ストーリー
田
田中VPoE
各モダリティの処理パイプラインを理解した。次は実際の業務課題とマルチモーダルAIのマッピングを行おう
あなた
技術は分かりましたが、どの業務にどのモダリティを適用すべきか、判断基準が欲しいです
あ
田
田中VPoE
いい視点だ。技術ドリブンではなく、業務課題ドリブンで考えることが重要だ。NetShop社の各部門が抱える課題を洗い出し、最適なモダリティとAI技術をマッピングしていこう
あなた
現場の課題からスタートするんですね。やってみます
あ
業務課題の棚卸し
NetShop社の部門別課題
| 部門 | 課題 | 現状の処理方法 | 月間処理量 |
|---|---|---|---|
| 経理 | 請求書の手入力 | 目視確認 + 手動入力 | 3,000件 |
| カスタマーサポート | 問い合わせ音声の記録 | メモ + 手動入力 | 5,000件 |
| EC運営 | 商品画像の品質チェック | 目視確認 | 10,000件 |
| 人事 | 研修動画の字幕作成 | 外注 | 20本/月 |
| 品質管理 | 製品外観検査 | 目視検査 | 50,000件 |
| マーケティング | 広告素材の制作 | デザイナー作業 | 200件 |
| 法務 | 契約書のレビュー | 弁護士の手動確認 | 100件 |
ユースケースマッピングフレームワーク
評価軸
各業務課題に対して、以下の4軸で評価します。
┌─────────────────────────────────────────────────┐
│ ユースケース評価マトリクス │
│ │
│ 1. 効果（Impact） : 自動化による時間削減量 │
│ 2. 実現性（Feasibility）: 現在のAI技術での達成可能性 │
│ 3. データ可用性（Data） : 学習・テスト用データの有無 │
│ 4. リスク（Risk） : 誤りが生じた際の影響度 │
│ │
│ スコア: 各軸 1〜5点、合計で優先順位を決定 │
└─────────────────────────────────────────────────┘マッピング結果
| 業務課題 | モダリティ | AI技術 | 効果 | 実現性 | データ | リスク | 優先度 |
|---|---|---|---|---|---|---|---|
| 請求書入力 | 画像→テキスト | Document AI + OCR | 5 | 4 | 4 | 3 | A |
| 問い合わせ記録 | 音声→テキスト | STT + NLP | 4 | 5 | 5 | 2 | A |
| 商品画像チェック | 画像 | VLM + 画像分類 | 4 | 4 | 5 | 3 | A |
| 研修字幕作成 | 動画→テキスト | STT + 字幕生成 | 3 | 5 | 3 | 1 | B |
| 製品外観検査 | 画像 | 画像認識 + 異常検出 | 5 | 3 | 2 | 5 | B |
| 広告素材制作 | テキスト→画像 | 画像生成AI | 3 | 4 | 3 | 2 | B |
| 契約書レビュー | 画像→テキスト | Document AI + LLM | 4 | 3 | 2 | 5 | C |
優先度A: すぐに着手、B: 次フェーズ、C: 慎重に検討
モダリティ別の適用先マッピング
画像モダリティ
画像認識（入力として画像を使う）
├── OCR: 請求書、名刺、手書きメモ
├── 分類: 商品カテゴリ判定、品質A/B/C判定
├── 物体検出: 製品の傷検出、在庫カウント
└── 比較: デザイン差分チェック、経年変化検出
画像生成（出力として画像を作る）
├── 商品画像: 背景変更、バリエーション生成
├── 広告素材: バナー、SNS投稿用画像
├── プロトタイプ: UIモックアップ、デザイン案
└── 補完: 商品画像のレタッチ、欠損補完音声モダリティ
音声認識（音声→テキスト）
├── 会議録音 → 議事録
├── コールセンター → 通話記録
├── インタビュー → テキスト化
└── 音声メモ → タスク登録
音声合成（テキスト→音声）
├── 社内アナウンス自動生成
├── 多言語ガイダンス
├── 動画ナレーション
└── アクセシビリティ対応動画モダリティ
動画分析
├── 研修動画 → 字幕生成 + 要約
├── 監視カメラ → 異常検出
├── 製品デモ → 手順書自動生成
└── 会議録画 → ハイライト抽出文書モダリティ
文書理解
├── 請求書 → 金額・日付・取引先の抽出
├── 契約書 → 条項の分類・リスク分析
├── 帳票 → テーブルデータの構造化
└── 技術文書 → ナレッジベース化ROI試算の方法
試算テンプレート
【請求書自動処理の場合】
現状コスト:
- 処理件数: 3,000件/月
- 1件あたりの処理時間: 5分
- 月間作業時間: 3,000 × 5分 = 250時間
- 人件費（時給3,000円として）: 750,000円/月
AI導入後:
- AI処理: 3,000件 × 自動 = 0時間（人的作業）
- 人的確認（信頼度低い20%のみ）: 600件 × 3分 = 30時間
- 月間作業時間: 30時間
- 人件費: 90,000円/月
コスト:
- API利用料: 約50,000円/月（1件あたり約17円）
- 開発・運用コスト: 約100,000円/月（按分）
ROI:
- 削減額: 750,000 - 90,000 - 150,000 = 510,000円/月
- 年間削減: 6,120,000円
- 投資回収期間: 開発費200万円 ÷ 51万円/月 = 約4ヶ月導入ロードマップ設計
フェーズ分けの考え方
Phase 1（1〜2ヶ月）: Quick Win
→ 効果が高く、実現性も高い案件から着手
→ 請求書処理、音声文字起こし
Phase 2（3〜4ヶ月）: 拡大
→ Phase 1の成果を踏まえ、適用範囲を拡大
→ 商品画像チェック、研修字幕、広告素材
Phase 3（5〜6ヶ月）: 高度化
→ 複数モダリティの統合、高リスク案件に着手
→ 製品外観検査、契約書レビュー
→ マルチモーダル統合パイプラインリスク管理
| リスク | 対策 |
|---|---|
| AI精度不足 | Human-in-the-Loopで人間の確認を組み込む |
| データプライバシー | オンプレミスモデルの検討、匿名化処理 |
| 既存システムとの統合 | APIベースで疎結合に接続 |
| 社内の抵抗感 | Quick Winで成果を見せてから拡大 |
まとめ
| 項目 | 内容 |
|---|---|
| アプローチ | 業務課題ドリブンでモダリティを選定する |
| 評価軸 | 効果・実現性・データ可用性・リスクの4軸 |
| 優先順位 | Quick Winから始めて段階的に拡大 |
| ROI | 現状コストとAIコストを定量比較する |
チェックリスト
- 業務課題の棚卸しと4軸評価の方法を理解した
- 各モダリティの業務適用先をマッピングできる
- ROI試算テンプレートを使って投資対効果を計算できる
- フェーズ分けとリスク管理を含む導入ロードマップを設計できる
推定所要時間: 30分