事例

通信機器レンタル大手様

複雑な条件を正確に判断する、成功率95%以上のAI電話窓口

オペレーターの教育や品質維持が難しかった複雑な変更手続きの電話対応を、業界の常識を大きく超える95%以上の成功率でこなすAI窓口を開発しました。

背景・課題

お客様からの変更の申し出に応じられるかどうかは、契約内容や利用状況などによって条件が複雑に、多岐にわたって分かれていました。そのため、オペレーターが正しく判断できるようになるまでの教育に時間がかかり、対応の品質を一定に保つことにも苦労していました。

取り組み

• 変更の可否を左右する複雑な条件を整理し、AIが正確に判断できる形に設計
• お客様の申し出を電話で聞き取り、条件に照らして正しく判断・案内するボイスボットを開発
• 予約情報の照会のため、既存の業務システムと連携
• AIで解決できない問い合わせは、オペレーターに引き継ぐ仕組みを構築

ポイント

• 人が教育を受けても習得が難しい条件判断を、AIが一貫した品質でこなせる水準まで作り込んだ
• 業界の常識を大きく超える、95%以上の成功率を実現

成果

業界の常識を大きく超える95%以上の成功率のAI窓口を実現しました。複雑な条件判断をAIが一貫した品質でこなすことで、オペレーターの教育と品質維持の課題を解決しました。

オンライン診療大手様

カルテ書き起こしと、通話後の後処理業務の自動化

診療内容の書き起こしからカルテの作成、通話後の記録・後処理業務（ACW: After Call Work）までを自動化しました。

背景・課題

オンライン診療の件数が増えるにつれ、医師が診療後にカルテを記載する時間や、スタッフが問い合わせ対応後に記録を残す時間（ACW: After Call Work）が大きな負担になっていました。医療の現場では記録の正確性が欠かせず、単純に自動化するだけでは導入できない難しさがありました。

取り組み

• 医療用語に対応した音声認識と話者分離により、診療・通話の内容を正確に書き起こし
• LLMで書き起こしからカルテの下書きを自動作成し、医師が確認・修正して確定するフローを設計
• 問い合わせ通話の要約・分類・対応記録の作成を自動化
• 医療情報を扱うためのセキュリティ要件に合わせた環境を設計

ポイント

• AIが下書きし、人が最終確認する「AIによる補助」の形で、正確性と効率を両立
• 本番運用の中で、医師やスタッフの修正内容をもとに継続的に精度を改善

成果

医師とスタッフの記録作業の時間を減らし、記録の書き方のばらつきも抑えられるようになりました。

サイシード様

AI FAQサービス sAI Search の事業化を、0→100で並走

ブラウザ内で動く独自の自然言語検索技術を、FAQに関連タグを追加する新しいUIでサービスに落とし込み、年商1億円を超える事業に育てました。

背景・課題

サイシード様は、ブラウザ内で動く独自の自然言語検索技術を持っていました。しかし、その技術をどのようなUIで、どのようなサービスとして提供するかという落とし込みには、まだ成功していませんでした。

取り組み

• ブラウザ内で動く独自の自然言語検索技術の強みが活きる、UIとサービスの形を検討
• FAQに関連タグを追加するという、新しいUIを考案
• プロトタイプの作成から着手し、製品化、事業展開まで並走

ポイント

• 技術を持っていても使われていなかったものを、新しいUIの発明によって「使われるサービス」に変えた
• プロトタイプから事業展開まで、開発と事業の両面で継続して並走

成果

sAI Search は、年商1億円を超えるサービスに成長しました。

飲食業界向けサービス事業者様

飲食店向けAI経営支援システムの事業化に並走

来店データとアンケートデータから各種の予測を行い、飲食店の経営判断をAIで支援するシステムを、プロトタイプから事業化まで並走しました。

背景・課題

飲食店には、来店の記録やお客様アンケートの回答など、経営に役立つデータがあります。しかし多くの店舗では、それを経営判断に活かす余裕や仕組みがありませんでした。お客様は、飲食店の経営をAIで支援するサービスを、事業として立ち上げることを目指していました。

取り組み

• 飲食店の経営者へのヒアリングをもとに、日々の経営で本当に使われる機能を見極め
• 来店データとアンケートデータを組み合わせ、機械学習で各種の予測を行う機能を開発
• 忙しい店舗でも使えるよう、操作が少なく分かりやすい画面を設計
• プロトタイプでの検証から、製品化、販売・導入の支援まで並走

ポイント

• 機械学習の予測を、飲食店の経営者が日々の判断に使える形に落とし込んだ
• 技術開発だけでなく、事業として成り立つための設計から関わった

成果

飲食店向けのAI経営支援サービスとして事業化しました。

大手予備校様

AIによる不正検知システムの開発・納品

提出された文章を分析し、不正の可能性を0〜100のスコアで判定するAIシステムを開発・納品しました。

背景・課題

生成AIが身近になったことで、AIで作成した文章をそのまま提出するといった不正をどう見抜くかが課題になっていました。大量の提出物を人の目だけで確認するのは難しく、公平で一貫した判定ができる仕組みが求められていました。

取り組み

• LLMと機械学習を組み合わせ、文章の特徴から不正の可能性を判定する仕組みを開発
• 判定結果を0〜100のスコアで返し、既存の学習システムから呼び出せる形で提供
• 提出された文章をサーバーに保存しない設計で、受講生のプライバシーに配慮

ポイント

• LLMだけに頼らず機械学習を組み合わせることで、判定の精度と安定性を両立

成果

大手予備校様の学習システムに組み込まれ、提出物の確認業務を支えています。

ウンログ様

アンケートから生活改善を提案する、検査サービスのコアAIの開発

うんち記録アプリ「ウンログ」が提供する腸内フローラ検査サービスで、アンケートから生活改善の提案を行う、サービスの中核となるAIを開発しました。

背景・課題

腸内フローラ検査サービスでは、検査結果を伝えるだけでなく、利用者一人ひとりに合わせて「どう生活を改善すればよいか」を提案できることが、サービスの価値を左右していました。

取り組み

• 利用者が回答するアンケートの内容をもとに、生活改善の提案を行うAIを開発
• 検査サービスの中核として、利用者に届く提案の質を左右する部分を担当

ポイント

• データ分析の知見をもとに、アンケートの回答を一人ひとりに合った具体的な提案に結びつけた

成果

アンケートからの生活改善提案が、腸内フローラ検査サービスの中核機能として提供されました。

京都大学様・基礎生物学研究所様

機械学習を用いた、神経細胞の3Dセグメンテーション

機械学習を用いて、電子顕微鏡の2Dの断面データから神経細胞の3Dモデルを生成するシステムを開発しました。

背景・課題

神経細胞の立体的な構造を調べるには、大量の2Dの断面画像から、細胞の形を3Dで再構成する必要があります。非常に特殊な技術が求められるため、ほかに依頼できる企業がなく、Honeysolに声がかかりました。

取り組み

• 機械学習で2Dの断面データから神経細胞の領域を切り出し（セグメンテーション）、3Dモデルを生成するシステムを開発
• 3名のチームで、1年間にわたって研究者と並走しながら開発

ポイント

• ほかに引き受けられる企業がない、研究の最前線の技術課題に応えた
• 開発したシステムは、オープンソースとして公開されている（UNI-EM）

成果

開発したシステムは UNI-EM として公開され、神経細胞の3D構造の研究に使われています。

UNI-EM の使い方（GitHub）

自治体様

LLM登場以前に実用化した、初期のボイスボット

ChatGPTが登場する2年以上前の2020年、群馬県のマスク販売で、AI音声認識による自動応答コールセンターを稼働させました。

背景・課題

2020年、マスクが手に入りにくい状況の中で、群馬県がマスクの販売を行うことになりました。問い合わせや申し込みの電話が殺到することが予想され、短期間で大量の電話に対応できる仕組みが必要でした。当時はまだLLM（大規模言語モデル）がなく、AIが電話に自動で応答する仕組みは一般的ではありませんでした。

取り組み

• LLMのない時代に、音声認識と対話の設計を組み合わせ、申し込みの受付と問い合わせ対応を自動化
• 短い準備期間で立ち上げられ、着信の集中にも耐えられるクラウドの電話基盤を採用

ポイント

• LLMが登場する前から、ボイスボットを実際の公共サービスで動かしていた
• この経験が、現在の成功率95%以上のボイスボット開発の土台になっている

成果

職員の方の電話対応の負担を減らしながら、多くの県民の方からの電話に対応しました。

中堅BPO様

AIエージェントによる事務処理の自動化と内製化

AIエージェントを使い、現場の担当者が自ら業務ツールを作って改善を続けられる体制を作りました。

背景・課題

受託している事務処理は、お客様ごとに手順が異なり、Excel や PDF からの転記、チェック、報告書の作成など、人手に頼る作業が多く残っていました。業務ごとにシステムを開発するのは費用と時間がかかり、現場の改善が進みにくい状況でした。

取り組み

• 現場の担当者と一緒に業務手順を分解し、AIに任せられる作業を洗い出し
• Claude Code などのAIエージェントを使い、転記・チェック・報告書作成を自動化するツールを作成
• 現場のメンバー向けに研修を行い、自分たちでツールを作り、直せるようになるまで並走

ポイント

• ツールを納品して終わりではなく、現場が自ら改善を続けられる「AIを作る側」の組織づくり

成果

定型作業にかかる時間が減り、新しい案件の立ち上げも早くなりました。

大手製造業様

AIエージェントの社内導入と活用の定着

開発・技術部門へのAIエージェント導入を、ルールづくりから活用の定着まで支援しました。

背景・課題

設計や品質管理の部門では、資料の作成やデータの集計、社内ツールのちょっとした改修が、情報システム部門の対応待ちになっていました。AIエージェントへの期待は大きい一方で、セキュリティや社内ルールの整理が進まず、導入に踏み切れていませんでした。

取り組み

• 利用範囲、データの扱い、権限などのルールと、安全に使える環境を設計
• パイロット部署を選び、実際の業務でAIエージェントによる自動化の事例を作成
• 社内展開に向けて、研修プログラムとガイドラインを整備

ポイント

• 「使ってよいか分からない」状態を解消するルールづくりから入り、現場での成功事例をもとに社内に広げた

成果

パイロット部署での成果をもとに、他部署への展開が進んでいます。