DNP、社内文書のベクトル検索と業務DBのSQL検索を融合した生成AIサービス | IT Leaders

大日本印刷は2026年3月23日、生成AI向けデータ加工サービス「DNPドキュメント構造化AIサービス」とデータベースサービス「Oracle Autonomous AI Database」を組み合わせたシステムサービスを提供開始した。社内文書のベクトル検索に加え、データベースで管理している最新の在庫データなどをSQLで検索して生成AIの回答に利用できるようにする。製造現場の問い合わせ対応などの用途を想定している。価格は個別見積もり
Posted in AI

清水建設、1万7000人規模の協力会社向けID管理・認証システムを刷新、SSOで利用可能に | IT Leaders

清水建設(本社:東京都中央区)は、顧客向けID管理サービス「Okta Customer Identity」を導入した。協力会社最大6000社1万7000人が利用する複数システムのID管理を集約し、シングルサインオン(SSO)で利用できる環境を実現した。システム導入を支援した日立ソリューションズが2026年3月23日に発表した。

スタートアップのnewmo、京急電鉄タクシーの全株式取得–首都圏に本格参入へ

モビリティスタートアップのnewmoは3月23日、京浜急行電鉄の連結子会社である京急タクシーグループ6社の全株式を、3月31日付で譲り受けると発表した。対象は京急交通、京急横浜自動車、京急文庫タクシー、京急葉山交通、京急中央交通、京急三崎タクシーの6社。譲受後は新社名・新ブランド名を「うみかぜ交通」とする。
Posted in 未分類

SMBC日興証券、OutSystemsによるローコード開発で16件の社内アプリを内製、開発期間は5割減 | IT Leaders

SMBC日興証券(本社:東京都千代田区)は、社内システムの自社開発を効率化するため、ローコード開発ツール「OutSystems」を採用した。開発期間短縮と開発能力の強化を図っている。現在、OutSystemsで開発した16件のアプリケーションをグループ全体約1万人の社員が利用している。OutSystemsジャパンが2026年3月23日に発表した。

三井物産、生成AIとRPAで年間1985時間を削減、貿易書類入力や報告書作成を自動化 | IT Leaders

三井物産(本社:東京都千代田区)は、生成AIを利用し、貿易関係書類を読み取って業務システムへと入力する業務や、報告書を作成する業務など、これまで人手に頼っていた業務を自動化した。これにより、業務工数を年間で1985時間削減した。システム導入などを支援したアルティウスリンクが2026年3月23日に発表した。
Posted in AI

リコージャパン、VRを活用した設計検討ツール「RICOH Virtual Workplace」で建設DXを推進 | IT Leaders

東京都建設局が進めている石神井川護岸整備事業に伴い計画されている河川管理用道路の設計業務において、リコージャパンの設計検討ツール「RICOH Virtual Workplace」が採用されている。護岸上に計画された道路設計案をVR空間上に再現し、シミュレーションを行うことで、関係者間の情報共有および合意形成を迅速に進めることが可能となり、業務効率化・生産性向上を実現したという。リコージャパンが2026年3月19日に発表した。

侵入後にサイバー攻撃者が横展開を始めるまで平均29分に短縮、最短は27秒─CrowdStrike調査 | IT Leaders

米CrowdStrikeは2026年2月24日(米国現地時間)、年次脅威レポート『2026 Global Threat Report(2026年版グローバル脅威レポート)』を公開した。生成AIの普及が攻撃者の活動を加速させ、攻撃対象領域を拡大させている。侵入後に横展開を開始するまでのタイムラグは平均29分にまで短くなり、もっとも速いものは27秒で横展開を開始した。

大本組、建設現場の入退場管理を顔認証でカードレス化、就業履歴タッチ率が38%から49%に改善 | IT Leaders

総合建設会社の大本組(本店:岡山県岡山市、本社:東京都港区)は、顔認証による入退場管理システムを導入し、建設キャリアアップシステム(CCUS)への就業履歴登録率(タッチ率)を全社平均で38%から49%に引き上げた。先行導入した一部の現場では65%を超えた。入退場管理サービス「建設現場顔認証 for グリーンサイト」を提供したNECが2026年3月19日に発表した。

なぜ今、データマネジメントが“極めて”重要なのか? | IT Leaders

生成AIの業務活用が本格化し、自律的にタスクを実行するAIエージェントに熱い視線が注がれている。しかしAIの性能はデータの原則「Garbage in, Garbage out」のとおり、データの品質に大きく依存する。AIエージェントや自社データで回答精度を高めるRAG(検索拡張生成)を有効に機能させるには、部門横断で整備された信頼性の高いデータが不可欠だ。生成AIの真価を引き出し、競争優位を得るためには、IT部門が主導してこれらの手法を取り入れ、全社的なデータ基盤を再構築することが急務である。