AI事例をトコトン知る、業種別×活用タイプ別の45事例 #13

はじめに

文系の皆さんがAI人材になるためのノウハウを投稿していきます。今回は業種別×活用タイプ別の45事例を紹介します。様々な事例を知ることで，新たなアイディアが生まれるかもしれません。それでは見ていきましょう！

1. トライアル、独自生産のAIカメラでユーザー識別による販売促進と欠品補充（流通・小売）
   ローソン、Alによる新規出店判断（流通・小売）
   JINZ、似合うをAIでレコメンド（流通・小売）
2. 三菱商事とローソン、AIでコンビを節電（流通・小売）
   ZOZO、AIを活用した「類似アイテム検索機能」で滞在時間4倍（流通・小売）
   LOHACO、チャットボット「マナミさん 」で5割の問い合わせに対応（EC・IT）
3. 仏Heuritech、SNS画像からファッショントレンド予測（ファッション）
   米The take Al、動画内の服を検出して似たアイテムを表示。購入も可能に（ファッション）
   ストライプ、需要予測AIで在庫を8割まで圧縮
4. ZOZOUSED、古着の値づけにAlを導入（ファッション）
   日経、100年分の新聞記事をAIで読み取り。精度95%（エンタメ・メディア）
   福岡ソフトバンクホークス、リアルタイムで価格が変わるAIチケット販売
5. 中国国営メディア新華社、AI合成による女性アナウンサー(エンタメ・メディア)
   富士通、AIによる記事の自動要約システム(エンタメ・メディア)
   佐川急便、AIで配送伝票入力を自動化
6. 日立製作所と三井物産、AIで配送計画するスマート物流（運輸・物流）
   京東(JD.com)、物流倉庫の自動化。人の10倍の処理能力（運輸・物流）
   NTTドコモ、Alタクシーを展開、93~95%精度で乗車予測（運輸・物流）
7. トヨタ、自動運転と高度安全運転支援で二重に安全を確保（車・交通）
   LG、家電向けAIで生活を補助（製造・資源）
   ブリヂストン、AI工場で品質担保しタイヤを量産（製造・資源）
8. JFEスチール、人物検知AIで作業者に安全を（製造・資源）
   大京グループ、AI管理員導入を計画（不動産・建設）
   西松建設、生活習慣を覚えるスマートハウスAI導入（不動産・建設）
9. キューピー、AIによる原料検査装置で不良品を特定(外食・食品・産業)
   電通、天然マグロの品質をAIが判定(外食・食品・産業)
   ソフトバンク出資のPlenty、AI屋内農場で作物の風味調整(外食・食品・産業)
10. LINE、レストランの予約対応を行なう日本語音声AIサービス(外食・食品・産業)
    京東(JD.com)、調理・配膳注文・会計までをロボットで自動化(外食・食品・産業)
    セブン銀行、顔認証AI搭載の次世代ATM(外食・食品・産業)
11. JCB、保険営業をAIで支援　利用履歴から見込み客を絞り込む（金融・保険）
    みずほ銀行、AIを活用したパーソナライズドサービス検証(金融・保険)
    エクサウィザーズ、神奈川県と要介護度予測AIの実証
12. Ubie、医療現場の業務効率化を図るAI問診(医療・介護・専門)
    Al-CON AIによる契約書レビュー作成支援サービス(医療・介護・専門)
    ソフトバンク、新卒採用業務でAIを利用し効率化(人材・教育)
13. atama plus’ 1人ひとりの学習を最適化(人材・教育)
    イーオンら、英語発音をAIで評価（人材・教育）
    かんでんCSフォーラム、AIによるコールセンター呼量予測（コールセンター）
14. トランスコスモス、退職予備軍を予測し、半年で離職者を半分に（コールセンター）
    カラクリ、正解率95%保証のチャットボット（コールセンター）
    ソネット、音声認識AIを導入しオペレーター業務を効率化（コールセンター）
15. さいたま市、固定資産税調査に航空写真照合AIを利用（生活サービス・警備・公共）
    ALSOK、困っている人を自動検知するAI（生活サービス・警備・公共）
    日本気象協会、1時間単位での降水量予測（生活サービス・警備・公共）

事例37：atama plus’ 1人ひとりの学習を最適化(人材・教育)

概要

• . atama plus はAIを使って「自分専用レッスン(学習)」を提供
• 得意、苦手、伸び、つまずき、集中状態、忘却度に合わせてカリキュラムを最適化
• AIが解けない原因を診断テストから特定し、原因を解消するように勉強させる仕組み
• カリキュラムパターンは「10の3807乗パターン以上」

解決できること

• 学習指導力の向上
• 1人ひとりに合わせた指導

(出典)

「ある生徒は数I・数Aを「atama+」で19時間45分学習したところ、100点満点中43点だったテストが83点まで上がりました。(中略)冬期講習で数I・数Aを約2週間勉強してもらった結果、センター試験本番で平均1.5倍も点数が伸びたという報告があります」

AIの「アタマ先生」が一人ひとりの学習を最適化！ atama plusの稲田大輔氏がその先に目指す「笑顔があふれる日本」とは？

事例の4Wで分類してみる

What：どんなAI？

Who：誰のためのAI

• 具体的なターゲット→学生・受験生

Why：なぜAIが必要？

• 便利を増やす

Which：どのタイプのAI?

事例38：イーオンら、英語発音をAIで評価（人材・教育）

概要

• イーオンとKDDI総合研究所はAIによる日本人向けの英語発音評価システムを開発
• 英文の発音をAIで解析し評価する
• 204のフレーズを生徒250人に発音してもらった音声データに教師による評価をつけ「教師ありデータ」として利用
• 総合評価とイントネーション(2単語連携での変化)、リズム、発音の正確さの4項目で評価し、改善点がわかりやすくなっている
• イーオンの一部の生徒に向けて自宅学習用として提供を始めている

解決できること

• 発音指導の体系化

(出典)

イーオンら、英語発音を評価するAIシステム開発–KDDI傘下で「10年かかることが10カ月でできた」

事例の4Wで分類してみる

What：どんなAI？

Who：誰のためのAI?

• 具体的なターゲット→日本の英語学習者

Why：なぜAIが必要？

• 便利を増やす

Which：どのタイプのAI?

事例39：かんでんCSフォーラム、AIによるコールセンター呼量予測（コールセンター）

概要

• かんでんCSフォーラム(関西電力の100%子会社)は、コールセンターへの問い合わせ量を予測するAIを構築
• エネルギー系企業提供の約4000万のデータを利用
• 約5年半の呼量データを学習データとして利用
• センター単位で呼量予測するAIを構築
• ユニーク呼量と呼ばれるリダイアルを除くコール数を予測した

解決できること

• コールセンタースタッフの最適なシフト計画立案
• コストの最適化

(出典)

AI呼量予測｜エネルギー系企業4千万コールの分析

事例の4Wで分類してみる

What：どんなAI？

Who：誰のためのAI

• 具体的なターゲット→コールセンタースタッフ

Why：なぜAIが必要？

• コストを減らす

Which：どのタイプのAI?

まとめ

いかがったでしょうか。AIの活用事例をみてイメージは深まったでしょうか。次回も同様に，さまざまな分野の事例を掲載していきます。「予測系AI」「識別系AI」「会話系AI」「実行系AI」については、以下の記事でより詳しく解説していきます。

• 「予測系AI」とは
• 「識別系AI」とは
• 「会話系AI」とは
• 「実行系AI」とは