ITC InfotechがGoogle Cloudと提携し「自社が最初の顧客」に——AIエージェント導入は社内の面倒な業務から始める
ITC InfotechがGoogle Cloudと提携し、Gemini Enterpriseを全社導入して自社を「customer zero」に据えると発表した。RFP起案・IT/HRチケット・請求書監査という地味な社内業務を選んだ意味を、受託開発とAIエージェント事業の現場から論じる。
NECが商談記録AIを1,000名規模で導入——営業のAI活用は「解析」ではなく「記録が残る状態」から始まる
ナレッジワークの商談記録AIをNECが1,000名規模で導入した事例を取り上げる。営業のAI活用で最初に解くべきはスコアリングや提言ではなく、CRM/SFAにデータが入らない問題である。受託開発とAIエージェント事業の現場から、実装の順番と自社で作る場合の難所を論じる。
損保ジャパンがAIエージェントで機械学習の実験を自動化——自動化されなかった「一番大変な工程」を読む
損害保険ジャパンがAIエージェントで機械学習モデルの改良を自動化し、実験サイクルを1週間から1日に短縮した事例を取り上げる。担当者が「まだAIにはできない」と語った、ビジネス課題を機械学習タスクに翻訳する工程こそが本丸であることを、受託開発とAIエージェント事業の現場から論じる。
製造業のAI活用事例をどう読むか｜高炉AIで「炉温予測90%」を出した南京鋼鉄の報道から
新華社が報じた南京鋼鉄のAI導入事例(高炉1000超のセンサー、2時間先の炉温予測精度90%以上、単位産値エネルギー消費12%減)を、受託開発とAIエージェント事業の立場から読み解く。製造業のAI活用事例で見るべきは、精度の数字ではなくデータ基盤と運用体制である。
スマートファクトリーの事例に学ぶ実装の中身——AIエージェント群・低コード内製・データ整備の順序
蘇州工業園区が公表した先進級スマートファクトリー3社の事例を検証。垂直領域の大規模モデルとエッジ軽量モデルの協調、業務部門が低コードで200超のアプリを内製、故障診断で問題特定を時間単位から分単位へ。公表値は割り引きつつ、日本の中小企業が参照できる技術構成と着手順序を徐 聖博が読み解きます。
日立のAgentic AI Integration Platform——SI全工程AI化の本命は「暗黙知の形式知化」にある
日立が要件定義から運用までSI全工程にAIエージェントを組み込むプラットフォームを発表。FDEが現場に入り、顧客の経営意図・業務知識・判断基準をAI Readableな「企業コンテキスト」として蓄積する設計を、受託開発の再定義と自律更新のリスク、中小企業が今できる準備の観点から徐 聖博が読み解く。
ZohoのSmaller, Smarter, Saferに学ぶ——AIエージェント導入で失うのは精度ではなく「チームの信頼」
Zohoの解約検知エージェントは業務の例外を知らず誤検知を繰り返し、導入1年後もチームの信頼を回復できていない。CIO.comが報じたこの実践知から、「優れたハーネス×小さいモデルが勝つ」「30億パラメータで95%コスト削減」というAIエージェント導入の土台設計を、AIエージェント事業を営む徐 聖博が読み解く。
そのシステム開発、本当に必要ですか——「言われた問題」を疑い、開発しない選択肢まで考えるDXの進め方
持ち込まれた問題をそのまま解くシステム開発は失敗しやすい。損失を数字にする・一つ上の階層を疑う・業務ごと無くせないかを問う、の3つで問題の本質に降り、「開発しない」も含めた選択肢を並べられる開発パートナーの見極め方まで、シンシア代表の徐 聖博が実務の型として解説します。
三井倉庫×日本IBMのDX人材育成事例——現場社員8名が業務アプリを自作する「実践型」の設計図
三井倉庫ロジスティクスと日本IBMが、現場社員がAI業務アプリの企画から開発・運用まで自ら担う実践型DX人材育成モデルを発表。教材を自社の業務課題にする設計、現場が要件を書く価値、8名・2アプリという始め方の規模感を、DX人材育成の事例として徐 聖博が読み解く。