この記事でわかること AIとはなにか AIができること 業界・職種別でのAI活用方法 AI（人工知能）は、もはや未来の技術ではありません。現在、多くの企業がAIを活用して業務効率化、コスト削減、新たな価値創造を実現しています。 しかし、「AIを導入したいが、何から始めればよいかわからない」「自社の業務にどのようにAIを活用できるのか具体的なイメージが湧かない」という声も少なくありません。 本記事では、AIの基本的な仕組みから、業界別の具体的な活用事例、導入時の注意点まで、企業のAI活用に必要な情報を体系的に解説します。 AIとは？基本的な仕組みと種類AI（Artificial Intelligence）とは、人間の知的活動をコンピュータで模倣・再現する技術の総称です。具体的には、学習・推論・判断といった人間の脳が行う処理を、機械がデータ・アルゴリズムを用いて自動で実行できるようにしたシステムを指します。AIの基本的な仕組み AIは主に、以下の3つの要素で構成されています。 仕組み1：データ入力 画像・音声・テキストなどの情報を取り込み、分析のもととなるデータセットを準備します。近年ではセンサー情報や顧客データ、Webログなど、多様なデータが活用されています。 仕組み2：AI処理システム（学習・推論） 機械学習やディープラーニングを用いて、データからパターンや特徴を学び、最適な判断モデルを生成します。新しいデータが入るたびにモデルが再学習を重ね、精度を向上させていきます。 仕組み3：結果出力 分析や学習の結果をもとに、分類・予測・生成などの形で結果を提示します。たとえば需要予測、商品レコメンド、異常検知、テキスト生成などがこれにあたります。 機械学習とディープラーニングの違いAIの中心的な技術が「機械学習」と「ディープラーニング」です。両者は同じ学習型AIに分類されますが、仕組みと得意分野に違いがあります。機械学習（Machine Learning）人間が設定した大量の特徴量（データの要素）をもとに、アルゴリズムがパターンやルール、規則性を学習する手法です。決定木・SVM・ランダムフォレストなどのモデルが代表的で、データ量が限られていても動作します。ディープラーニング（Deep Learning）人間の脳の神経構造を模倣したニューラルネットワークを用いる高度な学習手法です。特徴量を自動で抽出し、画像・音声・自然言語といった非構造データに強みを持ちます。生成AIの多くは、このディープラーニング技術を基盤としています。AIが解決できる3つのビジネス課題AIは、単なる効率化のためのツールではなく、企業が抱える本質的な経営課題を解決する手段として活用されています。なかでも「人手不足」「ヒューマンエラー」「判断の属人化」は多くの業界で共通する課題です。AIの導入により、これらを根本から改善する動きが進んでいます。1.人手不足の解消少子高齢化による労働力不足は深刻化しており、既存人員の生産性向上が必須になっています。AIは、データ入力や集計作業といった定型業務を自動化することで、24時間365日稼働可能な補完的な労働力として期待されています。結果として、人的リソースを企画・戦略といったより価値の高い業務に集中させることができます。2.ヒューマンエラーの削減業務の属人化や疲労によるヒューマンエラーは、品質や顧客満足度の低下を招きます。AIは過去データをもとに正確な判断基準を学習し、作業のばらつきを抑えます。AIは一度正しく設定されれば、同じミスを繰り返すことなく一貫した品質で処理を実行します。 製造業では、KDDIテクノロジーが画像認識AIによる製品外観検査システムを開発するなど、AIの導入は品質を安定させ、ヒューマンエラーを構造的に防ぐことにつながります[1]。3.判断の属人化を防ぐ営業や採用、人事などの分野では、担当者の経験や勘に依存した判断が多く見られます。AIを活用すれば、膨大なデータを分析し、客観的な根拠に基づく判断が可能になります。 たとえば人事分野では、AIは人間による評価よりも感情的なバイアスがかかりにくいため、基準に沿った公平な評価が実現でき、感覚ではなくデータに基づく意思決定が組織全体に浸透します。AIができること一覧｜適切な活用方法・事例AI（人工知能）は、データをもとに「見分ける」「理解する」「話す」「予測する」「最適化する」といった多様な能力を発揮します。こうした機能は、画像・音声・言語などの情報処理を自動化するだけでなく、経営判断や現場の意思決定を支える重要な基盤です。ここでは、代表的な5分野におけるAIの機能と、その活用事例を具体的に紹介します。活用方法1：画像認識・解析AIが「目」の代わりとなり、画像や映像を理解・分析する分野です。製造や医療、小売など、多様な業界で活用が広がっています。─ できることAIによる画像認識・解析は、カメラやセンサーで取得した画像データをもとに、対象物を自動で識別・分類・解析する技術です。物体認識や顔認証、文字認識（OCR）といった処理を高精度で行える点が特徴で、製造・医療・小売など幅広い業種に導入されています。また、ディープラーニングによって異常検知や品質管理の精度も年々向上しており、人の目では見逃すようなわずかな欠陥も自動で検出できるようになっています。─ 活用例製造現場では、不良品検出システムとして画像認識AIを導入する企業が増えています。ライン上の製品を撮影し、外観の異常をリアルタイムで判定することで、検査のスピードと精度を同時に高めています。医療分野では、AIがレントゲンやCT画像を解析して疾患の兆候を検出する診断支援に活用されており、専門医の負担軽減にもつながっています。小売業では、商品棚を自動撮影して陳列や在庫状況を把握するシステムも登場し、店舗運営の効率化を実現しています。活用方法2：自然言語処理テキストや会話など、人間の「言葉」を理解・生成できる技術です。顧客対応から文書管理まで、幅広い領域で導入が進んでいます。 ─ できること自然言語処理（NLP）は、人間の言葉をAIが理解・生成するための技術です。テキストの意味を分析して翻訳や要約を行うほか、文章の感情を判定したり、質問への自動応答を行ったりすることが可能です。社内文書や報告書などのテキストを自動で分類・整理できるため、情報管理の効率化にも大きく貢献します。生成AIの進化によって、人間に近い自然な会話や文章生成も実現しつつあります。─ 活用例企業では、チャットボットによる問い合わせ対応の自動化が進んでいます。AIが顧客の質問を解析し、適切な回答を返すことで、対応時間を大幅に短縮します。 また、契約書の自動チェックでは、リスク条項や不整合を検出するAIが法務業務をサポート。さらにSNS投稿を分析し、消費者の感情傾向を把握する「ソーシャルリスニング」も盛んです。これにより、顧客満足度の向上やマーケティング戦略の最適化につながっています。活用方法3：音声認識・処理人間の「声」を聞き取り、理解するAI技術です。会議の議事録作成やコールセンター支援など、実用化が急速に進んでいます。─ できること音声認識AIは、人間の話す言葉を理解し、文字データに変換したり、命令として処理したりする技術です。話者識別や音声合成の分野でも進化が進み、会話の文脈を把握して自然な応答を行うことも可能になっています。特に近年は、ディープラーニングの導入により、ノイズ環境下でも高精度の音声認識が実現しており、企業の業務支援ツールとして急速に普及しています。 ─ 活用例会議の録音を自動で文字起こしし、議事録を作成するAIツールが多くの企業で導入されています。また、コールセンターでは、通話内容をAIがリアルタイムで解析し、応対品質を評価・改善する仕組みも一般化しています。さらに、音声合成を活用したナレーション生成やガイダンス音声の自動作成も進み、顧客対応や教育分野でも導入が加速しています。音声を介した操作や会話が日常業務の一部になる時代が近づいています。活用方法4：予測分析過去データを学習し、未来を予測するAIの代表的な応用分野です。リスク管理や需要予測など、経営判断の精度を高めることができます。─ できること予測分析AIは、過去のデータをもとに将来の動向を推測する技術です。需要や売上の変動、設備の故障確率、リスク発生の可能性などを予測し、意思決定を支援します。統計学と機械学習を組み合わせてモデルを構築することで、従来の経験則に頼らない正確な判断が可能になります。企業はこの分析を活用することで、リスクを回避し、先手を打った経営が実現できます。─ 活用例小売業では、AIが気温や天候、過去の販売履歴をもとに需要を予測し、在庫の最適化を支援しています。製造業では、設備の稼働データをAIが分析し、異常を検知してメンテナンスのタイミングを自動提案。これにより、突発的な停止リスク低減が可能です。金融業界では、不正取引の兆候をリアルタイムで検出する仕組みも導入され、セキュリティ強化に貢献しています。大手企業でもAIによる需要予測を導入し、生産計画の精度向上とコスト削減を同時に実現しています。活用方法5：最適化AIが「限られた資源をどう配分すれば最大の成果を出せるか」を計算する領域です。経営資源の有効活用に直結する分野として注目されています。─ できること最適化AIは、限られたリソースを効率的に配分するための技術です。スケジュールやルート、コストなどの複数条件を考慮し、最も効果的な組み合わせを導き出します。物流業や製造業では、時間・距離・コストの3要素を同時に最適化できる点が評価されています。また、人員配置や生産計画、価格設定など、経営資源の最適活用にも応用可能です。─ 活用例 配送業界では、AIが交通情報や天候を分析して最短ルートを提案し、燃料費や時間の削減を実現しています。小売・飲食業では、混雑予測に基づいて人員配置を自動で調整する仕組みが導入され、無駄なシフトを削減。さらに、航空業界やホテル業界では、需要の変化に応じて価格を変動させる「ダイナミックプライシング」も一般化しています。AIによる最適化は、経営効率と顧客満足度の両立を支える実践的な仕組みです。【業界別】AI活用法AI活用は、業界によって強みが出る領域や導入ハードルが異なります。各業界において、特に成果が出やすい領域と、実際の活用事例をもとに、ベストな使いどころを紹介します。製造業：品質向上と効率化の両立 製造業では、AIの導入によって「品質の安定」と「生産性の向上」を同時に実現する取り組みが加速しています。とくに画像認識AIを活用した外観検査は広く普及しており、人間の目では発見が難しい微細な欠陥も自動で検知できるようになっています。AIが検査結果を蓄積・学習することで、製造ラインの歩留まりを継続的に改善する仕組みも一般的になりました。また、機器の稼働データを解析し、異常を検知して故障を未然に防ぐ「予知保全」も注目されています。化学プラントや自動車部品工場などでは、AIによる自律制御や異常検知で作業負担を削減した事例が複数報告されています。小売業：売上アップと業務効率化 小売業では、AIを活用して顧客行動の分析や在庫・価格の最適化を行うことで、売上向上と業務効率化を両立させています。店舗のカメラ映像を分析し、来店客の行動を可視化して陳列レイアウトを改善する事例や、AIによる需要予測をもとに仕入れ数を調整する仕組みが普及しています。ユニクロではAIによる販売予測を導入し、生産量と在庫のバランスを最適化して在庫ロスを削減する取り組みを実施しています[2]。また、ECサイトではレコメンドAIを導入し、顧客の閲覧履歴から関連商品を提案することで購買率の向上につなげています。医療・ヘルスケア：診断精度向上と業務効率化 医療・ヘルスケア分野では、AIが診断支援と事務効率化の両面で導入されています。画像解析AIを用いた診断支援システムは、レントゲンやMRIなどの医用画像から疾患の兆候を検出する精度が向上しており、医師の診断をサポートする役割を果たしています。たとえば、国立がん研究センターでは、AIによる内視鏡画像診断支援システムを開発し、2020年に医療機器として承認されました。このシステムは大腸内視鏡検査時に前がん病変や早期大腸がんをリアルタイムに検出し、検査時間を延長することなく診断精度の向上が期待されています[3]。また、カルテの自動入力や記録要約といった事務処理をAIが代行する仕組みも拡大しており、医療従事者がより多くの時間を患者対応に充てられる環境が整いつつあります。農業：スマート農業の実現 農業では、AIとIoT技術を組み合わせた「スマート農業」が急速に広がっています。AIがドローンやセンサーから得たデータを解析し、土壌の状態や生育状況を数値化することで、経験や勘に頼らない栽培管理が可能になっています。たとえば、農研機構（NARO）は、AIを用いてトマトやパプリカの果実画像を分析し、収穫可能な果実数を予測する「着果モニタリングシステム」を開発し、収穫作業の効率的な労務管理への活用を目指しています[4]。また、AIが病害虫発生を予測し、適切な防除時期を通知する仕組みも導入されており、生産効率と持続可能性の両立に貢献しています。金融業：リスク管理と顧客サービス向上 金融業界では、AIによるリスク管理と顧客対応の高度化が進んでいます。AIが過去の取引データを分析して不正検知を行う仕組みはすでに多くの金融機関で導入されており、異常な取引パターンをリアルタイムで検出することで被害を防止しています。たとえば、三井住友カードでは、VisaのAIリスクソリューションを活用した不正検知システムを導入し、約1ミリ秒で不正取引パターンを分析・特定することで、24時間365日体制でカード取引のモニタリングを実施しています[5]。さらに信用スコアリングへのAI活用も進み、従来よりも多面的なデータをもとに個人や企業の信用度を判定できるようになっています。また、金融業界ではチャットボットによる顧客応対も広がりつつあり、AIが問い合わせ内容を理解して自動回答する取り組みが進んでいます。【職種別】AI活用法AIは業種だけでなく、職種ごとにも活用領域が広がっています。営業・マーケティング・人事・経理・カスタマーサポートなどの部門では、定型業務の自動化にとどまらず、意思決定や顧客体験の質を高めるツールとして導入が進んでいます。ここでは、主要な5職種でのAI活用事例と得られる効果を見ていきましょう。営業職：売上アップと効率化の実現営業職では、AIが顧客データの分析から商談成約率の予測までを担い、戦略的な営業活動を支援しています。AIによるリードスコアリングを活用すれば、成約見込みの高い顧客を自動で抽出でき、営業担当者が優先すべき案件を明確にできます。また、営業支援ツール（SFA）とAIを組み合わせることで、過去の成功パターンを学習し、最適なアプローチ方法を提案する仕組みも一般化しています。実際にSalesforceでは、AI機能「Einstein」がリードをスコアリングして優先順位を表示する機能を提供しており、Sales Cloud導入企業からは商談成約率が平均26%向上したとの報告があります [6]。AIが“勘と経験”に依存していた営業活動を可視化し、チーム全体の生産性向上を実現しています。マーケティング職：データドリブンな戦略立案マーケティング分野では、AIが膨大な顧客データを解析し、最適な広告配信や施策立案をサポートしています。 AIによる顧客セグメンテーションにより、属性や行動履歴から購買意欲の高い層を自動抽出でき、広告費の無駄を削減。生成AIを活用したコピーライティングやバナー自動生成も広まり、制作スピードの向上に寄与しています。AIがデータに基づく意思決定を支援することで、感覚や経験に依存しない戦略立案が可能になり、成果予測の精度も大幅に高まりつつあります。人事・総務職：採用と労務管理の効率化人事・総務部門では、採用活動や勤怠管理などの事務業務をAIで効率化する動きが広がっています。AIが応募者の履歴書や職務経歴書を解析し、スキルマッチ度を自動算出することで、採用担当者の選考負担を軽減します。 また、従業員アンケートやチャットボットを用いたエンゲージメント分析も普及しており、職場環境の改善につなげる企業も増えています。NECは心拍変動データから感情を可視化する「NEC 感情分析ソリューション」を提供しており、従業員の感情負荷やストレスを検出することで、離職予防などへの活用が期待されています [7]。AIが“人を選び、人を支える”分野でも活用される時代が到来しています。経理・財務職：業務自動化と精度向上 経理・財務分野では、AIによる経費精算・伝票処理・請求書チェックの自動化が急速に普及しています。AIが領収書の文字をOCRで読み取り、仕訳候補を提示することで、入力作業の大部分を削減可能です。また、AIが過去データを学習し、異常値を自動検知する仕組みも導入されており、不正防止やミス削減に寄与しています。クラウド会計ソフトでもAIによる仕訳学習を標準搭載し、業務効率を大幅に高めています。さらに、AIによる財務データ分析により、経営層がリアルタイムでキャッシュフローの健全性を把握できるようになり、迅速な意思決定が可能です。カスタマーサポート職：顧客満足度向上と効率化 カスタマーサポート職では、AIチャットボットや音声認識技術を活用した問い合わせ対応の自動化が定着しています。AIが過去の問い合わせ履歴を学習し、適切な回答を即時に生成することで、一次対応のスピードを大幅に向上。顧客は待ち時間を短縮でき、サポート担当者は複雑な問い合わせ対応に集中できるようになります。また、感情分析AIを導入し、顧客のトーンや感情をリアルタイムで把握して対応内容を調整する企業も増加しています。AIは、顧客体験の質を高めながら、サポート体制全体の生産性を底上げする存在となっています。生成AI活用のよくある失敗と改善・対策ポイントAIを導入したものの、思ったような成果につながらないケースは少なくありません。これはAIの性能そのものの問題ではなく、運用の仕組みや目的設計に原因があることが多いです。ここでは、企業が実際に直面しやすい課題と、改善方法を整理します。よくある失敗1：目的が曖昧なままAIを活用し効果が出ないAIを“便利なツール”として導入するだけでは、期待した成果は得られません。目的が曖昧なまま活用を始めると、どの業務でどのような効果を狙うのかが不明確になり、現場に混乱が生じます。たとえば「業務効率化」という漠然とした目標だけでは、成果の評価も難しくなります。改善には、まずAI活用のゴールを定義し、「何を・どの程度・どんな指標で改善するか」を具体化することが重要です。処理時間の短縮率やコスト削減額など、数値化可能な成果指標を設定することで、効果を検証しやすくなります。明確な目的を共有すれば、経営層・現場・開発チームの方向性もそろいやすくなります。よくある失敗2：現場の理解が得られずAI活用が進まないAI活用の停滞は、現場の理解不足や不安感から生じることが少なくありません。「AIに仕事を奪われる」「扱いが難しそう」といった誤解が残るまま導入を進めると、利用が進まず、結果として形骸化してしまいます。これを防ぐには、現場の担当者を早い段階から議論に参加させることが有効です。AIが補助的な存在であること、そして導入によって「人の判断を支える」役割を担うことを丁寧に説明することで、前向きな姿勢を引き出せます。また、社内勉強会やAIリテラシー研修を実施して、ツールに対する抵抗感を減らす取り組みも効果的です。現場の声を反映させながら小さく運用を始めることで、自然と定着しやすくなります。よくある失敗3：データの質と量が不十分でAIの精度が上がらないAIはデータから学習して成長する仕組みのため、入力データの質が低ければ正確な結果は得られません。データの欠損や偏り、フォーマットの不統一は精度低下の原因となります。まずは社内データの整理・分類を行い、重複や誤記を排除してクリーンな状態を保つことが重要です。そのうえで、AIが継続的に学習できる環境を整えることが成果向上の鍵となります。初期導入で終わらせず、定期的にモデルの再学習を行い、環境変化や新しいデータに対応させることで、精度と信頼性を維持できます。小規模な検証（PoC）を繰り返しながら改善する姿勢が、長期的な成功につながります。よくある失敗4：コスト面の見通しが甘くAI活用が停滞するAI活用では、初期費用だけでなく、運用・改善・保守にかかるコストを見誤るケースが多く見られます。導入時に費用を抑えても、システム連携や人材教育、データ管理などに追加コストが発生し、途中で運用が止まってしまうこともあります。これを防ぐには、初期・運用・拡張までを含めた全体コストを可視化し、段階的な投資計画を立てることが重要です。また、経済産業省などが提供するAI導入補助金や支援プログラムを活用すれば、費用負担を軽減しながら安定的な運用が可能になります。コストを“固定費”ではなく“投資回収型”として設計することで、経営判断もしやすくなるでしょう。よくある失敗5：AI活用を継続的に成長させる仕組みができていないAIは一度導入すれば終わりではなく、運用を通じて進化させていく必要があります。多くの企業がつまずくのは、AIの運用フェーズを“メンテナンス”と捉えず、継続的な改善の仕組みを構築していない点です。効果を最大化するには、定期的にモデルの精度を評価し、業務やデータの変化に応じて再学習を行うことが欠かせません。また、社内のAIリテラシーを高めることで、現場から自発的に改善提案が生まれる文化を育てることも重要です。さらに、KPIを設定して成果を可視化し、PDCAサイクルを運用に組み込めば、AI活用は単なる実験ではなく、組織成長の一部として定着します。よくある質問（FAQ）AI活用に関心はあっても、実際の運用段階で不安や疑問を感じる企業は多くあります。ここでは、導入後によく寄せられる質問にシンプルにお答えします。Q1.AI導入後、どのくらいで効果が出る？業務内容や規模にもよりますが、早い企業では3〜6か月程度で成果が可視化されます。定型業務の自動化やレポート生成など、効果が出やすい領域から取り組むと短期間でROI（投資対効果）を確認しやすくなります。一方で、AIの学習精度を高めるには継続的なデータ投入と運用改善が欠かせません。Q2.どの業務からAI導入を始めるべき？以下の基準で優先順位をつけると効果的です。定型業務が多い領域（データ入力、問い合わせ対応など）データが既に蓄積されている領域（販売履歴、顧客データなど）効果測定がしやすい領域（処理時間、コスト削減など数値化可能）現場の協力が得られやすい領域多くの企業では、経理の自動仕訳、カスタマーサポートのチャットボット、営業のリードスコアリングなどから着手しています。Q3.社内にAI人材がいなくても運用できる？可能です。近年はノーコード・ローコード型のAIツールが増えており、専門知識がなくても運用できる環境が整っています。外部パートナーに初期設計を依頼し、社内で運用・改善を担う「共同型」も一般的です。まずは小規模な導入から始めて、社内に知見を蓄積する方法が現実的です。Q4.どんな業務から導入すべき？最初は定型的・繰り返し作業の多い業務から始めるのがおすすめです。たとえば、経費精算・顧客対応・レポート作成など、成果が見えやすく影響範囲が限定された領域から取り組むと、スムーズに社内に浸透します。成功事例を一つ作ることで、他部署への展開も進めやすくなります。Q5.AIの判断ミスや誤検出はどう防ぐ？AIの誤判定を完全にゼロにすることは難しいため、人とAIの協働体制を前提に設計することが重要です。AIが出した結果を人が確認・修正できるプロセスを組み込み、学習データを定期的に更新することで精度を保ちます。特に重要な意思決定領域では、AIを“補助判断ツール”として活用する姿勢が安全です。まとめAIは、もはや「いつか導入したい技術」ではありません。いまや、すぐに活用できる実用的なビジネスツールです。企業がAIを成果につなげる鍵は、最新技術を取り入れることよりも、“どう活かすかを考え、継続的に改善する姿勢” にあります。技術そのものは誰でも手に入れられますが、組織としてAIを運用し、成果を生み出せる企業はまだ多くありません。だからこそ、今から小さく始め、現場の課題解決にAIを取り入れることが、将来の競争力につながります。競合他社がAI活用を本格化する前に、まずは一歩を踏み出し、明日からできるアクションを積み重ね、自社に最適なAI活用の形を磨き上げていくことが、組織成長への第一歩です。AI活用を“特別なプロジェクト”ではなく、“日常業務の一部”として根づかせることが、企業変革の最短ルートになります。AI活用を推進したいが、「社内に専門人材がいない」とお悩みではありませんか？AI導入を検討する企業の多くが、次のような課題に直面しています。AI・DX推進したいが、社内に知見を持つ人材がいない専門性のある人材の採用が間に合わない戦略は描けても、実行に移すリソースが足りないマイナビProfessionalは、事業の成長や課題解決に必要な「人」と「実行力」を提供するサービスです。6万人のプロ人材とマイナビの伴走体制がタッグを組み、戦略立案から実行まで、企業の"いま必要なこと"を一緒に実現します。3つの特長最短2週間でDX・AI領域のプロ人材と協働開始マイナビ2名体制で課題整理から実行まで徹底サポートアサイン人材1名・3ヶ月から柔軟に契約可能採用でも外注でもない、事業を前に進める新しい選択肢です。まずはお気軽にご相談ください。参考文献・出典[1] 株式会社KDDIテクノロジー｜AI×外観検査ソリューションhttps://image-ai.kddi-tech.com/[2] 日本経済新聞｜ファストリ、需要予測にAI 「エアリズム」など年内にhttps://www.nikkei.com/article/DGXMZO31669130S8A610C1916M00/[3] 国立がん研究センター｜臨床応用/社会実装の実績https://www.ncc.go.jp/jp/ri/division/molecular_modification_and_cancer_biology/clinical_application/index.html[4] 農研機構｜(研究成果) AIで果実とその熟度を自動判別し、収穫量を予測する装置を「国際ロボット展2022」に出展しますhttps://www.naro.go.jp/publicity_report/press/laboratory/iam/151554.html[5] PR TIMES｜三井住友カード、VisaのAIリスクソリューションを不正検知システムとして導入https://prtimes.jp/main/html/rd/p/000000107.000006846.html[6] salesforce｜AIを搭載した高機能CRM・SFAツールhttps://www.salesforce.com/jp/campaign/sales-cloud/ [7] NEC、ウェアラブルデバイスを活用して心拍変動データから感情を可視化する「NEC 感情分析ソリューション」を販売開始https://jpn.nec.com/press/201806/20180611_01.html