三菱ケミカルが M365・AWS・ServiceNow を Google Cloud でつなぎ、ヘルプデスクを自律化

三菱ケミカルが M365・AWS・ServiceNow を Google Cloud でつなぎ、ヘルプデスクを自律化

公開:
CodeCampが提供するDX人材育成が可能なプログラミングやITが学べる公開講座

データが M365・AWS・ServiceNow に分かれていても、無理に一つにまとめる必要はない。Google Cloud で「つなぐ」ことで、ヘルプデスクの問い合わせ対応を自律化できる。

Google Cloud の「Data & AI Summit '26 Fall」で、三菱ケミカルの小松由幸氏、小座間瑛記氏、中田大介氏が登壇し、社内 IT ヘルプデスクに AI エージェントを組み込んだ事例を紹介した。ServiceNow の対応ログから FAQ を毎晩つくって磨き上げる仕組み、AWS にある通話音声を全件 Gemini で評価する仕組み、そしてその先に見据える製造現場の暗黙知と、データ組織の分け方まで、具体的な設計が語られた。

この記事の要点

  1. 三菱ケミカルは、M365・AWS・ServiceNow に分かれたヘルプデスクのデータを統一せず、Google Cloud でつないだ。2026年5月に稼働した仕組みで、月2,500件で頭打ちだった問い合わせはさらに500件減り、チャットボットの回答精度は60%から80%に上がったという
  2. ServiceNow の対応ログから Gemini で「速報 FAQ」を毎晩つくり、引用されたものだけを人が確かめて残す。通話音声は2分ごとに区切って Gemini で評価し、無音の長さなどは Python の波形分析で数値にして、全件を評価できるようにした
  3. 本丸は製造現場の暗黙知だ。アプリや BI レポートは AI が作れる「ビュー」になったとして、データの整備に投資する方針を掲げ、データエンジニアリングの組織を KE(ナレッジ)と AE(アナリティクス)の2つに分けた
目次
  1. 統一せず「つなぐ」という原則
  2. 頭打ちだった問い合わせが、さらに500件減った
  3. 対応ログから FAQ を毎晩つくり、人はチェックに回る
  4. 通話音声を全件、Gemini に聞かせる
  5. 本丸は製造現場の暗黙知
  6. 「ビュー」ではなくデータに投資する
  7. 開催概要

Google Cloud は2026年11月18日、データと AI をテーマにしたイベント「Data & AI Summit '26 Fall」を Google 渋谷オフィスとオンラインで開いた。Track 1 のセッション「Google でマルチクラウドのデータを繋ぐ - M365・AWS・ServiceNow を横断する『自律型ヘルプデスク with AI Agent』構築の全貌 -」には、三菱ケミカル株式会社の3人が登壇した。IT ユーザーサポート部門の小松由幸氏が概要と成果を、エンジニアの小座間瑛記氏が2つの実例を、知能創生グループのグループマネージャーの中田大介氏が今後の展望を話す三部構成だった。

演台で話す三菱ケミカルの小座間瑛記氏。左にナレッジのライフサイクルのスライドの一部が映る

三菱ケミカル株式会社 知能創生グループ エンジニアの小座間瑛記氏

統一せず「つなぐ」という原則

最初に登壇した小松氏は、会社の紹介から始めた。三菱ケミカルグループは総合化学の製造業で、小松氏によると、売上収益は約3.7兆円、従業員数は約5万7千人、国内外の約490社で事業を展開している。今回は、その事業会社の一つである三菱ケミカル株式会社の事例だ。

小松氏は、多くの企業が抱える「あるある」を挙げた。AI エージェントで業務を一気通貫に自律化したいと考えて進めると、うまくいかない。過去に頑張ってきたからこそ資産やデータがあり、それが M365・AWS・ServiceNow とプラットフォームごとに分かれて点在しているからだ。三菱ケミカルもまさにこのパターンだったという。

そこで3人は、3つの原理原則を決めて取り組みを始めた。

① やってみる

データがあって分かりやすい、社内の IT ユーザーサポートから始める。本丸は製造業の現場。

② とにかくデータ

AI はこれからも急速に進化する。だからメタデータを含むデータの整備に全力を注ぎ、できれば整備そのものも自律化する。

③ 繋ぐ

何でも統一したくなるが、無理に統一は狙わない。発想を柔軟にする。

※小松氏の発言をもとに編集部が整理

小松氏は、活動を終えてみて「Google Cloud で仮想統合をするというのは、現時点、弊社のケースでの最適解だった」と振り返った。

全体の構成はこうだ。従業員は困りごとがあると、チャットボット「An-chan」を使うか、有人のヘルプデスクに問い合わせる。ヘルプデスクの対応履歴は ServiceNow に、電話は AWS で受けているので通話音声は AWS にたまる。これまではそれぞれの中で AI を活用できないかと考える程度で終わっていた。今回はこれらを Google Cloud につなぎ、処理は Google Cloud 側で行い、人はチェックと判断に回る。得られたインサイトは ServiceNow や M365 に返していく。なお、小松氏のパートは撮影していないため、画像は掲載していない。

頭打ちだった問い合わせが、さらに500件減った

対象は、国内の従業員約2万5千人が使う IT ヘルプデスクだ。小松氏によると、問い合わせ件数は2022年に月5,000件ほどあった。まず AI を使わないチャットボットを導入し、2年ほどかけて月2,500件ほどまで、約5割減らした。

ただ、問い合わせが減った分、ボットの管理やナレッジの作成・維持の手間が大きく増えた。手を抜けばすぐに内容が古くなり、新しい IT サービスにも追いつけず、ユーザーが使ってくれなくなる。運用は楽にならなかったという。

そこで2026年2月に企画し、5月に稼働させたのが、Google Cloud でつなぐ自律型の AI ヘルプデスクだ。小松氏は4つの成果を挙げた。

問い合わせ件数

月2,500件で頭打ちだった問い合わせを、さらに500件減らした。

回答精度

チャットボットの回答精度が60%から80%に上がった。

メンテナンスコスト

ボット、FAQ ともに8割減。人がナレッジを書き、ボットを育てる作業のほとんどが不要になった。

通話の品質監査

人が約5%を抜き出して聞くサンプリングから、AI による全件の監査に変わった。

※小松氏の発言をもとに編集部が整理

どう実現したのか。小松氏は話を2つのトピックに絞り、エンジニアの小座間氏にバトンを渡した。

対応ログから FAQ を毎晩つくり、人はチェックに回る

小座間氏の1つ目の実例は、チャットボット An-chan をどう育ててきたかだ。An-chan は当初、各サービスの担当者が ServiceNow に書き込む FAQ(以下、公式 FAQ)をもとに RAG で答える、シンプルなチャットボットだった。公式 FAQ を検索してたどり着くよりははるかに良くなったが、回答精度は高めたい、しかしそこまで時間はかけられない、という相反する課題があった。

小座間氏は「まずはデータ」と考え、問い合わせのデータからナレッジを作ることにした。ServiceNow には、オペレーターが問い合わせを受けたときに何が起きていて、何をしたら解決したかを自由記述で残したログがたまっている。これを BigQuery に連携し、Gemini の AI 関数で Q と A の形のデータを作る。前日にクローズした問い合わせを処理するので、新しいナレッジが毎晩自動でできる。これを「速報 FAQ」としてチャットボットのデータソースに加えると、公式 FAQ の古くなった部分や細かい部分を補え、回答精度は上がった。

しかし、課題も残った。速報 FAQ は新しいが内容が粗い。そのままでは速報 FAQ が増え続ける。そして、そもそも良くしたかった公式 FAQ は良くならない。

「速報FAQとしてデータソースに追加してみた」と題したスライド。ServiceNow のヘルプログデータから BigQuery 上に速報FAQを生成する構成と、残った3つの課題

速報 FAQ を追加しただけでは、「粗い」「増え続ける」「公式 FAQ と分かれている」という課題が残った

そこで、速報 FAQ と公式 FAQ の間に「検証 FAQ」を設けた。チャットボットがどのデータを使って回答したかという利用状況を BigQuery に戻して分析すると、引用される速報 FAQ と、まったく使われない速報 FAQ があることがわかった。速報 FAQ は一定期間で消し、引用実績のないものはそのまま削除する。引用実績のあるものは、消す際に Gemini が書き直して検証 FAQ のドラフトにし、チャットボットの担当者がチェックして公開する。

検証 FAQ も同じように利用状況を分析し、よく引用されるものをもとに、Gemini が各サービスの担当者向けに改善提案を作る。公式 FAQ のこの部分が古いので直してはどうか、といった提案だ。担当者は良いと思えば採用し、公式 FAQ を直す。

「人が間に入り、ナレッジを磨き上げる」と題したスライド。速報FAQ、検証FAQ、公式FAQの3層と、利用状況のフィードバック、Gemini によるドラフト生成と改善提案、引用実績のない速報FAQの揮発(削除)

引用実績のない速報 FAQ は「揮発(削除)」し、引用されたものだけが人のチェックを経て上の層へ進む

問い合わせのデータから、各サービスの担当者が管理する公式 FAQ まで、ナレッジのライフサイクルを BigQuery と Gemini で回せるようになった。チャットボットは3つのデータを参照して回答精度が上がり、人の仕事は主にチェックだけ、直すとしても少し直すだけになった。小座間氏は、回答精度の向上とメンテナンスコストの削減を両立できたと説明した。

Point

AI が書いた FAQ をそのまま増やすのではなく、実際に引用されたかどうかで選び、人がチェックした段階で上の層に上げていく。スライドの言葉では「書くのは AI、確かめるのは人」だ。

通話音声を全件、Gemini に聞かせる

2つ目の実例は、電話の問い合わせの分析だ。これまでは、ヘルプデスクへの通話のうち約5%を抜き出し、管理者が1件ずつ再生して耳で確かめていた。残りの95%は聞けていなかった。

通話のデータは AWS にある。小座間氏のチームは Google Cloud の Storage Transfer Service[1] でデータを Google Cloud に移し、「とりあえずやってみる」精神で、BigQuery 上の AI 関数に通話音声と文字起こしを入れた。通話の概要、ユーザーの満足度、オペレーターの対応に課題がないかを、全件で調べる試みだ。結果はおおむね良好だったが、そのまま使うには気になる点が3つ見えてきた。

「人では5%が限界。Geminiに聞かせてみた」と題したスライド。これまでは全通話の5%を抜き出して人が聞いていたこと、通話音声と文字起こしを AI 関数に入れた結果

人が聞けるのは全通話の5%が限界だった

見えた課題 解消方法
① 長い音声が途中で切れる(1時間近い通話もあり、最後まで処理できない) 2分ごとに分割し、30秒ずつ重ねる。境目の会話も落とさない
② 全体だと評価が甘くなる(1通話まるごとだと、途中の不満が埋もれる) チャンクごとに Gemini で評価する。短く区切るので途中の不満も拾える
③ 音量・無音の程度が数値で出ない(「沈黙が長い」とは言えても、どのくらいかは出ない) Python で波形を分析し、無音時間・音量差・発話の重なりを数字で出す

※スライド「見えた3つの課題を、1つずつ潰した」をもとに編集部が整理

②について小座間氏は、問い合わせの通話は最後に解決してユーザーがお礼を言って切ることが多く、全体を評価させると「対応はばっちり」と判定して、途中で何があったかを濁してしまうことがあったと説明した。③は、今の LLM ではできないだろうと判断し、プログラムで処理することにした。Cloud Run に Python のプログラムをデプロイし、BigQuery のリモート関数[2]として呼び出している。スライドの言葉では「モデルは変えず、データの渡し方を変えた」。

こうしてできたパイプラインでは、通話音声をチャンクに分け、Gemini による音声分析(ネガティブかポジティブか、その理由、要約)と、Python による波形分析(無音時間、音量差、同時発話の重なり)を通す。文字起こしもチャンクに分けて試したが結果があまり変わらなかったため、こちらは一度にまとめて Gemini で分析し、タイトル、要約、原因、緊急性を取り出す。これらを通話ごとに集約し、音声とテキストを組み合わせて、問い合わせ1件ずつの UX を定量的に評価するデータにした。

「チャンクの結果を統合し、通話1件ずつすべて評価」と題したスライド。音声分析(Gemini)、波形分析(Python)、テキスト分析の結果を通話ごとの評価に統合する流れ

音声とテキストを組み合わせ、通話1件ずつの UX を定量評価する

データがここまで整えば、分析は AI エージェントに頼める。小座間氏のチームは、このデータを MCP でコーディングエージェントにつなぎ、「先週のまとめをお願いします」と頼むだけで週次のレポートを作っている。件数や AI による品質判定、1次解決率の推移がわかり、気になる通話があれば「これについて詳しく教えて」と頼んで、1件を深掘りできる。チャンクごとの分析結果があるので、1つ目の提案では解決せず、2つ目でも解決せず、3つ目でようやく解決した、といった流れまで評価できるようになったという。

「AIエージェントが作るUX評価カルテ」と題したスライド。ヘルプデスク通話の週次レポートと、通話ごとの5軸評価・時系列要約・改善フィードバック

週次で全体をつかみ、通話ごとに5軸の評価と改善点まで出す「UX 評価カルテ」

問い合わせを「減らしにいく」

小座間氏のチームは、分析の先にも取り組んでいる。AI エージェントに、先週多かった問い合わせがそもそも起きないようにするポスターやチラシを作らせ、M365 の SharePoint に置かせる。これを毎週続け、担当者がチェックして社内ポータルに掲示したり関係者に配ったりしている。実際に来た問い合わせから作るので内容がリアルで、読んでもらえると小座間氏は話した。問い合わせを受けるだけでなく、そもそもなくしていくことを目指すという。

「IT教育コンテンツの自動展開」と題したスライド。「社内サイトに急に繋がらない? まず『再起動』を試してください」という AI 作成のコンテンツ例

AI エージェントが毎週、実際の問い合わせの傾向をもとに IT 教育コンテンツを作る

本丸は製造現場の暗黙知

最後に登壇した中田氏は、ここまでの事例を俯瞰した。社内 IT ヘルプデスクの担当者の知恵は、通話音声や対応ログとして、すでにデジタルの中に眠っていた。それを AI が使える形に変えてみた、というのが今回の話だ。

演台で話す三菱ケミカルの中田大介氏

三菱ケミカル株式会社 知能創生グループ グループマネージャーの中田大介氏

しかし、三菱ケミカルにとっての本丸は製造現場の暗黙知だと中田氏は言う。熟練者の、マニュアルにも書けないような判断、運転の勘どころ、図面や日誌に散らばった知を、どうやって AI で使えるようにするか。三菱ケミカルは、経済産業省と NEDO の GENIAC に参加し、製造データの AI-Ready 化に挑戦している。中田氏は、人が減っていく製造業の中で「去っていく知を、AI という資産に変える」ことを、急がなければならない課題として挙げた。

「本丸は現場の暗黙知。まず手元のデジタルで実践した」と題したスライド。本日紹介した手元のデジタル業務と、本丸である製造現場の暗黙知

ヘルプデスクで試した型を、製造現場の暗黙知に広げていく

「ビュー」ではなくデータに投資する

では、どこに投資すべきか。中田氏は、いま AI で起きていることを整理した。アプリはバイブコーディングですぐに作れる。BI レポートは、Looker を入れれば問いに応じて AI がその場で作る。スライドも AI でかなり作れるようになった。資料にはないがと前置きして、AI エージェントさえ AI が作る時代になったとも述べた。中田氏は、こうした画面や成果物を、AI が作れる「ビュー」と呼んだ。

そのため三菱ケミカルは、ビューの下にあるデータの整備に力を入れる方針をとる。中田氏は「AI のプロジェクトをやっているつもりなのに、悩んでいるのはデータをどうするか、ナレッジの改善ループをどう作るかだ」と、多くの企業に共通する実感を語った。

「アプリも、BIレポートも、スライドも『ビュー』になった」と題したスライド。AI が作れるビューの下にあるデータの整備に投資する方針

方針は「AI が作れるビューではなく、データの整備に投資する」

その実践として、データエンジニアリングの組織を2つの領域に分けた。境目はデータの出自で、非構造化データは KE、構造化データは AE が担う。

KE(Knowledge Engineering)

知識を、AI が使える形にする。運転日誌・図面・文書・画像・音声などの非構造化データを、パース、チャンク化、メタデータの付与で LLM-Ready にし、RAG やエージェントの知識として使えるようにする。

AE(Analytics Engineering)

数字を、判断に使える形にする。基幹系や業務システムのテーブルから、データマートと指標の定義(セマンティックレイヤー)を作り、Looker や Gemini in BigQuery など、使う先を問わず使えるようにする。

※スライド「データ側を『KE』と『AE』の2領域で整える」をもとに編集部が整理

中田氏によると、AE は従来なら BI チームやデータサイエンスと呼ばれていた組織にあたる。ただ、小座間氏が紹介した UX 評価レポートのような複雑なレポートも、いまは AI で作れる。そこで AE は意識的にレポート作りをせず、データエンジニアリングに強い組織にした。KE と AE はどちらも基本的に BigQuery で仕事をするが、チームを分けてデータに特化させているという。

「データ側を『KE』と『AE』の2領域で整える」と題したスライド。KE と AE の扱うデータ、中核の仕事、出口

「今後:この型を製造現場へ。三菱ケミカルの挑戦は、ここからが本番!」

中田氏は、今回のプロジェクトや GENIAC のプロジェクトを通じて形が見えてきたとし、今後はこれを製造現場のプロジェクトにぶつけていくと述べた。セッションは「三菱ケミカルの挑戦はここからが本番」という言葉で締めくくられた。

SPEAKER

登壇者

小松 由幸 氏
三菱ケミカル株式会社
MCC トランスフォーメーション所管 デジタル統括本部 セキュリティ・インフラ本部 デジタルワークプレイス部 エンドユーザサポートグループ マネージャー
小座間 瑛記 氏
三菱ケミカル株式会社
MCC トランスフォーメーション所管 デジタル統括本部 DX本部 情報活用推進部 知能創生グループ エンジニア
中田 大介 氏
三菱ケミカル株式会社
MCC トランスフォーメーション所管 デジタル統括本部 DX本部 情報活用推進部 知能創生グループ グループマネージャー

開催概要

イベント Data & AI Summit '26 Fall(主催:Google Cloud)
開催日 2026年11月18日(水)
会場 Google 渋谷オフィス+オンライン配信
セッション 【Track 1】Google でマルチクラウドのデータを繋ぐ - M365・AWS・ServiceNow を横断する「自律型ヘルプデスク with AI Agent」構築の全貌 -
登壇 小松由幸氏(三菱ケミカル株式会社 MCC トランスフォーメーション所管 デジタル統括本部 セキュリティ・インフラ本部 デジタルワークプレイス部 エンドユーザサポートグループ マネージャー)
小座間瑛記氏(同 DX本部 情報活用推進部 知能創生グループ エンジニア)
中田大介氏(同 DX本部 情報活用推進部 知能創生グループ グループマネージャー)

出典:Data & AI Summit '26 Fall 公式ページ

References

  1. Google Cloud「Storage Transfer Service の概要」. https://docs.cloud.google.com/storage-transfer/docs/overview(参照 2026-11-19)
  2. Google Cloud「Work with remote functions(BigQuery)」. https://docs.cloud.google.com/bigquery/docs/remote-functions(参照 2026-11-19)

本イベントのほかのレポートも公開しています

この記事では Track 1 の三菱ケミカルのセッションを取り上げました。ほかの12本のレポートは、上の一覧からご覧いただけます。(trends. 編集部)

ブログに戻る

コメントを残す

コメントは公開前に承認される必要があることにご注意ください。

企業・法人向けのIT・プログラミング・生成AI研修を探す、比較する - IT・プログラミングを知って学べるコネクトメディア CodeCampが提供するDX人材育成が可能なプログラミングやITが学べる公開講座 - IT・プログラミングを知って学べるコネクトメディア コードキャンプが提供する無料で学べるプログラミングスクール講座 - IT・プログラミングを知って学べるコネクトメディア コードキャンプDX人材育成研修 - IT・プログラミングを知って学べるコネクトメディア 3.5日の研修で、年間1,600時間の削減効果が見込まれる。東京きらぼしフィナンシャルグループのDX人材育成事例 - IT・プログラミングを知って学べるコネクトメディア 配属3ヶ月で30%の生産性向上を実現するいよぎんコンピュータサービスの新人研修に迫る - IT・プログラミングを知って学べるコネクトメディア 金融業界の業務効率化を加速するニッセイアセットマネジメントの生成AI×GAS活用研修事例 - IT・プログラミングを知って学べるコネクトメディア 【製造業のDX人材育成事例】デジタル人材の即戦力化を実現する、日本ガイシ株式会社の異動者向オンボーディング研修 - ITやプログラミングを知って学べるコネクトメディア フューチャーアーキテクト株式会社が実現した新入社員向けIT研修プログラムでタスクフォース制度が主体的な学びと成長を生み出す - IT・プログラミングを知って学べるコネクトメディア コードキャンプDX人材育成研修 - IT・プログラミングを知って学べるコネクトメディア コードキャンプIT・プログラミング研修事例/【IT新入社員研修】オンラインとオフラインの最適バランスを実現したFutureOneの導入事例 - IT・プログラミングを知って学べるコネクトメディア コードキャンプIT・プログラミング研修事例/【新入社員研修】柔軟なハイブリッド型Java研修で実現した新卒20名の成長と成果|サークレイス株式会社 - ITやプログラミングを知って学べるコネクトメディア コードキャンプIT・プログラミング研修事例/現場により近いところにデジタルを根付かせるDX基礎講座研修|株式会社ブリヂストン - ITやプログラミングを知って学べるコネクトメディア コードキャンプIT・プログラミング研修事例/業務の効率化・DX推進に向けたIT人材育成への第一歩|株式会社カナエ - ITやプログラミングを知って学べるコネクトメディア 企業・法人向けのIT・プログラミング研修 - ITやプログラミングを知って学べるコネクトメディア

What's New

新着記事

対象者別で探す

子供(小学生・中学生・高校生)向け
プログラミング教室検索する

子供(小学生・中学生・高校生)がロボットやプログラミング言語を学ぶことができるオフラインからオンラインスクールを検索、比較することが可能です。

子供(小学生・中学生・高校生)
プログラミング教室検索する

ITやプログラムなどの
最新情報を検索する

日々、新しいITやプログラミング言語の情報が流れていきますが、特定の情報を時系列でニュースやコラムを確認することができます。

ITやプログラムなどの
最新情報を検索する