不動産・建設業のAI活用事例

夜間や休日に内見の問い合わせが集中し、少人数の体制では受けきれなかった。

反響を逃すと物件が他社へ流れるため、通知が来るたびにPCを開いて対応していた。

1. KUZENを入れて流入元の広告から物件情報を送り分ける
2. 内見の受付を友だち追加直後の初回アンケートに置き換えた
3. 希望条件やエリアの回答をSalesforceへ自動で入れる
4. アンケート回答を受付完了の必須ステップにした
5. GCLIDを保存しGoogle広告へ返す仕組みを組んだ

1件あたり1〜2時間かかっていた対応が平均約30分になり、月約30時間の工数が減った。

手作業の転記と聞き漏れが無くなり、内見希望者のアンケート回答率はほぼ100%を保っている。

人同士のロールプレイングは相手役の癖や力量で中身が変わり、若手の伸び方に差が出ていた。

管理職の育成の手間も重く、練習の機会自体も減っていた。

1. 投資用マンションの営業部門にジシュトレAIを導入した
2. 現場の商談に近い台本を先に用意する
3. AIに買い手を演じさせ担当者が繰り返し練習する
4. 練習後にAIが点数と改善点を返し弱点をやり直す
5. 実施時間や台本や評価基準を共通ルールとして整える

導入から約1か月の時点で一部の社員が積極的に取り組む状態になり、練習の中身をそろえる土台ができた。

利用の頻度に個人差が残るため、営業部門共通のルール整備を進めている。

家を建てたい人は情報をできるだけ早く集めたがっていた。

以前は相談のたびに車で面談場所へ出向く必要があり、相談員側の手間も大きかった。

1. サイトのボタンで地域ごとの担当相談員へ振り分ける
2. チャットや電話の相談をビデオ面談に切り替える
3. コンタクトセンターを自社のCRMとつないだ
4. 応対中に自社のナレッジベースから手がかりを出す
5. 通話内容の要約をAIに作らせて後から確認した

月曜から日曜まで朝から晩まで地域の担当者と話せるようになり、顧客の満足度が上がった。

相談員の効率も目に見えて良くなった。

新規事業の部署では海外の相手と毎週のように企画やビジネスの話をしていて、外国語で話すことに気を取られ会議の負担が大きかった。

議事録まで手が回らず、会議の後に発言内容を確かめるやり取りも増えていた。

1. オンライン会議中にCoeFont通訳を開き翻訳文を字幕として読む
2. 聞き取れない単語や専門用語は画面の文字で確かめる
3. 分野特有の言葉を辞書登録機能に登録し訳のずれを防ぐ
4. 会議直後に作られる要約付き議事録でメモの不足を補う
5. 英語以外の言語の会議も同じやり方で対応する

会議の後に内容を確かめるやり取りが減り、コミュニケーションにかかっていた時間が数時間以上減った。

海外との会議だけでなく、社内の日本語の会議でも発言の記録や認識合わせに使うようになった。

家賃の滞納者へかける電話が月間43,000件あり1日平均12名でぎりぎりの状態だった。

人を増やすと採用と教育の費用がかかる。

1. 伝える内容が決まっている案件を自動音声に切り替えた。
2. 冒頭の挨拶に時候の言葉を足して柔らかい印象にした。
3. 駆け付け業務の受電は通話を文字に起こして要約まで作る。
4. オペレーターは通話後の記録をその要約から仕上げる。
5. 既存のコールシステムはそのままでソフトフォンとつないだ。

人を増やさずに架電業務を回せるようになり担当者の効率が上がった。

コールセンターの工数は約30％減った。

顧客の氏名や年収など個人情報を日々扱うため、どこまでAIに入力してよいか判断がつかず社内での利用が広がらなかった。

社内に複数のAIツールが混在し、ルールも定まっていなかった。

1. 企業向けのGemini Enterpriseに利用環境をまとめる
2. 権限管理と入力してよい情報の基準を社内規程で決める
3. 週1回の勉強会を全8回開き基礎からGASまで扱う
4. 非エンジニア社員が自部署の作業でアプリを作る
5. 前後で同じ設問の社内アンケートを取り変化を確かめる

AIを定常業務のプロセスに組み込む社員は57.8%から82.3%になり、API連携や定型処理の自動化を自分で実装した社員も21.2%まで増えた。

開発事業部では物件データの集計が約2時間から15分に短くなった。

自社で開発した建築・管理システムでは、原価の状況を人が読み解いたり発注申請の差し戻しが起きたりと、担当者の手間が残っていた。

見積依頼のメール作成も毎回手作業だった。

1. 自社開発の建築・管理システムにテックタッチAIHubを組み込んだ
2. 原価状況の要約と発注申請の確認と見積依頼メール作成の3業務を対象に選んだ
3. コードを書かず画面上の設定だけで組み立てた
4. DX推進部が業務の流れを見てAIを動かす場面を決めた

3つの業務をいずれもノーコードで実装し、最短30分で形にした。

この取り組みは同社のユーザーイベントで事例として発表された。

入居者とオーナーと不動産会社の3者から問い合わせが届き受付の手間が重かった。

前のチャットボットは設定した内容が画面に出るまで時間がかかり見えない負担が積み上がっていた。

1. チャットの最初に3者のどれかを選ばせる。
2. 属性ごとに違う質問へ進ませ回答を作り分けた。
3. 自由に打ち込まれた質問は自然言語処理で読み取る。
4. 広報の担当者が設計と手直しを受け持ちログを見て直した。
5. 月43,000件から軽い滞納の人を抜き出し一斉に電話をかける。

2026年3月に入れてから3ヶ月で自己解決率が50%を超え今は60%まで伸びた。

コールセンターは7月に工数が30%減り、オーナー層の離脱率も以前の74%から大きく下がった。

重要なメールが担当者の個人受信箱に埋もれ、接客中や外出中は確認が遅れて初動が遅くなっていた。

担当者以外は状況をつかみにくく、店舗として素早くフォローに入れなかった。

1. 既存のクラウド環境と生成AIをつなぐ
2. 日々のメールを自動で巡回させて中身を解析する
3. クレームや急ぎの用件かをAIが判定する
4. 該当メールと返信案を社内チャットへ即時に流す
5. 若手が案で一次対応し上司が必要なら代わる

担当者が不在でも店長や店舗スタッフがすぐ代理で対応できる体制になり、対応漏れの危険が下がった。

現場の心理的な負担も軽くなった。

設計図面から構造物の名称や寸法を目で読み取り手計算でまとめる数量拾いは5〜6人のベテランに集中し、1案件あたり2〜15時間かかっていた。

図面を読む暗黙知が文書化しづらく、若手が入り込めないうえ見積書の提出が遅れて受注を逃すこともあった。

1. AIコンサル会社と組み現場の進め方を聞き取り専用アプリを共同で作った
2. 設計図面のPDFを読み込ませ構造物と寸法と数量を拾い出させた
3. 車止め8個などの一覧表をExcelで書き出した
4. 抽出箇所を図面上に色付けして表示し確認を早めた
5. AIの出力は下書きとし最後は技術者が目で確かめた

数量拾いは最大12時間から約10分になり、見積もり全体の工数も最大15時間から約4時間に減った。

専門知識のない社員でも一覧表を作れるようになり、ベテラン任せだった業務を若手や未経験者にも広げられた。

営業や設計といった業務ごとにシステムが分かれ、建設プロジェクトのデータが業務単位で閉じていた。

施工管理の人員予測も支店ごとにExcelで行われ、基準がそろっていなかった。

1. 全社データを集める基盤をAWS上に構築した
2. S3やRDS、AWS Glueでデータを集めて貯めた
3. 過去の施工実績を教師データにSageMakerで予測モデルを作った
4. 工事概要を入れると必要人員が出る形にしBIで可視化した
5. 基盤同士のつなぎ込みとセキュリティ対策を作り込んだ

2021年11月に運用を始め、2022年11月までに約25のアプリケーションを出した。

人員予測は統一した基準で算出できるようになり、2023年度中に百以上のアプリケーション開発を目指す。

ライセンスは全社に配ったものの、使い道が議事録の要約とメールの下書きで止まっていた。

どの業務のどこを置き換えるかが各社員任せで、成果に個人差が出ていた。

1. 総務課の122業務をすべて書き出した
2. 頻度と年間作業時間から効果の大きい23業務を選んだ
3. 誰がどの資料で何分かけるかを工程ごとに聞き取った
4. Copilotに任せられる工程だけを切り出し操作を見せた
5. 捺印請求ではPDFから4項目を理由つきで判定させた

選び出した23業務は合計で年間約1,842時間かかっていたが、そのうち約373時間（20.3%）が浮いた。

捺印請求の確認は元が年間600時間で、155〜220時間（25.8〜36.7%）分が軽くなった。

賃貸の入居者へ送る案内文の作成に時間がかかり、出来ばえが担当者の経験に左右されていた。

一般的な生成AIでは社内の表現ルールまで反映できず、手直しの手間が残っていた。

1. 過去に評判のよかった案内文をAIの材料として組み込む
2. 社内の対応ルールも同じく材料に加える
3. スタッフはクラウドの画面に伝えたい要点を入力して送る
4. 人は出てきた文章の中身を確認して送る

お客様サポート部門で年間300時間の業務時間を減らし、従来のやり方と比べて300%の業務効率化になった。

文章を書くストレスと読み直しの時間も減った。

物件の資料URLを1件ずつコピーして紹介メールに貼る作業と、顧客ごとに地図へ物件住所を検索してピンを立てる作業に時間を取られていた。

1案件あたりの手間が大きく、接客に回せる時間が足りなかった。

1. 既存のクラウド環境とAI、自動処理のワークフローをつなぐ仕組みを自社で設計した。
2. スタッフは入力フォームに物件のURLを入れるだけにした。
3. 仕組みが物件情報と位置データをまとめて取り出し顧客専用の案内マップを自動で作る。
4. AIが物件データとエリアの特徴を読み取り紹介文とメールの下書きを作る。
5. 担当者が下書きに要望へ合わせた助言や一言を添えて仕上げる。

URLの転記が不要になり地図の登録も自動になったことで、年間500時間の業務時間削減と業務効率33%向上を達成した。

空いた時間を顧客ごとの丁寧な提案に回せるようになった。

人財戦略部の4人でダイレクトリクルーティングを回していたが、学生ごとの個別対応に時間を取られスカウト送信数が伸びなかった。

母集団が足りない状態が続いていた。

1. 人力代行や他社AIを含む3社を比べて導入先を決めた
2. 媒体ごとの運用に合わせた個別文面をAIに作らせた
3. スカウトを24時間止めずに配信した
4. 電話やSMSでの学生へのリマインドと後追いも任せた
5. 月1回の定例でオファー文の直し方の助言を受けた

スカウト送信数は昨対比で約4倍になり、ある媒体では約500通から約2,000通へ増えた。

対面できた学生も十数名から約50名に増え、母集団づくりにスカウトが効くことが確かめられた。

住宅の工事工程は担当者の経験に頼って組んでおり、経験の浅い社員だと節目の日取りを正しく置けず時間もかかっていた。

1. 現場監督がGeminiのカスタム機能で工程作成の仕組みを作る
2. 着工から引き渡しまで約150日を土台に設定する
3. 木工事完了日やクリーニング日など外せない節目を登録する
4. 着工日を入れるだけで各節目の日付を逆算して並べる
5. 出てきた工程を担当者が現場の事情に合わせて手直しする

入力するのは着工日だけになり、経験の浅い担当者でも精度の高い工程を引けるようになった。

代表からはカレンダーへ全工程を自動連携する次の案も出た。

BIMの社内普及を3年ほど進めたが仕事のやり方ごと変える必要があり広がらなかった。

高齢の社員も多く全員に同じ速さで新しい道具を覚えてもらうのは難しかった。

1. 仕事の道具として教えるのをやめ雑談で伝える
2. 旅行先探しや献立など失敗のない使い道から勧める
3. 相談が来たらパースや資料のたたき台を実演する
4. 計画地や仕上材の調べ物のやり方も見せる
5. 出力はそのまま使わず最終確認と修正は人が行う

社内で2〜3人が日常的にAIを使うようになった。

20代だけでなく50代の社員も自然と使い始めた。

募集条件や特約の掲載確認を目視でやっていたため、どれだけ気をつけてもミスが出る恐れがあった。

管理データを直しても物件情報側への反映が漏れやすく、確認のやり直しが現場の重い心の負担になっていた。

1. 既存のクラウド環境に生成AIと自動化ワークフローをつなぐ
2. 募集条件を自動で判別するシステムを作る
3. 担当者は対象物件のURLを社内チャットに送る
4. AIがURLを読み取り特約の修正を自動判定して返す
5. 操作を最小限にし人は判定結果を見るだけにする

掲載後に条件の間違いへ気づくという事態がなくなり、年間510時間の業務時間削減を見込む。

エアコンなど機器の交換や回収の記録をパソコンからしか入力できず、後回しによる入力漏れや確認の遅れが起きていた。

在庫数が正確につかめず、回収を頼む時期を逃すこともあった。

1. 既存のクラウド環境に生成AIと自動化の流れを組み合わせた
2. 現場のスマホから操作できる専用画面を作った
3. 交換や保管、回収依頼の状態をボタン1つで登録する
4. 登録内容をその場で集計し関係者が最新状況を見られるようにした
5. 決めた台数に達すると社内チャットへ自動通知を飛ばした

入力漏れと回収依頼の遅れがなくなり、年間20時間の業務時間を減らした。

開発中や所有する案件の進捗をまとめるレビュー資料を、Excelで手作業で更新していた。

経営判断に使う数字のため確認の負担が重く、作成に5日間かかっていた。

1. 週次相談会に有志15名のチームで参加した
2. 案件一覧の項目と集計ルールをClaudeに渡した
3. Artifacts機能でWeb上のダッシュボードを組み立てた
4. 個別案件と全体傾向の両方が見える構成にした
5. 出てきた数字と表示を人が確かめて手直しした

資料作成と進捗更新の時間は従来の5日間（40時間）から6時間になり、約85%短縮された。

手作業時代の数字の誤りをAIが見つける場面もあり、アスコットは全社展開を決めた。

他社の空室情報や客付け依頼のメールが毎日大量に届き、早く入居者を決めたいオーナーを見分けるのに時間がかかっていた。

見落としへの不安も現場の重荷になり、初動が遅れていた。

1. 受信した情報を自動のワークフローに流す
2. 条件に合うものだけを抜き出す
3. 抜き出したデータを生成AIが読み優先順位を付ける
4. 結果を社内チャットに流して部署をまたいで共有する
5. 担当者が順番を見て提案内容と声かけを決める

情報を集めて精査する時間を年間18時間減らした。

アプローチすべき物件がすぐ見えるようになり、初動が早まって担当者の心理的な重荷も軽くなった。

部署間の請求書共有をチャットで行っていたため、依頼の投稿が他の会話に埋もれて支払いが遅れる恐れがあった。

経理は履歴から請求書を探す手間がかかり、依頼した側も支払日が分からなかった。

1. 請求依頼を送る専用の入力フォームを用意した
2. 送られたデータを既存のクラウド環境へ自動で整理した
3. スプレッドシートで進捗を一覧表示にした
4. 申請受領時と振込完了時に社内チャットへ自動通知を飛ばした
5. ドライブ内の請求書PDFをAI文字認識で読み取り支払データへ変換する

支払い漏れの発生リスクはゼロを維持し、請求書の検索や支払完了の確認にかかる年間12時間を削減した。

支払日の個別確認のやり取りも不要になった。

部署ごとに情報が閉じてしまい、組織をまたいだやり取りやアイデアの共有が進まなかった。

長年のMicrosoft Office中心の運用から抜け出せず、クラウド前提の働き方に移れないままだった。

1. 経営トップの号令でGoogle WorkspaceとGeminiを全社に入れ替えた。
2. 会議はGoogle Meetの文字起こしで記録する。
3. 文字起こしをGeminiに渡し要約のプロンプトで議事録にまとめさせる。
4. 研修とeラーニングで社員の慣らしを進めた。
5. プロンプト共有アプリとポータルを社内で作り表彰の制度も組み込んだ。

半日から1日半かかっていた議事録作成がすぐ終わるようになった。

現場からIT企画課へ効率化の相談が持ち込まれるようになり、Microsoft Officeライセンスは約7割の削減を目標に置いている。

入居者やオーナー、工事業者との連絡を個人アドレスで返していたため、やり取りが担当者しか分からない状態になっていた。

LINEや電話など連絡手段も増え、履歴を一か所で追えなかった。

1. 問い合わせ窓口をRe:lationの共有アドレスにまとめる
2. 名刺から個人アドレスを消す
3. 伝えたい要点だけを入力しAIに文面を組み立てさせる
4. 出てきた文面を担当者が確認して直して送る
5. 外出先ではスマホアプリで過去のやり取りを探す

メール作成にかかる時間が50%減った。

やり取りをチームで共有できるようになり、クレームの発生も大きく減った。

事業が伸びて仕事量が増える一方で、少ない人数でこなすための全社的な効率化が課題だった。

複数のSaaSを入れても改善が部署ごとで止まり、会社全体に広がらなかった。

1. 既存のMicrosoft 365と同じIDで管理できるCopilotを選ぶ
2. 2025年7月にDX推進部門と経営メンバー約10名で試す
3. 管理者向けワークショップで使いどころを押さえる
4. 同年9月に社員全員分のアカウントを一度に配る
5. 240名向け研修後は朝会で社員が事例を共有し合う

管理物件の入居審査で勤務先や滞納履歴といった大量の情報を突き合わせる作業の所要時間が大きく縮まり、担当者は判断や分析に時間を回せるようになった。

中途入社の社員がTeamsの履歴から過去の経緯を話し言葉で探せるようにもなり、会社としては生成AIで業務コスト30％削減を目標に掲げている。

採用担当が1人で他の業務も兼ねており、スカウトを送れる数に限りがあった。

年間の承認は約90件で止まり、営業職の採用が伸び悩んでいた。

1. スカウト支援サービスRecUpを導入する
2. 求人媒体の選定と候補者の絞り込みを任せる
3. AIが人物像に合うスカウト文を作り自動送信する
4. 求職者からの初回連絡対応も自動で進める
5. 専任担当が送信先と文面を見て中身を直す

導入から2か月で90件の承認を得た。

承認率と面接の参加率も上がり、担当者はスカウト送信から解放された。

賃貸管理では入居者やオーナーの対応と契約管理、入居審査が日々発生し、定型の確認と担当者の経験による判断が混ざっていた。

情報も部門ごとに分かれていて、横断して使いにくかった。

1. 2023年に基幹システムを内製化し社内データをまとめた
2. 2024年7月にAIX推進室を設置した
3. 社内チャットから使う独自AI基盤ACATを用意した
4. 社内データとマニュアルを読ませた業務特化AIを組んだ
5. 入居審査は書類確認と照合とスコアリングをAIが行い最終判断は担当者がする

入居審査は従来の約60分から、1件を約10分で終えられる見通しになった。

会社全体では年間で数万時間ほどの作業が減り、数億円規模のお金の効果が出ると見ている。

建築・住宅の業界では経営者が個人でAIを触っていても会社全体で回っている例は少なく、何から手を付けるか決められないまま止まっていた。

社内でも使う人と使わない人の差が広がっていた。

1. 社員のAI活用事例の提出を人事評価の項目に組み込む
2. 提出された取り組みを社内にためていく
3. 施工写真をGeminiのGem機能に読ませ投稿案と動画まで作らせる
4. 現地動画と現場の音声を渡し土地レポートPDFにしてLINEで送る
5. 2枚の図面を比較チェッカーに読ませ差分を色付けと一覧で出す

3カ月で422件の事例が社内にたまった。

過去の提案資料を横断して探せる社内アプリは15分で作り翌日から使い始めた。

契約や各種手続きの問い合わせが年10万件を超え、忙しい時期には60名ほどの派遣スタッフでしのいでいた。

担当者は着信のたびに本来の仕事を止められ、何件受けて何をどう処理したかも見えていなかった。

1. 全14回線の電話の一次受付を対話型音声AIに切り替えた
2. 問い合わせ内容をAIが自動で分類し担当部署へその場でつないだ
3. 応答の流れを現場スタッフ自身が変更できる設定にした
4. よく来る定型の質問は音声ガイダンスへ誘導した
5. 受電件数や問い合わせの種類を記録し取次削減と品質統一に使った

一次受付の90%超を自動化し、担当者が電話に拘束される時間を月間800時間超（繁忙期の実績）減らした。

特定のスタッフに仕事が集中する状態も解消し、チーム内で業務量が均されるようになった。

管理規約を改める際は現行の規約と国の標準管理規約を1条ずつ突き合わせる必要があり、1物件で数十〜100時間規模の手作業が発生していた。

標準管理規約の見直し間隔が短くなり、担当者の負担がふくらんでいた。

1. 構造が単純な1物件をモデルに選んで試した
2. 現行規約と標準管理規約を読み込ませる
3. 条文ごとの自動比較と差分の抽出を行う
4. 改正案のドラフトと新旧対照表を作らせる
5. 4回のやり取りで修正を反映させた

条文比較と改正案作成の作業が約100時間規模から20〜30時間ほどになった。

成果物の精度は初版で約85点、繰り返し直した後は約90点に達し、R社は本発注を決めた。

工程表や見積書の管理を手作業でこなしていて、複数現場の予定を把握しづらかった。

社内にIT担当がおらず、大きなシステム投資も難しかった。

1. 手元のGoogle Workspaceを土台にする
2. Google Apps ScriptとGemini APIで仕組みを組む
3. PDFの工程表と見積書をGemini APIに読み取らせる
4. 読み取り結果を工程管理表へ自動で書き込む
5. 日程をGoogleカレンダーに流し込み一画面で見る

目視と手入力でやっていた転記が自動になり、複数現場の予定を一画面で確認できるようになった。

API利用料は月額数百円程度で、PDF解析は1件あたり数円程度に収まっている。

社員が個々に抱える業務にAIをどう当てるかが決まらず、研修をしても現場で使われないままになりやすかった。

補助金や労務の対応は特定の社員しかできず、業務量も見えなかった。

1. 社員ごとにタスクと所要時間と頻度と属人度を洗い出した
2. 洗い出しをもとに一人ひとり専用のGemを組んだ
3. 担当業務に合わせた指示文を用意した
4. SNS担当は分析と台本や投稿文の下書きをAIに任せた
5. 総務は補助金の要領を読み込ませ質問に即答できるようにした

研修の翌週から現場でAIが動く状態になった。

SNSの制作時間が大きく減り、補助金や労務の属人化が解けて誰でも扱える形になった。

人件費の8割が情報の探しものや単純作業に使われていた。

人手不足が進む中で生産性を上げないと会社が持たないという危機感があった。

1. 2024年7月にGoogle Workspaceを全社へ入れる
2. 全スタッフがGeminiを使う体制にした
3. 朝礼で誰がどう業務を変えたかを共有する
4. 月1回は部署をまたいだ勉強会を開く
5. ロープレや紹介文の下書きをAIに任せ人が仕上げる

1年目で売上は2億円伸び、削減できた作業時間は22,862時間、費用は6,800万円分減った。

平均成約率は約1.4倍になり、新人が現場に出るまでの期間も3ヶ月から2ヶ月に縮まった。

工程の変更が日常的に起きる建設現場では搬送ロボットの計画を人手で直す必要があり、待機時間が増えていた。

その制御の構想を発明としてどうまとめ、既存の施工支援技術との違いを示すかが決まらなかった。

1. 工程表や作業フロー、資材配置の資料をAIに読み込ませる
2. 課題と解決手段と技術的効果の三つの観点で発明要素を並べ直す
3. 建設ロボットや施工管理分野の先行技術を参照して検討する
4. AIが発明提案書の形にまとめる
5. 担当者が出願を見据えた技術の表現に整える

日次で最適な搬送計画を自動で作る方式という発明の中身が体系的にまとまった。

特許検討の初期工程の作業時間は最大約70%減った（社内検証）。

面接の日程を決めるまでに時間がかかりすぎていた。

小売や販売から移ってくる良い人材は早く決まる他社へ流れてしまっていた。

1. 求人サイトにOliviaのチャット枠を置いた
2. Oliviaが短いやり取りで最低限の条件を確かめる
3. 条件を満たした人へ短い適性テストのリンクを送る
4. 担当のカレンダーと突き合わせて面接の枠を押さえる
5. 求人サイトを仕事の中身がすぐ分かる作りに変えた

面接の日程を決めるまでの時間が大きく縮まった。

応募から採用まで数週間ではなく数日で進むようになった。

現場のベテランが忙しく若手を指導する時間が取れなかった。

新入社員も手が空かない先輩には質問しづらく、教育が滞っていた。

1. 入社後2カ月のIT研修でExcelの疑問をまずAIに聞く形に変える
2. 誰が答えても同じ基礎的な質問はAIに任せる
3. 実践的な教え方や社風の伝達は社員が担当する
4. 商談の録音をテキストにしてAIに読ませ次の動きを決める
5. 月1回の会議で使い方を共有しテンプレートを整える

従来20〜25時間ほどかけていた基礎スキル講習をAIが肩代わりし、新入社員研修の工数を約25％削減できたという。

AIを共通の話題にベテランと若手の会話も増えた。

少子化で人が集まらず業務そのものを減らす必要があった。

ベテランの技術は言葉にしにくく紙の記録も点在していて若手への引き継ぎが進まなかった。

1. 2023年9月に全社員が試せる形で試験導入した
2. アンケートと利用ログを見て2024年4月に700名規模へ広げた
3. 会議記録や報告書のたたき台と長文の要約や翻訳に使った
4. 要約が得意なモデルとマクロ生成が得意なモデルを選び分けた
5. 管理職向け研修を行い現場の使い方をテンプレート化した

議事録や資料作成にかかる時間を概ね3〜4割減らせたという声が出た。

社員アンケートでは6〜7割が仕事が楽になったと答え、現場発のマクロ作成なども生まれた。

クリニック向けの空間デザインの実績が増え、事例や空間イメージをまとめたカタログを求める声が高まっていた。

ただしイメージ画像や説明文を作る手間が重く、出来ばえが担当者の経験に左右されやすかった。

1. 過去の施工実績から雰囲気とデザインの方向を人が決める
2. 決めた内容をChatGPTに渡し画像生成用の指示文を作る
3. 指示文をもとにMidjourneyで画像を作る
4. 指示文の作り方と出力の形をGPTsにまとめて共通化する
5. 事例や顧客インタビューの要約はNotion AIで進める

空間デザインの専門ではないメンバーでも一定の品質を安定して出せる制作の流れができ、2025年11月に「クリニックスペースカタログ」を発刊した。

空間デザイナーが商談にカタログを持参し、イメージの共有に使えた例も出ている。

社員が個人の無料アカウントで生成AIを使い始め、図面や見積もりなどの機密情報が漏れる心配があった。

人手不足でシステム部門の人員も足りず、新人は会議の議事録づくりに時間を取られていた。

1. 入力が学習に使われない法人向けAIを50アカウントで導入した
2. 稟議書と添付資料をトライアル環境で作らせ経営層の承認を得た
3. 会議の録音データを渡し文字起こしと要約を指示する
4. 分からない専門用語はその場でAIに解説させる
5. 要点を人が確かめ先輩に確認して議事録を仕上げる

1時間の会議の議事録作成が2時間近くから15分足らずになった。

新人がいつでも質問できる相手を得たことで先輩の教育負担も減り、若手がベテランのAI利用を手伝う関係が生まれた。

会議や現場の議事録づくりに4〜5時間かかり、現場の担当者が本来の工事業務に集中できずにいた。

外部に文字起こしを頼むと仕上がりまで1週間ほど必要だった。

1. DX推進の一つとして変換精度の高いRimo Voiceを選んだ
2. 会議は参加者が録音しLINE WORKS経由でBoxに音声を置く
3. 現場はスマホで録音しBoxへ保存し工務サポート担当が整形する
4. 文体調整や要約はAIに任せタイムスタンプで音声を聞き直す
5. 専門用語は辞書に登録して変換精度を上げる

議事録の作成時間は4〜5時間から2時間になった。

外部委託で1週間かかっていた文字起こしが翌日には仕上がり、1件あたりの費用も大きく下がった。