LetsurでAIの変革に成功した企業事例

骨粗しょう症性脊椎骨折患者の脊椎虚脱の早期予測は、脳神経外科の分野における重要な課題です。以前は、臨床数値データのみを使用して予後を予測していましたが、限界があり、MRI画像を分析するためのAIモデルの開発が必要でしたが、関連する画像データを扱うことができるAI専門家が不足していたため、困難でした。

既存の臨床数値に加えて、MRI画像に基づいて予後を予測するための新しいAIモデルを開発しました。データの計画と収集、モデル設計までの全プロセスを共同で進め、最初のモデルの作成後、医療スタッフや AI の専門家からの綿密なフィードバックをもとに、モデルを繰り返しアップグレードして精度を向上させました。

3D医療画像から患者の予後をより正確に予測できるようになり、予測結果に基づいて早期の治療と対応が可能になりました。迅速かつ正確な予測は、医療スタッフの意思決定の実際的な助けとなっています。

作業マニュアルに関する問い合わせが相次ぐ状況で、毎日100件を超える問い合わせに少人数の担当者が直接対応していました。さまざまな情報チャネルでは、コラボレーションツールや会社のドライブから関連文書を直接見つける必要があるため、電話による問い合わせが頻繁に発生し、全体的な作業効率が妨げられていました。

社内規定やガイドラインデータに基づいて質疑応答を自動化する社内AIチャットボットを導入しました。ユーザーはキーワードを使って目的の情報を簡単に検索でき、繰り返される質問には自動的に回答します。チャットボットはPCでもモバイルでも使用でき、MS Teamsなどの既存のコラボレーションツールと自然に連携できます。

毎月繰り返される3,000件以上の簡単な問い合わせが自動化され、開業医の負担が大幅に軽減され、電話による回答の需要も減少しました。リアルタイムの対応と容易なアクセスにより、全社的な情報検索速度と従業員満足度が向上しました。

新製品を企画するには、既存の製品をすべて見直す必要があり、スケッチ作業はデザイナーに完全に依存していたため、費用と労力がかかりました。その結果、企画設計プロセスの効率が下がり、生産準備に要する時間が長すぎました。

リアルタイムのフィードバックを提供するAIアシスタントが導入され、計画データが自動的に分析されるため、方向性を迅速に判断できます。Sketchは画像生成AIを使用して自動化され、組織全体で利用できるLetcherプラットフォームをベースとしたコラボレーション環境と使用トレーニングが提供されました。

計画と設計の段階で必要な時間とコストが大幅に削減され、チームメンバー間のコラボレーションも改善されました。反復作業が減り、リアルタイムのフィードバックが可能になったことで作業スピードが上がり、現在AIで計画されていた製品は実際の生産直前の段階に達しました。

社内の放送コンテンツを多様化し、効率的に制作したいと考えていましたが、実際のアナウンサーのように自然な発音やブランドアイデンティティを反映したAI音声がないため、差別化されたコンテンツの作成に苦労していました。

LetserのAIプラットフォーム「Lamp」をベースに高品質なTTSモデルを企画・開発し、ブランドペルソナに合わせたカスタムボイスを作成しました。多言語機能を含むグローバルなスケーラビリティと持続可能な更新環境が一体となって構築され、社内プラットフォームとシームレスに統合されました。

AI音声をベースにさまざまなコンテンツを迅速に制作できるため、放送業務の効率が大幅に向上しました。ブランドアイデンティティを強化するコンテンツによって会員満足度が高まると同時に、反復的な制作資源が減り、安定した運営環境が確保されました。

SQIは漢方医学に基づいた医療サービスで、患者の体質を分類し、虹彩分析を通じて健康情報を提供します。しかし、虹彩画像を高精度で分析する作業は医療スタッフにとって非常に骨の折れる作業であり、AIの専門家がいないためにテクノロジーの導入が困難でした。

医療機関が保有する画像データをAI学習に適したものに絞り込んだ後、コンピュータービジョンベースのAIを用いて虹彩画像から健康に関する重要な情報を自動的に抽出するモデルを開発しました。その結果をサービスにリンクしてリアルタイム分析機能を提供するほか、初期診断結果を自動的に提供して医療スタッフの疲労を軽減する機能も実装されました。

虹彩画像から健康情報を1秒以内に抽出できるようになり、医療スタッフの反復分析時間が大幅に短縮されました。体質情報の自動化によってサービスの専門性と信頼性が向上し、個々の患者に合わせた医療サービスを提供できるようになりました。

AIが導入される前は、組織が保有する膨大な量のデータをどのように収集、改良、管理するか、またそれをどのようにAIに使用するかについての実践的な理解が不足していたため、体系的なトレーニングが必要でした。

ジェネレーティブAIテクノロジーの理解、データ収集と品質管理システムの学習、ベクターデータベースとLLMベースのプロジェクト例など、実践指向のトレーニングを提供しました。トレーニング対象者がデータプランニングと AI モデル開発の全体的な流れを理解できるように設計されています。

AIプロジェクトの立案や組織内のデータ管理システムの構築に必要な基礎知識と実践的ノウハウを確保し、内部力強化の基礎を築いてきました。

新任幹部がAI事業をリードしなければならない状況では、AIに関する背景知識が不足している状況では戦略立案が難しく、明確な方向性を確立するためにはリーダーシップ指向の研修が必要でした。

ChatGPT、Perplexity、Intuitive AIなどの直感的なツールをベースに、実践志向のカリキュラムを編成し、プロンプトの立案から戦略立案、レポートの自動化まで、経営幹部が自分でAIを使用してタスクを実行できるように設計されています。

経営幹部は、AIを実際に直接活用することで戦略的思考を強化することができ、実践ベースのトレーニングを通じて組織内のAXプロジェクトの理解と実行方向を明確にしました。

AI導入の課題を導き出す過程で、組織内のさまざまな利害関係者と協力してテクノロジーの実現可能性を判断することが困難だったため、実行可能な戦略を確立することが困難でした。

Able Campusとデザイン思考に基づいたワークショップを実施し、各部署の課題を構造化し、AIの適用性を考慮した課題を導き出しました。専門エンジニアが参加して技術をレビューし、実現可能性についてフィードバックを行いました。

ビジネスプロセス全体を再定義することで、各グループは実現可能性とビジネス価値の両方を考慮したAIの課題を導き出し、研修生のコラボレーションに対する理解と、AIを実際に適用する視点が高まりました。

ジェネレーティブAIテクノロジーをQA業務に導入したいと考えていましたが、超大規模画像生成モデルを理解し、それを実際の作業にどのように適用するかを内面化するための実践指向のトレーニングが不足していました。

エイブルキャンパスと共同で、QA部門の特性に合わせたカスタマイズされたAI教育カリキュラムを設計し、専門家でなくても従うことができるColabベースの実践環境を提供し、LVMモデルの理解や性能評価も実践できるようにしました。

画像生成AIの原理から利用までの全過程を実践することで、実際のQA業務に応用できる技術感覚を身につけました。研修生の全体的な満足度は高く、AIモデルを選択して評価する実践力が強化されました。