業務プロセス自動化はどこで詰まるか｜Banco Azteca が8,800件を束ねて3,300人分の余力を出した事例を読む
Banco Azteca が UiPath Maestro で8,800件超の自動化プロセスを統制し、3,300人分の業務余力を創出した事例を、受託開発とAIエージェント事業の立場から論評。単一タスクのRPAからE2E業務の再設計へ移る際、例外を人に戻す設計と統制基盤が要点になる理由を整理する。
AIエージェントで貿易金融をE2E再設計した中東の銀行事例｜生産性60〜70%の裏で何を作っているのか
中東大手銀行がLC・LG・OAF・回収の貿易金融業務をAIエージェント＋Appian＋人間の専門家で再設計し、生産性60〜70%向上・処理時間30%短縮を達成した事例を、AIエージェントを作る側の視点で読む。難所はモデルではなく例外の境界定義と統制設計にある。
キャタピラーがPhysical AIを現場実装へ——製造業のAI導入で堀になるのは「現場データ×業務フロー×熟練者の暗黙知」
キャタピラーが鉱山自動化で得た知見をPhysical AIの全社展開に広げている。160万台の接続資産と16PBのデータ、5年1億ドルの人材再教育という報道の事実を整理し、製造業のAI導入で何が競争優位になるのか、受託開発の現場から読む。
順豊控股の約1.5万AIエージェント｜次の難所は「数」ではなくエージェント同士の協調にある
順豊控股が6月末時点で約1.5万個のAIエージェントを運用し、マーケティング・サービス履行・財務人事・研究開発へ広げ、エージェント間の協同調用に進んでいる。受託開発とAIエージェント事業をやる立場から、この規模と段階が発注側と開発会社に何を意味するかを読む。
美的集団の2万超AIエージェント｜「削減時間と削減額」でAI活用を管理する意味
美的集団が2026年中期報告で、2万個超のAIエージェント、累計900万時間超の効率化、4.5億元超のコスト削減を公表した。AI全社展開を利用者数ではなく経営KPIで管理するこの型が、開発会社と発注側にとって何を意味するのかを論評する。
倉庫40拠点にAIエージェントを載せる — CJ Logistics × OneTrack「AiOn」を、作る側として読む
CJ Logistics AmericaがOneTrackのエージェンティックAI基盤「AiOn」を40超の倉庫に本番展開。WMS・LMS・ERP・映像センサーを束ねる『OS層』という構図を、受託開発とAIエージェント事業をやる立場から評価する。
シーメンス成都工場の智能体工場化に見る、製造業AI導入を「点」で終わらせない条件
シーメンス成都工場が灯塔工場からAIエージェント工場へ進化した事例を、受託開発とAIエージェント事業を手がける立場から読み解く。190超の場面での規模化がなぜ実現できたのかを考察する。
IOIのSAP統合基盤「手作業60%減」に見る、多拠点企業の基幹システム標準化の勝ち筋
IOI CorporationのSAPベース統合基盤ONE IOIが手作業入力を60%削減したと発表。1,200ユーザー・107事業部門を束ねる統合の中身と、中小・中堅企業が基幹刷新を検討する際の判断基準を、受託開発の現場目線で読み解く。
予測精度70%のAIを本番業務に載せるということ——厦門のサプライチェーン3社の使い方を読む
厦門の国貿控股・建発・象嶼の3社が、鉄鉱石の価格予測(精度約70%)、車両と貨物のマッチング(約60%)、倉庫棚卸し(30分以内・認識精度95%超)にAIを組み込んだ事例を、受託開発とAIエージェント事業をやっている立場から読む。精度70%を成功と呼べる業務設計とは何かを整理する。