目次プロジェクト概要工業用バルブのカスタマイズ品を手がける株式会社オーケーエム（以下 オーケーエム）。社内でのAI活用は広まっていませんでしたが、社内業務の効率化や顧客満足度および企業価値の向上のためにはAI導入も検討していました。24 INC.では、2025年5月からAIによる業務効率化を提案し、AIによる仕様書解析をご支援しました。オーケーエム様にとっては初めてとなるAI導入の全容を、プロジェクト責任者の山中 達博さん、仕様書解析業務を行う村木 亮介さんとともに振り返り、手応えや今後の抱負を伺いました。プロジェクトAI仕様書解析アシスタントの導入スケジュール■2025年8月に立ち上げ、 パイロット版が12月に完成後、2026年１月まで検証。試験導入の結果、業務効率化に効果があると判断し2026年4月から本格導入に動き出す予定■打ち合わせは2ヶ月に1回程度AI仕様書解析導入により、毎月約30時間、年間で約360時間の削減見込みプロジェクトメンバー株式会社オーケーエム7人（マーケティング部3人、生産管理部・設計課4人）、株式会社大伸社ディライト（営業窓口担当）、24 INC.（AI導入コンサルティング、設計・開発担当）座談会メンバー株式会社 オーケーエム山中 達博さん（マーケティング部マーケティング課課長 プロジェクト責任者）村木 亮介さん（技術部・設計課課長）株式会社 大伸社ディライト 入江優花（ビジネスコンサルティング部リーダー）24 INC.（株式会社トゥエンティーフォー）谷井誠（代表取締役）※以下、敬称略／部署、役職は取材当時のものです。%3Chr%20style%3D%22border%3A%200%3B%20border-top%3A%2020px%20solid%20%23efefef%3B%20margin%3A%2020px%200%3B%22%3E業務に携わるなかでAIの必要性を意識─まずは、本プロジェクトに至る背景を教えてください。山中［株式会社オーケーエム（以下、OKM）］ 当社は滋賀県に本社のある工業用バルブメーカーです。お客様は建築からプラント、発電、化学工場、船舶まで多様で、それぞれの流体制御など条件に合うカスタマイズ品の開発、設計から製造・出荷まで行っています。▲山中さま｜株式会社オーケーエム マーケティング部マーケティング課 課長入江［大伸社ディライト（以下、DDL）］ 大伸社ディライトはカタログ、チラシ、ウェブサイトなどの媒体制作支援をオーケーエムさまに行っています。ウェブサイトのコンサルティングや企画、AI導入などを専門とする24 INC.さんには、マーケティングに特化したウェブサイト（以下ソリューションサイト）の制作・運用で携わってもらいました。▲入江さま｜株式会社大伸社ディライト ビジネスコンサルティング部 リーダー山中［OKM］ AI導入を意識したのが、まさにソリューションサイトの制作途中です。記事制作の過程で言語化されていない弊社の業務や強みの書き起こしに苦心し、AIにサポートしてもらえないか、と考えるようになったんです。サイト完成後も、AIを活用すれば、いろいろできるのでは、と思っていました。ただ、AIについては詳しくなく、社内での利用を許可されているMicrosoft の Copilot （コパイロット）をせいぜい調べ物に使うぐらいでした。村木［OKM］ 私は、山中よりもAIがちょっと身近になっていました。きっかけは国際営業課に所属するインド出身のスタッフです。彼から質問が来ると、計算式を調べて、数字や単位の書き換え、条件の整理などを行うので、返答までに毎回1〜2時間かかっていたんですよ。ところが、彼に「それ、AIを使えばいいんだよ」と言われまして。彼がAIで答えを導くこともあり、「AIって思ったより使える」という感触はありました。2025年の年始の社長メッセージも「AI を活用できる人間になってください」で、「もしかしたら、仕事に役立つかも」は思っていました。▲村木さま｜株式会社オーケーエム 技術部・設計課 課長AI導入提案を受けたものの、最初は最適解がわからなかった─いつ、どのような形で、AI導入は具体的になったのですか？山中［OKM］ そんな状況下で、24 INC.さんから生成 AI 導入の提案をいただきました。2025年の5月でした。谷井［株式会社トゥエンティフォー（以下、24 INC.）］ AI導入を提案したのは、ソリューションサイトの構築支援のなかでコンテンツの参考にできる資料がなかなか見つけられないという場面がたびたびあり、文脈理解に強い生成AIを社内ナレッジ共有に活用できないか？と感じたからです。弊社では、ChatGPTが登場した2022年頃から勉強会を行っていました。ただ、当初は回答精度も正直低かったですし、ハルシネーション（幻想）などの問題もあり、様子見という状態でした。ただ、そこから推論能力に長けたモデルが出るなど、かなりのスピードで性能が上がってきたため、これはビジネスシーンで活用できると考えていました。オーケーエムさまの企業理念は『挑戦する姿勢』ですし、これはチャレンジするテーマにふさわしい、とこちらから提案しました。 でも、2025年の時点で、チャットではない形態でAIを業務に活用するケースはそれほど多くないという状況。BtoB製造業さまにとって、AIはまだまだ未知の領域でした。そこで、生成AIの仕組みや動向を把握してもらうために、「AIとはなんぞや」を解説する場を設けていただきました。LLM（大規模言語モデル）の仕組みや文脈理解など得意な処理から、製造業におけるAI活用の必要性やポテンシャル、業務に与えるインパクトが大きいことをご説明しました。▲谷井 誠｜24 INC. コンサルタント、代表取締役山中［OKM］ AIの現状解説や他社事例を聞いて、頭では理解しましたし、弊社も活用しなければ、生き残れないとは思いました。谷井［24 INC.］ 社内でのAI導入、活用方針も具体的に定まっていない状態でしたので、まずは業務を絞ろうというベクトルで一致したんですよね。「どこから行きます？」 みたいなニュアンスでスタートして、議論を重ねました。山中［OKM］ ソリューションサイト立ち上げ時にも度々実感していましたが、伴走していただいたのは心強かったです。疑問や相談を投げると、24 INC.さんは「できる」「できない」ではなく、「こういう考え方があります」と違った角度からのアドバイスをいただけるんですよ。安心感を覚えました。協議を積み重ね、AI導入の道筋を立てる─どんな手順でプロジェクトを進めたのでしょうか？山中［OKM］ 当初は、見積もり業務でAIが導入できれば大きな戦力になると考えていました。見積もりは営業部の業務ですが、弊社で扱っている製品はお客様の細かい要望に応じたカスタマイズ品が多いため、営業部だけでは完結しないケースがほとんどです。この場合、営業部にてお客様より入手した要求仕様をチェックし、設計課が最適なバルブの仕様選定を行います。そして、営業部が選定された仕様に基づき価格や納期を確認した上で、見積もりを準備するという段取りです。しかし、設計課でのレビューに時間を要することや、スキルの属人化が課題でした。それで、村木を含めた設計課のメンバーに「AIなら解決できるかも。どう思う？」と相談を持ちかけたことを覚えています。村木［OKM］ 「AIで何かできそうだよ」と山中から紹介を受けたな、ぐらいの始まりでしたね。渡りに船だ、よし、乗っかっちゃおう、みたいなマインドでした。山中［OKM］ 設計の業務効率化が実現したら、全社的にも循環が良くなると思ったんです。村木［OKM］ 我々設計課は、本来ならば営業に同行して、お客さまの悩みを聞いて課題を解決するのが仕事です。でも、その時間が確保できず、営業からの問い合わせに答えることに精一杯。最終的な答えは1つか2つに絞られるのに膨大な時間を費やしていたので、「その部分をAI にしてもらいたいね」と山中に話しました。谷井［24 INC.］開発側の観点からすると、山中さんと村木さんの話をお伺いしていくなかで、見積もりは最初にAIを導入するスコープとしては適していないかも、と思うようになりました。見積もり作成は部署がまたがる業務プロセスです。プロセスには複数の業務が存在し、業務ごとに固有のルールと暗黙知も多く含まれます。結果、プロジェクトのタスクが肥大化してしまう懸念があったので、仕様選定にAIを導入しましょう、とご提案しました。山中［OKM］ そうでした。谷井［24 INC.］開発の前段階の準備には、結構時間をかけましたが、その点はどのように受け止めていらっしゃいましたか？山中［OKM］ 生成AIの基礎的な部分から講義をいただいたのは、大変勉強になりました。谷井［24 INC.］皆さんの頭の中に「社内文書をAIに学習させることで、セキュリティは大丈夫なのか」「AIアシスタントは、実際にどういう処理を行うのか？」などの疑問や不安を残したままで、プロジェクトを進めるのはいかがなものかと思ったので、まずは、関係者さまに改めて、LLM（大規模言語モデル）やRAG（検索拡張生成）といった開発技術や手法をご説明しました。その上でこのテクノロジーを使って業務効率化するなら、仕様書解析するなら、と具体的に説明しました。山中［OKM］ オンラインではなく、工場の見学や対面での打ち合わせは24 inc.さんからのお申し出でしたね。谷井［24 INC.］暗黙的な業務が多いと感じていたため、どうしても意見が発散しにくいオンライン形式でのヒアリングではこぼれ落ちそうだ、と。製品はどういう手順でカスタマイズされるのか、工場でレクチャーを受けた方が理解が深まると思ったからです。村木［OKM］ 会って話していくと、私自身も気づくことが多々ありました。谷井［24 INC.］選定作業のロジックをある程度把握しながら、村木さんにもご相談して「バルブの一部分のリミットスイッチと呼ばれる部品をAIが選定できるかを今回のフェーズでやっていきましょう」と提案しました。山中［OKM］ リミットスイッチの選定ロジックをAIが習得すれば、他の部品も選定できるという話で、実際やってみると選定に成功。「これで道筋が立った！AIで何かできそうだ！」と手応えを感じました。仕様書解析のAI導入に決定─手応えを感じながらも、仕様選定ではなく、仕様書解析でのAI導入にしたのはなぜですか？村木［OKM］ カスタマイズ品の選定ってどこまで行っても１対１の作業なんですよ。お客さまの希望するシステムが記載されている仕様書を読んで、必要な部品を考えて、カタログやホームページを見て選定していくのですが、これが難儀で…。私はずっとバルブ業界で働いてきまして、屋根がある場所、涼しい場所、暑くて海風が当たって破損の激しい場所などさまざまな条件下で使用するバルブの事例を現場で見てきました。電力会社や化学プラント企業などお客さまも流体条件も多様でしたから、長年の経験で何を選定をすればいいのかがわかるんですね。ユーザー目線に立った選定提案に、より時間をかけるためにも、AIに代替可能な仕事は置き換えられればと考えていました。山中［OKM］ お客さまごとにフォーマットが異なる仕様書は数十ページにも及ぶのですが、その読み込みには時間がかかります。内容を読み解くためには知識や経験が必要で、人によってバラツキも。営業から設計へ連絡するための時間も、決して短くはありませんでした。村木［OKM］そんな話を24 INC.さんにしたら、選定の手前の仕様書の読み込みをAIにしてもらえば良いのでは、となったんですよね。谷井［24 INC.］業務には必ず前工程がありますし、前工程の業務が整っていない状態で後工程だけ改善するのは現実的ではありません。これは選定よりも先に仕様書の解析を優先すべきだな、と。最終のアウトプットである見積もりのために必要なインプット情報は何か？となると、設計の業務に行き着きますし、設計では何をインプットにしているのか？にたどり着く。結局、選定前の仕様書のインプットが一連のワークフローの中では重要だと判断しました。村木［OKM］仕様書解析をAIに、と聞いた時は、営業部・設計部ともに業務へのインパクトが大きいと思いました。仕様書解析の開発は、業務の分解からスタート─ようやく開発が始動したわけですが、実際にどんなことを行いましたか。山中［OKM］仕様書解析のAIのパイロット版開発に向けて本格的に走り出した頃、村木に言われたんですよね、「必要な情報の収集など大変だと思いますよ」と。村木［OKM］確かに、作業内容の書き出しは凄まじかった！まずは、仕様書を解析する際の私の頭の中の作業内容を全部聞いてもらいました。選定時に重視する条件の優先順位などの項目はExcelシートを用いて共有しましたが、そこについても細かいヒアリングがありました。選定に至るインプット情報とアウトプット情報をどうすればプログラム化できるか、AIが正しく回答できるか、24 INC.さんと一緒に考えていきました。でも、仕様選定のロジックをテキストデータで作ってくださいという宿題には、テキストデータを読み取ってくれるのか？という不安の方が大きかったです。 谷井［24 INC.］AIによる業務効率化にあたっては、現状業務の分解、分析が非常に重要です。AIは優秀ですが、企業固有の業務ルールや社内用語などは知らないので、その学習も必要です。人間はどうやって選定しているのか、ワークフローを分解していく作業を行うために、現在の業務内容を深掘りしておく必要があったんですよね。村木［OKM］開発を進めていくプロセスは、自分の考え方の整理にもなりましたね。選定ロジックを組む際は正しい答えに導けるのかを考えますが、選択肢や優先順位に自分のやり方の癖があるな、感情による作業のブレもあるな、と。そういうブレが少なくなることをAIに期待しています。期待以上の手応えを得たパイロット版「このAIなら信頼できる」─パイロット版を触ってみて、いかがでしたか。村木［OKM］感動しました。クリックひとつで仕様書を読み込んで、必要な条件などのインプット部分を抜き出してくれるんです。モニターの右側にはアウトプットの領域が設けられていて、答えが一目瞭然です。しかも、この中から答えを選びました、と出てくる。それが数秒間。一瞬です、本当に。▲AI仕様書解析アシスタント 画面イメージ（実際の画面とは異なります）山中［OKM］膨大な情報量を含む要求仕様書の中から、一瞬で必要な情報を抽出することができるのがすごいなと感心しました。村木［OKM］仕様書解析の命令の基礎を作ったのは私なのですが、私の考え通りのものが出てくる。本当に答えが一致したところが嬉しかったですね。作業が早い上に、後で見た時に結論の理由がわかることもありがたかったです。このAIなら信頼できる、というのがファーストインプレッション。もう少しベタに言えば、「新入社員が１発で答えを出してくれた！」といった感じでした。出てきた答えに対しての修正だけではなく、データの書き換えもしてくれるんですよね。新商品が出れば選定の優先順位も変わるので、答えが進化していくシステムという点にも魅力を感じました。谷井［24 INC.］今回、仕様書解析のAIを開発して実感したのは、仕様書の解析は人間による高度な業務だということ。一見すると間違いなく作られている印象の仕様書も、実は表記揺れがあります。例えば、チェックマークは企業や仕様書によって、さまざまな種類ありますが、人間は経験上、どれも同じ役割を持つものと理解して、特に意識せず確認します。一方、AIは最初からこれを理解しているわけではありません。人は特別意識せずとも理解や判断をしているケースが多いため、ここをAIがしっかり学ぶ必要があります。AIのメリットのひとつとして「使えば使うほど賢くなる」点が挙げられます。今回開発したAIアシスタントも人によるフィードバックを追加学習する仕組みを備えています。そのため、初期段階では表記揺れと思われる箇所もそのままの状態にしていました。抜き出した言葉の揺れなどは、フィードバックループで補正されていく仕組みを想定しています。村木［OKM］確かに、抜き出した言葉の揺れには対応しきれていない面もあって、チェックは必要だと思いました。けれども、これまでの仕様書解析作業の9割を任せられるのは非常にありがたい。谷井［24 INC.］高度な業務は、どうしてもイレギュラーなパターンや複雑なケースも多いため、どこかで人の介入が必要になります。AIにすべてを任せられる業務と、そうではない業務があります。このことを意識して、人とAIが協働するワークフローを設計しないと、現場で使えないAIアシスタントになってしまいますので、ここは人が知恵を絞るところですね。AI導入プロジェクトで得た三者三様の思い─それぞれの視点から、本プロジェクトの感想を聞かせてください。村木［OKM］「AI導入は思ったよりハードルが低い」が素直な気持ち。強度計算などの単純な計算や国によって異なる単位表記などに今まで苦労しましたが、AIに考えてもらえる。育てていけることも理解しました。さらに付加価値の高い仕事へのシフトも期待しています。山中［OKM］びっくりしたのは、会社の業務に合わせてカスタマイズしたAIを開発できること。実際に必要な選定プロセスをロジックとして書き出していけば、システムを組めるとわかったのも大きな収穫でした。谷井［24 INC.］AI導入を提案する立場としては、現場に入り込む必要性・重要性を改めて認識できました。AI導入と言うと、飛び道具的で目新しさやその技術に目が向かいがち。顧客への価値提供や業務効率化、行動化、総じて企業価値の向上のために、その技術を正しく使わなければ意味がない、という本質は、AIでも他のものでも変わらないというのが弊社の見解です。仕様書解析は製造業であれば一般的な業務ですが、かと言ってワークフローや業務内容まで一緒ではないので、そこを深く聞き込んで業務のあり方をデザインすることが重要だと再認識したプロジェクトでした。最終目標は、全社展開による顧客満足度の向上─今後、どのような取り組みにAIを活用したいですか。山中［OKM］まずは、パイロット版の業務活用レベルへの引き上げ。部品選定はもちろん、営業部での活用も考えています。営業部にはベテラン社員が多いのですが、経験から得た知識や情報を、若い世代へ引き継いでいくということも大きな課題となります。無形の資産の引き継ぎこそ、文脈ごと理解し、考えて答えを出すAIに頼れたら。村木［OKM］欲を言えば、ChatGPTのように誰もが問い合わせ可能なシステムがあればいいですね。例えば、「この部品の寸法は？」とお客さまに聞かれたら、図面を取って調べて答えるのが従来のやり方ですが、「ここはこれです」「メンテナンスが必要なパーツの優先度合いはこれです」などの提案をAIが請け負ってくれるような。山中［OKM］AIで対応可能なことはAIに完結してもらって、相談業務などに人が専念するのは理想形のひとつですね。 村木［OKM］もうちょっと人間らしいAIが登場すると、我々としては助かります。山中［OKM］マーケティング視点で考えると、各仕様書の情報をAIが読み込んで情報の共有知にしたいです。弊社は１年で約10万台のバルブを製造しており、10年だと約100万に達しますが、資料や選定の“結果”事実はあるものの、選定に至る“過程”についてはデータベース化されていない状況です。仕様書と選定されたバルブの組み合わせの紐付け、そこに至る根拠などの背景をAI で学習できれば、今後の需要予測を立てやすくなりますし、ソリューション提供にも活用できそうです。谷井［24 INC.］製造業の企業さまにおいては、暗黙的な業務が高頻度で行われていることが多いのですが、その暗黙的な業務に存在するノウハウ継承を根本的に解決できる方法は生成AIに代表される技術が登場するまで少なかったんですよね。従来型のシステムはデータをきちんと格納することに長けていますが、AIはデータ内の文脈も理解するので、設計や営業担当者さまの考えかたも含めて学びます。よりデータの資産価値が上がると考えています。山中［OKM］全社展開すれば、お客さまにとって役立つ提案にも繋がって、顧客満足度を上げられると考えています。弊社の強みも高められるはず。本プロジェクトを契機にいろいろな可能性に目を向けるべきだと考えるようになっています。AI仕様書解析は業務課題を解決するだけでなく、組織を前に進ませる─最後になりますが、AI仕様書解析はどんな業務や企業に向いていると思いますか。入江［DDL］部署間の連携不調や業務の属人化などの悩みは多くの企業が抱えていらっしゃいます。オーケーエムさまの場合、その悩みが特に多かった業務が仕様書解析だったのではないでしょうか。村木［OKM］まさにその通りです。仕様書解析は、さまざまな課題が集積している業務でした。しかし、それもAI導入で解決が見込めそうです。AIの仕様書解析は複数の資料を見ながら考え込むような業態に適していると思います。山中［OKM］弊社にとって、仕様選定は日常にある業務で解決の糸口が見つからないままでした。AIによる仕様書解析のおかげで、日常的な課題の解決になるし、組織も前に進むのではないか？という手応えを感じています。村木［OKM］長いプロセスに関わる業務ではなく、仕様書解析はピンポイントの業務だから導入しやすいともいえます。スモールスタートできる業務にも合っているでしょうね。山中［OKM］弊社のように多種多様なものを製造するニッチなメーカーにマッチすることも声を大にして言いたいですね。─本日はありがとうございました。編集／撮影：24 INC.取材／ライティング：宮前 晶子