※1 自社調べ：2025年4月時点 ※2 出典：2023年12月25日 株式会社クラウドワークス（https://crowdworks.co.jp/news/h1-9rx695-44/） ※3 ※1と※2を参照し、計算した場合
※4 出典：2023年12月25日一般社団法人電子情報技術産業協会（https://dcross.impress.co.jp/docs/news/003515.html）
- キャリアアドバイザーの業務効率化
プロジェクト -
- 面談記録の作成や候補者への推薦文の作成が担当者任せになっており、品質や作業量にばらつきがあった。
- 毎月10～20件の面談を担当するが、1件あたりの面談記録作成に約10時間以上かかるため、他業務に割ける時間が足りなかった。
- 担当者によって書類のクオリティが異なり、クレームにつながることもあった。
-
- オンライン面談ツールで録音したデータを自動で文字起こしし、要点を抽出（AI要約）
- 推薦文テンプレートに自動で反映し、候補者固有の特長や実績などをAIが初稿作成。
- メール文面もAIがドラフト生成 → 担当者が最終チェック＆微修正のみ。
-
- GPTなどのTransformerベースモデルの理解、Fine-tuningやPrompt Engineeringの実務経験
- 自然言語処理（NLP）の知識および実務経験
- PythonやPyTorch／TensorFlowなどを用いたモデル構築・学習・評価の経験
- 家電量販店カスタマーサポートAI化
-
- 家電製品に関する問い合わせが多岐にわたり、スタッフの知識差や忙しい時間帯に対応品質がばらついていた。
- 休日・夜間も問い合わせが集中するため、コスト面や人員確保面で大きな負担がかかっていた。
- FAQの更新や定期メンテナンスが担当者任せになり、情報が最新化されないことによるクレームも発生していた。
-
- チャットボットを導入し、よくある問い合わせの一次対応を自動化（AI応答）。
- 問い合わせ内容から、FAQを自動生成・更新。スタッフの手動メンテナンスを最小化。
- 夜間や休日でも24時間対応可能な体制を構築し、必要に応じて有人オペレーターへエスカレーションする仕組みを整備。
-
- DialogflowやBot Framework、Rasaなどを利用したチャットボットの設計・構築・運用経験
- GPT系モデルなどを活用した自然言語生成・要約の実装経験
- ソフトウェアエンジニアリングの基礎知識（Pythonなど）
- 債権督促業務の効率化
-
- 債権回収業務において、電話リスト作成や進捗管理、督促文章の作成などを担当者が手作業で行っており、大量の時間と労力が必要だった。
- 督促メールや書面の文面品質が担当者によって差があり、督促効果やコンプライアンス面でリスクがあった。
- 連絡履歴の管理や優先度付けが属人的で、回収率の向上に限界を感じていた。
-
- AIが債権情報をもとに、電話・メールでの連絡先リストを自動生成し、優先度の高い案件を選定。
- 督促文書やメールテンプレートを自動作成（自然言語生成）し、コンプライアンス要件を満たした上で担当者が最終チェック。
- コールシステムや顧客管理システムとAPI連携して、進捗状況をリアルタイムで可視化。
-
- Prompt EngineeringやFine-tuningにより、コンプライアンスを考慮した文章を生成できる知識
- コールシステムや顧客管理システム（CRM）とのAPI連携開発経験
- AWS/GCP/Azureなどのクラウド環境でのデプロイ・運用、CI/CDのパイプライン構築スキル
- 金融機関の書類作成・企画書支援AI
-
- 金融機関の融資書類・企画書作成フローが複雑で、担当者が長時間の事務作業を行っていた。
- 不足書類のリマインドやデータ照合に時間がかかり、顧客とのやり取りも煩雑。
- 担当者スキルに依存して企画書品質にばらつきがあり、標準化が難しかった。
-
- 生成AIを活用し、顧客情報から融資申込書や企画書のドラフトを自動生成。
- 与信関連データベースと連携して、必要書類のリマインドや自動チェック機能を実装。
- 企画書の構成・文面を標準テンプレート化し、最終承認のみ担当者が行うワークフローを構築。
-
- 金融業務の基礎知識・コンプライアンスへの理解
- Prompt EngineeringやFine-tuningなどによる業務要件に即した高度な文章生成・制御のご経験
- 自然言語処理・文章要約・要点抽出の知見（テキストマイニング技術）
- コールセンター自動応対・エスカレーション削減
-
- 大量の問い合わせ・クレームを一次対応で処理しきれず、マネージャーや専門部署へのエスカレーションが頻発。
- オペレーターのスキルや経験値に依存した対応が多く、回答速度・品質にばらつきが発生。
- 対応履歴の集約や分析が不十分で、クレーム原因の早期特定が難しかった。
-
- AIチャットボットによる一次対応を導入し、よくある質問や簡単なトラブルシューティングを自動化。
- クレーム対応用のメールテンプレートを生成AIで作成し、担当オペレーターが最終調整。
- CRMやナレッジベースと連携して対応履歴を自動集約・分析、再発防止策を迅速に検討できる体制を整備。
-
- DialogflowやBot Framework、Rasaなどを活用したスクリプト作成・改修スキル
- 自然言語処理全般の実務経験。顧客問い合わせ内容やクレーム要因を分析し、再発防止策を立案するためのテキストマイニング・感情分析のスキル
- 不動産営業資料自動生成
-
- 不動産物件紹介資料や営業提案書を担当者が手作業で作成し、写真選定やレイアウト変更に多くの時間を費やしていた。
- 担当者のスキルやデザイン知識によって資料クオリティに差が出ており、ブランドイメージの統一が難しかった。
- 新規物件が頻繁に追加されるため、最新情報を随時反映した資料をタイムリーに作成できない。
-
- 生成AI（テキスト・画像生成）を活用し、物件データをもとに自動で企画書・提案書をドラフト化。
- 統一されたデザインテンプレートに合わせ、物件写真やロゴなどをAIが自動レイアウト。
- 物件データベースと連動し、新規物件が追加されると自動で営業資料を更新・生成。
-
- Hugging Face Transformersなどを用いた文章生成モデル（例：GPT-4等）のFine-tuning・API連携のご経験
- FigmaやAdobe XDなどのデザインツールと連携し、AIが生成したテキスト・画像を組み込む自動化フローの構築のご経験
- 物件データベース（RDB/NoSQLなど）とAPI連携し、情報の自動取り込み・更新を行うバックエンドの理解
