AI活用支援
社内データにつながるAIエージェントを、御社の業務に組み込む。
診断 → パイロット導入 → 本番展開 → 内製化まで
こんなお悩みありませんか？
KUROCOなら、クライアントの状況に合わせた完全カスタマイズ型のサポートで、これらの課題を解決します。
ChatGPTやCopilotは入れたが、社内のことを知らないので答えが浅い
試験導入（PoC）までは動いたが、本番に乗らずに止まった
精度を誰がどう保証するのか、社内で答えられる人がいない
情報漏えいが怖くて、肝心の社内データをAIに渡せない
AI活用支援で作るもの
資料で終わらせません。動くエージェント、つながったデータ、
精度を測る評価セットまで作り、御社に引き渡します。
業務×データ診断
- 業務ごとに「自動化余地／必要なデータ／リスク」を点数化
- 投資対効果の試算
- 最初に取り組む1〜2業務の決定
成果物 優先順位マップ、パイロット導入計画書
AIエージェント構築
- 手順が決まった業務はワークフロー型、判断が要る業務は自律型
- MCP（AIと社内システムの共通接続規格）で既存システムに接続
- 生成役と検証役を分け、人の承認ポイントを設計
成果物 動くエージェント、承認フロー
社内データ連携（RAG・データ基盤）
- 規程・マニュアル・過去資料はRAG（検索拡張生成）で参照
- 売上・在庫などの数値はデータ基盤から正しく読ませる
- 権限連動、出典表示、前処理まで
成果物 検索基盤、中間データ、接続設定
評価・運用・内製化
- 正解付きの評価セットで精度を数値化、変更のたびに回帰テスト
- ログ監視とガードレール
- ガイドラインと研修で社内に引き渡す
成果物 評価セット、運用手順、ガイドライン、研修
AIの精度の大半は、
渡すデータで決まります。
同じモデルを使っても、整った中間データを渡した会社と、生データを放り込んだ会社では、答えの正確さが変わります。
業務
どの業務の、どの工程をAIに任せるかが決まっていない
データ
AIに渡す社内のデータが、散らばったまま・生のまま
人とルール
精度の測り方と承認の手順が無く、個人任せになっている
KUROCOは、データ分析を本業にしてきた会社です。AIに渡す前のデータを整えるところから設計します。
社員＋AIエージェントで、
仕上がりの差を小さくする。
KUROCOでは、社内の業務にAIエージェントを取り入れています。AIに任せるときは、次の4つの原則で、人の判断と確認の手順を組み込み、担当者によって仕上がりがばらつかないようにしています。
01
人が決め、AIが作る
判断・顧客対応・最終確認は社員。下書き・集計・変換はAI。承認ポイントを設計図に書きます
02
生成と検証を分ける
作るAIと確認するAIを別に置き、確認役が社内基準に照らして差し戻します
03
基準を設定にする
表記ルール・品質基準・禁止事項を設定ファイルとして持たせ、誰が使っても同じ基準で動きます
04
評価で育てる
社員が直した箇所を評価セットに戻し、次の版で同じ間違いが出ないことをテストで確かめます
社内で実際にAIエージェントと進めている業務
| 業務 | 社員がやること | AIがやること | 仕組み |
|---|---|---|---|
| マーケティング | 数字を読み、次の打ち手を決める | GA4や各種媒体からの数値の取得・集計 | API連携で自動取得し、定型レポートを構造化出力 |
| 資料作成 | 伝える内容を決める、最終確認 | 会社のテンプレートに沿った資料の作成 | テンプレートを設定として保持。検証役が表記をチェック |
| 社内マニュアル制作 | 操作を画面録画しながら説明する、最終確認 | 録画から手順を書き起こし、画像付きのマニュアルを作成 | 録画 → 文字起こし → 手順抽出 → 画像切り出し |
| 記事・コンテンツ制作 | テーマと構成を決める、最終チェック | 執筆・校正・事実確認、図版、ショート動画 | 生成役／校正役／事実確認役を分離。出典を付けて返す |
| 社内文書の検索 | 質問する、答えの確認 | 就業規則・議事録・社内ルールを意味検索して回答 | 社内ドライブの文書をRAGで参照。出典ファイル付き |
| 業務管理・日報 | 内容の確認、例外の修正 | 管理表の検索・更新、日報の下書き | 書き込み先を許可リストに限定。材料が無いときは書かない |
エージェントの組み方と業務の任せ方は、御社の業務に合わせて設計します。
開発事例
クライアント向けと社内で構築し、実際に動いているものです。
不動産・住宅広告
5媒体の広告とGA4を1つの表にそろえ、物件ごとの成果を毎朝自動更新
課題
Google・Meta・Yahoo・LINE・Microsoftの広告データとGA4が別々で、物件別・媒体別の成果を横断して見られなかった
構成
広告5媒体＋GA4 → BigQuery → 媒体横断ビュー → 日次サマリー → 全ディメンション統合 → BI
技術
BigQueryのスケジュールドクエリのみで構成（外部ETLサービス不使用）。物件と広告アカウントの対応表はスプレッドシートを外部テーブルで参照。同じ設計を2社目に横展開
自社運営の美容サロン（社内実証）
APIの無い自社店舗POSから、画面を操作するAIエージェントが毎日データを取得
課題
自社店舗POSの伝票データを毎日集計したいが、APIが無く、CSVは管理画面の手操作でしか出せない
構成
Gemini Computer Use＋Playwright が管理画面を操作 → CSVをメモリから Drive へ → 既存パイプライン → BigQuery → ダッシュボード
技術
Cloud Runジョブ、Cloud Scheduler（毎日1回）、Gemini Computer Use、Drive API。月初は前月分を取り直す再実行設計
適用範囲
画面操作型のエージェントは、ログイン情報をAIの実行環境に置くことになります。そのため、まずKUROCOが自社で運営する店舗のPOSで実証し、CSVはディスクに書かず、取得範囲と保存先を固定して運用しています。クライアントのシステムに適用するかは、認証方式とデータの機微度を見て個別に判断します
美容サロン
AIマネジメントボード：会社の基準を設定にしてAIに持たせ、一人ひとりの数字と行動を支える
課題
スタイリスト一人ひとりが自分の数字を読み、目標と行動を決められるようにしたい。店長の面談負荷も下げたい
構成
POS 5社 → 毎朝ETL → BigQuery → スマホアプリ（PWA）
Gemini（ADKエージェント）が「毎日のAIコメント」と「AI相談チャット」。前回決めたことは長期記憶（Memory Bank）に保持
設計
数字は基盤のスナップショットからのみ（AIに計算も推測もさせない）。会社の方針・語彙・使わない言葉・基準値を設定ファイルで持ち、役割ごとに見せる範囲を変える。禁止語チェック、プロンプトの版管理。行動プランはAIが提案し、店長が承認
KUROCO社内
KUROCOボード：散らばった仕事の「今」を一画面に集め、止まっている案件をAIが拾い上げる
課題
予定はカレンダー、依頼はSlack、案件は業務管理表と、情報がツールごとに分かれ、「どの案件が動いていて、誰の返事待ちで止まっているか」を毎回探していた
構成
業務管理表・Googleカレンダー・Slack → 定期同期ジョブ（5〜15分おき） → Postgres（ダッシュボードの正本） → Next.js の画面（Home / Tasks / Projects / Calendar）
上の社内ボット（ADK）と設定・認証を共有。画面はGmail・Slack・シートに直接つながず、API経由のみ
AIの役割
Slackのやりとりを Gemini で分析し、自分宛てのメッセージの中から「返事待ち」「判断待ち」「作業待ち」のものを見分けて、一覧にします。同じ仕事について何度も届いた連絡は、1件にまとめます（定期実行は準備中）
設計のポイント
取り込みはジョブだけ（画面を開くたびに外部へ行かない）。ログインは社内ドメイン限定
社内データを渡す前に、ここを決めます
データの保存先と経路国内リージョン／クラウド事業者／オンプレのどこに置き、どこを通るかを先に決めます
学習に使われない契約API経由の利用で、入力データがモデルの学習に使われない条件を確認します
権限連動社員が見られる文書だけをAIも参照します。役割ごとに見せる範囲を変えます
個人情報のマスキングAIに渡す前に個人情報を伏せ字にします
プロンプトインジェクション対策外部文書に仕込まれた命令をAIが実行しないようにします。書き込み先は許可リストで限定します
ログ何を参照して何を答えたかを後から追えるようにします
内製化まで引き渡す
ゴールは、御社が自分たちでAIを育てられることです。業務が変われば、AIに任せる仕事も基準も変わります。
評価セットと設定ファイルを御社のものとして引き渡し、社員の方が自分でエージェントを見直し、改善し続けられるところまで支援します。
AI活用支援の進め方
小さく試して、数字で確かめてから広げます。
フェーズ1
診断
業務とデータを棚卸しし、投資対効果を試算します
出口 優先1〜2業務の決定
フェーズ2
パイロット導入（試験運用）
1業務でエージェントを構築し、評価セットで合否を判定します
出口 正答率、作業時間の before/after
フェーズ3
本番展開
権限・ログ・ガードレールを付けて運用に乗せます
出口 利用率、差し戻し率
フェーズ4
内製化
評価セットと設定を引き渡し、研修で社内に定着させます
出口 社員だけで改修できた件数
技術の選び方（エンジニアの方へ）
| モデル | Claude（Anthropic）と Gemini（Google）を主に使い、要件（精度・コスト・データ所在）で使い分けます。特定ベンダーに固定しません。開発自体も Claude Code などの AI 駆動開発で進めています |
|---|---|
| 接続 | MCP、各種API。既存システムに合わせます |
| 検索 | 意味検索＋全文検索のハイブリッド。回答に出典を付けます |
| データ基盤 | BigQuery を中心に、既存の分析基盤を活かします |
| 運用 | ログ、評価セット、回帰テスト。ステージングで確認してから本番へ |
| 実績のある構成 | Google Cloud（Cloud Run、BigQuery、Vertex AI、Agent Development Kit、RAG Engine、Computer Use）、Claude API／Claude Code。他クラウドは要件に応じて提案 |
データ活用支援の実績
データ分析を軸とした伴走型支援の実績です。
書籍出版実績多数！
動画講座受講生5万人以上
中小・中堅企業向けに売上・利益を上げるためのデータ活用支援を行うKUROCOが長年の経験で培ったデータ分析のノウハウを書籍やUdemyの動画にて提供しています。
よくある質問
どのAIモデルを使いますか？
主に Claude（Anthropic）と Gemini（Google）を使い、御社の要件（精度・コスト・データの所在）に合わせて使い分けます。特定のベンダーに固定しません。
社内データはAIの学習に使われますか？
API経由での利用を前提に、入力データが学習に使われない条件を契約面で確認したうえで構成します。
精度はどう保証しますか？
正解付きの評価セットを御社と一緒に作り、合否の基準を先に決めます。変更のたびに回帰テストで精度が落ちていないことを確かめます。
既存のChatGPTやCopilotの契約と併用できますか？
はい。全社向けの汎用ツールはそのまま使い、社内データにつながる業務特化のエージェントを追加する形が一般的です。
自分たちで改修できるようになりますか？
はい。評価セットと設定ファイルを御社のものとして引き渡し、改修の手順と研修まで含めて支援します。
1つの業務だけの相談はできますか？
はい。「まずは1業務で試したい」というご相談を歓迎しています。見積もりまで無料です。
ご利用までの流れ
STEP1
お問い合わせ
まずは気軽にお問い合わせフォームよりお問い合わせください。
STEP2
初回ヒアリング
AIの活用状況、社内データの状態、お悩みをお聞きします
STEP3
ご提案・お見積り
最初に取り組む業務の候補と、進め方をご提案します
STEP4
支援開始
試験導入から内製化まで支援します
お気軽にご相談ください
ご相談からお見積りまで無料でお受けしております。
まずはお気軽にご相談ください。
