4つのフェーズと6つのステップ
フェーズ 1業務設計
STEP 1
ヒアリング
課題と、対象にしたい業務を伺う
STEP 2
業務の整理・選定
業務フローを整理し、AIに任せる業務を選ぶ
社内で整理と選定が済んでいる場合は省けます(費用もかかりません)
受け取れるもの: 業務フロー図・AIに任せる業務の一覧
フェーズ 2環境構築
STEP 3
環境の構築
AIカスタマイズが要るかを決め、クラウドか自社サーバーに環境を作る
フェーズ 3効果検証
STEP 4
試験運用
選んだ業務で、少人数で使い始める
受け取れるもの: 利用マニュアル
STEP 5
効果の確認
次の3つを測り、広げるかを一緒に決める
- 利用者の数 対象者のうち、毎週AIを使っている人の割合
- 短縮できた時間 対象業務1件あたりにかかる時間の、導入前との差
- 回答の正確さ AIの回答を担当者が確かめ、直さずに使えた割合
受け取れるもの: 効果の報告
フェーズ 4本格展開
STEP 6
部門・全社への展開
効果の出た業務を軸に、次の3つを広げる
- 対象の業務と部門 効果の出た業務を軸に、同じ部門・ほかの部門へ
- AIモデル 日本語に強い、より大きいモデルへ切り替え
- 運用サポート 人数に合わせて専任担当のサポートへ
AIカスタマイズ
社内文書への対応
規定集・マニュアルなどを読んで回答する(RAG)
社内システムとの連携
Slack・社内システムなどとAIをつなぐ(1件ごと)
専門用語・言い回しの学習
自社の用語・言い回しをAIに追加で覚えさせる(ファインチューニング)
支える技術
ローカルLLM環境構築
クラウド上のAIサービスを利用せず、自社専用の環境に大規模言語モデル(LLM)を構築します。オンプレミスサーバーはもちろん、AWS・Azure・GCPなどのプライベートクラウド環境(VPC内)へのデプロイにも対応しています。
これにより、機密情報や顧客データが他社のAIサービスに渡ることはなく、入力した内容が学習に使われることもありません。社外からもVPNなどの暗号化した接続で使えます。データがどこに置かれ、どこと通信するかは構成図でお渡しし、社内の規定に合うかをご確認いただけます。
対応インフラ
オンプレミス
自社サーバー・データセンター
AWS
EC2 / SageMaker / VPC
Microsoft Azure
Azure VM / Azure ML / VNet
Google Cloud
GCE / Vertex AI / VPC
※ いずれの環境でもプライベートネットワーク内にLLMをデプロイし、外部からのアクセスを遮断した状態で運用します。
対応モデル
公開されているAIモデルの中から、用途・予算・必要なGPUに合わせて選び、選んだ理由とあわせてご提案します。
gpt-oss
OpenAIOpenAIが公開したオープンウェイトモデル。20Bは16GBクラスのGPU、120Bは80GBのGPU 1枚で動作し、推論・ツール連携に強く、商用利用しやすいApache 2.0ライセンスです。
Gemma 4
GoogleGoogle DeepMindが開発した高効率モデル。E2B〜31Bのコンパクトなサイズで、全サイズが画像入力に対応。軽量GPUでも動作します。
Llama 4
MetaMeta社が開発。MoE(Mixture of Experts)アーキテクチャのScout・Maverickを展開し、長い文書の読み込みや画像入力を含む大規模な用途に対応します。
Qwen3.5 / 3.6
AlibabaAlibaba Cloudが開発。日本語・中国語を含むアジア言語に特に強く、0.8B〜397Bまで細かなサイズ展開で用途に応じた選択が可能です。
モデルごとの利用料は料金のページで試算できます。