循環に陥っており、抜本的な業務プロセスの見直しと効率化が急務となっていました。

まずBPR（業務プロセス再設計）を実施し、業務全体の棚卸しを通じてAI導入以前に解決すべき無駄なプロセスを排除。その上で「AIに任せるべき高効果な領域」を特定しDX計画を策定しました。さらにCopilot Studio等を活用し、顧客の既存環境内で即座に運用できるAIエージェントを短期間で構築。実効性を徹底検証しながら段階的に本格導入を進めるサイクルを確立しました。

業務プロセスの最適化とAIエージェントの導入により、年間約2,200時間の業務削減を実現しました。外部委託費用や手作業の負荷を大幅に軽減するとともに、担当者が本来注力すべき事業創出・企画業務に専念できる環境を整備。新規事業の成長スピードを加速させる持続可能なバックオフィス体制の構築につながりました。

DWHを活用するうえで、主に2つの課題がありました。1つ目は、データの中身が分かりにくいことです。基幹システムの複雑なデータ構成をそのまま引き継いでいたため、各テーブルに何のデータが入っているのかが把握しづらい状態でした。2つ目は、データ定義が統一されていないことです。同じ指標でも部署や担当者によって定義が異なり、全社共通の定義がありませんでした。これがデータの集計や活用を妨げる大きな要因になっていました。

主要領域である国内株・投資信託を優先対象として指定し、データ構造がAIとヒト双方にとって理解しやすい形になるようデータリモデリングを推進しました。さらに、主要KPIに関する定義の整理・統一を行い、メタデータ定義へと落とし込むことで、複雑化していたデータ基盤と業務ロジックについて再構築を実施しました。

データ構造の可視化とモデリングの最適化により、データ活用の利便性と信頼性が飛躍的に向上しました。将来的なデータ活用やAI連携をスムーズに行える強力な基盤として機能し始めています。

顧客データを活用したマーケティング施策の拡充やAI活用推進に向けデータ戦略部を立ち上げたものの、従来のCDPでは取り扱えるデータ量に限界があり、高度な分析やAI活用への展開に難儀していました。また、単なるシステム基盤の整備にとどまらず、全社的なデータ戦略の策定や組織・人材面の整備までを含めた包括的な推進体制の確立が求められていました。

Snowflakeを基盤に据え、中央統制とデータメッシュを両立したセキュアかつ拡張性の高いデータアーキテクチャを構築しました。金融機関として不可欠な個人情報保護や社内情報障壁に配慮したロール設計・データマスキング等のガバナンス体制を整備。さらに、全社データカタログやメタデータ管理を導入し、データの所在と定義を明確化することで、誰もが信頼できるデータを活用できる環境を整えました。

AI活用に対応した「AI-Ready」な全社共通データ基盤を確立し、厳格なセキュリティとガバナンスを担保しながら高度なデータ分析・マーケティング施策へのAI活用を加速させました。データカタログの導入によりデータ民主化が推進され、基盤構築にとどまらず全社的なデータ戦略の実行とデータドリブンな組織カルチャーの醸成につながる取り組みとなりました。

カスタマーサクセス・顧客対応領域の効率化に向けてAI導入を決定したものの、当初検討していた既存CRM（SaaS）付帯のAI機能では、ライセンスコストが高額かつ複雑化していました。また、SaaSの機能に依存することでベンダーロックインに陥り、将来的に他部門や別領域へAI機能を横展開する際に分断が生じ、投資効率が悪化することが懸念されていました。

脱SaaS依存を図るため、顧客の自社クラウド基盤（Azure）上に直接AIエージェントを構築するアーキテクチャへ転換しました。CRMツールとAIを分離することでベンダーロックインを回避し、コストメリットを最大化。単なる個別開発で終わらせず、他部署や他システムへの将来的な拡張を見越した共通基盤として設計・構築を実施しました。

SaaS依存からの脱却により、高額なライセンスコストの削減と自社資産化を実現しました。さらに、将来的に発生しうる他領域での重複投資（AI開発費）を回避できる土台を完成させたことで、全社へのスピーディーなAI横展開を可能にし、コスト適正化と拡張性を両立したDX推進体制の構築につながりました。

製品品質を保証する検査工程の大部分を「目視検査」に全面的に依存しており、熟練検査員の退職に伴うノウハウの流出と技術伝承が課題となっていました。自社でベンダーを起用し、エッジデバイス上での異常検知AI活用に向けて約1年間PoCを継続していたものの精度基準に達せず、現場導入に至っていませんでした。また、社内にAI分野の知見や選定基準がなく、最適な解決策を判断できない状況にありました。

現場視察を通じて検出対象（キズ・汚れ・ゴミ落ち等）や精度目標、ROI算出を含む投資回収プランを再整理しました。ベンダーフリーな立場で技術調査を行い、エッジデバイス上で動作する最適な異常検知AIの開発および特定ハードウェアへの最適化を実施。検査装置の選定から現場組み込み、試験・効果検証までを一貫して支援しました。

支援開始から3ヶ月でアセスメントからPoCまでを完了させ、既存ベンダー製品と比較して約1/10の学習コストで高精度な異常検知システムを構築しました。これにより検査工程の時間を年間約4,000時間削減する明確な費用対効果が可視化されたことで、投資判断を強力に後押しする取り組みとなりました。

中期経営計画におけるソリューションビジネスへの転換に向け、新規事業パイプラインの「量」と「質」の向上が不可欠でした。しかし、アイデアに対するレビューが組織依存しており改善サイクルが遅く、検討品質にも起案者の力量による差が生じていました。また、汎用AIでは自社の評価基準や過去の失敗知見を反映できず、実効性の高い示唆を得るには限界がありました。

既存の評価ロジック、外部のコンサル知見、自社内に蓄積された暗黙知の3層を組み込んだ、自社専用の壁打ちAIエージェントを構築しました。事業アイデアの整合性チェックから改善点の検知、ネクストアクションの提案までを一気通貫で自動化。さらに実務現場での検証を重ねることで、実際の業務フローに適した改善サイクルの定着と運用の最適化を推進しました。

現場検証を通じて、これまで四半期に1回だった企画書レビューの頻度を月2回へと向上させ、担当者1名が同時に担当できる企画書数も1.5倍に増加できる見通しを得ました。AIの活用により検討品質の均一化と意思決定の高速化を実現し、新規事業を継続的に創出するための体制強化につながる取り組みとなりました。

大手通信系SIerとしての高い市場認知により顧客からの生成AI関連の引き合いが急増していたものの、現場の営業・技術職が既存インフラ領域に特化しており、AI知見や事業組成力、課題解決型の提案スキルが不足していました。組織として案件を具現化する実行力が伴わず、市場シェア獲得の好機を逃している点が大きな課題となっていました。

プロダクトアウト型の営業から顧客課題に基づいた仮説検証型セールスへの転換を主導し、自ら提案活動をリード。不足していた専門知識と業務コンサル的視点を注入してAIトレンドと業界実務を紐づけたドメイン特化型シナリオを提示しました。さらに、単なる企画や提案にとどまらず、課題解決型営業の型の構築から実際のデリバリー・案件化まで一気通貫で伴走支援を実施しました。

自社プロダクトの有無や個人の知見に依存せず、従来の体制では獲得困難であったAI案件の受注を実現しました。提案からデリバリーまでを一気通貫で支援したことで社内に課題解決型の営業ノウハウと事業組成力が定着。ツール提供に留まらない高付加価値な事業組成が可能な組織へと進化させ、急増するAI需要を確実に案件化・事業化する体制を確立しました。

コロナ禍でのデジタルシフトと特定カテゴリ需要の追い風によって大きく伸長していたEC売上が外部環境の変化もあり伸び悩み、計画達成が難しい状況に陥っていました。加えて、施策を推進する社内リソースや、データ分析を活用した戦略立案のノウハウ・体制が不足しており、購買データや顧客行動を十分に生かしきれていないことが課題となっていました。

売上構造の可視化をもとに、チャネル別・ブランド別の課題を特定し、EC特有の顧客接点を活かした施策を多角的に設計。広告運用やSEO、アプリ運用、UI/UX改善などを通じて、主要指標の改善を図りました。加えて、店舗とECを横断した顧客データ基盤を整備し、定価購入率やF2転換率、休眠顧客の再活性など具体的な施策に直結する指標を定義・活用。最終的には支援内容を型化し、社内チームへの移管と自走体制の構築まで支援しました。

多面的な改善により、EC売上が大幅に向上。外部環境の変化があっても堅調な成長を維持できる基盤が整いました。あわせて、顧客データの統合と指標設計により、定価購入率やF2転換率、休眠顧客の再活性といったKPIをもとに施策を精緻化。業務に必要なSQLも型化され、現場での活用が進みました。社内チームへのノウハウ移管と自走体制の構築が実現し、継続的なLTV向上が期待される体制が整いました。