LLMによる部署分類・要因付与の精度改善
- オーダーメイドAI・システム受託開発
LLMを用いたテキストの部署分類と要因付与の精度改善に取り組み、部署分類の正解率を53%から96.8%へ引き上げました。
- #生成AI
- #教育AI
Project
5
実績
LLMを用いたテキストの部署分類と要因付与の精度改善に取り組み、部署分類の正解率を53%から96.8%へ引き上げました。
報道情報の監視、要約、原稿生成、校閲を一体化する放送局DXソリューションを企画。単純作業を自動化し、記者や編集者が企画・編集などのコア業務に集中できる構成を提案しました。
非エンジニアでも手を動かしながら生成AIを使いこなせるよう、ハッカソン形式のAI研修を企画。DifyやDevinなどの最新ツールを題材に、単なる知識習得ではなく、課題発見と実装体験を通じたデジタルリテラシー向上を目指しました。
品質不良やトラブル対応で用いられる「なぜなぜ5回分析」を支援するAIを構想。方法論DB、過去事例DB、評価設計を組み合わせ、属人性を抑えた原因分析支援の仕組みを提案しました。
現場から上がる改善案や週報は、収集した後の要約、重複確認、担当部署への振り分け、タスク起票までに多くの管理工数がかかっていました。SCIENは、Googleフォームでの投稿を起点に、要約・重複除去・宛先部署の自動分類・Backlog起票までをつなぐPDCA改善案システムの構築を支援しました。