一社ごとの要件に、
最後まで伴走する。

欠陥検査装置が捉えたSEM画像から、欠陥の原因を自動的に特定する。不均衡なデータ、学習データの不足、クラス内の差がクラス間の差を上回るなど、機械学習にとって難しい条件が揃っていました。

異常検出、オブジェクト分類、領域分析を組み合わせて対応。異常検出は適切なサンプルのみで学習できるため、教師データが揃っていなくても結果に影響しません。エラー領域の特性から「傷」と「異物」を区別し、傷はサイズで重大度を評価、異物は種類まで識別します。

既知の欠陥原因を自動分類し、どのクラスにも属さない未知の欠陥も検出します。分類精度は96%に達しました。

放送局には膨大な番組データが保管されていますが、最低限のメタデータしかなく、内容を具体的に把握できません。手作業のタグ付けは時間もコストもかかり、古い映像の多くは未デジタル化のまま残っていました。

映像・音声・字幕・BGMをまとめて解析し、意味単位でのセグメント分割、ハイライトと要約の生成、自然言語による検索までを自動化。古い映像にもメタデータを再生成し、多言語対応で国際配信を支えます。

保管されるだけだったアーカイブが、制作・編成・営業が共通して使える資産へ。再放送、二次利用、配信ビジネスの拡大につながります。

価格はカテゴリー、メーカー、品質、需給など多くの要素に左右され、判断が属人的になりがちです。膨大な出品作業は手作業で、激しい市場変動への追随も、競合比較の自動化もできていませんでした。

製品データと市場データから最適価格を自動提案し、複数のECプラットフォームへ自動出品・在庫同期。各プラットフォームの販売手数料を計算に含めて価格へ反映します。

市場価格をリアルタイムに比較しながら販売戦略を調整し、在庫回転の監視から売れ筋・不人気商品の判断と在庫調整の提案まで行います。

顧客ニーズの把握に時間がかかり、適切な質問や回答が導き出せない。平均処理時間、一次解決率、教育コストに課題があり、ベテランの判断は暗黙知のまま属人化が進んでいました。

長時間のやり取りをリアルタイムに要約し、顧客の状況に応じた質問候補と回答候補を提示。感情分析から応答トーンの提案までを支援します。

蓄積された通話記録から暗黙知を抽出・体系化することで、複雑な問い合わせにも柔軟に対応できる状態へ。得られたナレッジは応対品質の底上げだけでなく、マーケティングや商品開発にも活用されています。

番組やキャンペーンへの反応は、放送と同時にSNS上で大量に流れます。視聴率だけでは何が受け入れられたのかが分からず、反応を集計できた頃には次の判断に間に合いません。

SNS上の会話をリアルタイムに解析し、日本語に最適化した感情分析で評価の傾向を把握。動的なトピック抽出で何が語られているかを自動的に浮かび上がらせ、簡潔な要約として提示します。既存のワークフローへ組み込んで運用しています。

話題の広がりを早い段階で捉えられるようになり、制作と編成の判断材料に。スポンサーや広告主への提案にも、根拠のあるデータとして活用されています。

脆弱性情報や脅威インテリジェンスは複数のソースに日々公開され、追い切れません。自社環境に影響するものを選び出し、対応の優先度を判断する作業は、専門人材の時間を大きく消費していました。

脅威情報の収集と分析を自動化し、会話型のAIインターフェースで担当者が自然言語で問い合わせられるようにしました。機密性の高い情報を扱うため、生成AIとプライベートLLMを組み合わせた構成としています。重要な情報は自動で要約し、SlackやTeamsへ通知します。

受け身の対応から、先回りした脅威検出へ。インシデント対応のスピードが改善し、運用にかかるコストを大きく削減しました。