目的があいまいなまま
AIを導入してしまう
多くの企業が悩んでいるAI活用の課題
準備が整っていないのに、
AI導入を進めてしまった
AIを導入したいけど、
どこから始めればいいかわからない
目的があいまいなまま
電子化が進まず
ナレッジが人に依存している
AIが誤った回答をする
（ハルシネーション）
継続的なデータ整備ができず
回答精度が低下していく
導入前ヒアリング
AIを使う現場目線で
ヒアリングをしっかり実行
専門家チームが現場担当者にヒアリングして最適なデータ化戦略を定義
担当者の持つ暗黙知・ナレッジもデータ化対象として抽出する
電子化・ナレッジ整備
紙文書やベテランの頭の中に眠る
ノウハウを電子化・構造化
紙文書やファイルを電子化して構造化・分類を実施
電子化済みの既存データも「生成AIが読みやすいデータ」へ最適化・再構造化
データ基盤(RAG)構築
AIが社内データを正確に
読める仕組み(RAG*)を構築する
整備済みデータをもとに、AIが社内データを参照できる仕組み(RAG)を構築
利用目的に合わせたAIの選定・導入までを支援
モニタリング・整備
AIが常に最新かつ正確な状態で
動けるように保守・更新する
導入後も継続的なデータ更新・品質モニタリングを実施
追加データや修正情報を反映しAIの精度と信頼性を維持する
AI活用の“カギ”は
データ品質
AI時代の新しい文書ライフサイクルは
「AIフレンドリー」がキーワード
これからのDXの目指す姿
- 業務プロセスの標準化とAIフレンドリーな社内データの蓄積を行い、環境の変化に対応可能な体制が整備されている状態
- 社内外のデータに基づき、時流を先読みした的確な戦略立案・方針決定・フォローができる状態
AIフレンドリーな
データとは？
- AIが苦手なデータの例
-
-
メタ情報のない図面
-
精度の低いスキャンデータ
-
- AIフレンドリーなデータの例
-
-
テキストデータで
構成されたマニュアル
-
顧客対応FAQ
-
「電子化されている＝
AI導入ができる状態」
ではない
AIが正しく理解・活用できるように
データを構造化する必要がある
AIフレンドリーかどうかは三要素で判断できる
- データの形
-
情報が整理されている
見出し・段落・項目が明確- 議事録（テキスト形式）
- 契約書（条文構造）
- FAQデータ
-
レイアウト依存・図中心で
読み順や関係が曖昧- Excel工程表
- 図面・レイアウト図
- チラシ・パンフレット
- データの内容
-
主語・述語があり
文章として完結している- 作業報告書（テキスト形式）
- 顧客対応履歴
- マニュアル（テキストベース）
-
箇条書き・略語・図解中心で
文脈が抜けている- 点検チェックシート（✓◯など）
- 検査表（数値の羅列）
- 業務フロー図
- データの品質
-
文章として精度が高く
誤字・表記ゆれが少ない- デジタル文書（AI-OCR PDF）
- 整備済みデータベース
- CSV出力データ
-
手書き・崩れた文章
OCRの精度が低い- 日報（手書き・写真）
- FAX
- スキャンPDF（低精度OCR）
CHECK!図面や手書き報告書の多い
建設業や製造業などは要注意！?
- よくあるAIが読み取りにくい書類
-
- 図面（CAD・PDFデータ）
- 施工計画書／工程表
- 現場報告書／写真報告書
- 安全管理書類／KY報告書
- 検査・点検記録
電子化済データのOCR品質は
check要チェック!
- 手書き原本の精度検査*1
- AI-OCR
-
963 1,300= 74.1%
- オペレーター入力（二名一致）
-
1,297 1,300= 99.8%*2
AIに読み込ませたいデータの
OCR精度が低いと誤情報を学習し、
誤った“事実”を前提に推論すると
ハルシネーションの原因に
なってしまう
- *1：範囲指定読み取り検査。合計1,300項目分の手書き帳票を取り込み、正解データと一致した項目数を基に精度を算出。
- *2：オペレーターに対して桁数制限および文字種制限も実施。
ご支援事例
高いRAG性能を保有する
AIアシスタントツール
「Lightblue」 導入支援
製造業のクライアントに対して
ユースケース策定から
精度向上まで伴走
ユースケース策定から
精度向上まで伴走
- 業界
- 製造業・プラント
- 規模
- 全社導入を見据えた工場への試験導入（100人規模）
- 内容
-
- 現場活用ケースのヒアリング
- 精度測定 / データ構造改善
業界No2シェア、
特に建設業の導入実績を持つ
生成AIアシスタントツール
画像認識技術を組み込んだ高いRAG精度
シンプルで直感的なUI
組織内でアシスタントを共有可能
現場社員様の
文書検索・使用ニーズを
ヒアリングし、電子化まで伴走
製造業大手20部門の現場社員様に
ヒアリングを実施し
電子化要件を棚卸し
ヒアリングを実施し
電子化要件を棚卸し
- 業界
- 製造業
- 規模
- 社内20部門
- 期間
- 約2ヶ月
- 内容
-
- 電子化要件の整理
- 活用に必要なデータ構造整理
ヒアリングした結果を元に
優先度をつけて着手
電子化～AI活用のゴールまで伴走
- 作業.1ヒアリング・要件整理
- どんな場面、シーン、目的で文書を使っているのか現場に足を運びヒアリング
- 作業.2電子化・構造化
- スキャニング/AI-OCRメタデータの付与フォルダ整理まで担当
情報の検索・参照できる状態を実現
ナレッジデータベース構築を現在計画中※2025年中実施予定
現場目線で
AIの回答精度を測定し、
改善・データ構造化まで
一気通貫で支援
IT SaaS営業部門で使用されている
社内質問対応AIの精度検証＆改善
社内質問対応AIの精度検証＆改善
- 企業
- 株式会社うるる（Govetech事業部）
- 規模
- 約50ファイル
- ツール
- NotebookLM（Google Workspace）
- 内容
-
- AIの回答精度測定
- 改善に必要なデータ構造化
- プロンプト整備
精度検証＆改善方針の提案
構造化・データ追加・プロンプト
整備による改善
- 作業.1精度検証
-
- 想定質問と理想回答のデータセットを作成。（Slack対応履歴参照）
- AIの回答性能を検証した
- 作業.2精度改善
-
- ヒアリング、データ追記
- 役割や出力仕様を与えるプロンプト
精度検証イメージ
- データセット
- 想定質問＆理想回答
- arrow_range
GAP - 実証結果
- AI回答＆判定スコア
適切なフォルダ分類・格納、
データ構造化作業を委託できる
仕組みを構築
建設業の現場社員様に代わり
ドキュメントの
格納・データ付与を代行
ドキュメントの
格納・データ付与を代行
- 企業
- 建設業界 / ゼネコン
- 規模
- 月間約100ファイル
- ツール
- Box
- 内容
-
- フォルダ分類方法の定義
- タグ付け/メタデータ付与
- 適切なフォルダへの格納
1次格納されたファイルを
適切に分類・格納する体制を構築
-
現場作業者様
note_stack 未整理の格納データ - east1次格納
-
うるるBPO
note_stack trending_flat folder_open 格納データを確認＆整理 - east2次格納
-
現場作業者様
folder folder folder 正しい格納フォルダ
サービス提供までの流れ
お問い合わせ
生成AI活用に関わるご不安やご不明な点などがございましたら、どんなことでも構いませんのでお気軽にお問合せください。
ご希望があれば、ZoomやMeetを活用したオンライン商談でサービスについてご説明させていただきます。
ヒアリング
生成AI活用をご検討されている関連部署の方に、社内のデータ化状況、AI活用状況、AI活用の最終目標などについて、ヒアリングをさせていただきます。
ご提案・お見積り
ヒアリング内容を基にして、ゴールに向けたデータ基盤の構築、生成AI活用方法の見直しなどを事前プランニングしてご提案をさせていただきます。また、費用に関するお見積りをご提出させていただきます。
ご契約
ご契約書を締結させていただきましたら、企業様のデータ基盤の構築状況に応じて、PoCなどのコンサルティング工程に入らせていただきます。
お客様の生成AIの活用状況を確認させていただきながら、長期的に運用のサポートをさせていただきます。
