CASE 01 / 年間シミュレーション
商談後の記録・顧客情報入力
商談記録を確認し、顧客情報と次のアクションを営業管理ツールへ入力する担当者
1年間で削減できる作業時間(想定)
2,000時間 / 約83.3%短縮
導入前 1時間/人・日 → 導入後 10分/人・日
基準の計算:1人1日50分の削減 × 営業担当10人 × 月20日 × 12か月
人数比 1.00で規模換算(選択人数 ÷ 30。表示は丸めています)
ツールを導入しても、開発を依頼しても、現場の課題が残っている企業へ。
提案書やシステムの納品ではなく、現場の困りごとが解決するところまで。 実際の仕事の流れを一緒に確認し、AI活用の知見を活かして、試作と改善を小さく速く進めます。
ご相談の時点で、つくるものや要件が決まっている必要はありません。 売上、利用者、現場の手間、費用から、最初に解くべき問題を一緒に絞ります。
FDEはForward Deployed Engineerの略です。 現場の方と一緒に仕事の流れや困りごとを把握し、AIも活かしながら解決策を考え、自ら実装するエンジニアです。 想造では、山下が課題整理から開発、運用への定着まで全て担当します。
AIを活用する3つの業務を例に、年間の作業時間の変化を試算します。説明用の仮定であり、実績や効果の保証ではありません。
従業員30名を基準に、業務量が人数に比例すると仮定して年間時間を試算します。
従業員30人の想定:3業務合計で年間2,590時間の削減
CASE 01 / 年間シミュレーション
商談記録を確認し、顧客情報と次のアクションを営業管理ツールへ入力する担当者
1年間で削減できる作業時間(想定)
2,000時間 / 約83.3%短縮
導入前 1時間/人・日 → 導入後 10分/人・日
基準の計算:1人1日50分の削減 × 営業担当10人 × 月20日 × 12か月
人数比 1.00で規模換算(選択人数 ÷ 30。表示は丸めています)
CASE 02 / 年間シミュレーション
美容室の予約受付・変更と予約台帳の更新を行う担当者
1年間で削減できる作業時間(想定)
270時間 / 75%短縮
導入前 180分/件 → 導入後 45分/件
基準の計算:1件2時間15分の削減 × 月10件 × 12か月
人数比 1.00で規模換算(選択人数 ÷ 30。表示は丸めています)
CASE 03 / 年間シミュレーション
診療内容の記録・確認とカルテの管理を行う医療従事者
1年間で削減できる作業時間(想定)
320時間 / 約66.7%短縮
導入前 2時間/人・日 → 導入後 40分/人・日(導入前の1/3)
基準の計算:1人1日80分の削減 × 担当者1人 × 月20日 × 12か月(担当者1人・月20日を仮定)
人数比 1.00で規模換算(選択人数 ÷ 30。表示は丸めています)
時間が減っても、必ずしも人件費の支出が減るわけではありません。 初期費用、利用料、保守や確認の負担も含めて比較し、費用に見合わなければ見送ります。 予約導線なら直接予約の割合、問い合わせ対応なら対応時間や差し戻し件数など、課題に合う指標を一緒に決めます。
想造のFDEは、机上の空論を渡すことや、決められた仕様を実装することだけを役割としません。 何が課題なのかを現場で一緒に確かめ、解決策を試し、実際の仕事で使えるところまで担当します。
課題分析や方針の提案を中心とするコンサルティングに対し、想造では提案した本人が手を動かします。 現場の反応を直接受け取り、試作と修正を短いサイクルで繰り返します。
決められた要件をもとに作る受託開発に対し、想造では「何を作るか」が決まる前から関わります。 業務の見直しや既存サービスで解決できるなら、開発しない選択も含めて判断します。
支援範囲は会社や契約によって異なります。職種名の優劣ではなく、どこからどこまで一緒に担うかの違いです。
山下は、組織でのAI活用推進や、AIエージェントを前提とした開発プロセスの設計、品質向上に取り組んできました。 進化するAIを、調査の補助、試作、実装、動作確認に使い分け、現場に動くものを見せるまでの時間を短くします。
お客様の業務にAIを導入しなくても、開発側でAIを活用することはできます。 機密情報の扱いと利用可能なツールは事前に確認し、許可のない情報を外部AIへ入力しません。 速さだけを優先せず、品質と運用の負担まで見て判断します。
ホームページやシステムをつくること自体を目的にはしません。 既存のサービスで十分ならそれを使い、業務の手順を変えるだけで解決できるなら、開発は行いません。
AIは手段であって、目的ではありません。 ヒアリングの結果、決まったルールによる自動化や既存ツールの設定変更で十分なら、AIを使わない方法を提案します。 精度、費用、情報管理、現場での使いやすさを比べ、導入しないほうがよい場合も理由をお伝えします。
自作が必要な場合は、最初から大きく作り込まず、 効果を確認できる範囲から実装します。 必要がなければ「今のままで十分です」と率直にお伝えします。
事業の目的、現場の状況、困っていることを伺います。資料はなくても構いません。
解くべき問題、最初に試す範囲、やらないことを共有します。
業務変更、サービス導入、開発から必要な方法を選び、短い単位で動かします。
実際の利用と数字を確認し、続ける・変える・やめるを判断します。
確認方法、手順、引き継ぎを整え、日々の仕事として回る状態にします。
大規模な分散システムの性能設計や、機械学習モデルそのものの研究開発はお受けしていません。 対応できないご相談は、その旨を正直にお伝えします。