熟練者の判断が失われ、サービス品質が悪化する
なぜこの加工条件なのか。なぜ不良判定を出したのか。なぜこの見積金額なのか。
答えられる熟練者は、社内に数人。その判断根拠は文書に残らず、定年や異動のたびに、引き継ぐ時間もないまま社外へ流出していきます。
APPROACH
判断の痕跡は、業務データの中に残っていることも多くあります。加工条件の記録、設計変更の履歴、検査の判定結果、見積の根拠、日報や議事録。問題は、これらのデータが散在して検索できないことです。
Spark+は、この散在した痕跡を集め、AIが参照できる形にデータ整備を行うところから始めます。その上で検索アルゴリズムとLLM（大規模言語モデル、文章を理解し生成する技術）、ルールベース処理などを組み合わせ、過去の判断とその根拠を活用できるようにします。熟練者の代わりに答えを出すのではなく、若手が根拠にたどり着き、熟練者が確認に専念できる状態をつくることが目標です。
SERVICE
CASE
組付作業が正しい順序で行われているかの確認を自動化
BEFORE
作業者が正しい順序で部品を取り付けているかを継続的に確認することが難しく、品質保証の仕組みを他工程へ広げるための技術基盤も必要だった。
AFTER
見守りカメラの映像から組付順序を解析する一連のアルゴリズムを構築し、自動判定の実現可能性を実証した。あわせて、精度向上に向けて優先的に改善すべき論点を整理した。
見積の根拠となる過去図面を、担当者によらず引き出せる状態に
BEFORE
見積の際に人手で過去図面を参照しており、膨大な時間がかかっていた。保有図面の情報は現場担当者に依存し、業務の属人性が高かった。
AFTER
形状やサイズの近い過去図面を自動で検索する仕組みを構築し、過去の部品への知識の有無にかかわらず全図面にアクセスできる状態を実現した。
提案の勝敗要因を可視化し、過去ナレッジを活かせる形に
BEFORE
過去の提案書が蓄積されているものの横断的な検索・活用が難しく、ナレッジとして機能していなかった。提案内容の良し悪しは属人的な判断に依存し、再現性のある評価・改善のプロセスがなかった。
AFTER
提案書の構造と内容を解析し、類似案件の自動抽出と比較を可能に。勝敗に影響する要素の可視化を実現した。
RELATED
CLIENT
継承したい業務を、一つ挙げてください。
その判断がどのデータに残っているかを確認し、資産化の進め方をご提案します。
初回のご相談は無料です。構想段階や、課題がまだ言葉になっていない段階でも構いません。現状を伺いながら、AIで解ける課題かどうかのアセスメントからご一緒します。