“使う”から“任せる”へ -Microsoft CopilotとAzureではじめるAIエージェント導入

以下セッション登壇資料
https://www.sbbit.jp/eventinfo/83725

Transcript

1. “使う”から“任せる”へ -Microsoft CopilotとAzureで はじめるAIエージェント導入 Microsoft Corpration Asia Global Black Belt AI Specialist Daiki Kanemitsu
2. 1. はじめに 2. マイクロソフトが取り組むAIについて 3. AIエージェントの役割 4. 導入に向けたキーポイント 5. 適材適所のAIエージェント 6. 国内外事例 アジェンダ
3. 1. はじめに 2. マイクロソフトが取り組むAIについて 3. AIエージェントの役割 4. 導入に向けたキーポイント 5. 適材適所のAIエージェント 6. 国内外事例 アジェンダ
4. 2028年までに企業は合計13億のエージェントを持つと予測 (IDC調査) • 人間とエージェントの協調が当たり前の時代へ Introducing Microsoft 365 Copilot Tuning, multi-agent orchestration, and more from Microsoft Build 2025 | Microsoft 365 Blog KEY020
5. 1. はじめに 2. マイクロソフトが取り組むAIについて 3. AIエージェントの役割 4. 導入に向けたキーポイント 5. 適材適所のAIエージェント 6. 国内外事例 アジェンダ
6. Copilot devices Copilot & AI stack Copilot
7. CopilotとはAIのUI Copilot Agents 利用者 Front Door 利用者はCopilotをフロントサービス として利用、技術的な細部を意識 せずAIへのアクセスが可能に User Interface (UI) 利用者からの入力/出力を担い、 AIモデルやエージェントとの橋渡しを 任意/定期的に行うハブとして機能 Core models/actions ユーザーの質問に対して最適な回答を行 うための、必要なデータや知識を検索・ 設計し、最適な回答や結果を導く
8. 1. はじめに 2. マイクロソフトが取り組むAIについて 3. AIエージェントの役割 4. 導入に向けたキーポイント 5. 適材適所のAIエージェント 6. 国内外事例 アジェンダ
9. Agentとは？ シンプル より高度 Retrieval 情報の取得 グラウンディングデータから、 ユーザーの質問を理由付 け、要約し回答します Task 依頼を受け行動する ワークフローを自動化し ユーザーの反復的なタスクを 置き換え Autonomous 独立して動作する 動的な計画、他のエージェン トのオーケストレーション、 学習とエスカレーション -------------------------------- エージェントの役割 ------------------------------- ニーズに応じて複雑さと能力のレベルが異なる
10. “役割を与え 振る舞いを整える” (プロンプト エンジニアリング) “AIを内部から鍛える” (Fine-Tuning) “外部知識を与える” (RAG) “道具を与える” (エージェント) • システムプロンプトやAIエージェントの役割ごとの指示を設計し、LLMが望ましい回答を出すように誘導。 ユースケースやモデルの特性に応じたプロンプト設計が必要 • AIエージェントにおいては、プロンプトをテンプレート化、パイプライン化し、業務プロセスを自律的にAIが 実行できるように調整。ロングコンテキストを活用した知識背景の埋め込みも検討 • LLM/SLMに対する微調整/追加学習。特定のデータセットやドメインに適合するように予め生成AIに 学習。ラベル付きの学習データを手動で作成するだけでなく、教師用モデルを利用した合成データ(蒸 留）の活用も検討。 • 出力形式・トーンの調整、タスク精度の強化、トークンの節約などが見込める • 企業が持つ社内データ（業務ナレッジなど）をAIエージェントが参照（検索）できるように整備するこ とで、社内データを活用したAIエージェントのタスク実行が可能となる • ベーシックな検索エンジン/ベクトルDBを利用したNative RAGだけでなく、ナレッジグラフを利用した GraphRAGを掛け合わせたHybrid RAGにより、AIエージェントの精度向上が見込める • 外部Tool(予測AI、Code InterpreterのPython処理、外部APIなど)を道具としてAIエージェント に与え、予測結果を考慮したプロアクティブな行動や動的な計算処理が可能 • エージェントに予測AIを組み合わせることで、リアクティブ（事後対応）的な動作からプロアクティブ （事前対応）的な動作へと高度化。 例：需要予測に基づく生産計画の立案など 精度/ 能力向上 精度/能力の向上と発展
11. エージェント化の適合 (※HR業務のエージェント利用例) 価値の変容 いままで – マニュアルワーク 他アプリ サービス 人事担当者 新規採用 採用フォーム/オペレーション 採用受入 (目的達成) 人事担当者 新規採用API 採用受入 (目的達成) 現在 – RAG AIチャットボット これから – Agent automation AIエージェント 確認/許可 新規採用 エージェント 人事担当者 新規採用 採用フォーム/オペレーション 採用受入 (目的達成) チャット ボット 人事担当者が新規採用を行う上での採用プロセスとオペレーションを行う場合の一例 今までの旧来型チャットボットと比較して、人の介在/負担する部分がよりシンプルに
12. 広がるエージェントの導入 オフィス 汎用業務 エージェント 業務特化 エージェント B 組織・外部 新ビジネス領域・スキル 既存業務の効率化 個人 新しい バリュー 業務 効率化 生産性 ⚫ 未知な知識・新しい発想 自動的に立案・実行 ⚫ グローバルの密で多彩な ビジネス展開 業務特化 エージェント A 業務特化 エージェント C 新ビジネス創造 高度エージェント 取組みやすいエリア 簡単・よくあるパタンから 解消していく 前例がないエリア 戦略的に組織で取組み 生み出す必要あり ⚫ 相談相手・メンターとして AIがアシスト ⚫ 自分にないスキルを使い 繋がり・物事を生み出す ⚫ 人間でなく AI が 知識・スキルの補完 ⚫ 自動的・臨機応変な チーム業務実行 ⚫ 自動的・臨機応変な 個人業務実行 ⚫ 大量のルーティンワーク
13. 1. はじめに 2. マイクロソフトが取り組むAIについて 3. AIエージェントの役割 4. 導入に向けたキーポイント 5. 適材適所のAIエージェント 6. 国内外事例 アジェンダ
14. 14 意外と本当にある生成AI ツール 導入の始まり方 「生成AIを使って何かできないか考え て」 どう使えるか分からないからまずは 私たち（IT部門）だけで使ってみようか 達成したいことや解決したい課題等の 具体的な目的がない 何を達成・解決したいかはその部門の人 間にしか分からず、適切な価値判断は難 しい 始まり方 問題
15. 15 活用推進の現場で（悪気なく）聞こえてくる声 • 推進者の考えと利用部門ユーザーの声には乖離がある • 一方でユーザーの表面的な声に応えても、そのユーザーが実際に行動に移すとは限らない 推進者（IT/DX 部門） エンドユーザー（利用部門） まずIT部門でしっかり検証してから展開したい 早く使わせてほしい 具体的な利用方法・プロンプトを提供したい 共有された使い方は実業務に則していない 「希望者が申請・利用できるようにしました」 「上司や部門の理解が得られません」 「既に希望者は申請・利用可能です」 「初耳です、いつどこでアナウンスされました か？」 利用ガイド・マニュアルを公開したい マニュアルよりも動画やトレーニングしてほし い トレーニングし、使い方動画も公開しました 一般例だけではなく部門固有の使い方も知りた い 活用推進に業務部門チャンピオンを出してほし い 立候補していないのに指名された・・・ ライセンス付与したユーザーは活用してほしい 興味があったが、つい使うことを忘れてしまう
16. 16 生成AI ツール導入価値の考え方 Microsoft 365 Copilot を含む生成AI ツールは時間削減効果以外にも効果・価値を創出する 時間 削減効果 社内でコミュニケーションに課題を抱え る 社員は意外と多く従業員エンゲージメン トやパフォーマンス等に影響する Microsoft Copilotの活用で業務スピード が向上し、取り組むべき業務に集中する 時間や、学習等のための時間が創出され る 3.心理的安全性 1.生産性向上・時間削減 これまで自分でできなかったことができ るようになり、より多くの事に取り組め たり、質の高い仕事が行えるようになる 2.スキル拡張（できないことができる） データ分析 プログラミン グ 戦略・企画 データ分析 プログラミン グ 戦略・企画 英語 戦略・企画 データ分析 英語 人に聞くの怖い ・・ ・ ・・ ・ 4.ワークライフバランス向 上 6.モチベーション維持・向 上 7.業務ストレス軽減 8.従業員エンゲージメント向上 組織目標達成への貢献 定量効果 定性効果 AI優しい 何度も聞き辛い いつでも何度 でも聞ける 5.業務遂行能力UP 英語 英語
17. 17 AIエージェント導入に向けた重要なポイント Copilot (Agent UI) 柔軟性 (Flexibility) エージェント (Responsibility)
18. 外部ツール連携 (MCP) AIエージェントに向けて考えるべき要素 ユーザー 認証 データガバナンス エージェント トリガー UI / App タスク ナレッジ モデル 最も使いやすい・利用すべき エージェント UI は何か？ 最も利用するトリガーは何か？ モデルのカスタムには何が必要で 柔軟かつ容易にできるか？ ナレッジとして一番利用するものは 何で、どこに今あるのか？ 最も利用するタスク（アクション） は何で、使いやすいものか？ データガバナンス/マネジメントは AI-readyな状態で整備できている か？ どんな種類・用途のエージェントが ユーザーにとって必要か？ ユーザー・グループ・セキュリティ グループの制御はどうあるべきか？ 利用者やナレッジデータにおいて 認証環境は、どんなリスクを防御し どう管理されるべきか？ ※オレンジ枠が過去RAG/AIチャット 導入時に考慮していた部分 外部アプリ・ツールと連携する必要 があるのか？またMCP等の プロトコルを利用すべきか？
19. 19 AIエージェントに向けて考えるべき要素 内部 ユーザー 認証 データガバナンス 内部向け エージェント 外部 ユーザー 外部向け エージェント 認証 内部 (従業員向け) 外部 (B to C, B to B) 窓口 専門家A 専門家B 個人支援 営業 トリガー UI / App タスク ナレッジ モデル 今日は営業さんが苦労し てたから助けてあげて 要望を承りました。 解決方法はｘｘです。 こんな課題ありますか？ 新製品Ａの仕様はｘｘ、 他社よりｙｙで優れてます お客様の声は ｘｘｘだったよ オフィス UI & データ がある強み ＋ カスタム性 対応力 ＋ 連係力 ＋ 先端性
20. 1. はじめに 2. マイクロソフトが取り組むAIについて 3. AIエージェントの役割 4. 導入に向けたキーポイント 5. 適材適所のAIエージェント 6. 国内外事例 アジェンダ
21. CopilotとはAIのUI (再掲) Copilot Agents 利用者 Front Door 利用者はCopilotをフロントサービス として利用、技術的な細部を意識 せずAIへのアクセスが可能に User Interface (UI) 利用者からの入力/出力を担い、 AIモデルやエージェントとの橋渡しを 任意/定期的に行うハブとして機能 Core models/actions ユーザーの質問に対して最適な回答を行 うための、必要なデータや知識を検索・ 設計し、最適な回答や結果を導く
22. 多用なニーズに安全に最適化できる Microsoft エージェントソリューション 毎日使いのアプリでCopilot利用 Copilot Chat/ Office Copilotで すぐ使えるエージェントを利用 Microsoft 365 Copilot Copilot Studio with Power Platform Azure AI 業務特化エージェントを発行 ローコードでイベント毎に自律的に 動作する業務エージェントを追加 例) カスタム ナレッジデータを用意 業務データをVector Indexにした Cosmos DBをカスタムで用意 モデル タスク 認証 データガバナンス コネクタ提供 発行 独自エージェント UI Copilot が パワーアップ 例：使い慣れたオフィスのCopilotに、業務用DB ナレッジを高精度で活用できるエージェントを発行
23. 自然言語 コードファースト オフィスワーカー向け Copilot Agents 市民開発者向け Copilot Studio 開発者向け Azure AI Foundry スキルとニーズで使い分け
24. 様々なニーズに応じて細分化 ビルトイン型エージェント サードパーティ型エージェント カスタマイズ型エージェント 市民開発者向け エージェントプラットフォーム 開発プロ向け エージェントプラットフォーム エージェントを使う AI利用 エージェントを創る 構築の難易度/カスタマイズの複雑性 高 外部エージェントとの連携 Azure AI Copilot Studio Agents in Microsoft 365 低 高
25. スキルとニーズで使い分け SharePoint / OneDrive Webサイト / Graph コネクタ Power Platform コネクタ / Dataverse SharePoint / OneDrive Webサイト / Graph コネクタ Power Platform コネクタ / Dataverse カスタム可 カスタムプロンプト / カスタム会話 / アクション カスタムプロンプト / カスタム会話 / アクション Any ＆ カスタム可 データソース UI 高度にフルカスタム・部分/全体最適化 業務向けエージェントをローコードで作成 M365 Apps からユーザーが簡単に作成 M365 Application (社内) 業務アプリケーション (社内+社外) Any組込み・新規アプリ (社内+社外) トリガー 標準（最新モデルに準ずる） 標準/カスタム可 LLM＋生成オーケストレート Any ＆ カスタム可 LLM ナレッジ モデル Power Platform マネージド環境 / 管理センター Any ＆ カスタム可 環境 運用 M365管理センター UI / プロンプト UI / プロンプト / イベントベース自律動作 Any ＆ カスタム可 Sales/Service ロールベース アドオン可 すぐ作ってすぐ使える ベーシック エージェント 業務特化 ローコードカスタム 自律型 エージェント 業種特化 フルカスタム 高度な エージェント オフィスワーカー向け 開発者向け 市民開発者向け Microsoft 365 Copilot Copilot Studio with Power Platform Azure AI Foundry
26. 1. はじめに 2. マイクロソフトが取り組むAIについて 3. AIエージェントの役割 4. 導入に向けたキーポイント 5. 適材適所のAIエージェント 6. 国内外事例 アジェンダ
27. IT/人事サポート・エージェントが従業員を支援し、 コストと作業負荷を削減 IT/HR ✓ Horizontal (業務特化) Vertical (業種特化） グローバル・ディーラー・ネットワークの複雑なコンフィ ギュレーション・サービスをまとめるエージェントを作 成。 AIエージェント事例と傾向 企業名 シナリオ 利活用用途 利用プロダクト 専用の生成AIエージェントが9種類用意され、 ニーズや用途に応じて利用可能 。エンジニアがい つでも社内エキスパートのノウハウにアクセス エキスパートサポート ✓ パートナーマネジメント ✓ エキスパートサポート ✓ 開発効率化 ✓ コールセンター ✓ 鉄道固有の複雑で膨大な営業ルールを読み 込ませたAIエージェントが駅員に助言すること で、お客様の対応待ち時間の短縮 生成AIでコールセンター業務の自動化を加速、 お客さまの待ち時間の短縮と対応の均質化 により、顧客満足度向上を目指す 様々なAIチームや顧客の社内担当者が横断 的にAIシナリオをテスト・導入できるようになり、 ソリューション提供までのリードタイムが短縮。
28. カスタマイズ型エージェント 日本のお客様事例 ◼ 背景と課題 • トヨタのカイゼン活動を支える「大部屋」制度は、ベテランから若手への 技術やノウハウの継承を促進 ◼ O-Beyaの概要 • 専用の生成AIエージェントが9種類用意され、ニーズや用途に応じて利 用可能 • エンジニアがいつでも社内エキスパートのノウハウにアクセスでき、物理的 な制約をエージェントの支援によって克服 ◼ 導入効果と今後の展望 • 既にパワートレーンカンパニー800名のエンジニアO-Beyaを利用 • 将来的にさらに多様なデータや自動エージェント選択機能を追加予定 トヨタ自動車 パワートレーンカンパニー様とMicrosoftが生成AIエージェント「O-Beya」を構築 Azure OpenAI Serviceが生成AI基盤で熟練エンジニアのノウハウを引き継ぐ https://news.microsoft.com/ja-jp/features/241120-toyota-is-deploying-ai-agents-to-harness-the-collective-wisdom-of-engineers-and-innovate-faster/ トヨタ自動車株式会社 パワートレーンカンパニー
29. 「新卒時代、最初に手に取った大野耐一氏の『トヨタ生産方式―脱規模の経営をめざ して』は、”ムダの徹底的排除” を説いています。知識労働におけるムダを ”AI エージェン トで代替可能な知識労働” と再解釈すると、日々の業務にまだ多くのムダが潜んでい ることに気づきます。今回の取り組みは、日々の業務におけるムダに気づき、改善を進め るための方向性を示してくれました」 ウーブン・バイ・トヨタ株式会社 Tech Lead Manager, MLOps, Perception & Prediction, AD/ADAS 小出 粋玄 氏 背景と課題 自動運転や先進運転支援システムの提供などによって、モビリティの新技術を開 発しているウーブン・バイ・トヨタ。これまで課題となっていたのが、「MISRA」※ 準拠 のためのコード修正をどのように効率化するかでした。その解決策として検討された のが、「生成 AI の活用」でした。 ※ 車載ソフトウェアの安全性と信頼性を向上す るためのコーディング規約 ソリューション まず、生成 AI モデルとして GPT-4o を採用し、MISRA 準拠のコード自動修正の 実証実験を開始しました。その後、約 50% の自動修正が可能であることを確認 した上で正式プロジェクトへと昇格させました。次に、Azure Light-up を開催し、 実証実験の成果を実際の開発現場に適用できるよう改善を進めました。さらに、 生成 AI を Reasoning モデルである OpenAI o3-mini に切り替え、マルチエー ジェント フレームワーク AutoGen を活用することで、異なる役割を持つ 3 つのエー ジェントが連携するマルチエージェント型システムへと進化させました。 導入の効果 最新の生成 AI モデルとマルチエージェント型システムにより、MISRA 準拠のための コード修正提案が約 80％ 自動化されました。さらに、エンジニアが提案を採用す るために必要な修正理由や確信度の情報も提供されるようになり、生成 AI は コードのリファクタリングまで自律的に実行できるようになりました。こうした革新は、 ソフトウェア開発のパラダイムを大きく変革する可能性を秘めています。 製品とサービス AutoGen, Azure App Services, Azure Cosmos DB, Azure OpenAI Service, GitHub, Visual Studio Code ウーブン・バイ・トヨタがマルチエージェント化された Azure OpenAI Service を車載ソフトウェア「MISRA」 準拠に活用、コード修正の約 80％ を自動化 お客様：ウーブン・バイ・トヨタ株式会社 業種：自動車 従業員数：1,000 ~ 9,999 人 国：日本 公開日：2025 年 5 月 全文はこちら パートナー： 株式会社ゼンアーキテクツ Azure などの先進技術を駆使し、 企業が AI やデータを効果的に活 用するソリューションの構築をサポー トしています。 68 68
30. エージェントエコシステムへの期待 ✘ 人によるチューニングや プロンプトを駆使した利用 Value モデルやツールを使い人が 定義した動きを行う単一型エージェント、 決められた動作をするのが特徴 柔軟性があり状況に応じて動作する モジュラー型エージェント、 予期せぬことに対応できる 将来: 多様で分散しながら動作する エージェントが互いに協業しあう Models Monolithic agents Society of Mind Society of Agents ✘ ✘ ✘ Now
31. 1 AI 通訳 / ファシリエータ エージェント • 言語の壁があり意思疎通ができなかった会議・セミナーの実施 • 会議中ライブメモを参照し、結論の出る・無駄のない会議を実現 • 会議中にライブメモを皆で編集し、議事録の精度向上 担当業務情報 個人用エージェント • 過去の蓄積情報や、新しい情報が常に保存されるフォルダ等 • 製品情報、価格表、仕様書、契約書、設計仕様書フォルダ • 英語資料や英語Webサイトをナレッジし利用するのもおすすめ 2 3 社外HP情報 個人用エージェント • 頻繁に参照するWebページをナレッジとしQA・相談に利用 • 競合他社・自社製品HP・政府機関HP・SNS・研究機関HP 豆知識HP・プレスリリースHP・法務/規制HP・他言語HP チーム共有情報 チーム用エージェント • チーム共有フォルダをナレッジに設定、他言語情報の参照も有用 • FAQ・事例集・お客様リスト・不具合情報・イベント情報・プロ ジェクト進捗・計画書、製品仕様書、営業提案書、契約書 4 全社/事業部向け サイトエージェント • 社内向け規定・ルール・情報発信サイトに紐づけて利用 • FAQの対応として利用を促進し、窓口問合せ負担を減らす • イベント等の一時的なサイトの問合せ対応として利用も◎ 5 For End Users Copilot / SharePoint エージェント ~活用のヒント~
32. Copilot Studio 非自律型 エージェント ~活用のヒント ~ エージェントに任せるエリア 業種 エージェント支援内容 ナレッジ 問合せ・申請代行 会社全体の問合せ・申請を 1つのエージェントで一括対応 全事業 経費/出張の申請、制度/コンプライアンス規定確認 CRM, 経費/コンプラルール記載サイト 人事 異動/福利厚生申請、人事制度確認、従業員検索 人事規定サイト・SAP・申請管理DB IT・総務 ITヘルプデスク・PC貸出・名刺印刷/荷物手配 ServiceNow, QA台帳, 発注システム マーケティング 販促素材問合せ対応・イベント登録/予定/QA対応 CRM, 製品/イベント関連ファイル 店舗 店舗通知/新商品情報/ルール確認・在庫確認 店舗ルール, 新製品情報, CRM 業務プロセス横断 複数のシステムにまたがる 業務プロセスやナレッジをエージェントで対応 事業部 DB横断の提案書・稟議書作成, 類似検索/相談 CRM, 商品・設計DB, 在庫出荷DB 人事 DB横断のキャリア/スキル 類似検索/相談/報告作成 SAP, タレント管理DB, 人事規定 IT・総務 DB横断の仕様・対策検索/相談, 対象者検索 SaaS DB, PC管理DB, 総務申請DB マーケティング DB横断の新製品ターゲット・企画アイデア創出/相談 CRM, 参加者リスト・アンケート結果 開発 DB横断の設計・不具合類似検索/相談/QA 設計書/試験DB, 外部製品発注DB 報告書・書類作成 会議・メール・チャットや業務DBから 指定されたフォーマットに報告としてまとめる 営業 日報/週報, 契約書, プロジェクト報告, 営業計画書 メール・チャット,・会議, CRM, 商品DB SI部 お客様向け作業報告書, 委託契約書, 検収書 製品/設計/契約書類, 納品物ファイル 店舗 店舗業績報告, 不具合報告, お客様の声報告 CRM, メール・チャット, 顧客対応DB マーケ Webサイト問合せ報告・市場/競合調査報告 商品QA DB, 製品情報, イベントWeb 開発 進捗報告, 試験結果報告書, 外部発注書 設計・商品DB, 進捗会議, SaaS DB 組 み 合 わ せ 自 由 For Makers
33. Azure AI エージェント ~エージェント 活用のヒント~ Azure AI For Developers 業種 用途 エージェント支援内容 (トリガー & アクション) ナレッジ カスタマーサポート よくある質問対応やトラブルシューティング、 返金処理などの自動化により顧客満足度向上 【トリガー】 顧客からの問い合わせ（チャット等） 【アクション】 AIがFAQや注文データを参照して即時回答し、返品手続きや注文 追跡など複雑な要求にも対応 FAQデータベース、製品マニュアル、購 入履歴など 一般営業 顧客データ分析による提案タイミング最適 化や提案資料自動生成で営業効率化 【トリガー】 営業担当者からの顧客情報照会や提案資料作成依頼 【アクション】 AIがCRMデータや商談履歴を分析し、顧客ニーズに合った提案書・ メール文を自動生成。適切なタイミングでのアップセル提案も提示 CRMデータベース、過去の提案資料、 営業ナレッジ（製品情報・価格表） 情報システム部 ヘルプデスク対応の自動化とシステム監 視・異常検知によるITサポート効率化 【トリガー】 社員からのITサポート依頼（例: パスワードリセット）やシステム障害ア ラート 【アクション】 AIがナレッジベースを参照して解決策を提示または自動実行（パス ワード初期化等）し、ログを分析して障害原因を特定 IT問合せナレッジ（FAQ集、マニュア ル）、システムログ、監視アラート情報 マーケティング コンテンツ制作支援とデータ分析によるマー ケ施策最適化 【トリガー】 マーケ担当者からのコンテンツ作成依頼やキャンペーン分析要求 【アクション】 AIが商品情報や顧客データを基にブログ記事・SNS投稿文を生成 し、施策結果データを分析して改善策を提案 製品カタログ、顧客データ（行動履 歴・嗜好）、市場トレンドデータ、過去 キャンペーン結果 グローバル事業 （海外拠点・顧客取引） 多言語対応や現地情報収集により国際ビジネス のコミュニケーション円滑化・意思決定支援 【トリガー】 海外拠点からの報告（外国語）受信や海外顧客からの問い合わせ 【アクション】 AIが文書や会話を自動翻訳し要点を要約、各国の文化・商習慣 に配慮した回答や現地市場データの提供で対応支援 現地市場データ、各国法規情報、社 内翻訳メモリ・用語集 小売 ECサイト、店舗販売のAIによる商品提案 【トリガー】 オンラインストアでの商品検索や在庫確認リクエスト 【アクション】 AIが顧客の閲覧・購買履歴を分析し関連商品を提案、在庫DBを 照会して在庫状況を即答 商品カタログ、在庫データベース、顧客 の行動・購買履歴 製造 生産ライン監視や予知保全の自動化、品 質管理の高度化による稼働率向上 【トリガー】 設備センサーの異常兆候検出や品質検査データの異常 【アクション】 AIがリアルタイム解析で故障を予測し事前に保全日程を設定・警 告通知。不良品検知時はライン設定を自動調整し品質問題の拡大を防止 センサーデータ、装置ログ、過去故障 履歴、製造マニュアル 金融 市場動向分析・リスク特定による投資戦 略支援や不正取引検知の自動化 【トリガー】 市場の急変や取引アラート、顧客からの資産運用相談 【アクション】 AIが大量の金融データを即時分析しリスク評価とアラート発報、適 切な投資提案を自動生成。不正の兆候検知時は担当者へ警告 市場データ（株価・経済指標）、取 引履歴データ、リスク管理ルール/規制