ホーム ／ 導入事例
Cases
全社規模の業務削減を掲げる現場に入り、全社（約50部署）を対象に業務を棚卸し。年間数万時間規模の削減ポテンシャルを特定し、Notionに、全社の改善テーマの進み具合をまとめて見られる一覧を作り、100件超の改善テーマを可視化。効く順に実装まで推進しています。
全社（約50部署）を対象に業務を棚卸し・構造化。100件超の改善テーマと年間数万時間規模の削減ポテンシャルを特定し、すぐ効く小さな改善から順に実装
AI実装FDE
人手では再点検しきれない異常処理データを全件再判定し、損失につながる要因を特定。経営層への報告まで納品しました。
3年分・約1万件の自然言語記録を同一基準で全件再判定し、損失要因を特定
AI実装FDE
SaaSプロダクトに載せる法令チェックAI機能を、評価セット約100件・弁護士監修ループ・Go/No-Go判定の枠組みで検証し、本実装フェーズへ進みました。
評価セット約100件・弁護士監修ループでGo判定。2〜5週で実施
AI機能PoC
機種ごとに発生するマニュアル多言語化の対訳データ整備を、人手の都度作業から「現場が自分で回せる専用ツール」へ。FDEの完成形＝仕組みを残すところまで実装しました。
対訳データ整備の工程を機種非依存のツール化。実データ検証で抽出・統合は正規成果物を完全再現、整合精度は9割超
AI実装FDE
毎年集まる顧客満足度調査を全件分析。要因を分解し、経営層への報告資料まで納品しました。
自由記述（自然言語）を含む約1万件を全件分析し、経営会議用の報告資料まで納品
AI実装FDE
SNS投稿・口コミ返信・MEOといった集患業務をAIエージェントの運用に乗せ、院長は提案を承認するだけの体制を構築・運用中です。
SNS・口コミ返信・MEOの実務をエージェント化。院長の作業は承認のみ（従来は週約20時間）
ドクターワンスケール
月1回の営業会議の事前資料を、Salesforce の日報と商談のデータから Notion 上で作る仕組みを構築しました。市場の動きの欄は拠点の責任者のまとめを残し、Notion AI のまとめと並べる形です。数字は毎日プログラムが数え、配布用の PDF は誰が出しても同じ形になります。
10月の営業会議から、Notion の事前資料が正式に使われることに。10月報告分は全拠点の市場の動きが Notion の表に記入済み。PDF の出力は、お客様のお試し2回とも、弊社の確かめと内容が一致
システム連携・API 開発・業務データベースの開発・構築（Notion 対応）
基幹システムの出力をExcelに貼り、人手で並べ替えて作っていた3種類の資料を、自動で作るプログラムを作りました。人手の完成品と同一かどうかは、作った側のプログラムと検証の報告を見ずに、全量を計算し直して照らし合わせてから報告しています。
作る時間は、月次の分析1セット（人手で約7時間・お客様の作業時間）の原価の差を比べる表が約30秒（全量の1回の実行・実測）に、滞留在庫を調べる表は作った範囲を約30秒で生成。原価の差を比べる表は約1,200行・約6.6万セルが人手の完成品と完全一致（全量では並び順に依存しない内容ベースで99.46%）。滞留在庫を調べる表は2か月分・約60万セルで、作った範囲の値が人手の表とすべて一致。連結業績の差の要因分解は説明資料に転記された約30の数値と1円未満で一致し、資料とデータの食い違いを4件検出
AIエージェント導入
業績分析・売掛金分析・現行様式の再現といった月次の管理会計資料を、同じ入力からは毎回同じ数字を出すプログラムで自動生成する仕組みを作り、検算に通らなければ資料を出さない形にしました。検算を通らなかった資料は、そもそもファイルとして存在しません。
アドイン関数の再現は約1,150セルで100%一致、現行資料との様式一致は99.8%、売掛金明細は約49,000セルで完全一致。壊したデータを与えて止まるかを確かめる試験 約40ケース・約320検査で違反ゼロ。初回の実データでは検算が締めの後に計上された取引の混入を検出し、資料を出さずに停止
AIエージェント導入
発注明細を全件・同一の費目基準で分類し、同一商品の単価差を一覧化。分類の品質は、結論を伏せてゼロから分類し直し、突き合わせて実誤り率を実測してから納品しました。
約700件・約320品目を約30の費目に全件分類。実誤り率は全体で約1%・金額加重では1%未満（結論を伏せた再分類で実測）。同一商品の単価差 約70件を抽出
専門業務AI-BPO
長年たまり続けた修理・改造の依頼書Excelを、AI抽出に頼らず位置を決めたプログラムで全件データベース化。既存のExcel様式への書き戻しは、書き込む1シート分だけを差し替え、ほかは元のまま残す方式で、書いて読み戻して同一であることを全件確認しています。
依頼書 約870件と変更通知 約400件を取り込み、3つのデータベースに計約1,470行を投入（全列を原本と照合して一致）。既存様式への書き戻しは書いて読み戻す確認で一致率100%、全ファイル（約100ファイル）での確認でも一致率100%・欠落ゼロ
AIエージェント導入
非定型の発令文書を基幹システムの取込形式へ人手で転記していた業務を、ExcelマスタのNotionデータベース化とAI変換の仕組みで置き換え。変換結果は原本と機械照合し、確定できない項目は「要確認」として人に返す設計です。
約20種・約950行のマスタと約580行の人員データをExcelからデータベースへ移管。実際の発令文書（スキャン含む）での検証で、変換結果のコードが原本と全項目一致（確定できないものは「要確認」として出力）
AIエージェント導入
過去の案件 約700件の図面・加工の手順書・加工プログラムの記録を、お客様の登録の表と同じ項目の Notion のデータベースへ一括で移しました。お客様は、お持ちの似た形状の検索の対象に、このデータベースを入れています。
約1万6千ファイルの記録から約700件を入れ、案件ごとの資料のページまで作成。お客様がお持ちの似た形状の検索の対象に入れ、入れたデータはうまくいっているとの評価
業務データベースの開発・構築（Notion 対応）
部品表をチャットに添付すると、同じ品番か図番（図面の番号）の前例を写した加工の見積の下書きを、いつもの様式のファイルで返す仕組みを Notion AI で作りました。写した前例が分かり、写せない項目は確認が要るものとして返します。
治具（加工や組立で部品を固定し、位置を決める道具）の見積 約8,500件を前例に取り込み、前例は 約8万部品に。9月に実際の画面で測ると部品表から約3分半で下書きを返し、下書きの記録の表に1回1行で記録。担当の方が実際の部品表で2度お試しになり、ご意見を反映
業務データベースの開発・構築（Notion 対応）
形式も明細の粒度も異なる2社の工事見積を共通の項目構造にそろえ、差額と乖離率を同一条件で比較。差の正体と、発注側が各社に確認すべき質問まで納品しました。
2案件で実施。総額に約2倍の開きがあった案件は、主因が単価差ではなく見積範囲の不一致にあることを特定。総額差1%未満の案件では、項目間で相殺し合う構造を可視化
専門業務AI-BPO
問合せ・作業の依頼・部品・作業時間など、Salesforce に入っているサービス部門の記録8種類を、つながりを保ったまま毎日 Notion へ同期する仕組みを Notion Workers で作りました。前のシステムの過去データも同じ表に入れ、機種別や月次の集計の表も同期の中で毎日更新します。
8種類・約380列を毎日同期し、Notion の8つの表は合計 約9.6万行（10月初めの時点・うち前のシステムの過去データ 約8.5万行）。集計の表4本も毎日更新。過去データは親子の関連 約1万件がすべてつながり、無作為の30行で全項目が投入元と一致
システム連携・API 開発・CRM の開発・改修（Salesforce 対応）