IBM watsonx Orchestrateを用いたAI活用支援サービス

AI活用に取り組みたいものの、レガシーシステムとの制約や具体的な活用イメージが描けず、PoCで止まってしまう企業は少なくありません。

本サービスは、IBM watsonx Orchestrateを中核に、既存の業務とAIをつなぎ、実業務として使われ、部門を超えて広がっていくAI活用の実現を支援します。

進め方から支援することで、業務に定着し、広げていけるAI活用を実現します。

　
• レガシーシステムによりデータ連携・API化ができず、AIを業務に組み込めない
　
• データが散在・品質不十分で、AI以前に分析基盤が整っていない
　
• IT投資が守り中心で、AIや基盤刷新が後回しになりやすい
　
• 情シス・現場に余力や人材が不足し、PoC止まりになりがち
　
• 業務の属人化・標準化不足で、AI化＝業務改革になり抵抗が大きい

AI活用を「価値体験→業務拡張→基盤化」の3フェーズで段階的に推進します。

各段階で“業務として使えるか”“横展開できるか”“全社運用に耐えるか”を見極め、次へ進むかを判断しながら進行します。小さく試して効果を確認し、再現性が見えたものだけを拡張。フェーズごとに成果と課題を整理し、次に必要な連携・運用・統制を明確にします。

試して終わるPoCを避け、現場に定着し部門を超えて広がるAI活用へつなげます。

自然言語の指示を起点に、AIエージェントがデータ取得・判定・生成・登録／更新・通知までを一貫実行します。

API連携では複数システムを横断して処理を組み合わせられ、画面操作中心の方式より安定性・保守性に優れます。権限管理や監査ログとも整合しやすく、業務フローとして再現性の高い自動化を実現。申請・登録などの定型処理を安定したフローで回せ、対応漏れも抑えます。

その結果、部分最適で終わらない“任せられる業務自動化”に広げられます。

APIを持たないレガシー環境でも、AIエージェントを既存業務に組み込めるよう支援します。

RPA・IBM webMethods Integration・MCPなど複数の連携方式を組み合わせ、既存システムの改修を最小限に抑えながら、照会・入力・更新といった実務をAIから実行可能にします。

システム刷新を待たずに、現場の業務からAI活用を前に進められます。

本サービスでは、APIの有無を問わず既存の業務システムとAIをつなぎ、AIエージェントが実業務を支援・代行できる環境を構築します。

レガシーシステムにはRPAやAPI化などの連携方式を組み合わせ、APIを備えたシステムやSaaSとはOpenAPIに基づくコネクションで連携。業務の取得・判定・登録・通知までを一連のプロセスとして実行できる形に整えます。

APIを持たないレガシーシステムが残る環境でも、既存業務を止めることなくAIエージェントを業務に組み込めるよう支援します。

IBM watsonx Orchestrateを中核に、RPA、IBM webMethods Integration、MCP（Model Context Protocol）といった複数の連携方式を組み合わせることで、既存システムを大きく改修することなく、情報取得や業務処理をAIから実行できる構成を実現します。

ユーザーはチャット上から自然言語で指示するだけで、AIエージェントがバックエンドで最適な連携方式を選択し、レガシーシステムに対する照会・入力・更新などの業務を自動的に実行します。

APIを備えた業務システムやSaaSに対しては、AIエージェントが業務全体を一貫して処理できるよう、APIを介した直接連携を行います。

IBM watsonx Orchestrateから、OpenAPI仕様に基づいて定義したコネクションを利用することで、情報の取得・判定・登録・更新といった処理を、安定かつ高い再現性で自動化します。ユーザーはチャット上から自然言語で指示するだけで、AIエージェントが複数システムを横断して処理を実行します。

画面操作を前提とする方式と比べ、処理の安定性や保守性に優れ、権限管理や監査ログとの整合性を保った形で、業務へのAI活用を進めることができます。

本サービスにおけるAI活用の導入イメージです。

効果や再現性を各フェーズで確認しながら、次の段階へ進むかを判断することで、PoC止まりを防ぎ、業務に定着するAI活用を実現します。

まずは最小スコープで、「業務にAIを組み込むと何が変わるのか」を体験します。特定のタスクに絞り、FAQ対応や文書要約など、日常業務の一部をAIで自動化します。

このフェーズでは、「AIが実業務で使えるレベルに達するか」「単なる実験ではなく、業務として価値が出るか」を見極めます。その結果を踏まえ、「業務として継続・展開できるか」という観点で、次のフェーズへ進むかを判断します。

フェーズ1で有効性が確認できたAI活用を、複数業務へ広げていきます。業務システムやデータとの連携範囲を拡張し、AIエージェントがより実践的に業務を支援・代行できる状態を目指します。

このフェーズでは、「他部門・他業務にも再現できるか」「業務フローとして横展開可能か」といった観点で、部門展開すべきかどうかを判断します。

特定部門での成功を前提に、全社利用を見据えたAI基盤を整備します。AIの利用ルール、権限管理、監査・運用設計を含め、統制の取れた形でAIを業務に組み込みます。

このフェーズでは、「全社で安全かつ継続的に使えるか」「投資として見合うか」を判断し、全社展開や基盤投資へと進めます。

課題
人事評価に関連する自己学習時間の入力や集計を社員が手作業で行っており、入力負荷や計算ミスのリスクがあった。

取り組み
IBM watsonx Orchestrateを活用し、チャット上から人事データ管理・分析システムにデータ登録ができるAIエージェントを構築した。 チャット画面上に入力フォームを表示し、社員が必要事項を入力するだけで、自己学習時間の登録および合計時間の更新を自動で実行する仕組みとなっている。

効果
登録作業のプロセスが簡素化したため、社員の作業負担が軽減された。 手計算がなくなり、入力内容の正確性が向上した。 年間の作業時間が840時間から740時間に削減され、12％を超える効率化を実現した。

課題
人事関連の規定やルールは社内で公開されているものの、社員が必要な情報をすぐに見つけられない状況であった。 そのため、規定に記載されている内容についても人事部門への問い合わせが多く発生していた。

取り組み
IBM watsonx Orchestrateを活用し、Microsoft SharePointに格納された人事規定や関連資料を横断的に検索できるチャットボットを構築した。 社員が自然言語で質問すると、質問内容に関連する規定ファイルを検索し、該当箇所の情報を提示する仕組みとなっている。

効果
社員が必要な人事規定を自ら確認できるようになり、人事部門への問い合わせは規定外事項を中心とした内容に集約された。 社内情報へのアクセス性が向上し、人事部門の対応負荷が軽減された。

課題
残業管理や36協定申請に必要な社員ごとの月次稼働時間について、事前に見通す仕組みがなく、実績を確認しながら都度対応する運用となっていた。 そのため、計画的な労務管理や早期の対応が難しい状況だった。

取り組み
IBM watsonx.aiにより、勤怠実績データ、勤怠予定データ、祝日情報、36協定などの規定情報をもとに、社員ごとの月次稼働時間を予測するモデルを構築した。 このモデルを組み込んだAIエージェントをIBM watsonx Orchestrateで実装し、自動的に社員ごとの稼働時間を予測できる仕組みとした。

効果
稼働時間の見通しを定量的に把握できるようになり、36協定申請や月末処理に向けた準備を計画的に行えるようになった。

このページの製品に関するご相談はこちら

本ページの製品・サービスに関するご相談からお見積もり依頼まで承っております。
まずはこちらからお気軽にご相談ください

まずは相談する

本ページの製品・サービスの
ご紹介資料のダウンロードは
こちら

資料をダウンロード