私たちの取り組みは抽象的な「AI活用」ではなく、以下のような実際に使われる形に落とし込むことです。

 

市役所・水道業務の住所照合：LINE申請の住所とマスタデータの照合。表記ゆれで単純一致率は約1%でしたが、ベクトル検索＋LLMの組み合わせで約80%まで引き上げました。

段ボール工場のAI-OCR受注登録：大口顧客からの注文書を読み取り受注システムへ登録する工程を、1時間から10分程度に短縮しました。

予実管理システムとそのMCPサーバー：案件・工数・売上を管理するシステムを開発し、Claudeから直接、自然言語で操作ができます。

Slackで働くAIエージェント：議事録作成、タスク棚卸し、公式サイトのアクセス解析、改善案の提示などをスキル化し、人間と同じチャンネルで動いています。

 

これらはそれぞれ個別の課題に対して作られたものです。あなたに任せたいのは、このコード・Difyワークフロー・プロンプトを読み解き、「どこが個別解で、どこが汎用化できるか」を切り分け、他でも使える「型」と共通基盤に育てる仕事です。

 

例えば、段ボール工場のA社で動いているAI-OCRは、大口顧客の注文書に合わせた読み取りと後処理が組み込まれています。この「顧客ごとの帳票のクセを吸収する部分」を切り出して差し替え可能にすれば、FAXで注文を受けている金属加工のB社にも、そのまま提案できるはずです。市役所の水道業務で動いている住所照合も、中身はベクトル検索とLLMによる「表記ゆれのある文字列同士のマッチング」です。住所に限った仕組みではないので、品番の名寄せ、顧客名の突合、過去案件との類似検索など、「似たような文字列で判断が難しい」業務なら、別の会社にも持ち込めます。「A社のこの機能をこう変えたら、B社に提案できるのではないか」。この仮説を立て、小さく作って、実案件で試して、壊して、直す。このサイクルを一緒に回します。

 

社内ではClaude・Claude Code・Dify・各種MCPを毎日使い倒しています。お客様に勧める前に、まず自分たちの業務で動かして痛い目を見る。それが方針です。

「AIを使える」の一歩先、「AIで誰かの役に立てる」を経験したい方をお待ちしています。

 

もちろん、山梨県の現場を見てみたいときは、訪問の機会も歓迎します。

・本番稼働しているAIシステムやワークフローを読み解き、再利用可能なモジュール・ドキュメント・スキルに落とす力。

・個別の課題を抽象化して共通基盤として設計する考え方。自分の成果物をAIに批評させ、直し、それを繰り返す仕事の進め方。

・経営者や担当社員との打ち合わせ同席を通じた、課題ヒアリングと提案の現場感覚。

・他人が書いたコードやDifyワークフロー、プロンプトを追うのが苦にならない方。

・Laravel・React、ベクトル検索・RAG、MCPサーバー実装、GCP／AWSのいずれかに触れたことがあれば、なお歓迎します。

・プログラミング以外の業務経験は不要です。

①自分で作ったものが動いている場所（GitHub、デプロイ先、動画など何でも）

②「AIで業務を変えた／変えようとした」経験の説明（300字程度、失敗談でも可）。