Our Work
ケーススタディ
実際のプロジェクトから、事例をご紹介します。
CASE1
現場の暗黙知を可視化し、受注業務プロセスを改革することで、
営業競争力を強化する
背景・課題
競争環境の変化が生む課題
高度な技術で多様な素材の鋼材を加工し、多くの顧客から信頼を得てきたクライアント企業は、安定した事業を行っていました。一方で、見積りや受注には慣習的にFAXや電話が使われ、大きな不便も感じられないまま運用されていました。しかし、競合がオンラインでオーダーを完結できる仕組みを提供し始めたことで、相対的に顧客の利便性が低下し、経営陣は危機感を抱くようになりました。
アプローチ
暗黙知化した価格決定プロセスを可視化し、再設計する
当初はオンラインオーダーの仕組みを構築することに重点を置いていましたが、分析を進めると、根本的な課題は、価格決定の仕組みが現場の暗黙知に埋もれていることが分かりました。複雑化した見積りロジックはブラックボックス化し、市況変動に応じてコストをダイナミックに更新できる仕組みもなく、結果として価格判断が過去前提のまま固定化されていたのです。
成果
市場変動に対応できる受注業務プロセスで競争力を強化
私たちは担当者が自然言語で理解・説明できる見積もりの仕組みをつくりました。これにより、市況変動に応じたコスト更新が行いやすくなり、価格判断の透明性が向上しました。また、オンラインでオーダーが完結する仕組みも整備し、顧客の利便性向上と受注プロセスの高度化により営業競争力の強化につなげました。
CASE2
大規模システム構築トラブルの原因を、
AIエージェントとコンサルタントが協働して特定する
背景・課題
大規模なシステム構築がうまくいかなかった原因は？
数百人が関わった5年規模のシステム構築プロジェクトが稼働直前で中断し、第三者調査が立ち上がりました。設計書や議事録など膨大な成果物が残る一方、判断の経緯や役割分担が明確でなく、問題の特定が困難な状況でした。調査結果が経営の重要判断に直結するため、2か月で網羅的に精査し、根拠を伴って問題構造を明らかにすることが求められました。
アプローチ
AIの網羅探索と専門家の検証を組み合わせた原因特定アプローチ
私たちはAIによる網羅的な資料探索と専門家による仮説検証を組み合わせたアプローチを採用しました。数百ギガバイトのドキュメントを基にRAGを構築し、従来アナリストが担っていた資料整理・一次分析をAIが実施。その分析結果も参考にしながら、ドメインエキスパートとデザイナーが関係者インタビューと実地検証を行い、問題の構造を特定しました。
成果
短期間で客観性のある原因特定と、再発防止への示唆を提示
このアプローチにより、短期間で客観性のある原因特定が可能になりました。技術面だけでなく、プロジェクト全体の意思決定や進め方に影響した要因も整理され、経営レベルの判断に活用できる形で問題構造を提示しました。AIの一次分析と専門家の深掘りを組み合わせることで、従来型の調査では難しかったスピードと深度を両立し、大規模プロジェクトのトラブル再発防止に向けた実践的な示唆を提供することができました。
CASE3
製造業の品質管理業務に、データ×エクスペリエンス思考を導入し、
業務変革を加速する
背景・課題
複雑な品質管理業務と利用者課題の見えにくさ
大手製造業のクライアント企業では、製品不具合時の対応スピード向上が課題でした。品質管理プロセスは複雑で関係部署も多く、実際にこの仕組みを使う利用者の課題を把握しにくい状況でした。このため、新しい品質管理の仕組みづくりでは利用者起点の改善が必要となり、UX/UIのバーチャルチームが組成されましたが、業務全体をエクスペリエンス視点で設計した経験が乏しく、進め方に不安を抱えていました。
アプローチ
利用者の潜在課題をデータで可視化し、改善に結びつける体制を構築
新しい品質管理の仕組みづくりでは、機能要件を先に決めるのではなく、利用者がどこで迷い、何を負担に感じているのかといった潜在的な課題を可視化することが重要だと考えました。私たちは、その把握をデータで裏付け、業務プロセスの理解と改善案の検証をアジャイルで進めるチームの立ち上げを支援しました。
成果
継続的に改善できる基盤の整備とスピード向上
4か月で品質管理の仕組みづくりの基盤となる利用者視点の設計ガイドと、新たな業務体験を示すモックアップを構築し、品質管理業務をデータと利用者起点で継続的に改善できる土台を整えました。さらに、改善を内製で続けられるよう人材育成とアプローチの定着も実現。この取り組みにより、業務改善スピードが高まる基盤が整いました。
CASE4
ECサイト利用者の声を起点に、
業務改善案を自動生成する仕組みを検証
背景・課題
膨大なユーザーの声を活かしきれない仕組み
大手リテール企業では、これまでユーザーの不満や要望を基に業務改善を行ってきました。しかし、寄せられるユーザーの声が多様かつ膨大で、その分類や重要度判断は担当者の経験に依存していました。そのため、業務改善テーマの選定や領域特定にばらつきが生じ、重要な声が見落とされているのではないかという懸念がありました。
アプローチ
ユーザーの声をデータ化・分析し、改善領域特定の仕組みを設計
私たちは、ユーザーの声を業務改善の起点とするアプローチを採択しました。具体的には、SNSやカスタマーセンターに日々寄せられる膨大なコメントをデータとして全て収集・統合し、それらを不満や要望などに分解・分析して業務領域に紐づける仕組みを設計しました。さらに、業務ごとに改善策を自動生成できる仕組みの実現を目指し、現行業務の分析からデータの分解・分析、PoCまでを支援しました。
成果
改善案自動生成の実現可能性を示すPoCを完了
6か月で、PoCとして様々なデータ形式のユーザーの声を全て収集・統合し、特定業務に対する改善案を自動生成するところまで検証を進めました。これにより、日々寄せられる不満や要望をリアルタイムに分析し、具体的な改善策へつなげる仕組みが実現可能であることを確認できました。