安全管理や保守点検の手書きの報告書をスキャンしたPDFや表の記録を集め、部署のメンバーが参照できるようにしている
2026年10月の導入事例の時点 · 対象:一部の部署
出典JR九州: Google Workspace with Gemini を導入し、業務の内製化とサービス品質の底上げを目指す(Google Workspace の導入事例)
業務別のIT環境
製品・仕組みごとに、各社の使い方を比べられます。用途、対象、利用状況と出典の時点を合わせて確認してください。
38社の公開情報利用状況は、それぞれの出典が示す時点のものです。
安全管理や保守点検の手書きの報告書をスキャンしたPDFや表の記録を集め、部署のメンバーが参照できるようにしている
2026年10月の導入事例の時点 · 対象:一部の部署
出典JR九州: Google Workspace with Gemini を導入し、業務の内製化とサービス品質の底上げを目指す(Google Workspace の導入事例)
使用した道具:NotebookLM
会社の情報や経営判断の記録を、みんなが引ける知識として整理している
2025年9月の導入事例の時点
社内のドキュメントの置き場を AI も読みやすい正本にするため、データ整備のガイドラインを作って全社に知らせ、今あるドキュメントを移している
2025年9月の会社自身の発表の時点 · 対象:全社
議事録や社内ルールなどの文書を社内ポータルに集め、社外とはページごとに権限を分けて共有している
出典の時点は不明(2026年10月20日に掲載を確認)
過去の提案資料や行内のノウハウを検索して取り出している。共有の前に生成AIで機密の情報を自動で伏せ、検索用のタグも自動で付ける
2026年2月の導入事例の時点 · 2024年10月から · 対象:法人営業担当者ら約500名
出典LayerXが開発する「Ai Workforce」、三菱UFJ銀行に行内外データと連携したAIエージェントデータ基盤を提供開始。提案書自動生成により、年間20万時間の削減を目指す
大企業向けの法人営業で、お客の情報を伏せたうえで提案書を行内で共有し、必要な情報が分厚い提案資料のどのスライドにあるかをAIエージェントに探させている
2025年12月の会社自身の発表の時点 · 対象:コーポレートバンキング部門
運行管理・工務・車両のマニュアルや社内規程を言葉で尋ねると、手書きや図表を含む資料からも生成AIが答える形にしている
2026年4月の導入事例の時点
出典導入事例【九州旅客鉄道株式会社様】手書き・図表対応RAG×ノーコード開発で、現場と共に進化を目指す全社的な生成AI活用とは(Allganize の導入事例)
若手社員が気軽に質問を投げ、知見を共有し合う社内の場として、若手向けのナレッジの研修の取り組みとつないで使っている
2024年10月の導入事例の時点 · 2024年6月から · 対象:BU統括本部の若手社員
出典「株式会社インターネットイニシアティブ」がタレントコラボレーション・プラットフォーム「Beatrust」を導入開始(ビートラストのプレスリリース。ASCII STARTUP 掲載)
社内規程やガイドラインの確認を、表の形まで整えた規程の文書とつないだ生成AIで行い、公開から2.5カ月で約2,800時間を生んだ
2026年2月の会社自身の発表の時点 · 対象:延べ1.1万回の利用(公開から2.5カ月)
使用した道具:Claude Code Action(GitHub で動かす)
デザインシステムの決まりづくりを、GitHub に課題(Issue)を立てると AI がプルリクエストを作って決まりの案を書く形にした
2025年9月の会社自身の発表の時点 · 対象:デザイン室
新製品開発や設計審査などの約3,000ページの規程を、規程のAI検索ポータルで質問して探せるようにし、月平均約4,000回使われている
2026年8月の導入事例の時点 · 対象:エネルギーソリューション&マリンカンパニー · 乗り換え元:SharePoint の情報ポータルの検索
開発プロジェクトの資料、部署の週報や連絡、社員のブログを1か所に置き、部署やプロジェクトをまたいで検索できるようにしている
2013年の導入事例の時点 · 2012年3月から · 対象:全社 · 乗り換え元:PukiWiki
全社のドキュメントを Markdown で書いて管理し、全従業員があらゆる情報を見られるようにしている(記事は12万件で、3年前の2倍)
2024年7月の会社自身の発表の時点 · 対象:全従業員
現場に眠る知識を、社内のGPUで外部と通信せずに動く形式知化のエージェントが取り出して整理し、知識のデータベースにしている
2026年3月の報道の時点 · 2025年から
使用した道具:トマト部長モデル(労務部長の判断の型をまとめたAI。Gemini との対話で作った)
前の労務部長の判断の型を生成AIとの対話で言語化してAIにし、管理職の相談やマネジメントの研修で使えるよう社内で共有している
2026年11月の報道の時点 · 対象:人事部門・管理職・グループ会社の研修
使用した道具:Vertex AI Search(Google Cloud)
社内の生成AIチャットから社内の文書を探せるようにし、検索の前後で Gemini に分類させて精度を上げた(対象の文書はまだ一部)
2024年7月の導入事例の時点
出典日本テレビ放送網: Vertex AI Search を用いたドキュメント検索など、生成 AI 活用で全社的業務改善プロジェクトを加速(Google Cloud 公式ブログ)
乗務員に紙で配っていた1,000ページ以上の規程集やマニュアルを電子化し、タブレットで共有する
2023年12月の導入事例の時点 · 対象:乗務員約800人
出典大手私鉄「京浜急行電鉄」がHandbook Xを採用し、約800人の乗務員に導入(アステリアのプレスリリース・PR TIMES)
部署ごとに置き場も書き方も違ったマニュアルや通達を約3か月かけて1か所にまとめ、本部の通達には検索のリンクを付けている
2026年9月の導入事例の時点
出典導入事例‐紀陽銀行|属人的な銀行業務をAIで変える。2,000件の知識を集約し、年間4,400時間の照会対応削減(Helpfeel)
社内のナレッジや、整備部門のマニュアルなどの文書を探して答えさせている。整備の問い合わせで誤った答えを出さないよう、ドライブ内のファイルを深く検索する機能を作った
出典の時点は不明(2026年10月9日に掲載を確認) · 対象:グループの全従業員が使える(2024年度には間接部門の社員の実質100%が利用)
社内の Wiki と課題の管理を、自社で運用していたサーバ版から Atlassian Cloud に移した
2023年3月の会社自身の発表の時点 · 対象:社内の約2,000ユーザー · 乗り換え元:サーバ版の Jira・Confluence · 乗り換え先:Atlassian Cloud
出典さよならAtlassian、ようこそAtlassian【MIXI TECH CONFERENCE 2023】(MIXI の発表資料)
社内の技術情報を自然な文章で取り出せるようにし、5〜10分かかっていた検索が1件あたり2分未満になり、ファイルを開かなくても要約で中身をつかめるようになった
2026年10月の報道の時点 · 2024年8月から · 対象:研究開発
設計の担当者が、設計標準書や製品仕様書などの社内資料を、資料ごとに作ったAIアシスタントに質問して探している
2025年10月の導入事例の時点 · 対象:情報機器事業の開発部門(デジタルワークプレイス事業本部・プロフェッショナルプリント事業本部の開発統括部)
出典コニカミノルタが提唱する効率的なRAG構築方法~現場主導で実現した部門特化型生成AI活用事例~(Lightblue の導入事例)
首都圏の建設現場での試行で、施工要領書や基準書を探して参照する「技術文書アシスタント」を作り、調べる時間が短くなった。これを受けて2025年4月から全社に広げ、利用者は2000人を超えた
2025年7月の報道の時点 · 2025年4月から · 対象:全社(利用者2000人超)
社規や設計基準など社内に固有の知識が必要な仕事に社内向けの生成AIを使えるようにし、社内の情報を反映して答える機能を順に足している
2024年10月の会社自身の発表の時点 · 2023年から · 対象:国内の三菱電機グループの従業員(延べ4万人が利用し、1日3万回以上のチャット。2024年10月現在)
社内の情報をもとに答える業務ごとの生成AIを、部門ごとに作って使っている
2026年3月の報道の時点 · 対象:43部門の2558人
社内規程や通達、業務マニュアルなど約130万件のファイルを横断で探し、参照元を示して答える機能を社内のAIに足した
2025年10月の会社自身の発表の時点 · 2025年10月から · 対象:三井住友銀行の従業員
出典社内向け汎用型AIアシスタントツール「SMBC-GAI」へのRAG技術を活用した社内情報検索機能の導入について(三井住友フィナンシャルグループ ニュースリリース)
経費精算などの社内規則を探すときは、この道具を使うことを社内の決まりにしている
2025年7月の会社自身の発表の時点 · 対象:全従業員約11,000人
業務基盤の使い方を、マニュアルの代わりに画面の上の案内で示し、営業の担当がやりたい作業を選ぶだけで進められるようにしている
出典の時点は不明(2026年10月28日に掲載を確認) · 対象:建築事業・土木事業(約800〜900の案内と自動化の設定を2人で作成)
受発注に必要な情報をFAQにまとめ、お客が自分で解決できるようにするだけでなく、社内の教育にも使っている
2019年2月の導入事例の時点 · 対象:ネット通販のアウンワークス
入社した人の立ち上がりと、プロダクト開発のマネジメントの共有に、自社の製品を使っている
2024年6月の導入事例の時点
出典BtoBプロダクトの固定観念を超えて。「あきらめ」を強要しない体験をつくり出す秘訣(バクラクの導入事例・ナレッジワーク)
FAQや問い合わせの履歴からAIが深掘りする対象を選んでベテランに質問し、手順や判断の基準、例外の扱いを整理する実証実験をしている
2026年11月の報道の時点 · 試している
出典ふくおかFG、AIがベテランの“勘と例外処理”をヒアリング 「元営業」が仕掛ける銀行変革のリアル(ITmedia ビジネスオンライン)
長年の研究開発の技術やノウハウをデータとしてためて共有し、人材育成と安定した生産活動につなげる
2024年1月の報道の時点 · 2024年1月から · 対象:研究開発
年1回出す研究開発の技術論文集など社内の技術情報を、AIに質問して探せるようにしている(2024年3月から)
2024年5月の導入事例の時点 · 2024年3月から · 対象:社内(2024年5月時点で約250名が使う)
出典Azure OpenAI Service で価値創造に挑むコニカミノルタの生成 AI 活用(日本マイクロソフトの導入事例)
設備の点検を担う社員が、1冊100ページを超えることもあるマニュアルや過去の点検資料について生成AIに聞き、知りたい答えをすぐ得られるようにした
2025年の導入事例の時点 · 対象:東京電力パワーグリッドの設備の点検 · 試している
出典生成AIは万能ではない。だからこそ早く試す意味がある――東京電力パワーグリッドの生成AIプロジェクトがPoC成功率9割を達成できた理由(PwC Japan のコラム。日経ビジネス電子版の記事の転載)
研究でたまった知見や実験のデータから必要な文書を自然な文章で探して生成AIにまとめさせる仕組みを試し、文書を見つけるまでの時間が従来の検索の約5分の1になった
2023年12月の会社自身の発表の時点 · 対象:研究領域 · 試している
出典生成AIと検索システムを用いた「知識伝承のAI化」ツールの開発を開始 研究領域での活用により、イノベーションの創出を加速
代表の経営の考え方とグループの文化をまとめた「GMOイズム」を学ばせたチャットボットで、仕事の悩みや事業計画・販促計画への助言をいつでも受けられるようにした
2024年12月の会社自身の発表の時点 · 2024年12月から · 対象:全パートナー(従業員)
AIの専門組織(AIラボ)で考えたことや学んだことを文書にまとめ、その文書を読ませたLLMのアプリを社内に作り、誰でもAI活用の知見を引けるようにしている
2025年11月の導入事例の時点 · 対象:全社
出典[対談記事]「その AI の精度が 1% 上がったとき、顧客価値は?」freee が語る、価値創出論と AI ネイティブ組織への変革(AWS ブログ)
複数の社内サイトに散らばったマニュアルや規程を、生成AIに話し言葉で聞いて探せるようにし、情報は毎日自動で取り込んでいる
2024年5月の会社自身の発表の時点 · 2024年4月から · 対象:NTTデータ(単体)の全社員12,000人
6万件以上たまった社内ドキュメント(DocBase)を探す検索の仕組みを作り、社員から「15分かけて探していたドキュメントが5秒で見つかるようになった」という声が出た
2024年7月の会社自身の発表の時点 · 対象:在籍1,185人のうち1,079人(約90%)が直近90日に利用(2024年7月)
過去の優良工事のフォルダの構成と電子黒板を新しい現場にそのまま広げ、熟練者の写真の管理のやり方を引き継いでいる
2026年10月の導入事例の時点 · 対象:全社の建築現場
既にある社内の業務マニュアルを、AIが答えに使う知識として自動で取り込む仕組みを作り、取り込みの手間を減らした
2026年10月の会社自身の発表の時点
出典Difyで年間約5,600時間の業務削減効果を試算 ~PoCから実運用へ、教育・介護現場の市民開発戦略を『IF Con Tokyo 2026』で講演~(京進のお知らせ)
紙で見てきた規程やマニュアルを各自の端末で見られるようにし、規程を持ち歩くことが義務の運転士は、何冊もの紙の規程・マニュアルを持ち歩かなくてよくなる
2022年12月の会社自身の発表の時点 · 対象:現業機関の社員(運転士を含む)
ベテラン社員10人の31業務の判断のしかたを聞き取ってAIで使える形にまとめ、業務をAI前提に組み直して、ベテランの業務時間を年2,040時間減らした
2026年10月の報道の時点 · 対象:コーポレートなど4部門のベテラン社員10人
出典クレディセゾン、用途別にAIを使い分けるマルチ戦略が効果 業務削減が1年間で236万時間、進捗率は79%(ペイメントナビ)
社内規定やルールなどの文書を探すため、登録した社内文書から答える仕組みを社内で作り、一部の職場で試している
2024年7月の会社自身の発表の時点 · 2023年11月から · 試している
現場で生まれた生成AIのプロンプトや活用事例、使い方のこつを社内ポータルで発信し、ほかの部署へ広げている
出典の時点は不明(2026年11月10日に掲載を確認)
営業部門の生成AIの使い方を、220件を超えるユースケースとプロンプトを集めた社内の支援サイトで共有している
2024年7月の会社自身の発表の時点 · 対象:デジタルシステム&サービス営業統括本部
出典【必見】 生成AIを徹底的に活用して営業部門の業務を効率化!社内変革リーダーの活用術(日立 Digital Highlights)
自分の会社で試して、残ったやり方を書いています。