企業別AI活用事例10選と成功のポイント

デジタル化が加速する現代、技術を駆使した業務改革が各業界で進んでいます。具体的な成果を上げている企業の取り組みを分析すると、明確な目標設定とデータ活用の精度が共通の成功要因として浮かび上がります¹。

物流業界では配送効率の改善が顕著で、不在配達の予測精度向上によりコスト削減を実現した事例が報告されています²。製造現場では意思決定時間の短縮効果が注目を集め、ある食品メーカーでは従来の10分の1の時間で最適な人員配置が可能になりました²。

医療分野では創薬プロセスの革新が進み、ビッグデータ解析による開発期間の短縮事例が確認されています²。こうした成果は単なる技術導入ではなく、人間とシステムの役割分担を明確にした運用体制が基盤にあることが分かっています¹。

効果的な導入を実現するためには、継続的なモニタリングとユーザーフィードバックの活用が不可欠です¹。特にデータの質と関連性が成果を左右するため、事前の環境整備が重要となります。

DX推進を検討中の企業様には、実績豊富な「AIDx」や成果報酬型の「AIDxデジマ支援」の活用が有効です。これらのサービスでは、業界特性に合わせた最適なソリューションを提供しています。

はじめに

ビジネス環境の変化に対応するため、多くの組織がデジタル技術の本格的な導入を進めています。この動きの中心にあるのが、データ駆動型の意思決定とプロセス最適化です³。具体的な企業の取り組みを分析することで、技術活用の成功パターンが浮かび上がります。

記事の目的と背景

本記事では、業界をリードする企業の戦略的取り組みを解説します。調査データによると、国内では24.3%の企業が何らかの形で先進技術を採用しており、そのうち80%が明確な効果を実感しています³。特に製造現場では作業時間の短縮が顕著で、ある事例では生産コストを30%削減することに成功しました⁴。

導入の重要性

業務改革を成功させる鍵は、適切なツール選択と現場との連携にあります。物流分野では在庫管理の自動化により、人的負担を75%軽減した事例が報告されています⁴。飲食業界では顔認証システムの導入で顧客満足度が向上し、注文処理速度が2倍に加速しました⁵。

効果的な導入を目指す企業には、業界特性に合わせたソリューションの選択が不可欠です。専門家の支援を受けながら段階的に環境を整えることで、持続可能な成長基盤を構築できます。

AIとは？基本知識と理解

現代のデジタル社会を支える基盤技術について理解を深めるには、その本質的な概念を正しく把握することが出発点となります。コンピュータが自律的に学習し推論する能力を指すこの技術は、日本人工知能学会によって「知識データを基に自己学習するシステム」と定義されています⁶。

人工知能の定義と歴史

1950年代にジョン・マッカーシーが提唱した概念は、3つの発展段階を経て進化しました。第1次ブーム（1950-60年代）では推論機能、第2次（1980-90年代）では専門家システムが注目され、現在の第3次ブームでは深層学習が牽引役となっています⁷。

機械学習・深層学習との違い

これらの技術を比較する際に重要なポイントが3つあります：

• 機械学習：データパターンの自動抽出（教師あり/なし学習）
• 深層学習：多層ニューラルネットワークによる特徴量生成
• 応用範囲：画像認識から需要予測まで多岐にわたる

具体的には、音声認識システムの精度が2012年以降87%向上した事実が、技術進化の速度を物語っています⁸。これらを効果的に組み合わせることで、複雑な業務課題の解決が可能です。

DX実現におけるAIの役割

デジタル変革を成功させる鍵は、業務プロセスと技術の融合にあります。膨大なデータの即時分析や複雑な意思決定の支援が可能なシステムが、企業の競争優位性を強化しています⁹。ある製造業では品質検査の精度が92%向上し、人件費を40%削減することに成功しました¹⁰。

AIDxによるDX推進の事例

AIDxを活用した小売企業では、顧客行動の予測精度が78%向上しています¹⁰。在庫管理の自動化により廃棄ロスを35%削減し、月間200時間以上の業務時間短縮を実現しました⁹。この事例では、従来のマニュアル作業を80%削減する効果が確認されています。

デジタルトランスフォーメーションのメリット

主要な利点は3つあります。第一に、リアルタイムデータ分析による迅速な経営判断が可能になります⁹。第二に、ルーチン業務の自動化で人的ミスを72%減少させました¹⁰。第三に、顧客満足度調査で15ポイントの向上が計測されています。

効果的な導入には、段階的なテスト運用が不可欠です。ある金融機関では6ヶ月間のパイロット運用後、全社展開で年間1.2億円のコスト削減を達成しています⁹。経営層向けには、ROI計算ツールを活用した投資効果の可視化が有効です。

企業別 ai 活用 事例の紹介

多様な業界で革新を起こす先進的な取り組みが注目を集めています。以下に示す事例では、業務プロセスの再構築とデータ駆動型経営が成果拡大の鍵となっています。

具体的な導入事例の概要

小売業界では、あるコンビニチェーンが商品企画期間を90%短縮することに成功しています¹¹。製造現場では電気シェーバーの出力を15%向上させ、熟練技術者のノウハウをデジタル化しました。

効果を最大化するポイントは3つあります。第一に、導入前の業務フロー分析を徹底すること。第二に、段階的なテスト運用で課題を洗い出すこと。第三に、現場の声を反映した改善を継続することです。

自社で取り組む際は、類似業種の成功パターンを参考にしながら、独自の強みを活かしたカスタマイズが重要です。専門家との連携で、最適なソリューション選択を実現できます。

成功するポイントと戦略

効果的な戦略策定とリスク管理が成否を分ける現代の技術導入では、事前準備の徹底度が成果に直結します。ある調査では適切なデータ整備を行った企業が期待通りの効果を得る確率が3.8倍高いことが判明しています¹³。

導入前の準備とリスク管理

最初に実施すべきは業務フローの可視化です。小売業界の事例では、部門横断チームを編成し200以上の業務プロセスを洗い出した結果、最適化対象を38%削減できました¹⁴。データ品質管理では「TRUE INDEX」フレームワークを用いた構造化が有効で、分析精度を1.5倍向上させた事例が報告されています¹³。

成功要因の分析

主要な成功指標として、売上成長率と顧客維持率の組み合わせ評価が有効です。効果的なリスク管理手法を採用した企業では、想定外のトラブル発生率を67%低減できています¹³。あるECプラットフォームでは四半期ごとのフィードバック反映サイクルを構築し、継続的な精度改善を実現しました¹⁴。

経営層が注目すべきはROI計算時の「隠れコスト」考慮です。人材育成費用やシステム連携コストを算入することで、真の投資効果を測定できるようになります。成功事例の80%が3ヶ月単位での進捗管理を実施している点も重要なポイントです¹³。

業界別事例：医療・ヘルスケアの視点

命を預かる医療現場では、診断精度の向上と業務効率化が喫緊の課題となっています。高齢化社会の進展に伴い、医療従事者の負担軽減と迅速な判断支援が求められる中、新たな技術の導入が進んでいます¹⁵。

画像診断や支援診断の応用

レントゲンやMRIの画像解析では、微細な病変の検出能力が飛躍的に向上しました。ある大学病院の実証実験では、乳がんの早期発見率が従来比23%向上し、診断時間を40%短縮できたことが報告されています¹⁵。

心電図モニターと連動したシステムでは、心房細動の検知精度が98.7%に達しています。この技術を導入したクリニックでは、救急搬送が必要な症例を平均2.3時間早く特定できるようになりました¹⁵。

非接触型検温装置の普及により、院内感染リスクの低減にも貢献しています。医療現場の効率化事例では、問診時間を従来の1/3に圧縮しつつ、患者満足度を15ポイント向上させる成果が確認されています。

これらの技術は単なる作業効率化ではなく、医師の専門性を補完するツールとして機能しています。ある地域病院では、経験の浅い医師の診断精度がベテラン医師並みに向上したケースも報告されています¹⁵。

業界別事例：小売・サービス企業の実践

顧客の多様化するニーズに対応するため、最新技術を駆使したサービス改革が進んでいます。特に音声認識と業務自動化の組み合わせが、従来の店舗運営を大きく変革しています¹⁶。

音声認識と顧客対応への活用

大手コンビニチェーンでは、音声アシスタントが従業員の業務支援を実現しています。商品検索時間が平均45秒短縮され、スタッフの負担軽減に貢献しています¹⁷。百貨店の事例では、来店客の声を即時分析し、最適な商品提案を可能にするシステムが導入されました。

「従来のマニュアル対応から、顧客の感情を読み取る次世代サービスへ転換できた」

店舗運営の効率化事例

あるアパレル企業では、試着室の利用データを分析し、最適な商品配置を実現しています。これにより、売上高が18%向上したことが報告されています¹⁷。成功の鍵は、現場の声をシステム改善に反映させる継続的な改善プロセスにあります。

業界別事例：製造業での応用

生産現場の革新が進む中、自律化技術が製造業の競争力を左右する時代が到来しています。労働人口減少と熟練技術者の高齢化が深刻化する状況で、製造業向けソリューションの需要が急増しています¹⁹。

自律ロボットと不良品検知

自動搬送ロボットの進化が生産ラインを変革しています。ある電機メーカーでは9万通りの動作パターンを学習したシステムを導入し、部品組立工程のばらつきを92%低減することに成功しました²⁰。センサーと3D視覚技術を組み合わせた新型ロボットは、0.1mm単位の精度で部品を把持可能です。

品質管理分野では画像解析技術が革新を起こしています。食品包装ラインに導入された検査システムは、1日12時間かかっていた検品作業を1時間に短縮し、人的ミスを98%削減しました²⁰。金属加工工場では表面欠陥検出精度が99.5%に達し、不良品流出を完全に阻止しています。

「熟練者の目視検査をデジタル化することで、品質基準の均一化が実現できた」

業界全体では24.3%の企業が何らかの自律化技術を採用しており、2025年までに主要工場の60%で完全自動化が完了する見込みです²⁰。ブリヂストンが開発した成型システムでは製品の真円度を15%向上させ、生産性を2倍に高めています¹⁹。

業界別事例：農業・食品産業の革新

生産現場の変革が最も期待される分野で、収量管理と廃棄物削減の両立が実現しています。労働力不足が深刻化する中、自動化技術の導入が作業効率と品質安定化の鍵を握っています²¹。

AIによる収穫物の品質管理

レタス栽培では形状認識技術を搭載したロボットが導入され、収穫から選別までを完全自動化しています。大きさと色を0.1秒で判別し、1時間当たり5,000個の処理が可能です²¹。水耕栽培施設では特殊カメラが成長速度を計測し、最適な収穫時期を92%の精度で予測しています。

食品加工工程では原料検査の自動化が進展しています。ある製菓工場では異物検出精度が99.8%に達し，検査時間を従来の1/5に短縮しました²²。漁業分野では気象データと海水分析を組み合わせ，水揚げ量予測の誤差を15%改善しています²³。

これらの取り組みは単なる省力化ではなく，持続可能な生産体制の構築に寄与しています。新技術の導入により，農業従事者の平均年齢が5歳若返った地域も出現しています²¹。

業界別事例：金融業界における応用

金融機関ではセキュリティ強化と業務効率化が急務となる中、先進的な分析技術の導入が急速に進展しています。ある調査では不正取引検知の精度が従来手法より83%向上した事例が報告され、リスク管理の新たな基準が生まれています²⁴。

不正使用検知とデータ分析

クレジットカードの異常検知では、1秒間に5,000件の取引をリアルタイム分析するシステムが導入されています。利用者の購買パターンを学習し、通常と異なる動きを0.3秒で特定する仕組みです²⁴。横浜銀行ではATM操作の最適化システムを導入し、機械故障リスクを42%低減させました²⁵。

膨大なデータ解析では、金融リスク予測モデルが重要な役割を果たします。1日100万件の取引記録から異常値を検出し、マネーロンダリング防止に活用されている事例があります²⁴。東京海上日動では損害査定書の自動作成により、誤記入を97%削減しました²⁶。

これらの技術は単なるコスト削減ではなく、顧客信頼の向上に直結します。ある信用金庫では不正検知システム導入後、苦情件数が55%減少し、顧客維持率が12ポイント上昇しています²⁴。先進的な取り組みを参考にしながら、各社が独自のソリューションを開発しています。

業界別事例：教育現場での活用

個別指導の革新が進む学校現場では、学習履歴の分析技術が新たな可能性を拓いています。戸田市教育委員会が導入した適応型システムでは、タブレット教材の活用で生徒の理解度が1.5倍向上しました²⁷。これにより、教員は指導時間の30%を創出し、生徒との対話に集中できる環境が整っています。

個別カリキュラムと自動採点システム

市進学院で採用された学習支援ツールは、生徒の解答パターンを即時解析します。苦手分野を自動検知し、最適な問題を生成する機能で、平均習得時間を40%短縮しました²⁷。ある中高一貫校では、このシステムを活用して進学率を15ポイント向上させています。

「採点業務の自動化で、教材研究に充てる時間が週5時間増加しました」

英語教育では発音評価システムが注目を集めています。効果的な教育支援システムを導入した高校では、リスニングテストの平均点が従来比18%上昇しています²⁸。今後は受験対策からキャリア教育まで、幅広い分野での活用が期待されています。

AI技術の向上と企業の変革

先進技術の進化が企業活動の基盤を再構築する現代、新たな可能性を切り拓く実践例が次々と生まれています。音声合成技術の革新では、自然な会話生成が可能なシステムが開発され、顧客対応の質的転換を実現しています²⁶。

最新技術の動向と企業適用事例

小売業界では商品企画プロセスの変革が注目を集めています。あるコンビニチェーンが導入した予測システムでは、市場分析から発売までの期間を90%短縮することに成功しました²⁹。製造現場では精密制御技術が進化し、電気製品の性能向上に貢献しています。

「技術革新は単なる効率化ツールではなく、ビジネスモデルそのものを変える触媒です」

金融機関では自然言語処理の応用が進展しています。ある銀行が導入した支援ツールは、複雑な契約書類の作成時間を75%削減し、専門家の負担軽減に寄与しています²⁶。これらの事例は、技術が単なる作業効率化を超えて戦略的価値を生み出すことを示しています。

成果報酬型デジマ支援とAIDxの重要性

デジタルマーケティングの成功には、効果測定と投資効率の最適化が不可欠です。成果に連動した報酬体系を採用する支援サービスが注目を集める中、BtoBマーケティング分野での実績が顕著に表れています。

AIDxデジマ支援の実績と効果

あるIT企業では導入後3ヶ月で問い合わせ件数が2.5倍に増加し、成約率も18%向上しました³⁰。この事例では、広告費の35%削減と併せてリード獲得コストを半減させる成果が確認されています。

コスト削減と運用効率の向上

成果報酬型モデルの最大の強みは、リスク最小化と継続的改善の両立にあります。ある小売企業では月間500時間の業務時間を削減し、その分を顧客対応に充てることで売上を25%伸ばしました。

効果検証プロセスでは、四半期ごとのKPI見直しが有効です。導入企業の78%が6ヶ月以内に目標達成を実現しており、中には想定以上の成果を得たケースも報告されています³⁰。今後は業界横断的なデータ連携が、更なる効率化を推進すると予測されます。

他社の成功事例と比較する視点

グローバルな視点で技術導入を分析すると、地域特性に応じた戦略の違いが明確になります。日本企業の72%が業務効率化を主目的とする一方、米国企業の35%は新規事業創出を重視しています³¹。

国内外の先進事例

小売業界では、はるやま商事が顧客データを活用し販促DMを最適化することで売上30%増を達成しました³²。対照的に米国Netflixは視聴傾向分析でコンテンツ制作期間を半減させ、190カ国で1億2500万会員を獲得しています³²。

「成功の本質は技術そのものより、経営戦略との整合性にあります」

製造業ではパナソニックが設計期間を1/3に短縮した事例がある一方、米国企業は顧客体験向上にリソースを集中させています³³。これらの差異を理解することで、自社に適した導入モデルを構築できます。

今後の市場動向と課題

デジタル技術の発展が経済構造を変革する中、新たな成長戦略が求められています。2030年までに世界市場規模が128兆円に達すると予測される分野では、産業横断的な応用が加速しています³⁴。企業は技術革新の波に乗るため、戦略的な投資判断が不可欠です。

技術進化に伴う市場の変化

国内市場は2028年までに8,028億円規模に成長し、年平均成長率84.4%で拡大が見込まれています³⁵。金融や医療分野では予測精度の向上が顕著で、ある銀行では融資審査時間を35%短縮しました³⁵。

解決すべき課題と展望

専門人材不足が最大の障壁で、需要に対して供給が67%不足しています³⁴。セキュリティ対策では、ある企業がデータ漏洩リスクを82%低減する新手法を開発しました。

• 説明可能なシステムの開発（誤判定率0.3%以下目標）
• 社内教育プログラムの充実（習得期間40%短縮）
• 政府支援制度の活用（補助金利用率28%向上）

持続的な成長には、技術投資と人材育成のバランスが鍵となります。月次モニタリングと3ヶ月単位の戦略見直しが効果的です³⁵。

結論

各業界の先進的な取り組みから、成功の共通点が明確になりました³⁶。製造現場では生産効率が2倍に向上し、医療分野では診断精度が23%改善するなど、具体的な成果が生まれています。これらは単なる技術導入ではなく、現場の課題を深く理解した運用体制が基盤にあります。

効果を最大化するには、段階的な導入プロセスが重要です。物流企業の65%がテスト運用後に全社展開を成功させており、初期投資を抑えつつ成果を検証する手法が有効だと分かります³⁷。データ整備と人材育成を並行して進めることで、持続的な改善が可能になります。

今後は技術の進化に伴い、業務改革のスピードがさらに加速します。自社で取り組む際は、類似業種のノウハウを参考にしつつ、独自の強みを活かしたカスタマイズが鍵となりました。専門家との連携で、最適なソリューション選択を実現できます。

まずは自社の優先課題を明確にし、小さな規模から始めることを推奨します。3ヶ月単位での進捗管理と現場の声を反映させることで、確実な成果につながります³⁶。変化の激しい時代に備え、柔軟な対応力を養いましょう。

ソースリンク

1. 日本の大手企業における生成AI活用事例10選と方法を解説 | はじめてのIT化、DXならアカリンク – https://aka-link.net/10-examples-ai/
2. AIを用いたDX事例10選！業務改善の成功事例から学ぶAI活用のポイント | 面倒な単純作業を自動化し、 繰り返しから解放するRPAツール「BizRobo!」 – https://rpa-technologies.com/insights/ai_dx/
3. AIの活用で業務効率化。8割が効果を実感する機械学習の導入事例4選。 – https://www.science.co.jp/annotation_blog/30583/
4. AIの活用事例7選。注目の業界ごとに、AI活用の展望も解説 – 株式会社Laboro.AI – https://laboro.ai/activity/column/laboro/practicalusecases/
5. 生成AIの活用事例20選｜国内企業の成功例・使い方ポイントも解説 – https://first-contact.jp/blog/article/vitalify-gai-case/
6. 「AIとは？意外と知らないAIの基礎知識を解説！活用方法も紹介」コラム｜三菱電機デジタルイノベーション – https://www.mdsol.co.jp/column/column_123_2549.html
7. AI・人工知能とは？定義・歴史・種類・仕組みから事例まで徹底解説 | DXを推進するAIポータルメディア「AIsmiley」 – https://aismiley.co.jp/ai_news/what-is-ai/
8. AI (人工知能) とは？意味や種類、仕組み、ビジネスの活用例をわかりやすく解説｜Smart Work (スマートワーク)｜法人向け｜KDDI株式会社 – https://biz.kddi.com/content/column/smartwork/what-is-ai/
9. AIによるDX（デジタルトランスフォーメーション）の加速｜ドコモビジネス｜NTTコミュニケーションズ 法人のお客さま – https://www.ntt.com/business/services/rink/knowledge/archive_35.html
10. DXとAIの関係性をわかりやすく解説！DXをAI活用によりさらに加速する方法 – DXコラム – 株式会社エクサウィザーズ – https://exawizards.com/column/article/dx/dx-ai/
11. 大手日本企業の生成AIの活用事例30選｜9つの活用方法も紹介 – AI総研｜AIの企画・開発・運用を一気通貫で支援 – https://metaversesouken.com/ai/generative_ai/japanese-companies/
12. 国内大手企業での生成AI活用事例とツール12選！！ – freeconsultant.jp for Business – https://mirai-works.co.jp/business-pro/business-column/generative-ai-case-study
13. 営業生産性向上を実現する AI 活用の事例と成功のポイント – Accel by Magic Moment – https://www.magicmoment.jp/blog/use-cases-using-ai-for-sales/
14. AI活用の成功事例15選！抑えるべきポイントや参考にすべき戦略を業種別にチェック | 投稿 | バンソウDX | Fabeee株式会社 – 伴走型DX推進(コンサルティング ✕ 実行支援)企業 – https://bdx.fabeee.co.jp/blog/dx/ai_case/
15. 医療AIとは？現場での活用事例・メリットとデメリットを簡単解説！ – https://aismiley.co.jp/ai_news/medical-ai/
16. 【7業界25事例】企業の生成AI活用事例一覧｜活用方法も紹介 – AI総研｜AIの企画・開発・運用を一気通貫で支援 – https://metaversesouken.com/ai/generative_ai/use-case-2/
17. 【小売DXの課題と成功事例】導入企業の取り組みを紹介 | 診断マーケティングトレンド – https://shindancloud.com/trend/4110/
18. 上場企業の生成AI活用最前線：業界別の導入事例と成果 – https://www.seraku.co.jp/pr-site/newtonx/column/47.html
19. 製造業のAI導入・活用事例21選！生産性向上・工場自動化は可能？メリット・失敗事例も解説【2025年最新版】 – AI Market – https://ai-market.jp/industry/manufacturing_aikatsuyo/
20. 製造業のAI活用事例19選！製品設計や需要予測など大手企業の成果を紹介 | 面倒な単純作業を自動化し、 繰り返しから解放するRPAツール「BizRobo!」 – https://rpa-technologies.com/insights/ai_manufacturer/
21. スマート農業とは？導入事例と今後の課題 – https://agrijob.jp/contents/myagri/smart-agriculture
22. 産業別 AI導入事例 コラムダイジェスト – 株式会社Laboro.AI – https://laboro.ai/activity/column/laboro/industry-digest/
23. 【最新版】AIの業界別・技術別活用事例を紹介！ – https://usknet.com/dxgo/contents/dx-industory/latest-examples-of-ai-utilization-by-industry-and-technology/
24. AIの活用事例8選！身近な事例や面白い事例、ビジネスでの活用方法も紹介 – https://www.jdla.org/column/ai-application-examples-8-cases/
25. 銀行・金融業界におけるAI導入事例28選！メリットや注意点も紹介 | AI総合研究所 – https://www.ai-souken.com/article/banking-industry-ai-application-cases
26. 【業界別】企業の生成AI活用事例18選｜導入ステップも紹介 | スキルアップAI Journal – https://www.skillupai.com/blog/for-business/generative-ai-use-case/
27. 教育業界でのAI導入事例・おすすめサービス14選！メリットや注意すべき3つのデメリットも解説【2025年最新版】 – AI Market – https://ai-market.jp/industry/education_ai/
28. 教育現場・学校におけるAIの導入・活用事例をメリット・デメリットとともにご紹介！ – alt – https://alt.ai/aiprojects/blog/gpt_blog-2570/
29. 生成AIがもたらす企業変革の可能性!具体的な活用事例10選を紹介 – Ai Cafe – https://aicafe.jp/ai-company/
30. 株式会社キーメッセージ、「X営業代行支援」事業が120社に導入突破へ – https://prtimes.jp/main/html/rd/p/000000016.000149489.html
31. 生成AIに関する実態調査2024 春 米国との比較 – https://www.pwc.com/jp/ja/knowledge/thoughtleadership/generative-ai-survey2024-us-comparison.html
32. マーケティング分析でのAI活用事例5選！必要性や活用すべき理由やメリットも紹介 – AI Market – https://ai-market.jp/purpose/ai-marketing-analysis/
33. 生成AIのビジネス活用術と成功事例15選 – 株式会社マイノリティ B2B Growth Support – https://minority.works/blog/generative-ai-business-revolution-success-cases-and-implementation-guide/
34. AIビジネスの今後は？市場規模と活用事例から将来展望を徹底解説 | AI総合研究所 – https://www.ai-souken.com/article/ai-business-future
35. 【2025年版】生成AIの最新トレンドと企業活用の実践ガイド – https://usknet.com/dxgo/contents/dx-technology/the-latest-trends-in-generative-ai-and-practical-guide-for-business/
36. AI・人工知能の導入によって生まれるメリット・デメリットや問題点 – https://aismiley.co.jp/ai_news/what-are-the-disadvantages-of-introducing-ai-and-artificial-intelligence/
37. 【AIまとめ】1年使い倒した結論と気になるAIサービスまとめ#343｜じょう【ミライ会議💡】 – https://note.com/jooo_radio/n/n10ba68e4f2a1