【導入事例】社内SEの役割を担うAIエージェントを構築し、
非エンジニアでも社内システムを運用可能に。

DATA

クライアント様について

店舗数の増減、スタッフの入退社、給与条件の改定が日常的に発生する業態のため、社内システムは「作って終わり」にならず、継続的な変更を前提に設計する必要がありました。

BEFORE

システムは作れても、
変え続けられる人がいなかった。

社内システムを導入する際に最大の壁になるのは、開発そのものよりもその後の変更対応です。このクライアント様でも、給与インセンティブ率の改定、新店舗の追加、店舗の統合、社員の名字変更といった変更が毎月のように発生していました。

これらはいずれも「データ構造を理解していれば数分で終わる作業」ですが、裏を返せば理解していない人には一切手を出せない作業でもあります。どのテーブルのどの項目を、どの順番で変えれば整合性が崩れないかを把握している担当者がいなければ実行できません。結果として、変更依頼が特定の人に滞留し、対応待ちが数日単位で発生していました。

さらに深刻だったのが、その担当者が退職・異動した場合に社内システムが誰にも触れない状態になるというリスクです。外部の開発会社に保守を委託する選択肢もありましたが、月額の保守費用に加え、軽微な変更のたびに見積もりと納期の調整が発生するため、スピード面でも費用面でも現実的ではありませんでした。

SOLUTION

システムではなく、
「システムを保守する役割」をAIに置き換えた。

MIRAINAが構築したのは、社員管理データ基盤・給与計算システム・入社登録アプリという3つのシステムと、それらの保守運用を担うAIエージェントです。ポイントは、業務システムを作ることではなく、社内SEというロール自体をAIに担わせたところにあります。

担当者は「A店のインセンティブ率を◯%に変更して」「B店とC店を統合して」「この社員の名字を変更して」といった依頼を、自然言語でそのまま伝えます。AIエージェントは影響範囲を判断し、関連するデータを整合性を保ったまま更新します。どのテーブルを触るか、更新順序はどうかといった判断は、すべてエージェント側が持っています。

加えて、日次でのエラー検知とデータ整合性チェックもエージェントが担当します。異常を検知した場合は内容と対処方針を平易な日本語で報告するため、エンジニアでなくても状況を把握して判断できる運用になっています。

RESULT

専任エンジニアゼロ。
変更対応は数日待ちから即日へ。

最大の成果は、専任エンジニアを置かずに社内システムを運用できる状態を実現したことです。データ構造の知識がなくても変更が反映できるため、バックオフィス担当者が自分の判断でシステムを更新できるようになりました。

変更対応のリードタイムも、担当者への依頼待ちで数日かかっていた状態から即日対応へ短縮されました。店舗の統合や給与条件の改定といった、期日が決まっている変更に余裕を持って対応できるようになっています。

また、外部の開発会社に保守を委託した場合に発生する月額保守費用と、変更ごとの見積もり・納期調整のコストも発生していません。

CHANGE

専任エンジニア0名。
変更対応は数日待ちから即日へ。

社内システムの運用に必要な専任エンジニアは0名です。外部の開発会社に保守を委託した場合に発生する月額保守費用と、軽微な変更ごとの見積もり・納期調整のコストも発生していません。

変更対応のリードタイムは数日待ちから即日へ短縮されました。給与インセンティブ率の変更、店舗の追加・統合、社員の名字変更といった作業を、データ構造を理解していないバックオフィス担当者が自然言語の指示だけで完結できます。対応可能な人数が「特定の1名」から「バックオフィス全員」に広がりました。

保守が個人に紐づかなくなったため、担当者が退職しても社内システムが止まりません。採用・異動の要件から「システムが分かる人かどうか」という条件も外れています。

POINT

作るのではなく、
「変え続けられる状態」を納品した。