Enterprise AI Platform

01

社内GPT・RAG構築・ナレッジAI

課題 社内文書が構造化されていなければ、AIは正確に答えられません。「だいたい合っている要約」を返すだけでは、業務では使い物にならないからです。RAG構築でつまずくのは、AIの性能が足りないからではなく、社内の知識を検索前にどう構造化するかを飛ばしているからです。社内の知識は、正確な集計が要る表のデータ、意味の近さで探す文書、組織や依存関係のようなつながりの3種類に分かれ、それぞれ検索の戦略が違います。これを全部1つのベクトル検索に投げ込むと、数値の質問には推測で答え、更新されていない古い文書を平気で正解として返す、というどれも中途半端な結果になります。 ARCHECOのアプローチ ARCHECOは、精度をあとから上げるのではなく、入れる前の設計で決めます。まず社内文書の棚卸しを行い、どこに何があり更新は誰の担当かを洗い出します。次にAIが読める形へ構造化し、文書の性質に応じてチャンクの単位を決める。そのうえで、数値はデータベースへの問い合わせ、文書はベクトル検索とハイブリッド検索、関係性はグラフ探索というように、問いの型に応じて参照先を切り替える検索パイプラインを設計します。ベクトルデータベースの選定、Embeddingモデルの評価、リランキングの実装、そして回答の根拠を示しハルシネーションを検知するガードレール設計までを一貫して行います。この順番を飛ばすと、更新されない文書を正解として返し続ける事故につながります。 提供価値 社内の知識を3種類に区分し、集める工程と絞る工程の2段階に分けることで、検索の精度が上がります。社員が実際に使うのは、いつもの業務画面から自然文のまま聞け、根拠の原文を1操作で開ける状態です。閲覧権限のない文書は検索結果にも出さないように制御し、出典なしでは答えさせない設計にすることで、誤った回答をそのまま信じてしまう事故を防ぎます。文書は更新され続けるものなので、利用ログを分析しながら精度を保つ運用まで含めて設計します。答えが合っていることよりも、根拠をすぐに原文で確認できることのほうが、社内GPTが日常的に使われ続けるかどうかを決めます。

02

DX支援・DXコンサルティング（生成AI起点）

課題 DX支援と聞いて多くの企業が思い浮かべるのは、全社的な構想やロードマップの絵姿です。しかし現場でよく起きるのは、生成AIの活用領域を30個並べた分厚い提案書ができた時点で検討が止まり、構想先行のDXコンサルにありがちな「絵は立派だが誰も動かさない」状態に陥ることです。DXコンサルに何を期待すべきかが曖昧なまま進むと、PoC予算の獲得どころか、経営会議を通す材料すら揃いません。必要なのは構想の網羅性ではなく、経営課題から降ろした1つの業務が、実際に現場で動いた実績です。DX支援の入口を間違えると、この最初の1件にたどり着く前に検討が止まってしまいます。 ARCHECOのアプローチ ARCHECOのDX支援は、生成AIを起点に、経営課題の棚卸しとAI適用領域の特定から始めます。ここまでは一般的なDXコンサルと同じです。違うのは、そこから先を「やることを選ぶ」ためではなく「やらないことを決める」ために使う点です。優先度をつけて対象を1つに絞り、ROI試算・技術選定・ガバナンス要件・推進体制までを、その1業務が現場で実際に動くところまで一気通貫で設計します。全社に一度に広げる構想先行の進め方ではなく、痛みのある業務を1つ選び、その場で試し、現場が使った実績を作ってから横に広げる順序を徹底します。 提供価値 提供するのは、分厚い構想資料ではなく、PoC予算の獲得から本番実装までの意思決定を支える、生成AIを起点とした全社DX戦略の基盤です。支援の現場で見えているのは、構想を30個並べるより動く1個が現場の空気を変えるという事実で、まず予算が取れる単位として3つのフェーズに区切って進めます。半日かかっていた作業が1時間になる体験を最初に作ると、それが社内に伝染し横展開が進みます。さらに、同じ支出でも通る科目名を変えるだけで稟議の通過経路が変わることまで踏まえて、体制設計に落とし込みます。DX支援の成果は、資料の厚みではなくこの3フェーズが実際に回り始めたかどうかで判断します。

03

生成AI PoC・本番導入支援

課題 生成AI導入における最大の機会損失は、PoCが「動いた」ところで終わり、本番移行に進めないまま止まることです。ツールを配って研修をしても、業務が忙しくなると元のやり方に戻ってしまう状態は珍しくありません。生成AI導入支援でまず疑うべきなのは現場のITリテラシーではなく、元のやり方のほうが結果的に速いと現場が感じているという単純な事実です。PoCから本番移行への設計図がないまま「まずは動かしてみる」で進めると、対象業務の選定基準もセキュリティ要件も曖昧なまま実装が進み、本番運用に乗せる段になって初めて足りないものに気づく、という機会損失につながります。 ARCHECOのアプローチ ARCHECOの生成AI導入支援は、対象業務の選定、プロンプト設計、業務システムへの接続、受入・定着までを一気通貫で設計します。PoCを作ること自体は難しくありません。ChatGPT・Claude・Geminiのいずれも、数日あれば動くものは作れます。難しいのはその先で、PoCに着手する前に品質・速度・利用率・2週間後の継続利用という本番移行の判定基準を先に決めておくことです。あわせて、生成AIを別ツールとして配るのではなく、いまの業務画面や手順の中に置き換える形で組み込むことで、PoCから本番運用への移行を「感触」ではなく数字で判断できる状態にします。 提供価値 提供するのは、生成AI導入を実験で終わらせないための、PoC設計から本番移行までの一貫した支援です。定着の現場で見えているのは、業務画面から1操作で届くかどうかが分岐点になるという事実で、この1ステップの距離を最初の設計対象にします。プロンプトを個人の工夫に任せず型として固定すると品質のばらつきが消えるため、テンプレート化を先に行います。本番移行の判定は動いた瞬間ではなく2週間後も使われているかで行い、最終的に手順書に載って初めて定着したとみなします。PoCから本番までのギャップを、この基準と型で埋めます。

04

AI業務自動化・ワークフロー実装

課題 業務プロセスにAIを組み込むと聞くと、多くの人は自分の作業でChatGPTを使う場面を想像します。しかしそれは業務プロセスへのAI組み込みではなく、個人レベルの効率化にとどまっているだけです。各自が自分の作業でAIを使って速くなっても、受け渡しの前後で人が待っている限り、部門全体の業務プロセスの所要時間は変わりません。業務フローを可視化するとまず見えるのは、作業そのものより「誰から誰に渡るところで止まっているか」という停止点です。ここを特定せずにAIを個人ツールとして配っても、業務プロセス全体は速くなりません。 ARCHECOのアプローチ ARCHECOは、業務プロセスへのAI組み込みを個人の作業改善ではなく、部門横断のプロセス設計として扱います。まず現行の業務フローを可視化し、誰から誰に渡り、どこで止まっているかを洗い出します。そのうえで、生成AIが得意な判断・生成（読み取り・分類・下書き作成）、RPA・iPaaSが得意な確実な受け渡し（システムへの転記・承認・記録）、人が担うべき例外処理と最終判断の3つに役割を分けて設計します。全部をAIに任せると確実性が必要な処理まで結果が揺らぐため、業務プロセス全体を通しで見て役割分担を先に決めることを徹底します。AIによる業務効率化の効果は、個々の作業速度ではなく、この役割分担が正しく機能しているかどうかで決まります。 提供価値 提供するのは、業務プロセスのボトルネック分析からKPI設計・効果測定までを一貫した、業務プロセスへのAI組み込み一式です。実装の現場で見えているのは、業務が遅い原因の多くが作業ではなく受け渡しの待ち時間にあるという事実で、まずこの受け渡しを洗い出してから着手します。AI・RPA・人という3つの役割に分けて自動化すると、自動化率を上げるほど残り1割の例外処理が難しくなるため、そこをあえて人に残す設計にすることで運用が壊れません。効果測定は「年間◯時間削減」ではなく、人手を介さず通った件数で数えます。数えられる形にすることで、業務プロセスの改善が継続する仕組みまで含めて提供します。

05

生成AI研修・ガバナンス構築支援

課題 生成AIの活用が止まる理由は、技術ではなく組織側の3か所です。情報システム部やDX推進室の担当者は、全社禁止にするか野放しにするかの二択で板挟みになりがちです。ルールが「機密情報は禁止」のような列挙にとどまり、何が該当するか現場が判断できない。研修が一般論で終わり、自分の業務に翻訳されないまま終わる。推進者が異動すると効果を測る仕組みが残らず、元の手順に戻る。全社に禁止を敷けば安全に見えますが、禁止を強めるほど、個人アカウントでの利用のように見えない場所へ活用が逃げていくだけです。稟議で「なぜ禁止ではなくこの設計にするのか」を説明できる根拠が必要です。 ARCHECOのアプローチ 全社禁止にすれば管理はしやすくなります。ただし禁止を強めるほど、利用は個人アカウントのような見えない場所に移るだけで、リスクは減らず可視性だけが失われます。ARCHECOは、判断できる具体例を先に作ります。「機密情報は禁止」ではなく、外に出たときに困る情報と困らない情報を、自社の業務に即した例で線引きします。研修も座学で終わらせず、営業・管理部門・開発など部門ごとの実務を題材にし、手を動かして翌日から使える状態にします。ルール・スキル・継続の3本柱を同時に立てることが定着の必要条件で、どれか1つが欠けても、他の2つがあっても定着しません。 提供価値 AI利用ガイドラインの策定から、部門別の実務研修、各部門への推進役（チャンピオン）の配置、定着状況のモニタリングまでを一貫して支援します。測るのは受講率ではなく、週に一度以上使っている人の割合と、業務手順書に載った数です。配った数ではなく、使われた事実だけを定着の証拠にします。ルールは一度作って終わりにせず、現場で実際にどう使われたかを観測し、判断に迷った実例を具体例として追記し続ける運用まで含めて設計します。禁止事項を並べる仕事ではなく、現場が自分で判断できる状態を作り、それを保ち続ける仕事として、生成AIの組織定着を設計します。