20250220_生成AIで実現する業務改革とは？活用事例とデモでご紹介！

1. ⽣成AIで実現する業務改⾰とは？ 活⽤事例とデモでご紹介！ クラスメソッド株式会社 ⽣成AIインテグレーション部 Bizチーム 洲崎 義⼈
2. ⾃⼰紹介 洲崎 義⼈（Suzaki Yoshito） ⽣成ＡＩインテグレーション部/事業開発 • 所属：AWS営業部(2018/9〜)→AWS事業本部コンサルティング部(2021/7〜)→新規事業統括部(2024/11〜) • 拠点：東京→福岡 • 2023 - 2024 Japan AWS Top Engineers、Japan AWS All Certifications Engineers • 最近の運動：キックボクシング、ランニング
3. Agenda 1. ⽣成AIの概要 2. ⽣成AI活⽤⽀援サービスのご紹介 3. ⽣成AI活⽤⽀援の事例 4. ⽣成AI導⼊における⼀般的な課題 a. データ活⽤（RAG）の課題 b. ⽣成AI利⽤を定着させる課題 5. どう始めたら良いか？ 6. AI StarterとGenUの説明 7. AI Starterのデモンストレーション 8. まとめ 3
4. ⽣成AIの概要 4
5. ⽣成AIは2020年代に誕⽣し、急速に社会へ浸透 利⽤者が1億⼈に到達する までにかかった期間 ChatGPT：2ヶ⽉ TikTok：9ヶ⽉ Instagram：2年4ヶ⽉ ⽣成AIの進化 2020年 〜 2021年 ⽣成AIの幕開け OpenAIがGPT-3 (⽂章⽣成AI)を開発。 ⼈間と遜⾊ない⾃然な⽂章を⽣成し、⼤きな衝 撃を与える。 2022年 〜 2023年 実⽤化の加速 対話形式で利⽤できるChat-GPTが誕⽣。 ⾃然な対話能⼒と汎⽤性の⾼さが注⽬を 集め、爆発的にユーザー数を伸ばす。 2024年 〜 社会への浸透 ⽂脈理解や感情認識の能⼒が向上し、より⼈間 らしい対話が可能に。 テキスト、画像、⾳声など、複数のデータを 統合的に処理できるようになった。
6. ⽂章⽣成ＡＩの特徴｜従来のＡＩとの違い 従来のＡＩ ⽂章⽣成ＡＩ ⽬的 データの予測や識別を得意とし、 特定のタスクを正確にこなすこと ⼈間の⾔語を理解し、⾃然な⽂章を⽣成 すること 柔軟性 決められた範囲での応答が可能 多様な質問や要望に合わせて応答が可能 業務への活⽤ データを基礎とした結果を予測、 具体的な対応策は⼈間が考える ⽂章作成や説明作業の⽀援で⼈間の創造 的活動をサポート ⽤途の例 データ分析、⾳声認識、画像識別 など チャットボットの応答、⽂書の作成など
7. 私（洲崎）の⽣成AI 活⽤例 1.⽂書作成⽀援 ‧メールの添削 ‧議事録の要約 ‧社内相談⽤の要点の整理 2.アイデア出し⽀援 ‧アイデアの⽣成 ‧アイデアの壁打ち 3.多⾔語コミュニケーション⽀援 ‧ビジネス英語への正確な翻訳 ‧OpenAI、Anthropicなどの最新AI技術の活⽤ ‧⽇本語プレゼン資料の英語化 結論： ⽣成AIは業務効率を⼤幅に向上させる必須ツール アウトプットの品質チェックとしても⼤いに有効です！
8. 生成AI活用支援サービスのご紹介 8
9. ⽣成AI導⼊時の課題を総合的にサポート！ • 業務課題の分析と
 生成AIユースケースの 選定
 • 生成AIの評価基準
 や効果測定方法の策定
 
 • RAG構築
 • データセキュリティの確 保
 • 既存システムとの
 インテグレーション
 • サポートを行う
 生成AIチームの構築
 • 利用ガイドラインや
 マニュアルの作成
 • ユーザートレーニングの 実施
 • ユーザーフィード
 バックの収集と分析
 • チューニングによる
 回答精度の改善
 • 最新情報の調査や
 活用のご提案
 企画 生成AIが業務にどのように 
 貢献するか明確化する 開発 データ活用・自動化により生 成AIの効果を最大化する 
 導⼊ サポート体制をつくり 
 生成AIの利用を定着させる 
 運⽤ 業務に合わせて生成AIの 
 機能を最適化させる
10. ニーズに合わせて最適なソリューションを提供 エンタープライズレベルのセキュリティをもつ 生成AI環境構築パッケージ 
 パッケージ 
 個別支援
 コンサルティング
 生成AIを活用するうえでの技術面でのお悩みを解 決します。具体的な技術選定から実装、運用の効 率化までトータルで支援します。
 アプリ開発
 SlackなどのチャットボットやWebUIの開発、各社API と自社データを活用した要件定義から実装・運用ま でを対応します。
 教育支援
 プロンプトの活用方法や、生成AIアプリの内製化に 向けた教育支援を行います。生成AIの導入から利 用の定着までをサポートします。

11. 生成AI活用支援の事例 
 11
12. LLM選定やインフラを1カ⽉で構築｜くすりの窓⼝様 ✓ 技術力とスピード感を大事にしたいという考えからパートナーを クラスメソッドに決定 
 ✓ 約1カ月の開発期間を経てRAGを活用した生成AIチャットボット のPoC検証用の環境を構築 
 ✓ 社内チャットで質問するとそのサービスについて回答が得られ る仕組み
 
 https://classmethod.jp/cases/kusurinomadoguchi/ 
 ⽀援前 ⽀援後 • クライアントからの問合せに対する 回答のバラつきに課題 • 回答精度と運⽤コストの改善を検討 • ⽣成AIの活⽤に関⼼があったが開発 リソース確保は困難 解決した課題 
 • ChatGPT4採⽤の検証⽤チャット ボットSlackアプリを1カ⽉で提供 • ⽣成AIサービスを多⾯的に複数検証 しながら開発 • 同様の仕組みでチャットアプリを 3種類展開
13. ⽣成AIチャットボット導⼊で社内ヘルプデスク業務を⽀援｜ オプテージ様 ✓ クラスメソッドが自社で運用した生成AIチャットボットのナレッジ を基にシステム構築 
 ✓ セキュリティ要件やプロジェクトの制約事項など後発的に浮上 した課題に対して柔軟に対応し円滑にプロジェクトを進行 
 ✓ 特定の検証方法においては社内ドキュメントをもとにした回答 精度では80％を超えることに成功 
 https://classmethod.jp/cases/optage/ 
 ⽀援後 • 社内情報に回答可能な⽣成AIを構築 したい • 既存チャットボットのメンテナンス コストに課題 • ⽣成AIの活⽤領域についてノウハウ を得たい ⽀援前 解決した課題 
 • 社内データを活⽤した⽣成AIを構築 • 社内のセキュリティ基準を満たす環 境で⽣成AIを検証できた • ⽣成AI活⽤の勘所など様々なナレッ ジを社内に蓄積できた
14. ‧⽣成AIは⼈間の⾔語を理解し、⾃然な⽂章を⽣成する特徴がある ‧クラスメソッドはAI Starterというサービスを提供している ‧事例としては、社内チャットの利⽤（検証を兼ねて）が多い ここまでのまとめ 14
15. ⽣成AI導⼊における⼀般的な課題 15
16. ⽣成AI導⼊時の課題を総合的にサポート！ • 業務課題の分析と
 生成AIユースケースの 選定
 • 生成AIの評価基準
 や効果測定方法の策定
 
 • RAG構築
 • データセキュリティの確 保
 • 既存システムとの
 インテグレーション
 • サポートを行う
 生成AIチームの構築
 • 利用ガイドラインや
 マニュアルの作成
 • ユーザートレーニングの 実施
 • ユーザーフィード
 バックの収集と分析
 • チューニングによる
 回答精度の改善
 • 最新情報の調査や
 活用のご提案
 企画 生成AIが業務にどのように 
 貢献するか明確化する 開発 データ活用・自動化により生 成AIの効果を最大化する 
 導⼊ サポート体制をつくり 
 生成AIの利用を定着させる 
 運⽤ 業務に合わせて生成AIの 
 機能を最適化させる
17. 17 1. データ活⽤（RAG）の課題
18. ⽂章⽣成ＡＩを業務利⽤するときに発⽣する課題 課題 原因 課題 １ 最新の情報を反映できない 過去のデータをもとに学習しており、学習後の 情報は⾃動的に更新されないため 課題 ２ 業務に必要な特定の知識が 不⾜している 企業や⾏政機関内の⾮公開情報は学習データに 含まれていないため
19. ⽣成ＡＩの回答精度を⾼める仕組み ⽣成ＡＩ単体では知らないことを答えさせる （RAG：Retrieval Augmented Generation） ＝ 検索 で プロンプト を 拡張
20. RAGの注意点（勘違いされやすい点） 全てのドキュメントを学習するわけではない • 検索でヒットした⼀部の⽂章に基づいて回答する 回答の質のイメージ • ドキュメントを初めて⽬にする⼈が理解できる範囲で答える感覚 • 例えるなら、新⼊社員がドキュメントを読んで回答するイメージ RAGの限界を理解し、適切に補完するプロセスを導⼊することで、 より信頼性の⾼い回答結果が得られます
21. ⽣成AI使⽤に関する意識調査結果 某企業向けワークショップ参加者 アンケート結果 懸念箇所として、情報の正確性というのが半数以上を占めている
22. 1.RAG環境の構築 ‧基盤となるシステムの設計と実装 2.回答精度の改善 ‧⽣成される回答の質と正確性の改善 3.評価と効果測定 ‧回答結果の評価基準設定と効果の定量化 RAGの主要構成要素：3つの柱 22
23. 1.RAG環境の構築 23
24. RAG構築の⼿法 24 AWSでRAGを実装するにはAmazon Kendraか Amazon Bedrock Knowledge Basesの２種類で考えられる Kendra：エンタープライズ検索エンジンサービス Knowledge Bases：Bedrockの⼀機能であり、RAGを実現するた めの「検索機能」の位置付け
25. RAG構築の⼿法 25 ⻑所 短所 Kendra ‧設定がシンプルで使いやすい ‧多様なデータソース（30種類 以上）に対応 ‧Knowledge Basesと⽐較して⾼コストになり がち（2025/2/17現在） ‧チャンキングなどの細かい設定に制約がある Knowledge Bases ‧複数のベクトルストア選択肢 によるコスト最適化 ‧ 柔軟なチャンキング等の詳細 設定が可能 ‧対応データソースが限定的（S3のみ、 2025/2/17現在） ‧ベクトルストアの設定に専⾨知識が必要
26. こちらのブログもご参照ください RAG構築の⼿法 26 [Amazon Bedrock] RAG利⽤時の選択肢「Kendra」と「Bedrock Knowledge Bases」を⽐較する
27. 2.回答精度の改善 27
28. RAG利⽤時に発⽣する課題と解決の例 課題例１： CSVファイルの途中が抽出されてしまった ・解決策：ファイルの分割 課題例２：似たようなドキュメントの内容が混同して回答された ・解決策：タグ付け・フィルタリング 課題例３：パワポファイルの読まれ方が意図しない形になってしまった ・解決策：マルチモーダルなモデルを使って読み込む 課題例４：ドキュメントに書かれてない社内知識が必要だった ・解決策：用語集をつくる
29. 課題例1: 対応しない箇所をもとに回答をしてしまっ た 質問 「〇〇できないときの対処⽅法を教えて」 回答 「設定画⾯を開き、有効になっているか確認 ...」
30. 課題例1の原因: 抽出する範囲が合っていない タイトル 回答例 詳細情報・回答根拠・リンク先情報 ログインパスワードを忘れたときの手順を教えて "ログインパスワードが分からなくなった場合は Slackで情シス宛に初期化依頼をしてくだい。 詳細はリンク先を参照してください。 [リンク先](http://sample.classmethod.jp/sample/sample/1)" "初期化する権限は情シスのみが保有しています。 ユーザのみでは行えないので、ご連絡ください。 " 〇〇が反応しないときの対処手順を教えて "設定画面を開き、〇〇が有効になっているか確認してください。 確認方法や詳細はリンク先を参照してください。 [リンク先](http://sample.classmethod.jp/sample/sample/2)" "〇〇は誤って無効にされてしまうケースが多いです。 設定を改めてご確認ください " 〇〇できないときの対処方法を教えて "ソフトウェアの再起動をしてください。 詳細はリンク先を参照してください。 [リンク先](http://sample.classmethod.jp/sample/sample/3)" "再起動処理が完了するまでに、数分かかります。 再起動後アイコン上はすぐに接続できるように見えますが、 処理中の状態ですので、時間をあけて接続して下さい " ⾏をまたいで、途中が抽出されしまった ヘッダーの情報もない
31. 課題例1の解決⽅法: ファイルを⼩さく分割する FAQ.csv FAQ_0.csv FAQ_1.csv FAQ_2.csv
32. 課題例1の結果: 正しく読み込まれた 質問 「〇〇できないときの対処⽅法を教えて」 回答 「ソフトウェアの再起動をしてください ...」
33. 3.評価と効果測定 33
34. 効果測定 34 RAGを活⽤したAIチャットボットの性能評価において、回答精度の測定は重要です。 Ragasなどのアプリケーションを使⽤することで、客観的な指標に基づいた精度評価が可 能です。 下図は、Ragasのanswer_correctness指標を⽤いた精度評価の例です。 この指標では、1に近いほど⾼精度を⽰します。
35. こちらのブログもご参照ください Ragasについて 35 RAGアプリケーションをRagasで評価する
36. 36 2. ⽣成AI利⽤を定着させる課題
37. ⽣成AI利⽤定着の課題 37 管理者： 「せっかく環境を整えたのに、あんまり使ってもらえてなくて 残念だなぁ...」 ユーザー： 「便利そうだけど、どう使えばいいか分からなくて、 ちょっと⼿が出せないなぁ」
38. 38 クラスメソッドでは個別で⽣成AI 利⽤者向けの ワークショップを提供しています
39. プロンプト活⽤ワークショップの実施概要 ⽣成AIの⽂章⽣成ツールを利⽤したことがない初⼼者の⽅から業務活⽤の アイデアが⽣まれることをゴールとしたワークショップを⾏います。 想定参加者 • システム部⾨ではない業務担当者の⽅を想定 • 聞いたことはあるが⽣成AIを使ったことがない • ⾰新的な技術であることは知っているが、そもそもどのような業務で活⽤できるかが 分からない 実施のGoal • 参加者が⽣成AIでなにができるかのイメージがつく • 参加者から⽣成AI活⽤のアイデアが⽣まれる ワークショップの コンテンツ ⽣成AIでなにができるか？（インプット） • ⽣成AIとは？ • ⽂章⽣成の概要 • 画像⽣成の概要 ⽣成AIを使ってみよう（ハンズオン形式） • 特定のユースケースにおいてのプロンプト作成と実⾏ 業務での活⽤を考えてみよう(アウトプット） • ⾃⾝の業務で使えるアイデアの検討と参加者への発表 39
40. ⾃治体に⽣成AI活⽤を⽀援した事例｜新潟県上越市様 ✓ 上越市のDX推進に生成AI活用ワークショップの実施を通じて 貢献
 ✓ 講義は1日2回開催され、主に若手職員を対象に、各回対面30 人程度、オンラインで20人程度が参加 
 ✓ 効果的な回答が得られるプロンプトの書き方をフォーマット化 し、ハンズオン形式で手を動かしながら解説 
 https://classmethod.jp/cases/joetsu/ 
 ⽀援前 ⽀援後 • チャットボット型⽂書⽣成AIを導⼊ も職員の活⽤ノウハウが不⾜ • 活⽤できる職員を増やし、業務の 効率化を図りたい 解決した課題 
 • 若⼿職員向けに⽣成AI活⽤ワーク ショップを実施 • 効果的な活⽤に向けたプロンプトの 書き⽅などノウハウの共有が進む • 講義の動画を庁内で共有することで 今後も職員それぞれのタイミングで 学習可能に
41. 多様な形式で柔軟に対応可能です。 ‧⽳埋め式のワークショップ ‧Excel版の提供 ‧オフライン対応  など お客様のニーズに合わせたカスタマイズ提供が可能です。 コンテンツ例 41
42. 42 お客様と伴⾛しているケースの顧客事例
43. デジタル⼈材育成を伴奏⽀援｜コクヨ様 ✓ AI-Starterを用いてセキュリティを担保した生成AI開発 
 環境をAWS上に構築 
 ✓ 運用保守に加えAI開発領域の技術支援も提供 
 ✓ 事務局の一員となりユーザーに伴奏して生成AI活用を 
 サポート
 ✓ ビジネス目線での実現したい未来や解決したい課題に対して どのように生成AIが活用できるかをアドバイス 
 
 https://classmethod.jp/cases/kokuyo/ 
 ⽀援前 ⽀援後 • 社内研修でのAI実践のために開発 環境が必要 • 企業のChatGPT活⽤に対して セキュリティ⾯が⼼配 • AI領域の運⽤‧技術⾯でも⽀援が 必要 解決した課題 
 • セキュリティを担保した⽣成AI開発 環境をAWSで構築 • 運⽤保守に加えAI開発領域の技術 ⽀援も提供 • ⽣成AI開発環境を⽤いて今後多数の ビジネスアイデアを形に
44. ⽣成AIをどう始めたら良いか？ 44
45. 機能性：チャット機能、UIの使いやすさなど カスタマイズ性：設定変更のしやすさ、柔軟性 セキュリティとプライバシー：データ保護、ユーザー認証 コスト：初期投資、ランニング費⽤、保守費⽤ サポート：保守体制、技術サポート ⽣成AIを⾃社に導⼊する時に考えるポイント 45
46. ⽣成AIを⾃社に導⼊する時に考えるポイント 46 ⻑所 短所 SaaS ‧初期導⼊コストを抑えられる ‧特定の業界や業務に特化 ‧カスタマイズに制限あり ‧データはSaaS企業側に保存される可能性あり ‧ユーザーが増えるとコストが増加 パッケージ （例：AI Starter） ‧ お客様環境で利⽤可能  ‧データを⾃社で管理可能 ‧安全な認証環境を提供 ‧カスタマイズに⼀部制限あり ‧初期導⼊コストが発⽣ ⾃社開発（例 ：GenU） ‧カスタマイズが柔軟 ‧OSSを利⽤すると、早期に低 コストで検証可能 ‧⾃社で⽣成AIのノウハウを貯 めることができる ‧運⽤含めて⾃社で対応が必要 ‧開発‧維持に専⾨知識が必要
47. AI Starter（パッケージ）と GenU（⾃社開発）の説明 47
48. ニーズに合わせて最適なソリューションを提供 エンタープライズレベルのセキュリティをもつ 生成AI環境構築パッケージ 
 パッケージ 
 個別支援
 コンサルティング
 生成AIを活用するうえでの技術面でのお悩みを解 決します。具体的な技術選定から実装、運用の効 率化までトータルで支援します。
 アプリ開発
 SlackなどのチャットボットやWebUIの開発、各社API と自社データを活用した要件定義から実装・運用ま でを対応します。
 教育支援
 プロンプトの活用方法や、生成AIアプリの内製化に 向けた教育支援を行います。生成AIの導入から利 用の定着までをサポートします。

49. AI-Starterがもつ5つの特徴 複数の⽣成AI サービスに対応 各社の⽂章⽣成AIから画像 ⽣成AIまで、さまざまな サービスを同⼀画⾯ から切り替え可能 安全な認証環境 シングルサインオンの 統合認証環境を提供し、 ⾼度なセキュリティ基準を 満たす社内独⾃の AI環境を実現 カスタマイズ可能な テンプレート 最適化されたプロンプトと ユーザーが登録可能な ライブラリを利⽤すること で、誰でもAIを最⼤限に活 ⽤ ⾯倒な運⽤ 管理もおまかせ 常に最新のアプリ ケーションを利⽤でき ⽣成AIの活⽤に集中する ことが可能 ⾃社データ による回答⽣成 ⽂章やCSV等の ⾃社データを登録して 回答⽣成が可能
50. AI-Starterの主な機能 複数の基盤モデルを 
 画面上から簡単に切替えが可能 
 ユーザー自身で登録可能な 
 プロンプトのテンプレート機能 
 予め自社のデータを登録して 
 回答させるRAGに対応 
 テキストだけでなく 
 画像解析や画像生成にも対応 
 
 
 シングルサインオンの認証環境を 
 提供し、高度なセキュリティを実現 
 

51. AI-Starterのシステムアーキテクチャ 外部のAIモデル 

52. Generative AI Use Cases JP （略称：GenU） 52
53. ©Classmethod, Inc. 無償のOSSを活⽤して初期構築にかかる費⽤と時間を削減 出展：⽣成AIユースケースを考え倒すためのGenerative AI Use Cases JP (GenU)の魅⼒と使い⽅ https://speakerdeck.com/okamotoaws/sheng-cheng-aiyusukesuwokao-edao-sutamenogenerative-ai-use-cases-jp-genu-nomei-li-toshi-ifang お客様8社への
 導入支援実績あり

54. Generative AI Use Cases JP (略称:GenU) の特徴 生成AIの機能を検証するのに最適なALL IN ONE テンプレート 
 様々なニーズに 
 応える機能がある 
 安心して使える 
 セキュリティ対策 
 評価のために利用 
 状況を収集できる 

55. ©Classmethod, Inc. 収録ユースケースと機能 出展：⽣成AIユースケースを考え倒すためのGenerative AI Use Cases JP (GenU)の魅⼒と使い⽅ https://speakerdeck.com/okamotoaws/sheng-cheng-aiyusukesuwokao-edao-sutamenogenerative-ai-use-cases-jp-genu-nomei-li-toshi-ifang
56. 御社で⽣成AIの導⼊から評価まで⾃⾛できるように サポートします 導入準備 
 • GenUテンプレートの 基本的説明
 • ユースケースの設定 
 • 準備するデータの
 アドバイス
 
 • GenUテンプレートによ る構築
 • データ登録
 • ユーザー登録
 • 利用方法の説明
 • 利用方法のQA対応
 • 利用分析
 • 課題抽出
 • 対策方法の提案
 環境構築 
 導入
 評価アドバイス 
 お客様の生成AI検証を総合サポート！ 
 クラスメソッドがもつ豊富なナレッジをスキルトランスファーします。 

57. GenU ‧AWSのサンプルソリューション ‧カスタマイズ可能 ‧AWSの⽣成AIを⼿軽に検証可能 AI Starter ‧クラスメソッドが提供するサービス ‧AWS及びそれ以外モデルも⾃由に検証可能 ‧保守サポート込みで提供 GenUとAI Starterの⽐較 57
58. GenU ‧迅速な検証: ⽣成AIの機能や可能性を素早く検証したい ‧カスタマイズ性: ⾃社の特定ニーズに合わせて調整したい ‧段階的な開発: ⾃社内でニーズを徐々に発⾒し、発展させたい ‧低コスト導⼊: 初期投資を抑えつつ、⽣成AI技術に着⼿したい AI Starter ‧セキュリティ重視: 認証周りを含めた安全なシステムを利⽤したい ‧包括的サポート: 運⽤、保守、アップデートを含む総合的なサービスが必要 ‧安定性: 本番環境での利⽤を前提とした信頼性の⾼いソリューションを求める ‧多様なモデル対応: AWSやそれ以外の⽣成AIモデルも検討したい 選択の指針 • GenUは、柔軟性と学習を重視する組織に適しています • AI Starterは、安定性とサポートを重視する組織に適しています GenUとAI Starterのまとめ 58
59. AI Starterのデモンストレーション 59
60. • 通常のチャット • 画像を取り込むケース • ユースケース • RAG AI Starterのデモンストレーション 60
61. まとめ 61
62. ⽣成AIの特徴と効果 • ⾃然な⽂章をAIが⽣成し、活⽤することで業務効率が⼤幅に向上します ⽣成AI導⼊の2つの課題 • データ活⽤（RAG） • ⽣成AI利⽤の定着 ⽣成AIの性能評価 • Ragasなどのツールで客観的に精度を測定 ⽣成AI導⼊⽅法の選択肢 • SaaS、パッケージ、⾃社開発から選択可能 • クラスメソッドはAI Starter（パッケージ）とGenU（⾃社開発⽀援）を提供 まとめ 62