三菱UFJ銀行が、LayerXの「Ai Workforce」を使って法人営業向けの「提案書データレイク」を構築し、契約書・請求書作成まで生成AI活用を広げている、という事例です。
「メガバンクの話だから関係ない」と思った方、ちょっと待ってください。 読み解くべきは20万時間という派手な数字より、「過去提案書を探せない」という、年商5億の会社にもそっくりそのまま当てはまる課題のほうです。
僕が注目したのは、AIで自動化した部分よりも「ナレッジを探せる状態にした」工程です。 中小企業がAIを入れて期待外れに終わる典型は、検索可能な状態のデータを持っていないケースで、ここをすっ飛ばすと何を入れても刺さりません。
法人営業の文書業務の課題
公式記事(MUFG DX、2025-12-15)で挙げられている課題は、こんな感じです。
- 過去提案書を探したいが、ファイルサーバ・個人PC・メール添付に散在している
- 探索に時間がかかり、現場の知見が組織のナレッジへつながりにくい
- 提案書・契約書・請求書など、文書作成の工数が大きい
- 営業現場の暗黙知が個人に閉じ、横展開できていない
これは法人営業に限らず、ほぼすべての中小企業で起きている構造的問題です。 「提案書 探せない」「過去事例 どこ」を毎週やっている会社は、規模に関係なく該当します。
Ai Workforceと提案書データレイクをどう構築したか
公開情報の範囲では、以下の構成です。
- 対象部門: コーポレートバンキング企画部・デジタル戦略統括部 ほか
- ツール: LayerX「Ai Workforce」 + 行内構築の「提案書データレイク」
- 対象業務: 提案書作成 → 契約書 → 請求書、と段階的に拡大
- AI機能: 提案書の自動タグ付け、顧客情報のマスキング、スライド単位での検索
- 登壇者: 牧 真央 氏(三菱UFJ銀行)、小林 篤 氏・小林 誉幸 氏(LayerX)
ポイントは「スライド単位で検索できる」ところです。 ファイル単位だと「あのページどこだっけ」が解消しないので、 データレイク化+スライド単位インデックスで初めて、再利用可能な資産になります。
「過去提案書のフォルダを共有しただけ」では絶対に届かないラインを、Ai Workforceが越えている形です。
20万時間削減目標の内訳と実態
公開記事で報告されている主要な数値は以下です。
- 目標: 年間 20万時間 の業務量削減(将来的な行内全体での目標値)
- 提案書・契約書・請求書まで、文書系業務へ展開計画が具体化
- 顧客情報のマスキングによりセキュリティ要件をクリアしている
注意点として、20万時間は 目標値であって達成済み数値ではありません。 記事の文脈では「めざす水準」「展開計画」と書かれている点は、冷静に押さえておきたいところです。
「すでに20万時間削減した」と読むのは早計で、ここで参考にすべきは「段階展開のロードマップの組み方」のほうです。 提案書 → 契約書 → 請求書、と入口を絞って深掘りする順序が、リアルに参考になります。
中小企業で再現するなら
ここからが本題です。年商5億規模で同じ思想を取り入れるならどう削るか。
構成
| 項目 | 三菱UFJ銀行 | 中小企業(年商5億・社員30名) |
|---|---|---|
| 対象 | 法人営業×複数部門 | 営業1〜3名 + 営業企画兼任1名 |
| ツール | LayerX Ai Workforce + 自社データレイク | NotebookLM Plus(月3,000円/人〜、2026年5月時点) or Claude Pro(月3,000円〜) + 既存共有ストレージ |
| データ整備 | 行内提案書データレイク | 過去提案書をGoogle Drive/SharePointに集約+タグ付け |
| 月額費用 | (非公開・大規模利用) | 推定 月6,000〜2万円(2〜5人分、2026年5月時点) |
| 初期費用 | 推定大規模 | 推定 30〜80万円(過去提案書整理+タグ設計+運用ルール策定) |
| 体制 | 専任プロジェクト | 営業企画+外部支援月5〜10時間 |
| 期間 | 段階展開 | 2〜3ヶ月で過去資料整理→PoC |
評価軸スコア
| 評価軸 | スコア |
|---|---|
| ROI(投資対効果) | ★★★★☆ |
| 再現性(中小企業) | ★★★☆☆ |
| 難易度(低いほど簡単) | ★★★★☆ |
(難易度=数字小さいほど簡単)
スコア根拠は以下です。
- ROIは高め。提案書の使い回しが進むと、案件ごとの作成時間が直接削れる
- 再現性は中程度。「過去提案書を集約する」工程が一番のボトルネック
- 難易度は高め。データ整備+タグ設計+運用ルールの3点を同時並行で進める必要がある
前提条件・必要データ
- 過去2〜3年分の提案書がデジタル形式で残っている(紙のみだと適用困難)
- 提案書を「業種」「課題」「提案内容」等の軸でタグ付けできる担当者がいる
- 顧客情報を含む文書を扱うため、社内の機密データルールが整備済み or 策定可能
- 営業の文書作成が月10件以上ある(少ないと投資対効果が出にくい)
失敗条件・適用しないケース
- 過去の提案書がほぼない、または各メンバーのローカルPCに散在して回収できない
- 提案書の構造がバラバラで、タグ付けの粒度を揃えられない
- 「AIに丸投げで提案書ができる」を期待している(検索精度を上げる前提が抜けている)
- 機密情報の扱いルールが未整備のまま、外部AIに突っ込もうとする
「Ai Workforceを入れれば提案が爆速になる」わけではありません。
過去提案書の集約 → タグ設計 → AI検索基盤(データレイク) → 提案書作成支援 → 契約書・請求書へ展開、という5ステップを踏んで初めて、20万時間削減の世界観に近づきます。
特に最初の「集約+タグ設計」は地味で時間がかかる工程ですが、ここを飛ばしたらAIをいくら積んでも検索精度が出ません。 ナレッジ検索の精度は、AIではなくデータの整い方で決まる、というのが事例から読み取れる本質です。
出典・参考
市野
愛知県岡崎市でAI活用支援を手がける一人社長。 中小企業の現場でAIを実装してきた経験から、他社事例を「うちで再現するには」の視点で読み解いて発信中。
愛知県岡崎市を拠点に、中小企業向けのAI活用支援を提供。ChatGPT・Claude Code等を活用した業務自動化やSEO・広告運用の内製化を支援。経営者が自らAIを使いこなせる体制づくりをサポートしている。
＞＞詳細なプロフィールはこちら