1/24ページ
ダウンロード(12.5Mb)
このカタログについて
| ドキュメント名 | AI格差がもたらす「製造業二極化」の正体 |
|---|---|
| ドキュメント種別 | ホワイトペーパー |
| ファイルサイズ | 12.5Mb |
| 取り扱い企業 | 株式会社カミナシ (この企業の取り扱いカタログ一覧) |
この企業の関連カタログ
このカタログの内容
Page1
2030年に
生き残る企業、
淘汰される企業の
境界線とは-。
Page2
Index
第1章/静かに進む「製造現場のデジタル分断」 01
第 2章/熟練工の引退という「タイムリミット」 03
第 3章/グローバルサプライチェーンからの「脱落」リスク 05
第 4章/守りのAI、攻めのAI 07
第 5章/経営者が今すぐ下すべき「デジタル投資」の決断 10
出典一覧 12
Page3
第 1 章
静かに進む
「製造現場のデジタル分断」
1-1.「 改善」の限界と「変革」の必要性
日本の製造業は長年、現場の「カイゼン」活動によって世界トップクラスの品質を維持して
きました。しかし、現代の製造現場が直面しているのは、もはや個人の努力やチームのチーム
ワークだけでは解決できない「次元の異なる課題」です。 原材料価格の激しい変動、地政学
リスクに伴うサプライチェーンの混乱、そして消費ニーズの極端な細分化。これらに対し、
人間がエクセルを叩いて計画を練り、現場の経験則で調整を行う従来の手法は、限界を露呈
しています。AIを活用し、膨大な変数から最適解を瞬時に導き出す企業と、そうでない企業の
差は、もはや「効率」の差ではなく、経営の「生存能力」の差となって現れています。
COLUMN
データ活用は「コスト」か「利益」か? ※1
「デジタル投資はコストがかかる」と二の足を踏む経営者は少なくありません。しかし、その認識はすでに統計的に
否定されつつあります。
経済産業省が発表した『2024年版ものづくり白書』によると、製造工程のデジタル化やデータ収集を実施して
いる企業は、そうでない企業と比較して、営業利益が増加傾向にある割合が有意に高いという結果が出ています。
現場のデータを「見える化」し、経営に直結させることは、単なる効率化(コスト削減)にとどまらず、企業の「稼ぐ力」
そのものを押し上げる要因となっているのです。
2019年と2023年を比較した営業利益の変化(従業員数300人以下の企業)
42.5% (%)
6以上の分野のデジタル技術を 増加(10%以上)
活用している企業(n=308)※ 29.5 13 17.5 10.7 20.8 8.4
やや増加(5%以上10%未満)
37.7% 横ばい(5%未満の増減)
5以下の分野のデジタル技術を
活用している企業(n=2,338)※ 24 13.7 17.1 10.6 24.9 9.8 やや減少(5%以上10%未満)
29.7% 減少(10%以上)
デジタル技術 無回答
未活用企業(n=492) 17.1 12.6 18.3 12.8 25.2 14
01
Page4
1-2. データが「利益」に直結するメカニズム
「AI格差」の正体は、データの活用能力です。例えば、ある先進的な工場では、工作機械の
稼働データ、電力消費量、さらには工場内の湿度や温度といった環境データをすべてリアル
タイムで統合・解析しています。これにより、「なぜか今日は不良品が多い」という曖昧
な事象を、AIが「湿度と回転数の特定の相関関係」として解明し、即座に設定を自動補正
します。
一方で、データが各工程で断片化(サイロ化)している企業では、原因究明に数日を要し、
その間も不良品を出し続け、機会損失を垂れ流しています。この「スピード感の欠如」
こそが、営業利益率を数パーセント単位で削り取り、数年後には投資余力の有無という
決定的な二極化を生むのです。
02
Page5
第2 章
熟練工の引退という
「タイムリミット」
2-1. 2030年、技術資産の「強制リセット」が始まる
「うちの品質はベテランの目に支えられている」
その言葉は、裏を返せば「ベテランが去れば品質が崩壊する」という脆弱性の告白に他な
りません。日本の人口構成で最もボリュームが大きい層の一つである「団塊ジュニア世
代」は、2031年から順次60歳を迎えます。日本の製造業の屋台骨である熟練工の多く
が、それを境に一斉に定年を迎えます。 彼らが持つ「音のわずかな変化で刃具の摩耗を察
知する」、「火花の色で鋼の温度を見極める」といった暗黙知は、マニュアル化が極めて困難
です。この「匠の技」を、AIによる画像認識や音声解析、振動解析によって数値化・モデル
化することに成功した企業だけが、技術の連続性を保つことができます。
COLUMN
「644万人不足」の衝撃 ※2
「人手不足」という言葉は聞き慣れたものになって
しまいましたが、その深刻さを具体的な数字で直視 2030年までの人手不足の推移
できているでしょうか。 人手不足数、実質賃金の2030年までの推移
パーソル総合研究所の推計によれば、少子高齢化に 実績 予測
伴う労働人口の減少により、2030年には日本全体 2,096円
で644万人の人手不足が発生すると予測されてい 2,000円
ます。特に製造業における技術者の減少ペースは 1,910円
1,835円 644万人
著しく、採用だけでこの穴を埋めることは物理的に
実質賃金(時給) 505万人
不可能です。 384万人
熟練工の技をAIに学習させ、デジタル資産として
残すこと。これは「できればやったほうがいい」こ 121万人
とではなく、644万人の穴を埋め、事業を継続する
ための「必須の生存戦略」なのです。 人手不足数
2017年 2020年 2025年 2030年
03
Page6
2-2. 属人化からの脱却と「技術の標準化」
AIへの技術承継は、単なる代替ではありません。ベテランの感覚を「誰もが使えるデジ
タルツール」へと変換する作業です。これにより、これまで一人前になるのに 10年
かかった工程を、AIのサポートによって入社数ヶ月の若手が同等以上の精度でこなせる
ようになります。 技術を属人化させたまま放置することは、経営における「キーマン
リスク」を最大化させる行為です。今、AIにベテランの知恵を「学習」させることは、
将来に向けた最も確実な知財投資であり、組織の若返りを加速させる唯一の手段なの
です。
04
Page7
第3 章
グローバルサプライチェーンからの
「脱落」リスク
3-1. 選別されるサプライヤー:AI活用は「必須要件」へ
グローバル市場で戦う大手メーカーは今、サプライヤー選定の基準を劇的に変化させて
います。かつての基準は「品質・コスト・納期(QCD)」でしたが、現在はそこに「デジタル
トレーサビリティ」と「サステナビリティ」が加わっています。 例えば、自動車産業における
EVシフトや航空宇宙分野では、部品一つひとつの製造過程における詳細なデータログが
要求されます。欧州のデジタル製品パスポート(DPP)の義務化や、自動車産業における
IATF 16949に基づく個別要件の厳格化により、製造現場には『判定の自動化』だけで
なく『判定根拠のデジタル証明』が求められています。経済産業省のDX指針においても、
品質不正防止の観点から非改ざん性の高い検査エビデンスの即時提出能力が、サプラ
イヤー選定の新たな重要指標として位置づけられています。「AIによる全数検査を行い、
その判定根拠(エビデンス)がデジタルで即座に提出できること」が契約の前提条件に
なりつつあるのです。
COLUMN
EU市場への「通行手形」を持てるか ※3
グローバル市場、特に欧州では「環境への配慮」が単なる
努力目標から「市場参入条件」へと変わっています。その
象徴が「デジタルプロダクトパスポート(DPP)」です。
欧州電池規則などを皮切りに導入が進むこの制度では、
原材料の調達から廃棄に至るまでの全データをデジタル
上で開示・証明できなければ、EU域内での製品販売その
ものが禁止されます。
どれほど品質の良い製品を作っても、そのトレーサビリティ
を証明するデータ(パスポート)がなければ、国境を越える
ことすら許されない。AIによるデータ管理体制の有無は、
実質的な「輸出許可証」となりつつあるのです。
05
Page8
3-2.「 見えないコスト」が競争力を奪う
また、カーボンニュートラルへの対応も、AIなしでは不可能です。工場全体のエネルギー
消費をAIで最適化し、製品単位の炭素排出量を算出できなければ、海外市場、特に欧州
などへの進出は困難になります。 アナログな管理体制を維持し続けることは、取引先から
見て「リスクの高い、不透明なパートナー」と見なされることを意味します。AI活用は
もはや「自社のための効率化」ではなく、「市場から排除されないためのパスポート」
なのです。
06
Page9
第4 章
守りのAI、攻めのAI
4-1. 利益率を底上げする「守りのAI」
まずは「守りのAI」によって、現場の徹底的な筋肉質化を図ります。外観検査の自動化に
よる人件費削減、予兆検知による突発的な設備故障の回避、AI生産スケジューラによる
仕掛品の最小化。これらは導入後の効果が測定しやすく、ROI(投資対効果)を早期に実感
できる領域です。ここで生み出された「時間」と「資金」を次のステップへ繋げることが
重要です。
4 -2. ビジネスモデルを変革する「攻めのAI」
真の二極化の勝者は、AIを「価値創造」に使います。 例えば、顧客のニーズをAIで分析し、
多品種少量の製品を「特注品並みのリードタイム」で届けるオンデマンド生産を実現する。
あるいは、製品にセンサーを搭載し、出荷後の稼働状況をAIで分析して「メンテナンス・
サービス」という新たな収益源(サブスクリプション)を創出する。 単に「ものを作る」
だけでなく、AIを活用して「顧客に価値を届ける方法」を再定義すること。これこそが、
安価な海外製品との価格競争から脱却し、高付加価値経営へと転換する鍵となります。
4 -3. グローバル先行企業が示す「AI経営」の到達点
日本で「AI導入」が検討段階にある中、世界のトップランナーたちはすでにAIを「経営の
OS」として組み込み、劇的な収益性の向上とビジネスモデルの転換を実現しています。
ここでは、経営者が直視すべき 5つのグローバル事例を紹介します。
07
Page10
BMW(ドイツ) 生産ライン上の可動式標準カメラを使用し、AIが
内容 リアルタイムで部品画像を標準と照合します。照明
AIベースの画像認識による 条件の変化やライン移動中であっても高精度な
品質管理の自動化 ※4 判定が可能で、三角停止板などの部品の有無や、エンブレムが
BMWグループは、製造工程の効率化と従業員の 注文データと一致しているか等を自動検査しています。
負担軽減のため、2018年よりAI画像認識シス 「良品」「ほこり」「油汚れ」などの特徴を学習させ
テムを導入しています。 成果 ることで、汚れを傷と誤認する「疑似欠陥」の発生を
排除しました。また、従業員が部品を撮影し箇所を
マークするだけで学習が完了するため、専門的な ITスキルや
コーディング不要で、迅速な導入・運用を実現しています。
世界240の製造拠点と110の配送センターをつなぐシュナイダーエレクトリック(フランス) 内容 サプライチェーンにおいて、原材料調達から配送
機械学習による までの最適ルートを予測する機械学習モデルを構築
サプライチェーンの最適化 ※5 しました。 モデルの効率化を図るため、30万点に及ぶ製品
(SKU)を属性ごとに1,800グループへ集約し、輸送ポリシーや
シュナイダーエレクトリックは、世界規模のサプ
制約など数十万件のデータを分析することで、最適な製品
ライチェーン運用を効率化するため、機械学習を
フローを特定しています。
活用した予測モデルを導入しています。
この取り組みにより、輸送コストにおいて800万
成果 ユーロの削減を達成しました。さらに、コンテナの
積載効率(利用率)の向上や、スペース・時間の
節約といった物流プロセス全体の最適化も実現しています。
過去
LGエレクトロニクス 10年間で蓄積した770TBの生産データをAIと
(韓国) 内容 統合し、デジタルツインによる事前の生産フロー
スマート工場 検証や、リアルタイム分析による欠陥・ボトルネック
ソリューションによる生産変革 ※6 の検知を実現しています。また、Vision AIを用いて温度異常や
安全装備の不備を監視するなど、工場の設計から稼働までを包括
LGエレクトロニクスは、66年の製造ノウハウと
的に支援します。
AIを統合し、スマート工場市場へ参入しました。
生産技術院(PRI)を通じ、コンサルティングや 世界経済フォーラムによって「ライトハウス(灯台)
機器開発などを外部へ提供します。 成果 工場」として認定された韓国・昌原(チャンウォン)の
工場などでは、スマート製造ソリューションの導入に
より顕著な成果が出ています。同工場では生産性が17%向上し、
エネルギー効率は30%改善されました。さらに、欠陥に起因する
品質コストは70%削減されています。
08
Page11
ダノン 全従業員のAIリテラシー向上を目指し、「Danone
(フランス)
内容 Microsoft AI Academy」を立ち上げる計画です。
AIアカデミー設立と すでに5万人の従業員が日々の業務で「Microsoft
サプライチェーンの高度化 ※7 Copilot」などのAIツールを活用しています。サプライチェーン
分野では、予測型フォーキャスティングやリアルタイム調整機能を
世界的な飲食料品メーカーであるダノンは、
通じて、ロジスティクスと製造業務をよりスマートで即応性の
業務全体へのAI統合を進めるため、マイクロ
高いものにする「AI対応サプライチェーン」の構築を模索して
ソフト社との数年にわたる協業を開始しました。
います。
調達、生産、流通チームの専門家によるデータ主導の
成果 意思決定を支援するため、コアスキルのデジタル
ツイン化を進めています。この協業は、業務効率や
消費者エンゲージメントの新たな領域を開拓するだけでなく、
組織全体に継続的な学習とイノベーションの文化を醸成し、
同社の成長戦略である「Renew」戦略を加速させるものと
位置付けられています。
タイソン・フーズ 同社は、鶏肉トレイの在庫数を正確に把握するため、
(アメリカ)
内容 Amazon SageMaker等を用いた物体検出モデルを
画像認識AIによる生産管理と 導入しました。従来の手動カウントや総重量の監視
保守検査の自動化 ※8 では即時にデータが得られず不正確でしたが、AWS Panorama
を用いて生産ラインの映像をエッジ(現場)で解析し、リアル
世界最大級の食肉加工メーカーであるタイソン・
タイムでの個数把握を実現しました。さらに、Amazon Lookout
フーズは、AWS(Amazon Web Services)の
for Visionを活用し、製品キャリアを固定するピンの異常を自動
機械学習技術とコンピュータビジョンを活用し、
検知する仕組みも構築しました。
製造現場における手動検査プロセスの自動化を
推進しています。 在庫追跡の自動化により、現場監督者はほぼリアル
成果 タイムで生産量を把握可能となり、シフト中の過剰
生産や過少生産を回避できるようになりました。
また、ピン検査の自動化においては、従業員が目視確認に費やし
ていた時間を削減し、1施設あたり年間15,000時間の熟練労働
時間を削減することに成功しています。
09
Page12
第5 章
経営者が今すぐ下すべき
「デジタル投資」の決断
5-1.「 データ蓄積の先行者利得」は逆転不能
AIには、他の設備投資とは決定的に異なる性質があります。それは「学習に時間がかかる」
という点です。 最新の工作機械は、資金さえあれば明日から導入して競合と同等のパフォー
マンスが出せます。しかし、自社独自の製造条件を学習し、最適化されたAIモデルは、一朝
一夕には作れません。今日からデータの蓄積を始めた企業と、1年後に始める企業の
間には、単なる365日の差ではなく、AIの精度という「埋められない壁」が生まれます。
COLUMN
決断の遅れが招く「12兆円」の損失 ※9
既存システムの老朽化やデータのブラックボックス化を放置し、DX(デジタルトランスフォーメーション)を
先送りすることのリスクは、個社の問題にとどまりません。
経済産業省の『DXレポート』は、この課題を克服できない場合、2025年以降、年間で最大12兆円の経済損失が
生じる可能性があると警告しました。いわゆる「2025年の崖」です。
リスク①:経済損失
システム障害やデータ消失、競争力低下により、最大12兆円/年
2025年の崖 (現在の約3倍)の経済損失が発生する可能性。
複雑化・ブラックボックス化した リスク②:人材不足の深刻化
既存システムを放置した場合に、
先端 IT人材の不足数が約43万人に拡大。
2025年以降に発生すると予測
される経済的・技術的な危機。 リスク③:技術的負債
SAP等のサポート終了(2025年問題)に伴う維持コスト高騰。
※レポート発表当時の文脈です。現在は2027年等へ延長されています。
「まだ大丈夫」という根拠なき楽観は、将来的に巨額の損失となって跳ね返ってきます。経営者による今の決断
こそが、この崖を橋に変え、企業と日本経済の未来を救う唯一の手立てなのです。
10
Page13
5-2. 経営者に求められる「不確実性への勇気」
「まだAIは精度が低い」「実績が足りない」と様子見を続けることは、一見合理的ですが、
実は最もハイリスクな選択です。AI活用における最大の失敗は、導入して不具合が出る
ことではなく、何もせずに「変化の波」から取り残されることです。 完璧な計画を待つのでは
なく、まず特定のラインから着手し、走りながら改善していく。現場の不安を、経営者の揺る
ぎないビジョンで希望に変えていく。2030年、勝ち残った企業のトップが振り返ったとき、
「あの時、決断してよかった」と言えるのは、今この瞬間に動いた企業だけです。
11
Page14
出典一覧
※1 経済産業省『2024年版ものづくり白書(概要版)』p.3「 我が国ものづくり産業が直面する課題と展望」より
https://www.meti.go.jp/report/whitepaper/mono/2024/pdf/gaiyo.pdf
※2 パーソル総合研究所・中央大学『労働市場の未来推計 2030』p.9より
https://rc.persol-group.co.jp/wp-content/uploads/thinktank/data/future_population_2030_4.pdf
※3 日欧産業協力センター『EUデジタル政策:デジタル製品パスポート(DPP)』より
https://cdnw8.eu-japan.eu/sites/default/files/publications/docs/EU-Digital-Policy6.pdf
※4 BMW Group Press Release: "Fast, efficient, reliable: Artificial Intelligence in BMW Group production" (2019)
https://www.press.bmwgroup.com/global/article/detail/T0298650EN/fast-efficient-reliable:-artificial-intelligence-in-bmw-group-production?language=en
※5 BestPractice.ai Case Study: "Schneider Electric saves €8 million by optimising its supply chain using machine learning"
https://www.bestpractice.ai/ai-case-study-best-practice/schneider_electric_saves_%E2%82%AC8_million_by_optimising_its_supply_chain_using_machine_learning
※6 Manufacturing Digital: "LG Electronics Enters Smart Factory Market with AI Tech"
https://manufacturingdigital.com/articles/lg-electronics-enters-smart-factory-market-with-ai-tech
※7 Danone Corporate Press Release: "Danone Collaborates with Microsoft to Accelerate Artificial Intelligence (AI)" (2024)
https://www.danone.com/content/dam/corp/global/danonecom/medias/medias-en/2024/corporatepressreleases/pr-danone-collaborates-with-microsoft-to-accelerate-ai.pdf
※8 AWS Industry Blog: "Tyson Foods Boosts Efficiency with Computer Vision and Machine Learning from AWS"
https://aws.amazon.com/jp/blogs/industries/tyson-foods-boosts-efficiency-with-computer-vision-and-machine-learning-from-aws/
※9 経済産業省『DXレポート ~ ITシステム「2025年の崖」克服とDXの本格展開~』簡易版 p.1(エグゼクティブサマリー)より
https://www.meti.go.jp/policy/it_policy/dx/20180907_01.pdf
12
Page15
現場の課題を
一気通貫して解決する
カミナシについて
現場DXプラットホ ーム「カミナシ」は、業界問わずこ利用いただいて
おり、製造業、物流・旅客輸送等の運輸業界でも幅広く使われてい
ます。現場を支えている外国籍の方がいる企業様でも多くご活用
していただいています。
が心 MINASHI
Page17
バラバラDXからワンストップDXへ
カミナシは「バラバラDX」ではなく「ワンストップ DX」の実現のため、現場で必要な機能
を1つのIDで提供できるように製品を提供いたします。
費用総額の増加 |
1
複数サー ビスを契約
単体では安価でもチリツモで高くなる
I 運用の複雑化 |
それぞれが連携しておらず個別の業務単位で
分断されてしまい運用が複雑化する ►
I ID・パスワ ー ドの管理難航 |
カミナシでは、
サー ビス単位でIDを管理するため バラバラDXから脱却するために
入退職の都度手間が発生する。 自社で開発した専用1D1つで
ヌケモレのリスクも残る 各種サ ー ビスが利用可能に。
カミナシの3つの特徴
I ①初めてのDXに最適 I | ®全従業員が使える I ③既存の資料も活用 |
直感的な操作で 多言語翻訳 資料の一元管理
学習不要
ログイン時に 動画・PDFなど
専任のサポー トが支援 メ ールアドレス不要 様々な形式に対応
.... ,.., .....
現場主導で伝わる 短期で入るパー トや 既存の教育コンテンツも
コンテンツを作れます 外国籍の方も利用可能 有効活用できます
�KAMI NASH I
Page18
カミナシのサー ビスラインナップと解決できる課題
1 現場帳票をデジタル化し、品質管理業務やその他チェック業務の効率化と標準化を実現 |
’”力三ナシ匿=ョ
ロ・ロ :一
・記入漏れ、ミスは自動検知
・写真機能で記録の精度アップ
・管理画面で現場を見える化
1 現場の情報伝達や相互コミュニケーションを国籍も関係なくスピーディにスムーズに |
’”力三ナシ匹コ —
嗚E' XIn c心o.cヽm onc ヽcb●nd9dtv‘'9m
"←Iぷ●9nthわg凶o心凸chphわ
お●れ●です.コミの正しい出し方につ bai心dun99‘’h 6Nh59即 . 9』cc9n
いてお知らeし●す. 9呟9Unl"i9旧09枷g,"ivaphこi
・アナウンス機能で情報を漏れなく伝達 B本では.コミは●●ごとに分別して決 如な昴vわnhOngn紗yquydinh.wi
.った0に出す必●があります.以下董 いngKi釉9r●thが99ind雌d9y
ご露認ください.邑詑斗 hn門'’wm’’99Vしr•り9かや四坦i
wm“”..ぃ.'”',.W•�/m訊9nal9 matmall"'心四'""
・翻訳機能付きチャットで、外国人人材とのや "“屯OUP992U 匹“k99和9叫叩心9mm吋9
9999 wa如9andaぃk39a 心9nm四 9999
一
"uyInv●nH心•クエン・ヴァン• 9:、 Ch●i nhり• PETCd凸a1 93心蛉g
""'団y叩nga?
りとりも簡単 Ch●inW•99996p心iUrヽckh如g
ch'山如ga? ...子
ペットポトルは虚えないコミですか? 9●99 ベットボトルりバ9イクルゴミでT.
・給与明細もアプリ内で配布可能 キャップと9ペルを外して.洟ってから
ベットボトル99,'サイクルゴミでT. ●ててくだ3ぃ.キャツブ99●えるコミ
キャッブと9べ9しを"してa漬ってから なので.注重してください•
1 動画マニュアルを簡単に作成!Al機能付きで自動翻訳やテロップ作成もラクラク |
’”力三ナシロヨ
・動画マニュアルで教育の手間を削減
•研修の受講管理も簡素化
• Alで自動翻訳やテロップ作成も簡単に
1 設備にまつわる現場の業務をデジタル化して一元管理。ダウンタイムを最小化 |
’”力三ナシロエ四 " ← , .
i 一
.
i _ 囀 '』
450 _ .
-
・設備カルテで保全計画、故障履歴などを一 -
.
・ , ・ ・
1‘t— I t1 i1 i1元管理 ”
. i
- i • .
・設備の不具合情報も素早く見える化 190 . 9.7.
・予備品管理もこれ一つ
�心MINASHI
Page19
帳票電子化システム
入
ぃ 力三ナシ 厄温"’
カミナシレポ ー トは、現場帳票をデジタル化し、品質管理や設備点検などのチェック業
務の効率化や、現場状況の見える化を実現するサ ー ビスです。管理画面に用意されてい
るパ ー ツをクリックするだけで簡単に現場業務アプリを作成し、運用できるノ ー コ ー ド
ツールです。
言--· ヽ•••�―
' .... .. . ..
' 2025年03月
: 門 ? で �, • :•立, .::..: ヂ· • ••
ト..ー• 9 --
t·:•:,;:;:;.,.·
. ·. •一 ←...
誌国
諸国
賓へ ·Z冒
• ICI
く レポート
出●●霰 「誰もが」「漏れなく」「正確に」
出●●●
ペ ージ2
出膏繭,. 業務ができる仕組みを実現
e;ァラ ー ト機能 逸脱を作業者と管理者に通知
露十
@写真撮影機能 現場状況を写真でわかりやすく報告
..
@マニュアル機能 手順書などを見ながら業務実施可能
@
®マニュアル 抜け漏れ防止機能チェック漏れは自動通知でお知らせ
至
次へ 'E口置
@多言語翻訳機能 43か国語に対応で、外国人人材も安心
�心MINASHI
Page20
現場従業員とのコミュニケ ー ションを1ツ ールで
入
ぃ 力三ナシ匹コ
カミナシ従業員は、外国人人材を含めた現場従業員とのコミュニケ ーションや事務手続
きなどのスム ーズ化、簡素化を実現するサ ー ビスです。
翻訳機能付きのチャットなどで、言葉の壁を感じずに、正確かつスピ ー ディな情報共有や
意思疎通が可能になります。
I ①全従業員が使える I | @―つにまとまる I ®ちゃんと伝わる |
ログインに 情報伝達は 自動翻訳機能を搭載
メ ー ルアドレス不要 これだけで完結
Al校正で
低価格で利用可能 事務手続きもアプリ内で 情報整理も簡単
メールアドレス不要ですべての機能を利用可能!
9:41 - ’’’’で一,
9:41 9:41 •III令一' ,. 9:41 - ’’’'つ一`
< chi tiet thong ba。 < 技能実習生_生活… CHI TlfT < 言語設定 < 給与明細
9AN GOC NGON NGOCOA.. 09 THAM kHA0 日本語 13 2024/04 2024/05 2024/06 2
日本籍 ベトナム籍 英II 田中幸子 日本語
お疲れ様です。ゴミの正しい出し方につ 日本語のみで開覧できます。
vさvi�c ngling sli dyng va slia chiia, English
いてお知らせします。 こちらから対訳吝参考に_して人ださ↓_
英語
di doi kho lanh A 日本では、ゴミは種類ごとに分別して決
まった日に出す必要があります。以下を 筒体中文 ユーザー笞理番号:123
菊地博之 2024/09/15 08:30 ご確認ください。https:II 中国語(簡体字)
www.city_ kaga ishikawa 1�LmaterialL カミナシ太郎
files/e :rou o/1 21/ 繁"中文 株式会社カミナシ
wakekatadasikata Vietnam p,df 中国懇(繁体字) 神田事業所加熱技能実習生
Xin chao, cam dn cac b9n da vatv自lam TiengVi�t
vi�c Toi xin thong bao vさeachphan ベトナム語 差引支給
lo�i rac dung each d Nh�t Ban, rac can
dO<!c phin lo,i theo t�ng lo,iv さphai Tag 差引支給額 253,806
alog
dLl<!c dov ao nhung ngay quy djnh Vui タガログ翻 過不足税額
long kiem tra thong tin dLidi day.
httgsll www.cit,'kaga ishikawa 端数預金額
1i;1l m111lnu
mater ia 1/_fil es/_grouQ /.121/_ タイ罷
wakekatadasikata Vietnam odf
19;23
kinh thua quy v9, 芭⇒Cl 支給
-- 韓目駒 基本給 210,000
De lien hanh cong tac sua chua, ch,ng toi xin Bahasa Indonesia 基本時給
tam dung viec su dung kho lanh Ava tu lanh de Chai nhlfa PET c6 phai la rac kh6ng インドネシア語
giai dong theo lich tr;nh d"di day. 19:27 chay khong 9? 役職手当 15,000
雫薮ヨこU
Tin n han dii gai sil du{jc djch tuy theo cai dijt ngon ngu cua
回 囀': 図 念 nguoinh�n 巨l <9: 団 巨l o;:19; 目l 翁
r9 uy, Th6ng b紅o pt ;u ldoヽg ea, チャット お知らせ 給与明綱l 殴定 チャット お知らせ 給与明細 血
』
お知らせ機能 チャ ッ ト機能 自動翻訳機能 Web給与明細
�心MINASHI