観光・ホテルのAI活用事例

宿泊予約センターには長年ためた返信テンプレートが5,000件以上あり、ブランドや施設ごとの階層で管理されていた。

ベテランはすぐ目的の文面を出せる一方、新人はどこにあるか分からず返信に時間がかかっていた。

1. オペレーター支援ツールを使う人だけのユーザー単位契約で小さく始めた
2. 5,000件以上のテンプレートを絞り込みグループ分けとタグ付けをした
3. 別のチームが返信文の自動生成のプロンプトを試し精度を上げた
4. 生成文は担当者と上長のダブルチェックで確認してから送る
5. 自動校閲機能で日本語の表記ミスも確認する

2024年4月入社の新人4名が早い段階でメール業務を始め、すでにベテランを超える件数の問い合わせに対応している。

返信文の自動生成は正答率80%を目安にブランド単位で広げ、現時点で3ブランドまで見通しが立った。

台風や地震で運休や欠航が起きると、振替や取消料についての問い合わせが一度に集中した。

担当者は複数の業務システムを見比べて判断するため回答に時間がかかり、待たされる客が積み上がっていた。

1. Web予約者向けメッセージボックスの返信を担うAIエージェントを作った
2. 問い合わせ内容と予約情報の読み取りと返信文案の作成をAIに任せた
3. 基幹システムの画面操作はRPAに任せた
4. 運休や欠航の照会と取消料免除の判定は業務ロジックAPIに切り出した
5. 人は送信前の最後の確認と送信だけを行った

2024年8月の台風10号の問い合わせ2,648件を使った机上検証で、1人あたりの処理は24件／日から101件／日になった。

返信テンプレートの選定は正解率98.5%で、具体情報の誤りは1,946件中0件だった。

リサーチや資料作成、データ加工など小さな手作業が全社に散らばり、個別のシステム化がしにくかった。

AIを入れても使い方が個人任せだと、成果が人ごとの慣れに左右されてしまう。

1. 社員と業務委託の計59名に実行環境をそろえてClaude Codeを配る
2. 2026年7月から8月に全部門向け研修を行う
3. うまくいったやり方をスキルという手順書にして共有基盤へ登録する
4. 配色や書体やロゴの規定をAIが読める形に直す
5. 登録されたスキルをレビューして部門をまたいで共有する

2026年8月末までに45名の手で、手順書が743件、業務ごとのAIエージェントが127体たまった。

研修後の社内調査では、エンジニア以外の回答者のうち53％が毎日のように使っており、その中の69％が同じ成果物を作る時間は半分以下になったと答えた。

商談の中身や売れる人のやり方が個人の中に閉じていた。

成果が再現できず新人も育てにくかった。

1. オンライン商談と電話をMiiTelで記録して文字に起こす。
2. AIに会話の中身を分析させ顧客の性格の傾向まで整理する。
3. 分析結果から次の商談で何を変えるかのフィードバックを作った。
4. ためた会話データを新人の教育や担当の引き継ぎにも回す。

あるメンバーの受注率が7％から37％まで上がった。

引き継ぎにかかる手間は10分の1になり解約率も下がった。

京都では観光客が中心部の定番スポットに集中し、交通渋滞が長年の課題になっていた。

道路整備だけでは限界があり、観光客の動き方そのものを変える手立てが必要だった。

1. 観光デジタルマップを作り混雑や駐車場情報を地図上にまとめた
2. 地図上でAI判定のスタンプラリーを開催した
3. QRを使わず参加者の撮影写真をAIが判定してスタンプを付与した
4. 判定スポットを中心部から離れた穴場に置きミッションを設定した
5. 第2弾では時間帯ごとにポイントを上げ下げし訪問時間を分散させた

第1弾の参加者は781名で目標500名に対し達成率156%となり、参加者の92%が普段行かない場所を訪れたと答えた。

満足度は91%、期間中の京スマのPVは1.6倍に増え、93.2%がマップの情報が混雑回避に役立ったと回答した。

公開のAIサービスに社内の情報を入れるとEU外で処理される心配があり社員が自由に試せなかった。

サービスごとに契約とログインが分かれて管理の手間も増えていた。

1. 外部のコンサル会社と組み社内向けのCopilotを作った
2. 複数の大規模言語モデルを切り替えられる土台にした
3. データの保管先をEU内に保ちメールやSlackや社内文書をつないだ
4. RAGで社内のデータに沿った回答を返すようにした
5. プロンプトからメール送信や要約やチケット作成も動かせる形にした

文書づくりや情報探しにかかっていた手間が減り社員が使う時間の節約を実感するようになった。

今は600人以上が日常的に使い対象となる社員の約90%まで広がった。

夜間はトラブルが起きてもスタッフが支配人の指示を待つしかなく、対応が止まっていた。

紙の宿泊者カードや清掃の進み具合の共有にも手間がかかっていた。

1. 社外の生成AI環境をもとに自社向けAI支配人を作る
2. 過去の応対記録と手順書など社内文書だけを読ませる
3. 社内にデータが無いときは情報が無いと返す作りにする
4. 宿泊者カードをデータ化し清掃管理システムとつなぐ
5. タブレットでチェックアウト状況を見えるようにする

夜中でも上長の返事を待たずに現場の判断で先へ進めるようになり、400室以上の清掃も効率よく回せるようになった。

空いた時間を接客に回せてリピーターが増え、大卒初任給はこの10年で7万円上がって24万円になった。

モータースポーツやアミューズメントなど性質の違う4つの事業への問い合わせが月間数千件、一つの窓口に集まっていた。

夜間は代表電話をホテルへ転送していたが専門外の質問に答えきれず、大きなイベント時の着電増にも人員だけでは対応しきれなくなっていた。

1. 代表電話に対話型音声AIを置き用件ごとに自動で振り分ける
2. Webで済む案内は音声案内やSMSでサイトへ誘導する
3. 人が答えるべき用件だけスタッフにつなぐ
4. 発売日や宿泊キャンセルの分岐を現場で変更する
5. 通話を自動で文字起こしし応対の振り返りに使う

受電の約45%が自動化され、スタッフ1人あたりの電話応対が半減した。

通話開始時の録音アナウンスが抑止になり、心理的な負担の大きい電話は事実上ゼロになった。

問い合わせは電話が大半で夏の繁忙期は対応が途切れなかった。

チケットの種類が多くサイトのどこを見ればよいか分からない人からの電話が続いていた。

1. 定額で使えてAI機能もあるChatPlusを選んだ
2. サイトのトップにチャット窓口を置く
3. オペレーターから情報を集めてQ&Aを作った
4. 登録が無い質問が来たらすぐQ&Aに足す
5. 季節の企画や気温の予報で増えそうな質問を先回りで用意する

電話での問い合わせ対応件数が約30％減った。

営業時間外でも答えが返せるようになり夜間の取りこぼしが減った。

コロナ後に宿泊需要が戻っても売上が伸び悩み、部屋の値付けが担当者の勘に頼りきりだった。

忙しい時期は値上げが間に合わず、暇な時期は下げすぎるという状態が続いていた。

1. 宿泊管理システムとAIダイナミックプライシングを2施設に導入する
2. 需要の動きに合わせた料金見直しを自動で回す
3. じゃらんnetや楽天トラベルなどOTAへの反映をまとめて処理する
4. 施設ごとにコンセプトとねらう客層を決めて運営する
5. 人は価格調整から離れ集客やマーケティングに時間を回す

価格調整と販売管理の手間が減り、利益は前年比で31％増えた。

福岡市内の宿では、ここ6カ月の稼働率が平均91％、1泊あたりの単価が27,000円まで伸びた。

20か所を超える施設で毎年数百人を採る必要があるのに選考と面接調整を採用担当が手作業でこなしていた。

留守電にも返事が来ず応募者は先に反応した他社へ流れていた。

1. 求人を開くボタンを押すとAI担当が動き出す
2. 応募者はQRコードか採用サイトの窓口からSMSで会話を始める
3. AIが短いやり取りで応募条件を満たすか確かめた
4. 条件に合う人へ採用担当の空き時間から候補時間を送る
5. 日程の組み直しや内定通知の送付も自動でこなす

面接の設定数は1年で423%増え現場職の採用までにかかる日数も大きく縮んだ。

採用広告の予算は年70万ドル減った。

オンラインのワイン試飲会は終わったあとの事務作業が重く顧客1組につき最大2時間かかっていた。

自分のメモやチャットの記録を全部見直す必要があった。

1. 週2〜4回の試飲会をZoomで開き記録をAI Companionに任せる
2. ホストはメモを取らず参加者との会話に集中する
3. 終了後に自動で作られた要約とアクションアイテムを見る
4. 約束したフォローと未回答の質問を確認する
5. メンバー同士で要約を読み合い売り方を共有する

会議後の作業はほぼ2時間から45分になり削減率は57%だった。

事務作業の時間は月8〜12時間減り週の予約数は2倍になった。

世界100カ国以上で1,520以上のホテルを持ち顧客の母国語で広告を届けたいと考えていた。

だが言語ごとに広告を作り分ける工程に数週間かかっていた。

1. Vertex AIとGeminiモデルを使う仕組みを整えた
2. 多言語広告の出し分けをこの仕組みに任せた
3. BigQueryにためたデータをAIモデルに学習させた
4. 広告の中身を言語や地域に合わせて調整した

数週間かかっていた工程が数時間で終わるようになった。

広告チームの生産性は50%上がりAIを使ったキャンペーンの収益も20%以上増えた。

JTBは社内向けのAIチャットを用意しMicrosoft 365 Copilotも希望者が使える状態にしていた。

ただ機能の説明だけでは自分の仕事にどう当てはめるかが浮かばず、学ぶ機会も足りていなかった。

1. eラーニングでCopilotの特性とプロンプトの基本を学んだ
2. 自分の仕事を分解して置き換えられる場面を出すアイデアソンを開いた
3. 質問会を設け実務で出た疑問に講師が答えプロンプトを直した
4. 旅行の工程表づくりで観光地の提案と行程案づくりを任せた
5. 工程表への落とし込みと手直しまでCopilotに行わせた

毎日Copilotを使う社員の割合が51.6%から76.9%へ増え、工程表づくりでは月10時間の作業が減った。

研修で出た使い方を受講者全員へ広げた場合の削減見込みは年間で最大約3,240時間で、月あたりでは約274時間になる。

繁忙期になると宿泊予約や周辺の観光についての電話が一気に増えた。

フロントのスタッフが電話に取られて本来の接客に手が回らなくなっていた。

1. よく来る質問への一次対応をAIの自動応答に任せた
2. チェックイン時間やアクセス方法は24時間365日AIが答える
3. 人が答えたほうがよい内容はAIがスタッフへ取り次ぐ
4. チェックイン遅れや宿泊中の問い合わせはすぐ人へ回す

案内を始めて約2週間のうちにAIがさばいた電話は100件以上にのぼった。

人手なら約8時間分にあたる量で、年間では約200時間以上をAIが担う見込みになった。

自治体やDMOは人手が限られる中で大量のデータ分析と多言語対応を求められていた。

訪日客の動きを示すデータが足りず、翻訳の質とコストの両立も難しかった。

1. 台湾・香港・アメリカ向けの口コミや記事、検索の動きをAIに読ませる
2. 市場ごとの特徴と差別化の切り口を出させる
3. 観光案内所への問い合わせ記録をAIに要約させ関係団体へ共有する
4. 英語と繁体字の訳を3通りの方法で作りネイティブが5段階で評価する
5. 分析結果を定量調査や専門家への聞き取りと突き合わせて人が確かめる

マーケティング分析の作業時間は約15分の1、旅ナカデータの分析工数は約4分の1、翻訳の工数は約12分の1になった。

翻訳の評価ではChatGPTを通した文章が機械翻訳を上回った。

忘れ物の報告と管理を紙や電話、エクセルで回していたため、書き写す手間や部屋番号の入力間違いが起きていた。

発見から台帳登録までに時間が空き、フロントで遺失物の有無をすぐ確認できなかった。

1. 客室清掃の管理システムJtasを2拠点に先に導入する
2. 清掃スタッフが拾った物をタブレットやスマホで1枚撮る
3. 生成AIの画像認識がカテゴリと特徴と場所を自動で埋める
4. フロントは写真付きで検索し現物を見ずに答える
5. 導入前の説明会と現地の立ち上げ支援は専任担当が行う

記帳と管理の手間を減らし、フロントと清掃スタッフのやり取りや問い合わせへの返答を速くすることを狙う。

2拠点で先に運用を始めた。

忘れ物の記録を紙とエクセルで回しており、転記の手間や部屋番号の打ち間違いが起きていた。

台帳に載るまで時間がかかり、フロントは問い合わせのたびに現物を見に行っていた。

1. 客室清掃向けSaaSのJtasを導入する
2. 拾った忘れ物をスマホやタブレットで1枚撮る
3. AIが区分と特徴と場所を自動で埋める
4. 人は中身を確かめ足りない情報だけ直す
5. 部屋タイプ別チェックリストで二重チェックを記録する

忘れ物の登録と管理の手間を減らし、問い合わせへの返答を速くすることを狙う。

清掃の不備をデータで示せるようにして、スタッフごとの傾向に沿った指導につなげる。

出張手配のサービスを作るうえで速さが自分たちの強みだったが、作る工程にまだ時間がかかっていた。

人を増やさずに開発の回転を上げたかった。

1. Figmaで作った画面をReplitへ持ち込む
2. 持ち込んだ画面をそのまま動く形にする
3. 静止画ではなく動く製品としてチームへ渡す
4. 作ったものをそのまま本番の環境へ載せる
5. 創業者自身が週に数時間をReplitでの作業に充てる

デザインがそのまま動くものになり本番へ流れるようになった。

人員を足さずに開発の速さを上げられた。

ホテルの手配中心だった事業を旅行全般へ広げる中で対応の質を落とさず費用も増やさずに処理を速める必要があった。

1. Agentforceで顧客対応のエージェントEvaを作った
2. 電話とウェブとアプリの依頼を最後まで処理する
3. 顧客の情報をData 360に集めて人と同じ内容を見る
4. 社員向けのSlackbotに日々の仕事を手伝わせた
5. BuilderとApexとVibesで設計から公開まで進めた

チャットで届く依頼の50%がエージェントだけで解決するようになった。

エージェントを作る期間も数か月から数日へ縮んだ。

年80万件を超える依頼が来るのに既存のチャットボットは質問に答えるだけだった。

予約の取り消し一つでも担当者が複数のシステムを調べて手作業で直していた。

1. 予約システムとつないだAIエージェントをチャットと電話の入り口に置いた。
2. 顧客情報と予約履歴とナレッジを1か所に集めた。
3. LLMが回答を作りAPIを呼んで変更や取り消しまで実行した。
4. 込み入った案件は会話履歴と次の一手を添えて担当者へ渡した。
5. ダッシュボードで解決率やCSATを見ながら手を入れ続けた。

Evaがチャットで届く案件の50%を自動で解決するようになった。

チャットのCSATは16%上がり平均処理時間は15%短くなった。

フロントはチェックイン対応の合間に電話が鳴り同じ質問へ何度も答えていた。

レストランの予約は電話がつながらないと客がそのまま離れていた。

1. 自社サイトにSierraで作ったチャットを置いた
2. プールの開く時間や施設の使い方にその場で答えさせる
3. 週末が埋まりそうなときは夕食の予約を勧める
4. 部屋タイプで迷う客には合う部屋へ案内する
5. 担当チームが毎週やりとりを見て受け答えを直す

フロントにかかる電話が減り目の前の客に向き合う時間が増えた。

電話がつながらなかった客もチャットから数秒で予約するようになり宿泊後のアンケートでも情報の得やすさが評価された。

新卒採用で毎年数千件の面接を数百人の社員がこなしていて、1日に10人前後を担当するため時間帯によって面接の質が落ちていた。

面接官の負担を減らしつつ最後まで同じ質を保つ方法を探していた。

1. 1次と2次の面接は支店から選ばれた営業社員が担当する。
2. 面接をharutakaで録画してharutaka IAがスコア化する。
3. 笑顔の度合いや発話の比率をレポートにして本人へ返す。
4. 面接官は前回のスコアと見比べて次に直す点を決める。
5. 人事チームも録画とレポートで評価コメントの差を確かめる。

面接官から最後まで集中力を保てたという声が出てフィードバックを楽しみながら取り組めた。

評価コメントのばらつきも減り、面接官によって深掘りの深さが違うことを数値で確かめられるようになった。

施設の魅力を高める企画は現場のスタッフが担い、文章作成から撮影の指示、取材対応まで全部自分たちでやっていた。

やりがいはある一方で効率を上げにくかった。

1. 情報システムの担当者がGeminiの効く工程を整理した
2. コツをまとめて現場のスタッフへ教えた
3. 企画の初めにGeminiと壁打ちしてアイデアを広げた
4. プレスリリースの作成や校正、写真のイメージ共有に使う
5. 顧客満足度調査の自由回答を読ませ課題と改善点を出させた

30分かかっていた文章の校正が5分程度になり、魅力造成の作業時間は約30%減った。

固定概念にとらわれないアイデアが出るようになり、業務改善に取り組む雰囲気も生まれた。

コロナが収まって法人出張の依頼が急に戻ったのに対応する人員は減ったままだった。

見積もり1件に平均20分かかり担当者の熟練度で品質にも差が出ていた。

1. 6工程のうち最初の見積もりだけに絞って自動化する
2. 対象を出発地と目的地を行き来する単純な旅程に限った
3. 依頼メールをAIエージェントが読み取り見積もりを作る
4. 見積もりをシステムに登録し送信の一歩手前まで進めた
5. 中身を確かめて最後に送るのは担当者が行う

2026年4月に動かし始め7月には約400件の見積もりメールを人の修正なしで送れるようになり100時間分の工程を減らした。

8月からは関東地区の全顧客へ対象を広げた。

旅行の予約に関する電話が大量に来て、時間どおりに応じるのが難しかった。

自動の音声が機械っぽいと、数語でお客様から人に代わってほしいと言われてしまう。

1. あいさつから解決までの会話の流れを書き出した
2. 自動にする範囲はよくある質問と予約確認と解約にする
3. チャットで動いていた自社の案内役を土台に音声版を作った
4. 担当者が何度も電話をかけて台本を直し声も変える
5. 入電の約10%から始めて50%75%へ増やした

今は入ってくる電話の75%を音声エージェントが受けている。

人へ引き継ぐときは通話の書き起こしと要約が一緒に渡るので、担当者は聞き取りから始めずに済む。

ツールとカスタマイズが増えすぎて管理が難しくなっていた。

サーバーやデータベースの保守に手を取られ社員は必要な情報を探すのにも時間がかかっていた。

1. Atlassian Cloud Enterpriseへ移した
2. JiraとConfluenceでRovoを使えるようにした
3. JQLを書かず普通の言葉で進み具合を聞ける
4. 約200のRovoエージェントに情報探しと見張りを任せた
5. 使われていないプロジェクトは自動で保管する

完全導入から8週間以内に社内の70%がRovoを使うようになった。

自動化によって月400時間分の手作業が減った。

拠点がシンガポールやフィリピンなど東南アジアに散らばり、情報の共有に手間がかかっていた。

広告の案づくりも地域ごとの色を出しきれなかった。

1. キャンペーンの目的と狙う客層をGeminiに伝える
2. 地域に合う広告の案と文面を出させた
3. 出た案を担当者が自分の案と比べ残すものを決める
4. 案の根拠のデータをGeminiで調べ裏付けか反証か確かめた
5. 会議はMeetの自動メモに任せる

下書きにかかる時間が最大50%短くなり月に約20時間、承認までが最大40%短くなり月に約10時間減った。

合わせて月30時間ほどの手間がなくなった。