.png)
ICT業界における反復作業の最適化
これは、企業の対応速度と生産性を決定する重要な課題です。
LG U+はLesserと協力して政府の問題を調査し、提案書を作成します
AIによる自動化、そしてそのために 実行フレームワーク私が作りました。
LG U+は、通信サービスをベースにしたさまざまな企業顧客（B2B）向けのICTソリューションの大手プロバイダーです。事業ポートフォリオが多様化するにつれ、政府課題の調査や企業に合わせた提案書の作成といった同様の作業が社内で繰り返し行われていました。しかし、このプロセスは標準化されておらず、手作業で行われていたため、大量のリソースが非効率的に消費されるという問題がありました。これは潜在的なビジネスリスクであり、同社の市場対応スピードと生産性を阻害していました。
この問題を解決するために、LG U+は短期的なツールの導入にとどまらず、体質を根本的に改善することを目指しました。私たちは、手作業による作業システムを AI ベースの自動化システムに変換し、この成功事例を、組織内の他の問題の解決にも適用できる「繰り返し実行可能なフレームワーク」として構築したいと考えていました。このプロジェクトの主な目標は、「データを使った作業の定義」、「AI が介入できる構造の設計」、「組織全体で結果を確実に活用するシステムの実装」でした。
Letserは、このプロジェクトを、単にテクノロジーを開発するのではなく、LG U+が仕事を整理する方法を根本的にデジタル化する変革の課題として再定義しました。私たちは、問題の構造化から実行フレームワークの設計、システムの進歩に至るまで、プロセス全体を通じて戦略的パートナーとして参加しました。これはLG U+の中長期的なデジタルトランスフォーメーション (DX) 戦略と密接に関連しています。これは、社内の業務効率を最大化し、確保したリソースをコアビジネスに集中させ、さらに内部化されたAI能力を新しいビジネスモデルに発展させるという好循環構造を構築するための最初のボタンだからです。
プロジェクトの最初のボタンは、AIが学習して判断できるようにする「構造化データ」を入手することでした。既存の手動による情報収集プロセスを改善するために、主要なアナウンスサイトを自動的に探索する専用のウェブクローラーを開発しました。収集された発表データは、業界セクター、統治機関、技術キーワードなどの基準に従って自動的に分類および絞り込まれ、誰でも簡単にアクセスして検索できるデータベースに統合されました。また、提案自動化プロジェクトでは、LG U+が保有する製品情報を、製品名、コア機能、アプリケーション例などの構造化されたテンプレートに従って再編成しました。これは、主観的で散発的な情報を、AIが理解して使用できる客観的な「資料」に変える重要なプロセスでした。
次の課題は、AIが「判断基準」を作ることでした。多数の政府発表の中からLG U+にとって真に価値のある機会を選定するには、客観的な評価システムが必要でした。Letserは、プロジェクト発表とLG U+テクノロジーとのテキストの類似性、プロジェクト予算、参加条件を組み合わせて適合性を計算する「評価スコアリング」ロジックを設計しました。このモデルにより、担当者の主観的な判断に頼る方法から脱却して、すべてのタスクを同じ基準に基づいて評価し、優先順位を付けることができるようになりました。この採点システムは、将来蓄積されるデータを通じて継続的に学習し、改良していくことができる柔軟な構造で設計されています。
AI モデルには、ビジネスユーザーからのフィードバックを通じて急速に改善される循環型構造が必要です。そのために、開発したAI機能をユーザーが直接テストし、その結果をすぐに確認できる「AIページ」インターフェースを構築しました。このページを通じて、ユーザーは課題を検索し、提案書草案の作成を依頼し、結果をリアルタイムで受け取ることができました。重要なのは、単に機能を使用するだけでなく、結果に対する満足度を評価したり、改善のための提案をすぐに提出したりできるフィードバックループがシステム内に組み込まれていることです。これにより、開発チームは定量的データを使用してモデルのどの機能が有用で、どの程度の精度があるかを特定し、改善点を迅速に反映することができました。
最後の課題は、開発したAI機能を組織全体で安定して利用できる環境を作ることでした。Letserは、自社のプラットフォーム「Staix」内に専用のLG U+ワークスペースを構成し、強力なセキュリティ環境でこれらの機能が社内ユーザーのみに提供されるようにシステムをリンクしました。このワークスペースには、単なる機能提供ウィンドウにとどまらず、AI モデルのバージョン管理、各ユーザーの使用記録の追跡、フィードバック履歴の管理など、AI ガバナンスに不可欠な機能が含まれています。これにより、誰が、いつ、どのような目的で AI 機能を使用したかを透明に管理することで組織の信頼が高まり、将来 AI アプリケーションを拡大するための強固な基盤が築かれました。
最も目に見える成果は、労働時間の劇的な削減です。政府のタスク検索タスクはクローラーベースの自動ダッシュボードに置き換えられ、関連タスクに費やす時間は以前のものと比べて約 80% 削減されました。つまり、管理者は機械的な情報収集から離れ、収集された情報の分析とビジネス戦略の策定という価値の高いタスクに集中するようになりました。自動提案システムが導入されたため、重要な要素のみを入力するだけで、完成度の高いPPTドラフトが数分で生成されます。これまで数時間かかっていた文書作成や設計作業が数分に短縮されたことで、顧客の要望に応えるスピードが飛躍的に向上し、ビジネスチャンスの確保に直接貢献しています。
このプロジェクトは、LG U+にとって意思決定方法を主観的な経験から客観的なデータベースに移行する機会となりました。特に、政府の業務への適合性を評価する「評価採点」システムを導入したことで、企業全体で部門や担当者ごとに異なる判断基準が統一されました。全員が同じ基準と定量化されたスコアに基づいてタスクに参加すべきかどうかを議論した結果、不必要な意見の調整時間が短縮され、同時に意思決定のスピードと質が向上しました。これにより、特定の個人の能力に依存していた働き方が、システムやデータに支えられた働き方へと変化し、組織全体のタスク遂行能力を高める効果がありました。
このプロジェクトの最大の戦略的成果は、単発的なツールの開発だけでなく、組織内でAI機能を「実験、検証、改善、活用」する循環構造、つまり「実行フレームワーク」の内部化に成功したことです。この課題に加えて、このフレームワークは、LG U+が将来AIで直面するであろうもう一つの内部非効率性の問題を解決する過程における中核的なインフラとしての役割を果たすでしょう。さらに、LG U+は、この社内イノベーションの例を自社の競争力のあるソリューションに生かし、外部の企業顧客に提案できる製品形態に変えようとしています。これは、内部効率化への投資が新たな利益を生み出すビジネスモデルへと発展する理想的な好循環を確立するという、典型的な成功事例です。
LG U+プロジェクトは、AI導入を成功させるためには、テクノロジーそのものよりも「問題をどのように定義し、アクションプランを設計するか」がはるかに重要であることを示しています。
まず、このプロジェクトは、個々の自動化ツールではなく、組織の問題解決能力を育成する「フレームワーク」の構築に焦点を当てました。問題の定義、データ収集、判断基準の定量化、機能検証、ガバナンス統合という一連のプロセスは、LG U+が将来直面するであろう同様の問題を解決するための標準プロセスとして機能します。これにより、1 回限りの成功ではなく、反復可能な成功システムが構築されました。
第二に、社内のイノベーションを外部の商業化に結びつける拡張戦略は、AIプロジェクトに新たな可能性をもたらします。LG U+は、自社のDX能力を発揮するショーケースとして、また他社に販売できるソリューションとして、社内の業務効率を向上させるために開発されたシステムを開発しています。つまり、AIの導入はコストの観点からではなく、新しい価値を生み出す投資の観点から考えるべきだということです。
このプロセスにおけるレッサーの役割は、開発だけではありませんでした。私たちはお客様のビジネスに基づいてニーズを具体的に分析し、それに基づいて「現実的に実行可能な設計」を導き出し、最終開発を担当する「エンドツーエンドのパートナー」としてプロジェクト全体を通して協力しました。技術的な実装能力とビジネス上の問題を構造化する戦略的能力を組み合わせることで、組織の能力を根本的に変える結果を達成することができました。
このプロジェクトは、LG U+がAIによる単純なタスク自動化を超えて、私たちの働き方の基本的な枠組みを再設計した方法を示す革新的な例です。私たちは、データを使ってタスクを定義し、AI で判断基準を確立し、組織からのフィードバックを受けてシステムを進化させるという好循環を成し遂げました。これらの構造変化は、LG U+が今後直面するさまざまなビジネス課題を解決するための重要な原動力となり、内部化された能力は、外部から拡大できる新しいビジネスチャンスの基盤となるでしょう。
Letserは、差し迫った問題の解決にとどまらず、顧客が自ら革新するための能力とシステムを構築する戦略的パートナーとして、同社の最も重要なデジタル変革を主導します。
.svg)
