ブログ

  • 日報をAIで分析 的確な助言を

    日報をAIで分析 的確な助言を

    1.課題:不十分なフィードバック

    QueQueシステムズ社のマーケティング部では、部員が毎日日報を提出することで、業務の進捗や課題を共有しています。部員は日報提出プロセスを開始し、報告内容を入力・送信します。

    マネージャは、部下の業務進捗をタイムリーに把握し、進捗の遅れや問題の兆候を早期に発見することで、迅速な対応策を講じています。

    しかし、多忙なマネージャは、自身が的確なフィードバックができていないことを問題視していました。時間的な制約から、日報を深く読み込むことが難しく、特に表現がぼやけている部分については、潜在的な問題を見落としてしまうリスクがあると懸念していました。

    2.解決策:AI に問題点を分析させる

    この課題に対して、プロセスオーナーであるマネージャーは、日報をAIに要約・分析させる工程をワークフローに組み込む改善を実施しました。

    要約・分析の内容は以下の通りです。

    1. 業務: 部員が取り組んでいる業務
    2. 内容: その業務の進捗や現状の報告
    3. 注視ポイント: AI による分析
      • 明示的ネガティブサイン: 明確に表現された課題や停滞
      • 暗示的ネガティブサイン: 間接的な課題や懸念
      • ネクストアクションが曖昧: 次の行動が不明瞭な点
    4. アドバイス案: メンバへのアドバイス文章イメージ

    これにより、部下の日報から読み取れる課題が整理してマネージャに表示されるようになりました。

    メンバが入力した日報
    サマリ・分析された日報

    Before :

    詳細を見る
    • AM 7:00に自動でプロセスを開始
    • 1x. 営業日判定
      • 休業日と判定された場合、分岐を経て終了する
    • 1. 日報入力
    • 2. 確認
      • 内容を確認し、フィードバックを入力
    • 3. 再提出(差し戻しの場合)
    • 4. feedback 確認

    After :

    詳細を見る
    • AM 7:00に自動でプロセスを開始
    • 1x. 営業日判定
      • 休業日と判定された場合、分岐を経て終了する
    • 1. 日報入力
    • 2x. AI がサマリ & 分析
    • 2. 確認
      • 内容を確認し、フィードバックを入力
    • 3. 再提出(差し戻しの場合)
    • 4. feedback 確認

    Compare Before/After

    (スライダを使い before/after の比較が可能です)
    プロンプト例
    #{#q_daily_report}
    --
    上記の入力日報に対して、箇条書きでサマリしてください。
    1:業務、2:内容、3:注視ポイント、4:アドバイス案 の順で。
    --
    3:注視ポイントについては、以下の分析A~Cに該当する場合に、記載してください。
    項目名は、明示的ネガティブサイン:、暗示的ネガティブサイン:、ネクストアクションが曖昧: にしてください。
    複数でもOKです。ない場合は、「なし」と記載してください。
    
    分析方法について
    --
    A:明示的ネガティブサイン:日報の内容に、課題が明確に書かれている場合、その点をピックアップしてください。
    例: 「進んでいない」や「手をつけられてない」などの表現
    
    B:暗示的ネガティブサイン:日報の内容に、直接の課題ではないが、ネガティブな表現がある場合、その点をピックアップしてください。
    例: 「少し手間取っています」「やや時間がかかっています」などの表現。
    
    C:ネクストアクションが曖昧:「次の予定」や「相手」が明確でないものをピックアップアップしてください。
    例: 「明日も引き続き対応します」など、具体的な内容が不足している表現。
    --
    4.アドバイス案は、3:注視ポイントに対する改善アドバイス案を書いてください。
    3:注視ポイントが「なし」の場合は、「なし」と記載してください。
    –
    Markdown形式で出力してください。
    Markdownフォーマットは以下の通り。
    
    #### 業務名
    - 内容
    - 内容
    ##### 【マネージャ向け】注視ポイント
    - 
    ##### 【マネージャ向け】アドバイス案
    -
    ***

    3.効果

    1. フィードバックの精度向上
      • 課題を抽出することで、マネージャーが見落としがちなポイントを的確に把握可能になりました。
      • 部員に対してより効果的で具体的なフィードバックを提供できるようになりました。
    2. 迅速な対応による問題解決のスピードアップ
      • ネガティブなサインや曖昧な次のアクションをAIが早期に指摘することで、マネージャーが速やかに適切な対応策を講じることが可能になりました。
      • チーム全体の課題解決スピードが向上しました。
    3. 部員のモチベーション向上と業務効率化
      • 日報に対するフィードバックが質・量ともに充実することで、部員が自分の報告が評価されていると感じ、業務へのモチベーションが向上しました。
      • 的確なフィードバックにより、次のアクションが明確化され、業務の効率化にもつながった。

    4.横展開可能な業務

    • 会議議事録の要点抽出
    • 顧客対応記録の分析
    • プロジェクト進捗報告の要約
    • タスク管理の優先順位付け
    • 従業員アンケートの分析
  • プロセス改善レシピ|部門で選ぶ|業務報告

    プロセス改善レシピ|部門で選ぶ|業務報告

    ( 社内連絡 )

  • プロセス改善レシピ|部門で選ぶ|情報管理

    プロセス改善レシピ|部門で選ぶ|情報管理

    ( 社内連絡 )

  • AIでフェアな問合対応チーム運営

    AIでフェアな問合対応チーム運営

    常々公平でありたいと願うリーダにとって、AI は良きパートナーになりそうです。

    1.課題: タスク割り当ての偏り

    グルグルインタラクション社は、拡張現実(AR)技術を用いて、教育とトレーニングのためのインタラクティブなサービスを提供する IT 企業です。

    この会社ではクラウドサービスに関する顧客からの問い合わせに対応するため、1名のリーダと5名のメンバで構成されるチームが設けられています。顧客からの問い合わせは、ウェブフォームを通じて受け付けられメールで回答されます。

    しかしながら、問い合わせ対応業務でのタスクの割り当てに偏りが生じており、チーム内での不公平感が生じています。

    タスクが多めに割り当てられるメンバからは、過剰な負荷を訴える声が上がり、一方で割り当てが少ないメンバーからは、信頼されていないと感じる不安が表明されています。

    このような不公平感は、チームメンバのモチベーションを低下させ、生産性が低下し、退職リスクが高まるなど、チーム運営における深刻な問題を引き起こす可能性があります。このため、この不公平感を解消するための対策を講じることが急務です。

    2.解決策: AI によるランダム割り当て

    プロセスオーナーであるリーダは、特に経験豊富で余裕がありそうに見えるベテランに、無意識のうちに多くのタスクを割り当ててしまっていたと考えました。

    そこで、これまでリーダが手動で行っていた「1.回答担当者決定」工程を廃止し、代わりにAIを利用した新しい工程を導入しました。

    この新たな工程「x1.回答担当者選定 by AI」では、チームメンバ5名のメールアドレスからAIがランダムに一つを選び出します。選ばれたメールアドレスに紐づくメンバは、続く「x2.回答担当者設定」で自動的に「2.回答作成」の処理担当者として設定されます。

    Basic Edition
    Advanced Edition
    Professional Edition
    ワークフロー図の詳細を見る

    s1.問合受付

    問い合わせ者が問い合わせ受付フォームから問い合わせを行います。(メールアドレスと問い合わせ内容を入力します)

    1.回答担当者決定

    リーダが問い合わせへの回答を作成する担当者を決定します。

    2.回答作成

    「1.回答担当者決定」で指定されたメンバが、問い合わせへの回答を作成します。

    3.レビュー

    「2.回答作成」で作成された回答をレビューします。

    2′.差し戻し対応

    「3.レビュー」工程での指摘に基づき、回答を改良します。

    m1.回答送信

    回答が差し込まれたメールが問い合わせ受付フォームで入力されたメールアドレス宛に送信されます。

    Basic Edition
    Advanced Edition
    Professional Edition
    ワークフロー図の詳細を見る

    s1.問合受付

    問い合わせ者が問い合わせ受付フォームから問い合わせを行います。(メールアドレスと問い合わせ内容を入力します)

    2.回答作成

    「1.回答担当者決定」で指定されたメンバが、問い合わせへの回答を作成します。

    3.レビュー

    「2.回答作成」で作成された回答をレビューします。

    2′.差し戻し対応

    「3.レビュー」工程での指摘に基づき、回答を改良します。

    m1.回答送信

    回答が差し込まれたメールが問い合わせ受付フォームで入力されたメールアドレス宛に送信されます。

    Compare Before / After
    メールアドレスをランダム選定するプロンプト(例)
    <担当候補>に示される複数のメールアドレスから、ランダムに一つのメールアドレスを選び、メールアドレスのみを出力してください。
    
    <担当候補>
    tanaka@example.com
    yamada@example.com
    sato@example.com
    suzuki@example.com
    ito@questetra.com

    3.効果

    公平性の向上

    人間が行う選定にはしばしば無意識の偏見が入り込むことがありますが、AIによるランダム選定はそのような偏見を排除し、すべてのチームメンバに均等な機会を提供します。これにより、メンバ間の公平感が向上し、不満や疎外感を減少させることが可能です。

    モチベーションの向上

    担当業務が公平に割り当てられることで、チームメンバは自身が平等に扱われていると感じ、モチベーションが向上します。これは、業務への積極的な取り組みにつながり、生産性の向上を促します。

    生産性の向上

    業務の担当がランダムに分配されることで、すべてのメンバが様々な種類の問い合わせに対応する機会が均等に与えられ、経験とスキルの向上が期待できます。また、リーダが担当者選定に費やしていた時間が削減され、他の重要な管理業務に集中することができるため、全体の業務効率が向上します。

    4.他業務への応用

    AIによるランダム選定を業務改善に活用する手法は、以下のような業務にも応用できます。

    リード割当て

    営業チームへの新規顧客リードの配分にAIを用いることで、すべての営業担当者に公平にチャンスを提供できます。これにより、リードへのアクセスにおける偏りを防ぎ、チーム内の競争を健全なものにします。

    クリエイティブアサインメント

    マーケティングチームにおいて、デザインやコピーライティングなどのクリエイティブタスクを担当するスタッフをランダムに割り当てることで、創造的なアイディアの多様性を確保し、新鮮なコンテンツの生成を助けます。

    成果物のレビュー

    研究開発チームにおいて、プロジェクトの成果物や研究報告書のレビュアーをランダムに選定することで、レビュープロセスの公平性を保ち、質の高いフィードバックを促進します。

  • 勤怠報告の違和感をAIが検知

    勤怠報告の違和感をAIが検知

    人はちょっとした変化に気づくのは苦手。しかし AI は敏感に反応します。

    1.課題: 誤報告のチェック不足

    シャラシャラシステム社は、顧客のニーズに合わせたシステム開発を行っています。

    同社では、社員の勤怠報告を上長が確認しています。最近では、法令違反(超過勤務、深夜労働、休憩時間の不足)の確認が AI により支援される仕組みが導入され、上長の作業負担が軽減されました。

    しかし、異常な勤務時間や不審な旅費請求など、法令違反ではありませんが、「通常と異なる」報告内容のチェックが不十分です。たとえば、通常は午後2時までの勤務が午後5時と報告される、通常はない旅費請求が行われる、といったケースが見過ごされています。

    これらの多くは報告ミスによるもので、発見されるのは月次の給与計算時であることが多いです。その結果、管理部門が勤怠データの再確認や修正を求め、上長は改めての確認作業や部下へ再報告の指示を余儀なくされます。

    これは上長の本来の業務に割くべき時間を奪い、結果的に事業推進にも悪影響を及ぼしかねません。早急な改善が求められます。

    2.解決策: AIに過去報告と比較させる

    プロセスオーナーは、上長が部下の報告を確認する際に、通常と異なる点を容易に特定できるようにする工夫を施すことが望ましいと考えました。これを実現するために、勤務時間の確認を行う前段階として、AIによる報告内容の評価が行われる工程を導入しました。

    このAIは報告内容を分析し、過去の勤怠報告データと比較して「通常と異なる」点を明確に整理します(違和感を指摘します)。

    Basic Edition
    Advanced Edition
    Professional Edition
    ワークフロー図の詳細を見る

    s1.平日7:00(タイマー開始イベント)

    平日07:00に全社員のフローが自動開始します。

    x5.勤怠抽出(全社員)

    全社員の14日前からの勤怠報告データが自動抽出されます。

    x6.勤怠抽出(報告者)

    「x5.勤怠抽出(全社員)」で抽出されたデータから、更に報告者のデータのみが自動抽出されます。

    x7.勤怠加工1

    「x6.勤怠抽出(報告者)」で抽出されたデータから、不要なデータが自動削除されます。

    x8.勤怠加工2

    「x7.勤怠加工1」で加工されたデータが、Markdown記法に加工されます。

    1.出勤時刻の報告

    社員は勤務開始時に出勤時刻を入力します。

    x1.”勤務中”ステータス

    データ項目「勤怠ステータス」に “勤務中” がセットされます。

    2.退勤時刻の報告

    社員は退勤時に “休憩時刻” と “退勤時刻” を入力します。”勤務時間” は自動計算されます。

    x2.”勤務終了”ステータス

    データ項目「勤怠ステータス」に “勤務終了” がセットされます。

    x4.報告データAI評価

    AI が出退勤データを評価し、評価結果を出力します。

    3.勤務時間確認

    社員の上司は、社員の報告である “出勤時刻” “休憩時間” “退勤時刻” “勤務時間” を確認します。

    「x4.出退勤データAI評価」で生成されたAIによる評価結果も確認できます。

    2x.差戻対応

    社員は差し戻しの理由を確認の上、”出勤時刻” “休憩時間” “退勤時刻” を修正します。

    x3.”休暇”ステータス

    データ項目「勤怠ステータス」に “休暇” がセットされます。

    Basic Edition
    Advanced Edition
    Professional Edition
    ワークフロー図の詳細を見る

    s1.平日7:00(タイマー開始イベント)

    平日07:00に全社員のフローが自動開始します。

    x5.勤怠抽出(全社員)

    全社員の14日前からの勤怠報告データが自動抽出されます。

    x6.勤怠抽出(報告者)

    「x5.勤怠抽出(全社員)」で抽出されたデータから、更に報告者のデータのみが自動抽出されます。

    x7.勤怠加工1

    「x6.勤怠抽出(報告者)」で抽出されたデータから、不要なデータが自動削除されます。

    x8.勤怠加工2

    「x7.勤怠加工1」で加工されたデータが、Markdown記法に加工されます。

    1.出勤時刻の報告

    社員は勤務開始時に出勤時刻を入力します。

    x1.”勤務中”ステータス

    データ項目「勤怠ステータス」に “勤務中” がセットされます。

    2.退勤時刻の報告

    社員は退勤時に “休憩時刻” と “退勤時刻” を入力します。”勤務時間” は自動計算されます。

    x2.”勤務終了”ステータス

    データ項目「勤怠ステータス」に “勤務終了” がセットされます。

    x4.報告データAI評価

    AI が出退勤データを評価し、評価結果を出力します。

    3.勤務時間確認

    社員の上司は、社員の報告である “出勤時刻” “休憩時間” “退勤時刻” “勤務時間” を確認します。

    2x.差戻対応

    社員は差し戻しの理由を確認の上、”出勤時刻” “休憩時間” “退勤時刻” を修正します。

    x3.”休暇”ステータス

    データ項目「勤怠ステータス」に “休暇” がセットされます。

    Compare Before / After
    勤怠報告データを評価するプロンプト(例)
    <報告データ>と<過去データ>を比較し<評価ルール>に従って評価してください。評価結果と評価の背景や理由を<出力書式>に示すMarkdownテキストで出力してください(コードブロックにしないでください)。
    
    <報告データ>
    * 勤務日: #{#q_workday}
    * 出勤時刻: #{#q_time_to_clock_in}
    * 退勤時刻: #{#q_time_to_clock_out}
    * 休憩時間: #{#q_break_time}時間
    * 勤務時間: #{#q_working_hours}時間
    * 出社旅費請求: #{#q_request_for_travel_expenses}
    
    <過去データ>
    勤務日	出勤時刻	退勤時刻	休憩時間(h)	勤務時間(h)	出社旅費請求
    #{#q_14days_data}
    
    <評価ルール>
    * 勤務時間帯: <報告データ>の出勤時刻、退勤時刻が、<過去データ>の平均と2時間以上異なる場合は "あり"、そうでない場合は "なし" と出力。
    * 休憩時間: <報告データ>の休憩時間が、<過去データ>の平均と1時間以上異なる場合は "あり"、そうでない場合は "なし" と出力。
    * 勤務時間: <報告データ>の勤務時間が、<過去データ>の平均と2時間以上異なる場合は "あり"、そうでない場合は "なし" と出力。
    * 出社旅費請求: <報告データ>の出社旅費請求が、<過去データ>での出現頻度の半分未満であれば "あり"、そうでない場合は "なし" と出力。
    
    <出力書式>
    ### 通常との違い
    * 勤務時間帯: {勤務時間帯の評価結果}
    * 休憩時間: {休憩時間の評価結果}
    * 勤務時間: {勤務時間の評価結果}
    * 出社旅費請求: {出社旅費請求の評価結果}
    
    ### 解説
    {評価の理由・背景}
    

    3.効果

    効率化と時間節約

    AIを利用して報告内容を分析し、異常や通常と異なる点を自動で検出することで、上長の手作業による確認時間が大幅に削減されます。これにより、上長は本来の業務に集中することが可能となり、全体的な業務効率が向上します。

    コスト削減

    誤報告に起因する給与計算の誤りを減少させられるため、結果的に不必要な支出の削済や、修正に伴う追加コストが低減されます。これは長期的には財務的な利益にもつながるでしょう。

    リスク管理の強化

    誤りや不審な報告を早期に検出することで、潜在的なリスクや不正行為を防ぎ、組織全体のリスク管理を強化することが可能となります。

    4.他業務への応用

    特に小売業やサービス業における、日々の売上報告業務において、過去報告との比較を AI が事前に行うことにより、報告を受ける上長の確認作業の手間が削減されると考えられます。

  • イヤでも気づく!?勤怠報告の誤り

    イヤでも気づく!?勤怠報告の誤り

    報告者自身が過去の勤怠報告データの不備を発見できる機会を創出しましょう。

    1.課題: 出退勤時刻の入力ミス

    シャラシャラシステム社は、企業向けシステムの受託開発を手がける会社です。

    社員の給与計算は勤怠報告データに基づいて行われます。このデータに不備がある場合、給与支給額の誤りに直結するため、管理部門は内容を厳密にチェックしています。

    しかし、成長期にある同社では社員数が増加し、それに伴って確認すべき勤怠報告も急増しています。その結果、不備の発見件数も増える傾向にあります。

    さらに、新規採用が活発に進められていることから、今後も勤怠報告の件数と不備は増加し続けると見込まれます。

    勤怠の不備を見逃してしまうと、誤った給与支給が行われるリスクが高まり、企業の信用やブランド価値を大きく損なう可能性があります。したがって、このリスクを回避するためにも、早急に具体的な対策を打ち出す必要があります。

    2.解決策: 過去14日分の報告を自動抽出

    プロセスオーナーは、勤怠報告を行う社員本人が早い段階で誤りに気付けるようにすることが重要だと考えました。そのため、社員が出勤時刻を報告する工程の前に、過去14日間の勤怠報告データを自動で抽出する工程を追加しました。

    社員の出勤時刻報告画面には、毎日、過去14日間のデータが表示されるようになります。

    Basic Edition
    Advanced Edition
    Professional Edition
    ワークフロー図の詳細を見る

    s1.平日7:00(タイマー開始イベント)

    平日07:00に全社員のフローが自動開始します。

    1.出勤時刻の報告

    社員は勤務開始時に出勤時刻を入力します。

    x1.”勤務中”ステータス

    データ項目「勤怠ステータス」に “勤務中” がセットされます。

    2.退勤時刻の報告

    社員は退勤時に “休憩時刻” と “退勤時刻” を入力します。”勤務時間” は自動計算されます。

    x2.”勤務終了”ステータス

    データ項目「勤怠ステータス」に “勤務終了” がセットされます。

    x4.出退勤データAI評価

    AI が出退勤データを評価し、評価結果を出力します。

    3.勤務時間確認

    社員の上司は、社員の報告である “出勤時刻” “休憩時間” “退勤時刻” “勤務時間” を確認します。

    「x4.出退勤データAI評価」で生成されたAIによる評価結果も確認できます。

    2x.差戻対応

    社員は差し戻しの理由を確認の上、”出勤時刻” “休憩時間” “退勤時刻” を修正します。

    x3.”休暇”ステータス

    データ項目「勤怠ステータス」に “休暇” がセットされます。

    Basic Edition
    Advanced Edition
    Professional Edition
    ワークフロー図の詳細を見る

    s1.平日7:00(タイマー開始イベント)

    平日07:00に全社員のフローが自動開始します。

    1.出勤時刻の報告

    社員は勤務開始時に出勤時刻を入力します。

    x1.”勤務中”ステータス

    データ項目「勤怠ステータス」に “勤務中” がセットされます。

    2.退勤時刻の報告

    社員は退勤時に “休憩時刻” と “退勤時刻” を入力します。”勤務時間” は自動計算されます。

    x2.”勤務終了”ステータス

    データ項目「勤怠ステータス」に “勤務終了” がセットされます。

    x4.出退勤データAI評価

    AI が出退勤データを評価し、評価結果を出力します。

    3.勤務時間確認

    社員の上司は、社員の報告である “出勤時刻” “休憩時間” “退勤時刻” “勤務時間” を確認します。

    2x.差戻対応

    社員は差し戻しの理由を確認の上、”出勤時刻” “休憩時間” “退勤時刻” を修正します。

    x3.”休暇”ステータス

    データ項目「勤怠ステータス」に “休暇” がセットされます。

    Compare Before/After(スライドで動かせます)

    3.効果

    給与計算の精度向上

    過去14日分の勤怠データが自動抽出されるようになり、社員自身が自分の時間報告の誤りを見つけやすくなります。これにより、勤怠報告の正確性が向上し、給与計算の誤りが減少します。結果的に、誤った給与の支払いを減らし、経理の負担を軽減できます。

    企業の信用とブランド価値の保護

    給与の誤支給は企業の信用に直結する問題です。誤支給が減少すれば、企業の信用問題を未然に防ぐことができ、ブランド価値を守ることができます。

    社員の自己管理能力の向上

    自身の勤怠データを定期的に確認することで、社員は自己管理の意識が高まります。これにより、勤怠に関する規律が強化され、全体的な出勤率や生産性の向上が期待できます。

    4.他業務への応用

    過去の業務実績が自動的に抽出され、それらを活用して業務遂行できるようにする仕組みは、以下の業務に応用できます。

    カスタマーサポート

    過去の問い合わせ履歴を参照できるようになり、顧客の過去の問題や関心事項を理解しやすくなります。これにより、より的確で個別化された対応が可能になり、顧客満足度が向上する可能性があります。

    情報セキュリティ管理

    定期的に行われるシステムアカウントの登録状況のチェックと報告の業務は、過去の報告履歴を参照することでさらに効率的になります。この履歴の参照により、前回の報告との違いを明確に把握することができ、その結果、不適切な登録があった場合に迅速に対応できます。

    経費管理

    自部署で物品の購入申請をする際に、過去の経費使用状況を参照できるようになります。これにより、現時点での予算の消費状況が把握できるため、購入の必要性やどの物品を選ぶべきかの判断がしやすくなります。

  • プロセス改善レシピ|部門で選ぶ|請求決済

    プロセス改善レシピ|部門で選ぶ|請求決済

    ( 会計経理 )

  • プロセス改善レシピ|部門で選ぶ|経費精算

    プロセス改善レシピ|部門で選ぶ|経費精算

    ( 会計経理 )

  • プロセス改善レシピ|部門で選ぶ|アンケート

    プロセス改善レシピ|部門で選ぶ|アンケート

    ( カスタマーサービス )

  • AIなら休業日判定もノーコードで

    AIなら休業日判定もノーコードで

    1.課題:無駄な日報報告プロセスの割り当て

    QueQueシステムズ社のマーケティング部では、部員が毎日日報を提出することで、業務の進捗や課題を共有しています。部員は日報提出プロセスを開始し、報告内容を入力・送信します。この日報提出プロセスは、毎週月曜から金曜まで自動的に開始され、部員はその日の業務内容を入力して報告します。

    しかし、この自動化された仕組みは祝日や会社独自の休業日(夏季休暇、年末年始休暇、創立記念日など)にも動作します。このため、メンバは翌営業日に「休業日であった旨」を記入して提出をしなければなりませんでした。

    この無駄な報告は、業務効率を下げるだけでなく、報告者にとって不要な手間を生じさせていました。

    2.解決策:休業日をAI判定で自動化

    そこで、プロセスオーナーはワークフローに「営業日」か「休業日」かをAIで判定する工程を新たに追加しました。AIへの指示として、あらかじめ祝日や会社の休業日を登録しておきます。

    AIは日付を基に「営業日」か「休業日」を判定します。休業日の場合は日報提出プロセスが自動的に即時終了されます。

    QueQueシステムズ社のマーケティング部のジョブディスクリプションでは、プログラミング知識を要求していません。この方法はプログラミング知識が不要なため、プロセスオーナー自ら迅速に導入できました。

    生成AI への 指示例(プロンプト)

    Before :

    詳細を見る
    • AM 7:00に自動でプロセスを開始
    • 1. 日報入力
    • 2. 確認
    • 3. 再提出(差し戻しの場合)

    After :

    詳細を見る
    • AM 7:00に自動でプロセスを開始
    • 1x. 営業日判定
      • 休業日と判定された場合、分岐を経て終了する
    • 1. 日報入力
    • 2. 確認
    • 3. 再提出(差し戻しの場合)

    Compare Before/After

    (スライダを使い before/after の比較が可能です)

    3.効果

    1. 業務効率と負担の軽減
      • 営業日のみプロセスが動作する仕組みにより、日報データの正確性と一貫性が確保されました。
      • 誤報や不要な報告が減少し、管理者が必要な情報を的確に把握できるようになりました。
      • プロセス全体の運用がシンプルになり、ミスや混乱のリスクが低減しました。
    2. AI活用の推進
      • シンプルなAI適用事例として、他の業務プロセスへの応用可能性が示されました。
      • AI活用による成功事例が、会社全体のデジタル化推進のきっかけとなりました。

    4.横展開可能な業務

    • 勤怠報告
    • 会議日程の自動調整
    • プロジェクト締切日の管理
    • 配送スケジュールの調整