本プロジェクトでは、AIとHuman QAを組み合わせ、コールセンターの全通話をモニタリング・評価するシステムを開発しました。音声解析、感情分析、可視化を通じて、通話品質の改善とエージェント育成を支援します。開発工数は100MM、開発期間は1年間です。

プロジェクト概要

業務課題

01．一部通話のみを評価

QAリソースの制約により、すべての通話を確認できないことが課題となっていました。

02．失敗原因を把握できない

顧客不満の根本原因をリアルタイムに分析できませんでした。

03．性能改善が難しい

接続率やエージェントのパフォーマンスを効果的に改善することが困難でした。

04．発信業務の無駄

未検証の電話番号への発信により、工数が失われていました。

導入ソリューション

01．AI＋Human QAのハイブリッド評価基盤

AIによる自動分析とQA担当者による確認を組み合わせ、通話品質を継続的に評価する基盤を構築しました。

02．コールセンター業務の統合モニタリング

通話品質、顧客感情、エージェントのパフォーマンスを一元的に可視化しました。

03．データに基づく業務改善

分析結果をエージェントのコーチング、応対品質の改善、発信キャンペーンの最適化に活用しました。

主な実現内容

01．全通話の音声解析

すべての通話を対象に、音声解析と自然言語処理による文字起こし・評価を実施しました。

02．AI自動スコアリング

統一された基準で通話を自動評価し、人による評価バイアスを低減しました。

03．Human QAによる検証

AIの評価結果をQA担当者が確認し、品質保証プロセスを補完しました。

04．リアルタイムダッシュボード

トレンド、失敗パターン、改善につながる情報へリアルタイムにアクセスできるダッシュボードを構築しました。

05．コーチング支援・感情分析

エージェントの研修ニーズと顧客感情を把握し、CSATの向上に活用しました。

06．CRM／ダイヤラー統合

通話結果を顧客プロファイルや発信キャンペーンの目標と関連付けました。

使用技術

01．バックエンド：ASP.NET API、C#

02．フロントエンド：ReactJS

03．データ・クラウド：Azure SQL Server、Cosmos DB、Airtable、Azure

04．AI技術：音声解析、自然言語処理（NLP）、感情分析

本プロジェクトでは、コールセンターの業務知識を統合し、RAGを活用したAIチャットアシスタント「NxKMS」を構築しました。通話中の回答支援とオペレーターのオンボーディングを効率化するBPO向けスマートコールセンター基盤です。開発工数は20MM、開発期間は3カ月です。

プロジェクト概要

業務課題

01．教育・オンボーディング

ベテランスタッフへの依存を減らし、オペレーターの習熟時間を短縮する必要がありました。

02．回答の正確性・スピード

顧客対応の品質と回答スピードを向上させる必要がありました。

03．通話中の即時支援

通話中に必要なガイダンスと顧客情報を即座に取得できる仕組みが求められていました。

04．知識の蓄積・再利用

コールセンターの業務知識を蓄積・再利用し、組織全体でスケーラブルに活用する必要がありました。

導入ソリューション「NxKMS」

01．NxKMS・RAG

コールセンターの業務知識を統合し、関連情報に基づいた回答を提供するRAG基盤を構築しました。

02．コールセンター・CRM連携

オペレーターからの質問に対し、正確で文脈に沿った回答を提示できるよう、コールセンターとCRMを連携しました。

03．24時間AIアシスタント

オペレーターのオンボーディング、複雑なシナリオへの対応、リアルタイムでの提案を支援するAIアシスタントを構築しました。

04．統合ナレッジベース

マニュアル、FAQ、ワークフロー、スクリプトを統合し、コールセンターの業務知識を標準化しました。

AIによる回答生成の仕組み

オペレーターがアプリケーションへプロンプトと質問を入力すると、システムがコールセンターの知識ベースから関連情報を検索します。取得した関連情報を拡張コンテキストとして質問に追加し、NTQの大規模言語モデルが回答テキストを生成します。生成された回答はアプリケーションを通じてオペレーターへ提示されます。

使用技術

01．RAG

情報検索とAIによる回答生成を組み合わせ、回答精度を向上しました。

02．自社開発LLM

日本語・英語・ベトナム語に最適化し、企業向けのセキュリティを実装しました。

03．AIアシスタント

文脈に応じた提案とリアルタイム支援を提供します。

04．ナレッジ連携

CRM、マニュアル、業務文書、製品・サービスデータベースの情報を一元的に取り込みました。

NxUniverseとNxKMS

NxKMSは、NTQのAIソリューション群「NxUniverse」を構成するナレッジ管理製品です。

本プロジェクトでは、Word、PDF、PPTXなどのファイルから、複数の専門AIエージェントの連携によってPowerPointを自動生成するシステムを開発しました。プロジェクト規模は15MM、開発期間は4カ月です。

プロジェクト概要

従来の課題

01．スライド作成における手作業の負荷

スライド作成に時間がかかり、常に人手による確認が必要でした。

02．品質・運用要件への対応

スライド品質のばらつきを抑え、ブランドの一貫性と内容の正確性を確認しながら、AWS上で安全に稼働させる必要がありました。

ソリューション

01．PowerPoint自動生成

Word、PDF、PPTXなどのファイルをもとに、プレゼンテーションを自動生成する仕組みを構築しました。

02．専門エージェントの連携

コンテンツ、デザイン、検証、画像生成を担当する複数の専門AIエージェントを連携させました。

03．Human-in-the-loop

各エージェント間のコンテキスト共有と自己修正に加え、人間によるレビューを組み込んだ仕組みを実現しました。

PowerPoint生成の仕組み

入力データからテキスト、テーマ、スタイルなどの生成メタデータを作成し、コンテンツ管理エージェントとスライドデザインエージェントが連携してスライドを生成します。生成されたスライドは人間がレビューし、そのフィードバックをもとに修正します。また、MCP Tools Serverを通じて画像生成、スライド生成、実行・テストを行います。

各AIエージェントの役割

01．Content Agent

入力テキストを抽出し、スライド作成に使用できる形式へ構造化します。

02．Design Agent

企業のテンプレートとビジュアルルールをスライドへ適用します。

03．Verification Agent

事実の正確性とスタイルの一貫性を検証します。

04．Image Agent

スライドに使用する補助的なビジュアルを生成します。

05．Orchestrator Agent

各エージェントを統括し、人間によるレビューを支援します。

使用技術

Python｜python-pptx｜MCPサーバー｜A2A｜AWS Lambda／S3／ECS｜AWS Bedrock

本プロジェクトでは、ECプラットフォームを運営する小売企業のiOS／Androidアプリを再構築しました。SwiftとKotlinによる個別開発から、React NativeとTypeScriptを採用したクロスプラットフォームの共通基盤へ移行しました。プロジェクト規模は125人月で、iOSとAndroidの2つのプラットフォームに対応しました。

プロジェクト概要

クロスプラットフォーム移行の背景

既存のネイティブアプリは、iOSではSwift、AndroidではKotlinを使用して個別に開発されていました。年間保守工数の約20～25％が更新対応に使用され、1つの機能を両OSで同期するまでに最大約5週間を要していました。

移行フェーズ：Phase 1｜基本機能　Phase 2｜新機能・UX

NTQの担当範囲・進め方

01．共通アーキテクチャ設計

React NativeとTypeScriptを採用し、iOS・Android共通のアプリ基盤を設計することで、2つのコードベースを統合しました。

02．既存機能の再構築

既存アプリの基本機能を移行し、両OSの仕様差異に対応することで、既存機能と同等のUXを提供しました。

03．新機能・UI／UX改善

共通コンポーネントを活用し、新機能の追加とUI／UX改善を実施することで、機能拡張をスピードアップしました。

04．品質検証・本番移行

単体テスト、結合テスト、システムテスト、受入テストを実施しました。テスト後に旧アプリと比較して本番移行を行い、品質を確保しながら円滑に移行しました。

提供価値

01．開発・保守コストの最適化

iOSとAndroidのコードベースを共通化し、二重開発と保守の負担を軽減しました。

02．リリースの迅速化

OS間の機能同期を効率化し、機能提供までのリードタイムを短縮しました。

03．保守性・拡張性の向上

共通コンポーネントを活用し、新機能の追加とUI／UX改善を容易にしました。

本プロジェクトでは、上場企業2,000社以上の財務報告書作成業務を支える大規模基幹システムを、WPF／SilverlightのデスクトップシステムからNext.jsを採用したWebシステムへ段階的に移行しました。プロジェクト規模は500人月、開発体制は57名で、2022年から継続しています。

プロジェクト概要

システム移行の概要

既存システムは、WPF、C#、.NET、Silverlightを使用したデスクトップインストール型システムです。10年以上にわたり蓄積された業務ロジックを持ち、保守性と拡張性に課題がありました。本プロジェクトでは、既存システムと新しいWebシステムを並行稼働させながら、段階的に移行しました。

課題・アプローチ・提供価値

01．長年蓄積した業務ロジック

課題：10年以上にわたり蓄積された業務ロジックをWebへ移行し、機能等価性と正確性を維持する必要がありました。

NTQのアプローチと提供価値：既存仕様を踏まえて詳細設計・実装を行い、単体テストと結合テストによって移行機能を検証することで、既存業務の正確性を維持しました。

02．デスクトップシステムのWeb化

課題：既存システムはWPF／Silverlightのインストール型で、Webブラウザから利用できませんでした。

NTQのアプローチと提供価値：Next.jsとTypeScriptを採用し、ブラウザから利用できるWebシステムへ刷新することで、利用性・保守性・拡張性を向上しました。

03．大規模移行のリスク管理

課題：大規模なレガシーシステムを、既存業務を継続しながらWebへ移行する必要がありました。

NTQのアプローチと提供価値：既存システムとWebシステムを並行稼働させ、オンサイトBrSEの主導によって段階的に移行することで、業務影響と移行リスクを低減しました。

本プロジェクトでは、生命保険契約管理システムをIBM i／AS400からJava・AWS基盤へ段階的に刷新しました。対象となるRPG資産は約1,200本、プロジェクト規模は約300人月です。資産の特性に応じて60％を自動変換、30％をリファクタリング、10％を再設計するハイブリッド移行方式を採用しました。

プロジェクト概要

現行システムの課題

現行の生命保険契約管理システムでは、COBOL 85、RPG、CL、Shift-JIS、DB2 for i、IBM iを使用していました。

・AS/400ハードウェアの保守EOLによる業務継続リスク
・新商品対応のRPG改修長期化による商品投入の遅延
・RPG技術者の退職による属人化と技術継承の困難

移行先システム構成

移行支援ツール：Tree Sitter AST解析｜GenAI設計書生成｜AWS DMS｜無停止レプリケーション

課題・アプローチ・提供価値

01．RPG資産の段階移行

課題：約1,200本のRPG資産について、優先度と依存関係を整理する必要がありました。

NTQのアプローチと提供価値：RPG資産を棚卸しして移行ロードマップを策定し、資産特性に応じて60％自動変換、30％リファクタリング、10％再設計を適用しました。これにより、効率と品質を両立し、移行リスクを低減しました。

02．Web・モバイル対応

課題：525画面と紙中心の運用により、Web・モバイルからの契約が困難でした。

NTQのアプローチと提供価値：Java化とAPI整備により契約業務をモダンな基盤へ再構築し、オムニチャネル対応基盤を構築しました。

03．DMSによるDB無停止移行

課題：DB2 for iからAuroraへの移行に伴う業務影響が課題となっていました。

NTQのアプローチと提供価値：AWS DMSを使用してAurora PostgreSQLへ継続的にレプリケーションし、システム切替時の業務影響を最小化しました。

04．バッチ・帳票基盤の刷新

課題：日次バッチ連携により、経営判断にタイムラグが発生していました。

NTQのアプローチと提供価値：規制報告・約款帳票をSpring BatchとPDFで刷新し、標準化・自動化することで、レポーティングをタイムリー化しました。

本プロジェクトでは、全国400拠点を展開する大手総合物流企業の倉庫・配送・受発注・料金業務を支える物流管理システムを、IBM i／AS400からJava・AWSのマイクロサービス基盤へ刷新しました。プロジェクト規模は200～300人月で、システムを6つのコアドメインに分割して再構築しました。

プロジェクト概要

現行システムの問題

現行システムでは、COBOL、RPG、CL、Shift-JIS、DB2 for i、IBM iを使用していました。5年間で取扱量が2.3倍に増加したことで、システム容量が逼迫していました。

・5年間で取扱量が2.3倍に増加し、システム容量が逼迫
・夜間バッチの長期化と、EDI連携に数カ月を要する状況
・紙中心の運用とデータレイクの未整備

移行先システム構成

NTQの担当範囲・進め方

01．6コアドメインへの分割

ドメイン駆動で業務境界を明確化し、システムを6つのコアドメインに分割しました。各ドメインをSpring Boot 3とAWS EKSで再構築し、サービスの独立性と拡張性を強化しました。

02．Kafkaによるイベント駆動連携

Kafka（MSK）による非同期・疎結合連携とAPI化を行い、リアルタイム連携を実現しました。これにより、システム負荷を平準化し、EDI接続を迅速化しました。

03．用途別データ多層化

Aurora、DynamoDB、S3＋Athenaを用途別に配置し、参照・分析・履歴データを分離しました。これにより、データコストを最適化しました。

04．OR-Toolsによる配車最適化

OR-Toolsの最適化アルゴリズムを導入し、再配車計算と進捗管理を効率化しました。その結果、再配車計算にかかる時間を10分の1に短縮しました。

導入効果

01．可用性・拡張性の向上

サービスの独立性を高め、取扱量の増加に柔軟に対応できるシステムを実現しました。

02．リアルタイム連携の実現

夜間バッチの負荷を平準化し、EDI接続のリードタイムを短縮しました。

03．データ活用基盤の確立

データレイクを整備し、AI／BIによるデータ活用を促進しました。

04．配車・進捗管理の効率化

再配車計算を高速化し、配車・進捗を可視化しました。

本プロジェクトでは、PHP 5.3.6で構築されたモノリス型の配電工事管理システムを、Java 21／Vue 3へ段階的に再構築するモダナイゼーションPoCを実施しました。PoCでは16画面を対象に3カ月間で検証を行い、AIの活用によって移行工数を41％削減しました。

プロジェクト概要

現行システムと移行先システム

現行システムは、約900K LOCのソース、1,291本のPHPファイル、7,548本のSQLファイル、約800画面・8モジュールで構成されています。本PoCでは、バックエンドにJava 21、Spring Boot 3、MyBatis、HikariCP、REST API、フロントエンドにVue 3、TypeScriptを採用しました。Oracleのスキーマは変更せずに移行を検証しました。

6ステップ移行：環境構築 → AI旧ソース分析 → パターン定義 → スケルトン生成 → 画面変換 → 手動テスト

課題・アプローチ・PoC実証結果

01．AI-DLCによる移行効率化

課題：PHP 5.3のEOLとレガシーモノリスにより、移行作業の負荷が増大していました。

NTQのアプローチとPoC実証結果：AI-DLC手法を活用し、旧ソース分析、移行パターン定義、テンプレート生成、画面移行を標準化・効率化しました。その結果、移行工数を115 MDから67.8 MDへ短縮し、41％削減しました。

02．Oracleスキーマ変更ゼロ

課題：7,548本のSQLファイルが存在し、Oracleスキーマの変更による影響が大きいことが課題でした。

NTQのアプローチとPoC実証結果：DDLを変更せず、既存SQLをMyBatis XMLへ移行しました。また、PHP変数からMyBatisパラメータへのマッピングをAIで自動化しました。既存SQLを再利用することでSQLの書き換えを回避し、移行リスクを最小化しました。

03．依存関係解析・4層品質保証

課題：複雑なinclude／require依存により、移行後のロジック、データベース、画面表示の同等性確認が困難でした。

NTQのアプローチとPoC実証結果：AIで依存関係を自動追跡し、業務ロジック比較、DB状態比較、Playwright E2E、日本語メッセージ確認の4層で品質を検証しました。その結果、業務ロジック同等性100％、DB状態比較100％合格を確認し、日本語メッセージを完全に維持しました。

04．モダン技術への刷新

課題：PHP 5.3時代のセキュリティ脆弱性と技術的負債が課題となっていました。

NTQのアプローチと展開計画：Java 21、Spring Boot 3、Vue 3を採用し、レガシーモノリスをモダンなWebアーキテクチャへ刷新しました。これにより、クラウド・API拡張基盤を確立しました。

本プロジェクトでは、COBOLで構築された販売管理システムを、Java／Webへ段階的に再構築するモダナイゼーションPoCを実施しました。PoCでは3本、約18,000 LOCのプログラムを対象に、6週間でAIを活用した移行方法と品質を検証しました。

プロジェクト概要

システム移行の概要

現行システムではCOBOLを使用し、データ構造が索引ファイルに依存しているため、Web化や機能拡張が困難でした。本PoCでは、バックエンドにJava 17、Spring Boot 3、REST API、JPA、フロントエンドにVue 3、TypeScript、FR設計、データベースにPostgreSQL 15以降を採用した移行先システムを検証しました。

課題・アプローチ・PoC実証結果

01．AI Agentsによる移行高速化

課題：COBOL人材の不足により、システムの保守と移行を継続することが困難でした。

NTQのアプローチとPoC実証結果：25のAI Agentスキルを活用し、ロジック抽出、UML・BPMN生成、検証を自動化しました。その結果、移行作業を64日から11.5日へ短縮し、約5.5倍に高速化しました。

02．3フェーズ分析による可視化

課題：COBOLのロジックがブラックボックス化し、Web化が困難でした。

NTQのアプローチとPoC実証結果：L（レガシー分析）、N（新実装評価）、G（ギャップ検証）の3フェーズで成果物を統一管理しました。PoCでは3本、約18,000 LOCを対象に検証し、ロジックを可視化しました。

03．多層的な品質保証

課題：Web化に伴い、業務ロジックとデータ品質が低下するリスクがありました。

NTQのアプローチとPoC実証結果：DB比較、Playwright E2E自動化、UATサインオフによる4層の品質保証を実施しました。その結果、機能同等性100％、データ保全性99.9％以上を確認しました。

04．全体移行計画

課題：将来の機能拡張、クラウド対応、AI連携が困難でした。

NTQのアプローチと展開計画：Bounded Context設計を採用し、マイクロサービスとKafka連携に対応する基盤を設計しました。これにより、マイクロサービス、Kafka、モバイル対応に向けた拡張基盤を確立しました。

本プロジェクトでは、生成AIを活用し、COBOLで構築された食品卸販売管理システムをC#へスマートリライトしました。総工数は230人月、プロジェクト期間は16カ月、対象となるCOBOLソースは40万ステップです。

プロジェクト概要

NTQの担当範囲・進め方

01．現行資産分析

既存システムのソース、画面、業務情報を分析し、現行仕様を把握・可視化しました。

02．AIリライト支援

生成AIを活用し、C#への移行候補コードと設計書のドラフトを作成することで、コード・設計書の生成を支援しました。

03．設計レビュー

AIが生成した成果物を人が確認・レビューし、業務仕様に沿った内容へ整備することで、品質を確認しました。

04．移行計画

データ移行の方法と検証観点を整理し、段階的な移行計画を策定することで、移行リスクを管理しました。

提供価値

01. コスト抑制

老朽化した基盤の保守負荷を低減しました。

02. 人材対応

C#化により、開発・保守体制の構築を容易にしました。

03. 仕様整理

不足していた設計書を補完し、業務仕様を再整理しました。

04. リスク管理

段階的な検証を行い、移行リスクを管理しました。