変わったこと
過去不具合報告の検索時間が 1 件あたり 25 分から 9 分になった
困っていたこと
- 不良対策書がファイルサーバー内にあり、似たトラブルを探す担当が固定されている。
行ったこと
- 設備・現象・材質を検索キーに整理し
設備・現象・材質を検索キーに整理し、過去報告を対象に検索を試す
- 再発防止判断は品質会議に残す
再発防止判断は品質会議に残す
- AI と人の受け持ちを決める
AIが候補報告と出典を提示、品質担当が製品と条件を照合する
変わったこと
- 過去不具合報告の検索時間が 1 件あたり 25 分から 9 分になった
事例の詳細
工業用ゴム製造の会社様(従業員 51〜100 名)の事例です。自動車向け工業用ゴム製品を製造する会社。品質報告が10年以上蓄積。
導入前に困っていたこと
同じような不良が出ても、前回の対策書の保存先を知っているベテランに確認していた。
不良対策書がファイルサーバー内にあり、似たトラブルを探す担当が固定されている。
取り組んだ順番
- 設備・現象・材質を検索キーに整理し、過去報告を対象に検索を試す。
- 再発防止判断は品質会議に残す。
文書名と設備・不良区分を整理し、AIで検索候補を提示。対策の採否は品質会議で決める。
AI と人の役割
AIが候補報告と出典を提示、品質担当が製品と条件を照合する。
運用で、つまずいたこと
似た不良名でも原因が異なるため、「過去の対策を採用」ボタンは設けなかった。
変わったこと
- 過去不具合報告の検索時間が 1 件あたり 25 分から 9 分になった
担当の方の声
「検索結果は答えではなく、比較すべき過去事例と考えている」(品質保証課長)
ほかの事例
サービス業 / 従業員 11〜50 名
毎日 15〜20 分の集計が 0 分になり、月 8 時間以上の転記が 1 時間ほどになった
片付けと買取の会社で、毎日 15〜20 分かかっていた集計を AI で 0 分にした
事例を読む
当社の事例
IT・Web / 従業員 1〜10 名
社長からの追加の依頼 32 件を、その週のうちに本番に反映した
当社で、社内の業務システムを AI と作り、翌日から使い始めた
事例を読む
建設業 / 従業員 11〜50 名
約 2 時間の研修の中で、過去の案件資料を探して質問に答える仕組みを試作した
建設会社で、過去の案件資料を探して答える仕組みを AI研修の場で試作した
事例を読む









