ストーリー
田
田中VPoE
Month 4の総仕上げだ。これまで学んだ全てのマルチモーダルAI技術を統合して、NetShop社の経営課題を解決する活用計画書を策定してもらう
あなた
画像、音声、動画、文書処理、そして統合パイプラインの全てを使うんですね
あ
田
田中VPoE
その通り。CTO佐藤から「来期のAI活用ロードマップ」の策定依頼が来ている。技術選定だけでなく、ROI試算、リスク管理、組織体制まで含めた包括的な計画書を期待している
あなた
経営レベルの意思決定に使える品質の計画書を目指します
あ
ミッション概要
| 項目 | 内容 |
|---|---|
| 目標 | NetShop社のマルチモーダルAI活用計画書を策定する |
| 所要時間 | 90分 |
| ミッション数 | 3つ（段階的に策定） |
| 使用知識 | Month 4全Step（画像/音声/動画/文書/統合パイプライン） |
| 評価観点 | 技術的妥当性、ビジネス価値、実現可能性、リスク管理 |
前提条件
【NetShop社の経営状況】
売上: 年間50億円（EC事業）
従業員: 300名
- EC運営: 80名
- カスタマーサポート: 60名
- 物流・倉庫: 100名
- 経理・総務: 30名
- IT・開発: 30名
現在のAI活用状況:
- テキストベースのチャットボット（問い合わせの20%を自動対応）
- 基本的なレコメンドエンジン
- AI活用の年間予算: 3,000万円（来期は5,000万円に増額予定）
経営課題:
1. 人件費の高騰（前年比+8%）
2. カスタマーサポート品質のバラつき
3. 返品率の高さ（業界平均の1.5倍）
4. 業務効率化の遅れ（競合比-15%の生産性）Mission 1: 現状分析とユースケース優先順位付け（30分）
タスク
NetShop社の各部門の業務を分析し、マルチモーダルAIの活用ユースケースを洗い出して優先順位を付けてください。
【分析テンプレート】
1. 部門別ユースケース一覧（最低8件）:
| # | 部門 | ユースケース | 使用モダリティ | 期待効果 |
|---|------|------------|-------------|---------|
| 1 | ___ | ___ | ___ | ___ |
| 2 | ___ | ___ | ___ | ___ |
...
2. 優先順位マトリクス（上位5件を4軸で評価）:
| ユースケース | Impact(1-5) | Feasibility(1-5) | Data(1-5) | Risk(1-5) | 総合 |
|------------|-------------|-------------------|-----------|-----------|------|
| ___ | ___ | ___ | ___ | ___ | ___ |
...
3. Phase 1（6ヶ月以内）で着手すべき上位3件:
- 1位: ___ 理由: ___
- 2位: ___ 理由: ___
- 3位: ___ 理由: ___解答例を見る
1. 部門別ユースケース一覧:
| # | 部門 | ユースケース | 使用モダリティ | 期待効果 |
|---|------|------------|-------------|---------|
| 1 | CS | 問い合わせ統合対応（テキスト+画像+音声） | テキスト+画像+音声 | 対応時間50%削減 |
| 2 | CS | 通話内容の自動記録・分析 | 音声 | 記録作成時間80%削減 |
| 3 | EC運営 | 商品レビュー統合分析 | テキスト+画像+動画 | インサイト抽出の自動化 |
| 4 | EC運営 | 商品画像の自動品質チェック | 画像 | 掲載ミス90%削減 |
| 5 | 経理 | 請求書・領収書の自動処理 | 文書(PDF/画像) | 処理時間70%削減 |
| 6 | 物流 | 商品検品の画像分析 | 画像 | 不良品検出率向上 |
| 7 | 物流 | 倉庫内動画監視・異常検知 | 動画 | 安全事故の予防 |
| 8 | EC運営 | 商品説明の多言語音声生成 | テキスト→音声 | 海外売上10%増 |
2. 優先順位マトリクス:
| ユースケース | Impact | Feasibility | Data | Risk | 総合 |
|------------|--------|-------------|------|------|------|
| 請求書自動処理 | 4 | 5 | 5 | 2 | 16 |
| 通話自動記録 | 5 | 4 | 4 | 2 | 15 |
| 問い合わせ統合対応 | 5 | 3 | 4 | 3 | 15 |
| 商品画像品質チェック | 3 | 5 | 5 | 1 | 14 |
| 商品レビュー統合分析 | 4 | 3 | 4 | 2 | 13 |
3. Phase 1上位3件:
- 1位: 請求書自動処理 → 高Impact + 高Feasibility、定型業務で成果が出やすい
- 2位: 通話自動記録 → 大きな時間削減効果、Whisper APIで即座に開始可能
- 3位: 商品画像品質チェック → 低リスク、返品率改善に直結Mission 2: 技術アーキテクチャ設計（30分）
タスク
Mission 1で選定した上位3件を実現するための統合技術アーキテクチャを設計してください。
【技術設計書テンプレート】
1. 全体アーキテクチャ図（テキスト形式で記述）:
___
2. 技術スタック:
| レイヤー | 技術 | 選定理由 |
|---------|------|---------|
| AIモデル | ___ | ___ |
| オーケストレーション | ___ | ___ |
| データストア | ___ | ___ |
| インフラ | ___ | ___ |
| 監視 | ___ | ___ |
3. 各ユースケースのパイプライン詳細:
ユースケース1: ___
ユースケース2: ___
ユースケース3: ___
4. 共通基盤として設計すべきコンポーネント:
- ___
- ___
- ___解答例を見る
1. 全体アーキテクチャ:
[入力チャネル]
├── メール/チャット → API Gateway
├── 電話 → CTI → 録音S3保存
├── 請求書PDF → S3アップロード
└── 商品画像 → S3アップロード
│
▼
[共通基盤]
├── モダリティルーター（Lambda）
├── ジョブキュー（SQS）
├── オーケストレーター（Step Functions）
└── 結果ストア（DynamoDB + S3）
│
├─→ [請求書パイプライン] Document AI → 検証 → 会計システム連携
├─→ [通話パイプライン] Whisper → NLP → CRM連携
└─→ [画像チェックパイプライン] Vision → 品質判定 → EC管理画面
│
▼
[品質管理・監視]
├── CloudWatch メトリクス
├── 品質ダッシュボード（Grafana）
└── アラート（PagerDuty/Slack）
2. 技術スタック:
| レイヤー | 技術 | 選定理由 |
|---------|------|---------|
| AIモデル | GPT-4o, Whisper API, Claude Vision | 精度重視、マネージド |
| オーケストレーション | AWS Step Functions | DAG定義、リトライ、状態管理 |
| データストア | S3(ファイル) + DynamoDB(メタデータ) | スケーラブル、低コスト |
| インフラ | ECS Fargate + Lambda | コンテナ(常駐) + サーバーレス(バースト) |
| 監視 | CloudWatch + Grafana | メトリクス + 可視化 |
3. パイプライン詳細:
請求書: S3→Lambda(前処理)→Claude Vision(抽出)→Lambda(検証)→会計API
通話: CTI→S3→Whisper API(STT)→GPT-4o(要約+情報抽出)→CRM API
画像: EC管理→S3→GPT-4o Vision(品質チェック)→判定結果→EC管理画面
4. 共通基盤:
- モダリティルーター（全入力の振り分け）
- 統一結果スキーマ（全パイプラインの出力フォーマット統一）
- 品質監視モジュール（全パイプライン横断の品質追跡）
- Human-in-the-Loopキュー（低信頼度結果の人的確認基盤）Mission 3: ロードマップとROI試算（30分）
タスク
実行ロードマップとROI試算を策定してください。
【ロードマップ・ROI テンプレート】
1. 実行ロードマップ:
| フェーズ | 期間 | 実施内容 | マイルストーン |
|---------|------|---------|-------------|
| Phase 1 | ___ | ___ | ___ |
| Phase 2 | ___ | ___ | ___ |
| Phase 3 | ___ | ___ | ___ |
2. ROI試算:
| 項目 | 年間コスト | AI導入後 | 削減額 |
|------|----------|---------|--------|
| ___ | ___ | ___ | ___ |
投資額: ___
年間削減額合計: ___
投資回収期間: ___
3. リスク管理:
| リスク | 影響度 | 発生確率 | 対策 |
|--------|-------|---------|------|
| ___ | ___ | ___ | ___ |
4. 成功指標（KPI）:
6ヶ月後: ___
12ヶ月後: ___
5. 必要な組織体制:
___解答例を見る
1. 実行ロードマップ:
| フェーズ | 期間 | 実施内容 | マイルストーン |
|---------|------|---------|-------------|
| Phase 1 | Month 1-3 | 共通基盤構築 + 請求書自動処理 | 共通基盤稼働、請求書処理の70%自動化 |
| Phase 2 | Month 4-6 | 通話自動記録 + 商品画像チェック | CS記録作成時間80%削減、画像チェック自動化 |
| Phase 3 | Month 7-12 | 統合対応 + レビュー分析 + 改善サイクル | 全パイプライン統合運用、継続的改善体制確立 |
2. ROI試算:
| 項目 | 年間コスト(現状) | AI導入後 | 削減額 |
|------|----------------|---------|--------|
| 請求書処理(経理) | 1,440万円 | 380万円 | 1,060万円 |
| 通話記録(CS) | 1,100万円 | 250万円 | 850万円 |
| 画像チェック(EC) | 600万円 | 150万円 | 450万円 |
| API・インフラ費 | 0円 | 600万円 | -600万円 |
投資額: 初期開発3,000万円 + 年間運用600万円
年間削減額合計: 1,760万円（1,060+850+450-600）
投資回収期間: 3,000万円 / (1,760万円/12ヶ月) = 約20ヶ月
3. リスク管理:
| リスク | 影響度 | 発生確率 | 対策 |
|--------|-------|---------|------|
| API料金の値上げ | 中 | 中 | マルチプロバイダ対応、上限アラート設定 |
| 精度の想定未達 | 高 | 中 | PoC実施、段階的展開、フォールバック |
| 社内抵抗 | 中 | 高 | 小さな成功体験の積み重ね、教育プログラム |
| データセキュリティ | 高 | 低 | データ暗号化、アクセス制御、監査ログ |
4. 成功指標:
6ヶ月後: 請求書自動処理率70%、通話記録自動化率80%
12ヶ月後: 全パイプライン統合運用、年間1,760万円のコスト削減達成
5. 必要な組織体制:
- AI推進チーム(3名): テックリード1名、MLエンジニア1名、データエンジニア1名
- 各部門サポーター(各1名): 業務知識の提供、受入テスト
- CTO直轄でのスポンサーシップ達成度チェック
| 評価項目 | A（優秀） | B（合格） | C（要改善） |
|---|---|---|---|
| ユースケース分析 | 網羅的な洗い出しと客観的な優先順位付け | 主要ユースケースの特定と評価 | ユースケースが限定的 |
| 技術設計 | 共通基盤を含む統合アーキテクチャ | 各パイプラインの設計が適切 | 技術選定に根拠がない |
| ROI試算 | 定量的で現実的、投資回収期間を明示 | 概算のコスト比較がある | 数値根拠が不明 |
| リスク管理 | 複数リスクに具体的対策を提示 | 主要リスクを認識 | リスク分析が不十分 |
推定所要時間: 90分