製造・小売のデータ構造化やAI実装を学ぶオンラインイベント開催

発表内容のポイント

• 製造・小売向けに、AIが認識できる商品データ構造化のプロセスを解説するセッションを実施
• 菓子卸大手の山星屋による、営業支援AIエージェントの実証実験と現場評価の事例を紹介
• 契約書管理において、LLMとAI-OCRを組み合わせ抽出精度95.4%を実現した事例を公開

発表の背景

多くの企業がAIエージェントなどの先端技術を導入する一方で、「社内データがバラバラでAIがうまく動かない」というインプットデータの質に関する課題に直面しています。特に製造や小売の現場では、仕様書PDF、商品画像、競合情報といった非構造化データが埋もれており、これらをAIが認識できる形に構造化してデータ基盤を整えることの重要性が高まっています。

何が発表されたのか

追加されたセッションでは、Lazuli株式会社が製造・小売の現場で売上拡大や工数削減に貢献している事例をもとに、非構造化データを構造化する具体的なプロセスを解説します。また、株式会社山星屋の事例では、営業担当300名とAIが伴走する体制を目指した実証実験において、対話型検索や資料抜粋機能の実装結果、若手への技術・知識の継承といった成果が語られます。さらに、安全な運用のための社内ガバナンスやシステム設計についても取り上げられます。

製造業・生産管理への見方

製造業の生産管理やDX推進において、設計書、仕様書、部品データなどの非構造化データの整理は、業務効率化の大きな障壁となっています。本イベントで紹介される「AI-Readyな商品データ構造化」や「対話型検索による資料抜粋」の知見は、工場内の膨大な技術文書やマニュアルのデータ化、熟練技術者の「知の継承」に応用できる可能性を持っています。実証実験のリアルな検証プロセスや運用上の懸念点を知ることで、自社でのAI実装計画に役立てられます。

現場で確認したいポイント

• 自社に埋もれている仕様書PDFや画像などの非構造化データが、AIで活用できる状態か
• AIエージェントを導入するにあたり、プロンプト制御や権限分離などのガバナンス体制はあるか
• 現場の若手への技術継承や情報検索の効率化において、対話型AIが有効に機能する余地があるか

確認しておきたい点

本イベントで紹介される抽出精度95.4%などの数値や実証実験の成果は、特定のシステム連携（WAN-SignとAirlake platformなど）や導入企業における実績であり、すべての製造・生産現場で同様の効果が保証されるものではありません。

関連リンク

• イベント詳細・登録ページ：Data Cross Conference 2026の特設サイト
• 株式会社DATAFLUCT コーポレートサイト：主催企業の公式サイト
• 発表企業のPR TIMESページ

出典情報