〇開催趣旨

いま、生成AIはビジネスの「当たり前」を刷新しています。文章の作成、要約、社内文書の整理・分類、業務報告書や議事録の自動生成など、AIは日々の文書業務において正確さとスピードを兼ね備えた強力なツールとして存在感を高めています。これまで煩雑で時間を要していた文書管理業務が、AIの活用により抜本的に効率化されつつあります。

その中で求められるのは、単なる作業の自動化にとどまらず、情報の整合性・一貫性を保ち、全社で再利用可能なナレッジとして蓄積・管理していく視点です。AIを活用した文書管理は、組織の情報資産を最大限に活かすうえで不可欠な基盤となりつつあります。

こうした変化を全社的に支える存在として、情報システム部門の役割も大きく進化しています。従来のITインフラの維持管理から一歩進み、社内に散在する文書情報の構造化・標準化、AI活用のルール整備、安全管理、リテラシー向上の推進など、より戦略的な支援が求められています。情報の流通を最適化し、業務の質とスピードを高めるハブとしての機能が問われています。

本カンファレンスでは、生成AIを活用した文書管理の最新動向と実践事例を通じて、業務効率化・知的生産性向上の可能性を探ります。また、全社的なAI活用の基盤づくりを担う情報システム部門の新たな役割についても、具体的な戦略視点から考察した。

■基調講演

AI時代は顧客視点の時代
－ アフターデジタルを塗り替えるUXの新境地

◎生成AIをめぐる動きとこれからの企業の在り方

ある大手デベロッパーは、オフィス物件の貸与が事業の柱だ。しかし、生成AIが当たり前になった未来では、企業が必要とする人員が減りその分オフィスに対する需要も大幅に変化するとの予想から、いちはやく事業構造の変換に向けて動き出している。

人海戦術で売上を作ってきた生保業界では、生成AIの普及によってその商品・価格設定や事業構造が変化を余儀なくされると予想される。これに対し、すでに大規模な人員配置の見直しに着手した企業も出てきている。具体的には、AIで代替可能な業務の洗い出しを行い、役割転換の対象となる人材の再配置・リスキリングを進めるとともに、1000人規模での早期退職の希望者募集、などを実行している。

リアルなプロダクトをつくる製造業でもAI技術の導入が進んでおり、工場の自動化が一気に進展。完全自律化した、電灯さえついてない「ダークファクトリ－」も登場している。また、DeNA会長の南場智子氏は、2025年の自社イベントで「DeNAはAIにオールインします」「AIはおいしいタイミング。波を捉えれば誰もが主役になれる」と宣言。全体の半分にあたる1500人の人材を10人単位のチームに分けて新規事業（ユニコーン）を立ち上げる構想を明らかにした。

AIエージェントが当たり前になると、「顧客志向・顧客本位かどうか」でサービスや商品が選ばれるようになる。UX（ユーザーエクスペリエンス）や価値検討に対する投資があるかないかで勝ち負けが決まってくる。体験価値が高く、誠実なものが選ばれるようになる。AIを使いこなす側、マネージする側に立てるかが重要となる一方、人間的価値を高める方向に振り切る勝ちパターンも考えられる。

AIを組織に組み込まないと勝てない一方、全てをAIで置き換えようとしても「顧客視点での価値追求」を行っていないことになる。最も怖いのは「UXに投資しないと選ばれない」ことが分かっていながら、投資すべきUXを勘違いしてしまうことではないか。筋肉質とムダのバランスや、複数のAIを使いこなし品質管理をすることで1人が何倍のパフォーマンスを出せるかを考え、アウトプットの基本概念を変えることだ。

◎AI時代を生き抜くキーワードとしての「顧客視点」

UX・顧客体験を生業にして24年の当社では、「顧客視点」と言われたときに顧客の姿やペルソナがありありと具体的にイメージできたら負け、と言われている。あくまで顧客側の視点に立って、“憑依型ユーザー理解”をして価値判断や状況理解をする必要がある。

安易に生成AIによって人間接点をデジタル化してしまうのは早計だ。人間と生成AIそれぞれの得意不得意や、それぞれでしか生み出せない価値を正しく捉えた上でタッチポイントを設計する必要がある。例えばAIに必要以上に人間らしい振る舞いを求めて開発コストがかさむなど全体として無駄なコストを払ってしまう可能性もある。人間とAIの掛け合わせで、出せる価値の幅はさらに広がる。正しい理解をもって最大限活用できる道を模索していきたい。

なお、顧客視点を獲得するために、AIに顧客になってもらうのもひとつの手だ。AIに顧客との会話データを読み込ませてペルソナを作らせ、さらにAIにそのペルソナになりきってもらって会話をすることで、クイックかつ簡易的にインサイトを得ることができる。ただし、これはあくまで初期の簡易的な憑依型ユーザー理解作業であることに留意。

◎AI時代のあるべき人材

生成AIの言いなりになるのは止めよう。生成AIによるアウトプットが人間の品質チェックにかけられないまま世に出ると、人間の思考力低下と一体となってさまざまな側面で急速に品質が低下していくと予想される。組織全体も落ちぶれていく。AIのアウトプットであっても、当人や周囲のメンバーが細部のロジックや背景知識などを理解・説明できることは大前提だ。

生成AIがもたらした「本当に新しい体験」については下記スライド参照。

アフター生成AIの時代には、中間管理職不要型（経営層＋人間性重視営業＋AI）／天才集団自律分散・共創型（AI超え天才集団による平面構造ワーク）／一匹狼プロフリーランス型（プロジェクトごとに雇用されるビジネスプロ）など、AIありきの組織構造がより一般化していくと予想される。

会社の環境を変化させていくポイントは以下。ユーザー視点や顧客視点を当たり前にする／AIによる個人の成長促進／「AIをつくる側」を育てる／共創を促進する環境作り、である。

■課題解決講演（1）

Acrobat×生成AIで今すぐ実現！
ホワイトカラーの文書活用とスピードアップ

◎Acrobatの新機能「AIアシスタント」とは／
エンタープライズ企業におけるPDFとAdobe Document Cloud

AIアシスタント機能を持つ最新のAcrobatは、チャット／会話形式でドキュメントの概要や要点を素早く理解でき、膨大なPDF文書から情報資産の再活用が可能になっている。全世界に3兆個以上もあるPDFをビジネスに活かす／安心安全な設計、信頼性が高い／誰でも簡単・低コストで、ROIが高い、という特徴を持つ。

ISO企画のPDF（Portable Document Format）は、ビジネス公式／確定文書の主なファイルフォーマット。紙と同等に取り回しができる／時間や空間の制約を受けない／OSやデバイス、言語を問わない／将来にわたって正しく閲覧できる／文書の内容を保護できる。電子文書間の情報共有において、その環境に依存することなく、簡単かつ安全に、見たまま・印刷したままと同様、元文書の内容を意図通りに共有・閲覧できる。

企業間での文書共有フォーマットはPDFが事実上の標準だ。データの8割以上が非構造化データであり、当社はそれを分析し行動するためのツール、プラットフォーム＝Adobe Document Cloud（Acrobat）を提供している。

ナレッジワーカーの文書に関わる主な業務は、関係者とのやりとり（メール、チャットなど）／文書・資料の作成／文書・資料の読解 洞察を得る、だ。特に定型業務においては文書・資料の読解の比重が重く、その効率化が強く求められる。

◎Acrobat AIアシスタント紹介デモ

画面上で左側に図表の多い文書を表示しながら、右側で「AIアシスタントに質問」「要約」のボタンと機能を駆使するとAIが内容を理解し概要をまとめてくれ、チャットもできる。その機能と、支えるテクノロジーを解説するデモンストレーションあり。

右側の画面でチャット機能を使い質問などを入力すれば、答えが示されたり参照すべき場所（左側の文書のどこに書いてあるか）が瞬時に分かる。英文の契約書でも、日本語で要約・解説してくれる。文書共有やコメント付加、新旧の契約書の異なる部分の比較もAdobeならではの使い勝手の良さをもってできる。

◎セキュリティ関連／管理面とメリット

Adobe独自のアプローチを最後に紹介する。
・顧客データはAIの学習に利用不可
・業界最高レベルの情報保護とセキュリティ基準を実装
・AIの回答に不適切なバイアスや有害な内容が含まれないようにするAI倫理
・PDFを設計したアドビがPDFの文書構造を正しく解析
・中立的な立場でLLMを採用

セキュリティ基準、プライバシー基準とも多数の世界基準に則っている。展開や管理も容易で、既にAcrobat/Acrobat Readerを利用している場合は新たなアプリケーションのインストールは不要。AIアシスタントのライセンスを利用者に付与するだけでAcrobatのUI上で機能が有効化できる。管理者向けのAdmin Consoleで効率的な管理もできる。

また、1クリックの手軽なUI/UXなのでトレーニングコストが小さい。活用による時短で高いROIを容易に実現し、組織の業務スピードの加速や文書情報資産の活用に貢献する。

■特別講演（1）

丸紅のDX推進とAI活用を支える、
一気通貫の支援体制構築と仕組み化の舞台裏

◎AI活用事例

当社は統計解析・機械学習・数理最適化の三分野で、2018年からモデル構築を内製。分析（画像解析、自然言語処理など）、予測（需要予測、市況予測など）、最適化（ルート最適化、入札最適化など）にAIを活用してきた。

生成AI分野では、技術の進化に合わせ適用シーンを徐々に拡大させることで、業務利活用を着実に推進。「Marubeni Chatobot（通称：まるちゃ）」の展開や専用AIエージェントの構築を通じて、生成AIによる業務効率化・高度化を進めている。

まるちゃは当初はチャットボットであったが、現在は全グループ会社で利用可能な生成AIアプリケーションに進化。利用者の声を迅速に反映したり、最新AIモデルを即搭載するなどして、利便性を高めている。個別の業務課題に対しては専用のAIエージェントを構築。生成AI以外の技術も統合的に活用し、最適なソリューションを提供している。

問い合わせ対応は、人×AIのハイブリッド体制を実現している。質問の難易度や複雑性に応じて人とAIが対応を分担、フィードバック機能も兼ね備えた体制を実現。投資候補先リスト作成業務の自動化では、AIが作業時間の大幅削減と単純作業による精神的負担の緩和に寄与している。

大量文書からの情報抽出・転記では、AIが最適な処理フローを都度判断・実行することで、多種多様なデータから統一形式への変換が可能に。商品パッケージデザイン検討業務効率化・高度化では、既存商品からデザインの傾向を学習することで、新商品のイメージに適した候補案を作成するなどしている。

投資精度向上のためのAIエージェント群は、人が重要論点の深掘りに集中できるよう、要検討点や予見されるリスクをAIが提示する。

こうした生成AIによる業務改善により、年間約90万時間の削減効果を達成している。内訳では要約・翻訳、情報収集、メール対応、アイデア出し、資料作成などが多い。将来的には約180万時間削減まで拡大の見込みだ。

◎AI推進組織／一気通貫の支援／丸紅×AIの目指す姿

デジタル・イノベーション部（DI部）のミッションは「丸紅グループの変換、DXを推進」。人材開発と文化醸成による変革の基盤を構築／“社内コンサル”として事業創出・課題解決・成長支援、の2つにより実現する。バリューは「専門人材による内製化と、CoE（Center of Excellence）」。

グループ会社における成功事例のグループ内展開も行っている。固有のオペレーションにDXを融合させ、サービス高度化・生産性向上等を実現し収益成長を実現した事業群の個別事例を“型化”し、グループ内へ伝搬するもの。DI部は組織上コーポレートスタッフグループに属し、丸紅グループの企業価値最大化に貢献する。企業価値向上に直結する経営課題「業務効率改善」「投資の精度向上」を、AI技術等を用いた構築力・運用力で実践・強化中。

課題整理⇒施策立案⇒実証推進⇒推進・実行のフローにおいて、既存事業の生産性改善、新規取り組みの立ち上げに必要な支援をDI部の各領域の専門自在が伴走し実行する。幅広いビジネス課題を解決するための多様なアカデミック・キャリアバックグラウンドを持つ専門人材が、東京とニューヨークの拠点に約40名在籍中。国内に開発子会社も持つ。

生成AI技術の進化は継続的かつ急速に進んでおり、利用者のアイデア次第で活用の幅は無限大に。国内外で数多くの事業を営む当社においては、様々な領域・業務において生成AIの活用余地が潜在する。よって、個人のデジタルスキルを深化し、丸紅の事業課題をデジタルで解決する基盤を作るプログラムや活動も推進。デジタルスキルの「活用・定着」のため、目指すべきスキルの可視化とデジタル人材のタレントマネジメント、そして育成活動も行っている。

丸紅×AIの目指す姿＝グループ全体の統合AIと各業務で最適な一体となってAIが人をサポートすることで、判断・意思決定の高速化・高度化による生産性向上を目指す。

■特別講演（2）

東京エレクトロンの挑戦
– AI活用で実現する製品付加価値向上と業務改革

◎半導体市場展望

人工知能（AI）、拡張現実（AR）／仮想現実（VR）、自動運転（Autonomous driving）などの普及・進展と共に半導体市場は第2の成長の波を迎えている。2030年には全世界での売上が1兆ドルに届くのではないかという予測もある。“産業および社会のコメ”である半導体は、社会システムの根幹にある重要なインフラであり、当社は半導体製造装置を作ることで社会に貢献する。

半導体製造には、ウェーハ処理プロセス（前工程）と、検査・組み立てプロセス（後工程）があり、当社はその各工程で稼働する製造装置を作っている。数ナノメートルから数ミクロンまでの精度の高い加工性と高い安定性が求められる。昨今では「AI半導体」といった新しい製品・技術も新しい事業機会として捉え、豊富な製品ラインアップを擁している。

半導体は「大容量、高速、高信頼性、そして低消費電力」を求められる。半導体製造装置メーカーが取り組む技術課題は、プロセスパフォーマンスの最大化／装置間・チャンバー間のばらつき低減／稼働率・スループット・スペース効率の向上／電気・ガス・薬液・水などの使用量低減／開発期間の短縮、である。

◎デジタルトランスフォーメーションへの取り組み

当社のDXソリューションのゴールは、変動を最小限に抑え、装置安定性を最大化することだ。データ活用で顧客の高生産性および社内サービス品質向上を加速する。具体的には、クラウドを活用したDXにより開発・現場へのAI適用（Innovative Platform）／徹底的な自動化（Robotics）／モニタリング・フィードバック（Stability Control）／ドメイン知識・知見のフル活用（AI Agent）を行っている。

◎AI活用事例紹介（開発・現場での）

マテリアルズインフォマティクス（MI）とは、AIを用いて半導体製造に最適な材料を探索すること。論文データや材料情報、実験データ、シミュレーション結果などの材料特性のデータを機械学習することによって、最適な材料候補を発見する。例えば、1万2680種類の結晶構造を計算し、その中からAIで最適な新規ドーピング材料を発見した。

プロセスインフォマティクス（PI）とは、プロセス（製造）条件と結果を機械学習させ、最適なプロセス条件を探索すること。エンジニアの知見による実験結果、実験計画法に基づいた実験結果、AIによる条件最適化によって得られた新たな実験結果を学習させ、AIによって最適なパラメーターを提案する。

PIでは例えば、プラズマ原子層体積法の膜厚均一性調整に利用し、膜厚のばらつきを自動的にいち早く最小化した。同体積法の膜応力調整では、従来の方法では見つけられなかった膜ストレスを最小化するプロセス条件を発見した。また、機械学習によりダメージを抑制しつつカバレッジ（歩留まり）良好なプロセスを最適化できた。

機械学習により省薬液につなげ顧客オペレーションコストと環境に貢献したり、ナレッジマネジメントシステムによりトラブル収束時間を短縮し設備稼働率を向上させた。また、実験計画・実験・測定・分析を繰り返し、顧客の要求スペックを満たすプロセス条件を導き出してもいる。適切なKPIを定め、各種効果をモニタリングしながら実行する＝社内プロセス開発ワークフローの改善である。

AI＋デジタルツールの導入は、製品の出来栄えの測定にかかる時間を大幅に短縮する（効率化）のほか、データの質・量をともに改善する。

まとめ。
・半導体の進化は今後もとまらない
・その進化をささえる製造技術も、
Complexity, Stability, Performance, Cost + Time2Marketへの挑戦を続ける
・その挑戦のために、AIを含むデジタル技術をフル活用していく

1. TOP
2. 【イベントレポート】 AIの流儀 生成AIで加速する業務変革 ～情報資産を武器に変える情シスの挑戦～