その後、2025年1月のプラン改定により、Google WorkspaceにGeminiが標準搭載され、全従業員が利用できる環境が整った。これに伴い同社は規定を再整備し、業務で利用可能なAIをGeminiのみに限定した。入力データがAIモデルの学習に使われないGeminiの仕様を前提に、「会社の情報を入力しても問題ない」とルールを明確化し、シャドーAIのリスクを抑えながら実業務での活用範囲を広げた。

従業員への「教育」徹底　「AI依存症」を防止

　そして、全従業員へのGemini開放と合わせて展開したのが、3つ目のKとなる「教育」だ。

　情報システム部はマニュアルを整備し、安全な利用方法を現場へ伝達した。特に同社が注力したのが、単なるツールの操作説明ではなく、AIの特性を理解させるリテラシー教育だ。

　規定に加えて「AIはハルシネーションを起こす」という注意喚起を盛り込むことで、AI任せにせず、必ず自分で内容を確認するよう呼びかけたという。AIの回答を盲信して自ら考えることをやめてしまう「AI依存症」を防ぐため、人による最終チェックを必須とする運用を徹底した。

　その他の活動として、社内講師や電算システムによる勉強会を全4回にわたって実施した。さらに、情報システム部から「AIニュースレター」を定期的に発行し、最新の機能やアップデート情報を社内に発信し続けた。正しい知識を継続的にインプットすることで、従業員が主体的にツールを使いこなせるようサポートした。

社内勉強会の様子（左）とAIニュースレター（右）。社内勉強会には70代の会長（赤い服の人物）も参加した（出典：森氏講演資料）

　3つのKを推進した結果、生成AIの利用率は劇的に向上した。2025年1月時点で33％だったGeminiのログイン率は、2025年12月には約80％に上昇し、2026年6月時点では個人ライセンス換算で86％を超える利用率を記録している。Geminiの活用により従業員1人当たり1日平均30分の業務時間を削減できたと仮定すると、全社で年間2万時間を超える業務効率化を実現した計算になる。

Geminiログイン率の推移（出典：森氏講演資料）

現場の工夫が生んだ「ファイル限界突破」

　現場では自発的に多様なAI活用が進められている。議事録の要約や「Gemini Notebook」（旧「NotebookLM」）を用いた資料作成といった定型業務の効率化だけでなく、各部署がそれぞれの業務課題に合わせてGeminiを応用している。例えば、製造部門では対象者に合わせた1on1の質問作成に活用し、R&D（研究開発）部門では「Raspberry Pi」を用いた温度管理アプリの開発に利用している。

ハナマルキにおけるGeminiの多彩な活用事例（出典：森氏講演資料）

　このようにGeminiの活用が日常化する中で、ITエンジニアではない現場の従業員が独自に仕組みを作り上げて業務課題を解決した事例も生まれている。その代表例が、レシピ開発担当者による「ファイル限界突破」だ。

　この担当者は、過去に作成した400件に上る自社製品の料理レシピのPDFファイルをGemini Notebookに読み込ませて、レシピの検索や分析を行おうとした。しかし、ファイルアップロード数の制限により、全ファイルの読み込みはできないことが分かった。代替策として、PDF内のテキストを手作業でスプレッドシートにコピー＆ペーストして、それをアップロードすることも考えたが、件数を考えると非現実的だ。

　そこでたどり着いた手段が、GASによる簡易なプログラムだった。所定のフォルダにレシピPDFを置くと、その内容をスプレッドシートに転記するという仕組みだ。このスプレッドシートをGemini Notebookに読み込ませることで、レシピの検索を可能にした

ファイル限界突破の仕組み（出典：森氏講演資料）

自律的AIエージェント構築で業務データのサイロ化を解消

　全社的な定着という目標を達成したハナマルキは現在、ユーザーの指示に従って動く「使われるAI」から、自律的に業務を処理する「働くAI」の活用、つまり、AIトランスフォーメーション（AIX）の領域へと足を踏み入れている。

　その背景には、深刻化するデータ管理の課題があった。Google Workspaceの活用が進むにつれて「Google Drive」に業務ファイルが散乱し、基幹システムやBIツールのデータも各所にサイロ化していたという。同じデータが複数箇所で個別に更新され、最新の正確な情報を把握しづらいという問題も浮上した。

　同社はこの課題を根本から解消するため、Google Cloudのデータウェアハウス「BigQuery」へのデータ統合に着手する。それと同時に、電算システムからの提案を受け、「Gemini Enterprise」の活用に着手した。

　着目したのは、AIが単に回答を生成するだけでなく、ユーザーの指示に基づいて一連のタスクを自律的に実行する「エージェント機能」だ。社内のあちこちに散らばる情報へ横断的にアクセスし、目的のデータを自律的に見つけ出して整理するエージェントを作れば、現場の業務負荷を大幅に下げられると考えた。

　同社はデータの整理方法とエージェントの設計について検討を重ね、第一弾として「見積作成支援エージェント」を開発した。従来、営業担当者が見積もりを作成する際は、Google Driveに散在するデータを手作業で照合しなければならず、多大な工数がかかっていた。

　見積作成支援エージェントは、自然言語による指示をトリガーにして、AIが自律的に適切なデータを検索して情報を整理する。例えば、「A商事の東京営業支店向けに見積もりを作って」と指示するだけで、過去の取引条件などを複数のデータから一括で抽出し、見積書を作成する。データ収集という高負荷な作業をAIが代行することで、営業担当者は顧客への提案活動など本来のコア業務に注力できるようになる。

Gemini Enterpriseを活用した見積作成フロー（出典：森氏講演資料）

AIでビジネスをイノベートする「次の3K」へ

　「3つのK」の推進により生成AIを安全に利用する土台を築き上げたハナマルキでは、APIやMCP（Model Context Protocol）を用いてGemini EnterpriseとBigQueryを連携させるといった活用も進みつつある。同社は現在、これらの基盤の上で「次の3K」へとアプローチを進化させようとしている。

　森氏は、「次の3Kは『AI 3K』です。専用モデルを限定的に導入して開発プロセスを自ら構築し、圧倒的な効率化を実現する『構築』、Gemini EnterpriseとBigQueryの連携でビジネスモデルをイノベートする『革新』、Google Workspaceのコラボレーション機能を生かし、AIと人、そして組織全体がスムーズにデータを介して連携する『協働』の3Kを進めていきます」（森氏）

　生成AIは、限られた専門家だけが扱う特別なツールではなく、全てのビジネスパーソンが日常的に使いこなすインフラとなった。その次なるステップとして、自律的に業務タスクを処理するAIエージェントの活用を進めることで、企業の業務は根本から変わる可能性がある。ハナマルキが描く「次の3K」は、それに向けた進化の道筋を示すものだと言える。