Danfoss が 80%の注文メールを生成AIで自動化──応答時間 42時間 → ほぼリアルタイム

課題：B2B注文処理の構造的ボトルネック

Danfoss は世界100か国超で事業を展開する産業機械メーカーで、毎日大量の B2B 注文メールを受け取っている。問題は、メールの形式が顧客ごとに千差万別だったことだ。PDF添付の発注書、本文に直書きされた SKU リスト、過去案件のCC返信に紛れた追加発注。これを人間の事務担当者が解読し、社内ERPに転記する。

このプロセスは応答時間が**平均 42時間、ピーク時には数日**に達していた。さらに、複数システム間の往復が必要なため「セミオート」のような中途半端な自動化では効率化が頭打ちだった。

ソリューション：Autonomous Commerce プラットフォームの導入

Danfoss は Go Autonomous社と提携し、同社の Autonomous Commerce プラットフォームを導入した。このプラットフォームは Google Cloud 上で稼働し、Google Kubernetes Engine (GKE) で AI 推論基盤を管理、生成AI として Gemini を組み込んでいる。

仕組みのコアは以下：

• **メール解釈エージェント**：Gemini が件名・本文・添付を読み込み、注文意図と項目を抽出
• **意思決定エンジン**：抽出データを ERP のマスタと突合し、整合性を判定
• **自動応答**：明確な注文は ERP に即時投入、不明点があれば人間に escalate
• **学習ループ**：人間が修正した判断を継続学習に反映

成果

• **80%の注文メールを完全自動化**（残り 20% のみ人間介入）
• **応答時間が42時間 → ほぼリアルタイム**
• **1注文あたり平均5分の事務時間削減**
• **完全手動処理の比率が継続的に低下**

この数値は決算資料・Google Cloud Customer Story として公表されている。

本番化を成立させた3つの設計判断

① 「セミオート」の罠を回避

多くの企業は「人間が最終確認する半自動」で止まる。これだと逆に処理時間が増える場合がある。Danfoss は **「明確な注文は完全自動化、グレーな部分のみ人間」** という大胆な切り分けで効率化を実現した。

② 業務責任者の早期巻き込み

注文処理のオーナーは IT 部門ではなく営業オペレーション部門。Danfoss は PoC 段階から業務責任者を意思決定テーブルに乗せ、本番化判断を IT 側に丸投げしない構造を作った。

③ 学習ループの組み込み

人間が修正した判断を機械学習にフィードバックする仕組みを、本番化フェーズで明示的に設計。これにより精度が継続的に向上し、自動化率が時間と共に高まる構造になっている。