一社ごとの要件に、
解決への道筋を探究する。

欠陥種類ごとの画像数に偏りがあり、同じ種類でも見え方が大きく異なるSEM画像を対象に、既知欠陥の分類と未知異常の検出に取り組みました。少量データで安定した判定を行うことが技術課題でした。

単一の分類モデルにすべてを任せず、正常状態との差から異常領域を抽出し、領域の形状・大きさを分析したうえで、欠陥の性質に応じて分類する段階処理を実装しました。

既知の種類へ無理に割り当てず、分類に十分に当てはまらない異常は確認対象として提示しました。この案件の評価データでは分類精度96%を確認しています。

番組名や固定タグだけでは表せない映像の内容を、検索できる情報へ変換する案件です。映像・音声・字幕の意味を合わせて捉え、必要な場面まで検索できる処理を構築しました。

固定時間の分割で会話や出来事が切れないよう、話題・シーンの変化に沿って分割し、内容説明、キーワード、要約、代表画像を生成しました。人物・出来事・場所などの関係も検索に使える形で保持しました。

自然言語の問い合わせを番組全体ではなく該当シーンへ対応付ける構成にしました。古い映像へのメタデータ生成と多言語への展開も扱い、複数の情報を統合した検索基盤を実装しました。

中古車部品は、状態、需給、競合価格、在庫期間に加え、販売先の手数料でも適切な価格が変わります。価格モデル単体ではなく、商品と市場、販売実績を継続的に扱う構成が必要でした。

商品・市場データから価格を提案し、複数ECへの出品と在庫同期まで連携させました。販売先ごとの手数料を計算へ反映し、販売状況や滞留期間を次の価格判断へ戻す処理を実装しました。

市場監視、在庫評価、再価格設定を一つの循環として構築しました。単発の価格予測で終わらせず、市場と販売の変化を取り込むことが、この案件の設計上のポイントです。

通話には、症状、原因候補、確認操作、例外対応などが離れた位置に現れます。脱線や言い直しも混在するため、文字起こしや短い要約だけでは再利用できる知識にならないことが課題でした。

文字起こし、会話整理、重要情報抽出を段階的に実装し、問題・条件・原因・解決策を再利用できる単位に分解しました。顧客ごとの表現を業務上の用語へ対応付け、知識同士の関係も保持しました。

通話単位の保存にとどめず、適用条件と解決策を参照できる構造へ整理しました。新しい通話から得た候補は既存知識との重複や関係を確認し、継続的な更新に使う構成にしました。

短文・口語・略語が多いSNS投稿から、番組や出演者への評価と、放送中に変化する話題を捉える案件です。固定キーワードによる集計だけでは、想定外の話題を追えないことが課題でした。

投稿の継続収集と時系列の保持に、日本語の感情分析、増加する話題の抽出、自動要約を組み合わせて実装しました。投稿件数だけでなく、何が話題になり、どう評価されているかを示しました。

大量の投稿をそのまま渡さず、代表的な反応と主要トピックを短くまとめ、制作・編成・営業の既存業務へ連携させました。変化の検出から確認できる出力までを一体で構築した案件です。

異なる形式の脅威情報を集め、一般的な深刻度だけでなく自社環境との関連性から絞り込む案件です。自社構成などの機密情報を保護しながら分析することも設計条件でした。

複数ソースの情報を整理し、自社環境との照合と優先度評価を実装しました。情報の機密性に応じて、外部の生成AIと自社環境内のプライベートLLMへ処理を振り分けました。

重要な情報を要約してSlackやTeamsへ通知し、詳しい内容は対話で確認できるようにしました。収集・分析だけで終わらず、処理経路の制御と既存ツールへの出力まで構築しました。