AIソリューション
入力するもの → AIが担う処理 → 業務へ返すもの
これらの結果は、基幹システムやワークフローに書き戻します。
AIを使う業務から、
AIが担う業務へ。
図面・画像・音声・数値を人が読み取って判断している業務を、業務特化AIと数理モデルが担います。処理した結果は既存のシステムに戻すので、担当者に残るのは例外の確認だけです。
400件以上AI関連の開発実績（累計）
Multimodal AI
当社のマルチモーダルAIとは
図面・画像・音声・数値など、種類の違うデータをまとめて扱えるAIです。業務ごとに製品として動いているAIを、御社の図面・データ・システムにつないで広げます。
CAD設計・積算
図面ソリューション
図面の記号・線・寸法を読み取り、設計ルールにもとづいて部材を拾い出す。積算表と見積書までを出力する業務AIです。
くわしく見る
シフト・配車・生産計画
数理最適化
需要と制約条件から、シフト・配送ルート・積載・生産計画を数理モデルで解きます。言語モデルでは扱えない領域です。
くわしく見る
発注・在庫・予算
需要予測
販売実績と在庫に、気象・イベント・経済指標を重ねて需要を予測し、発注量と計画に自動でつなぎます。
くわしく見る
帳票・書類
帳票読み取り
形式のばらつく帳票や手書きを読み取って構造化する。基幹システムへの入力と照合まで担う業務AIです。
くわしく見る
記録・文書・対話
社内向け生成AI
診療記録や議事録の作成、社内文書の検索と要約を、社内のサーバーで動く言語モデルが行います。データを外へ出しません。
くわしく見る
外観検査・設備点検・監視
画像・映像の認識
カメラの映像からキズ・破損・劣化・人の出入りを判定します。御社の合否基準を組み込み、証跡を残して既存システムへ戻す業務AIです。
くわしく見るTrack Record
AI関連の開発実績は累計400件以上
企画の提案で終わった案件は数えず、現場の運用に組み込まれた開発を領域別に数えたものです。
- 126件画像処理
- 118件データマイニング
- 93件自然言語処理
- 45件マルチモーダルAI
- 34件音声処理
Case Studies
導入事例
設備設計、製造、消費財メーカーの3社です。
設備設計
図面からの積算
CAD・PDF図面から部品を抽出して積算し、照度計算と基準の照合、提案書・見積書の出力までを続けて処理します。積算リードタイムは最大6割短縮し、転記ミスによる手戻りも減りました。
この事例を見る
製造業
画像差分検知
撮影した画像を基準の画像と比べて異常の候補を自動で抽出し、担当者は確認と判定に集中します。検査の工数が減り、担当者ごとの判定のばらつきも小さくなりました。
この事例を見る
消費財メーカー
需要予測
販売実績と在庫に、経済指標・気象・イベント・ECレビューを統合した予測モデルを構築しました。在庫過多と欠品がともに改善し、予算策定の工数が減って経営への報告が早まりました。
この事例を見る製品の外観検査、受付・入館統制、医療クラーク業務など、ほかの業務の事例も公開しています。
公開している事例をすべて見るBefore / After
AIが入ると、業務はこう変わる
人が読み取って判断していた作業そのものを、AIが引き受けます。処理した結果は今使っている基幹システムやワークフローに書き戻すので、担当者の手元に残るのは例外の確認だけです。
| 役割 | 現在 | AI導入後 |
|---|---|---|
| 現場 | 図面や帳票を人が読んで数量を拾い出し、目視で検査する | AIが抽出・判定し、担当者は例外だけ確認する |
| 部門長 | 担当者の経験に品質と速度が左右される | 判断の基準が仕組みに入り、誰が担当しても同じ品質で回る |
| 情報システム | 新しいツールが増えるたびに連携と運用が積み上がる | 既存の基幹・営業支援・ワークフローの各システムに結果が戻り、運用手順に乗る |
| 経営 | 投資の判断材料が出てこない。実証実験で止まり、費用対効果を見積もれないまま予算だけが消える | 対象業務の作業時間と外注費から削減額を積み上げ、初期費用と運用費に対する回収期間を示したうえで投資を判断できる |
| 外部の委託先 | 図面の積算、記録・書類の作成、目視検査を海外拠点や外部の専門業者に出し、設計変更のたびに依頼と受領の往復が起きる | 社内のAIが処理して社内で完結し、委託費と、図面や顧客情報を外へ出す必要の両方が無くなる |
判断の型が定まらない業務は人が持ち、AIは支援に回します。置換できる工程と人が担う工程を分けて、段階的に進めます。
Approach
汎用AIとの違い
ChatGPTやClaudeのような汎用AIは、対話・要約・文章作成・検索に向いています。図面・画像・音声・数値を業務のルールに沿って処理し、既存システムで運用できる状態にするには、専門AIに業務ルールと最適化の計算を組み合わせた設計が要ります。
| 対象の業務 | 汎用AIでできること | VINが担う範囲 |
|---|---|---|
| 文章・記録・社内文書議事録、診療記録、文書検索 | 下書き、要約、検索。担当者が内容を確かめたうえで使う | データを社外に出さない環境で動かし、社内の様式と用語に合わせて記録の作成と検索に組み込む |
| 図面・帳票の読み取り積算、部品表、基幹入力 | 一般的な書式は読めるが、社内の設計ルールや様式に沿った判定は安定しない | 記号・線・寸法と設計ルールを学習させ、積算表・見積書・基幹システムへの入力まで出力する |
| 製品の外観検査ライン上の良否判定 | 画像の説明はできるが、良品と不良品の判定そのものは担えない | 撮影画像を基準の画像と比べて異常の候補を抽出し、最終の合否判定は担当者が行う運用にする |
| 予測と計画づくり発注、在庫、シフト、配車 | 確率の計算や、制約条件を満たす計画づくりは守備範囲の外 | 統計と数理モデルで需要を予測し最適化を解いて、発注量・シフト・配送ルートに落とす |
文章の要約や対話のように汎用AIで足りる業務は、その手前で切り分けます。VINが引き受けるのは、業務のルールに沿った判定や計算が必要で、結果を既存システムに戻して初めて仕事になる範囲です。
Principles
どの業務でも変わらない作法
用意するもの、進め方、期間は業務AIごとに違います。各ページで説明しています。ここでは共通の3点だけ書きます。
- 検証の段階から本番要件で確かめる
- 実現可能性の検証（PoC）では動いたが本番で止まる、を避けるため、データ量・例外・監査要件を最初から検証条件に入れます。
- データを社外に出さない構成にする
- クラウド、社内サーバー、外部と切り離した閉域網から要件に合わせて選べます。図面・顧客情報・診療記録を外部のクラウドへ送信せず、社内の中で処理を完結します。入力根拠・出力結果・承認履歴を記録し、人の最終承認を挟む設計にできます。
- 既存システムに結果を戻し、運用に乗せる
- 基幹・営業支援・ワークフローの各システムに結果を戻し、運用手順の引き渡しまで行います。
FAQ
よくある質問
初回のご相談で実際に多い質問です。
相談フォームを送った後は、どのように進みますか
AIで何ができるか漠然としていて、何から相談すればいいですか
予算感がまだ固まっていませんが、相談してもいいですか
まずは小さく試してから本格導入を判断したいのですが
古いシステムで仕様書が残っておらず、そこから相談できますか
手元にあるデータや資料はどの程度用意すればいいですか
導入までの期間はどれくらいかかりますか
どの業務がAI化に向いていますか
相談した内容や社内データの扱いはどうなりますか
Contact
御社の業務で、
どこまで任せられるか確認します
初回の相談は無料です。送信後は担当からご連絡し、今困っている業務の内容と現状の流れを伺うところから始めます。実現したい範囲を伺ったうえで、概算の費用感からお伝えします。
