製品やソリューションで届かない部分は、個別に開発し、導入支援を実施します。
半導体の検査ラインから、放送局のアーカイブ、コンタクトセンター、セキュリティ運用まで。業種も規模も異なる現場で、それぞれの制約に合わせて設計したものです。課題、アプローチ、結果を、公開可能な範囲で掲載しています。
少量・不均衡なデータで既知欠陥を分類し、未知欠陥も検出
課題は、欠陥検査装置で撮影したSEM（電子顕微鏡）画像から、欠陥の原因を自動で特定することでした。欠陥の種類ごとにデータ量が偏っている、学習データが少ない、同じ種類の欠陥でも見た目の差が大きい、といった機械学習にとって難しい条件が揃っていました。
異常検知、オブジェクト分類、領域分析を組み合わせて対応しました。異常検知は限られたサンプルでも学習できるため、正解ラベル付きのデータが十分に揃っていなくても対応できます。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。評価データでの分類精度は96%でした。
保管されたままの映像を、探して使える資産へ
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します。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になります。再放送、二次利用、配信ビジネスの拡大につながります。
市場変動を捉え、価格と在庫をリアルタイム最適化
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・在庫同期を行います。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。
応対ログから暗黙知を取り出し、チームで使う
顧客ニーズの把握に時間がかかり、適切な質問や回答をすぐに示せない状況でした。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。
通話の内容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オペレーターに示す仕組みを構築しました。感情分析をもとに、応答トーンの提案も行えるようにしています。
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になりました。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。
SNSの会話をリアルタイムに読み解き、番組編成へ
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、日本語向けに調整した感情分析で評価の傾向を把握します。話題の変化に合わせてトピックを自動で抽出し、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なっています。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。
脅威情報の収集と分析を、生成AIで自動化する
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、外部の生成AIサービスと、自社環境内で動かすLLM（プライベートLLM）を使い分ける構成としています。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、先回りした脅威検知へ移行しました。インシデント対応が早まり、運用コストの削減につながりました。
