Pleasanterの導入から活用までをAIで実現
既存システムからのPleasanterの移行をAIで効率化。導入後も独自のRAG技術「M-RAG」とPleasanterを連携することで自然言語で操作を実現。
Pleasanter導入企業でよく見られる3つの課題
内製化の促進
パートナーを利用せずに自社で導入する場合、Pleasanterの理解に時間がかかる。OSSのため手厚いサポートが得られないため内製的に導入するハードルが高い。
IT部門の負荷
ユーザー部門に展開するものの全て問い合わせがIT部門に集中。ローコードシステムを導入したにもかかわらずIT部門の負荷が減らない
AI導入のハードル
生成AIを導入したいが、社内の技術者が少なく導入に時間がかかり、導入後も生成AI等のサービスの進化に追従できず運用が困難
ソリューション概要
独自のRAG技術とPleasanter MCP連携で活用を促進
M-RAGとは
M-RAGは、Retrieval-Augmented Generation技術をベースにした独自のカスタムAIチャットボットソリューション。企業内の多様なドキュメントやデータを動的に読み込み、正確で文脈に沿った情報検索と回答生成を自動化します。
Pleasanter MCPとのいち早い連携
Pleasanterに統合されたModel Context Protocol (MCP) サーバ機能にいち早く対応。M-RAGがPleasanterのAPIやUIを介さずに、直接データの取得・更新、ビューの操作を行うことが可能になりました。
連携の仕組み
➊ユーザーが質問
➋M-RAGが質問を理解しMCPにリクエスト
➌MCP経由でPleasanterのデータを抽出
❹結果をわかりやすくレポート形式で表示
AI活動することのメリット
Pleasanterのマニュアルを学習済みで提供。AIが手厚いサポート実現
既存資源の最大活用 Pleasanter以外の情報もAI活用
誰もがデータアナリストに 上司自ら簡単に知りたい情報を抽出
実績
➊プロジェクト進捗管理
質問：「進行中のプロジェクトで、今週期限のタスクを教えて」
対応：Pleasanterのタスク管理サイトから該当レコードを瞬時に抽出。
➋在庫管理・発注業務
質問：「追加発注が必要な部品とその発注先を抽出し注文書を作成して」
対応：在庫管理サイトのデータと取引先データをチェックし、不足している部品とその注文書を提示。
➌顧客対応・営業支援
質問：「株式会社〇〇からの今回のクレームと同様のクレームを抽出しその対応結果を教えて」
対応：顧客管理サイトと対応履歴を横断して検索し、過去の経緯を要約。
❹導入支援・保守運用支援
質問：「営業管理するアプリを新規に作成したい」
対応：Pleasanterのマニュアルから該当箇所を抽出し新規アプリケーションの作成方法をガイダンス。
資料請求・お問い合わせ
個人情報の取扱いに関する確認事項を必ずお読みの上、お問い合わせ下さい。
「*」は必須入力項目です。
