權限變更削減98.6%，查詢回應效率提升80%——Remolabo實現“AI真正在現場使用”業務改革全貌公開
遠距工作實踐學校「Remolabo」的營運商公布了利用生成式AI與業務自動化工具進行業務轉型的案例研究。他們實現了權限變更削減98.6%、查詢回應效率提升80%，以及排班調整時間減少52%，加速了AI在工作場所的實際應用。
📋 文章處理履歷
- 📰 發表: 2026年4月30日 20:00
- 🔍 收集: 2026年4月30日 11:32
- 🤖 AI分析完成: 2026年4月30日 12:39（收集後1小時7分鐘）
「為女性實現無縫接軌的職業生涯」，營運支援配合人生階段變化的工作方式之遠距工作實踐學校「Remolabo」的株式會社Remolabo（東京都澀谷區，代表董事：佐伯正邦，以下簡稱「本公司」），將公開利用生成式AI及業務自動化工具進行學校營運改革的案例。
■ 為何Remolabo的業務改革與一般DX不同
本公司自2024年透過生成式AI實現客戶支援業務削減40%以來，進一步擴大了其取り組み。截至2026年，已從僅效率化業務的「一部分」，進化到利用AI重新設計現場整體工作流程的階段。
一般的業務效率化往往僅止於自動化特定作業的「點」改善。然而，僅憑此往往無法改變業務的整體流程，並在其他地方產生瓶頸。因此，本公司目標是實現「線」的改善，即當資訊輸入後，能自動整理、分析、分享，並引導至下一次改善的業務流程整體重新設計。本公司認為，重要的不是導入系統，而是累積符合現場實際情況的改善。
此外，這些措施的許多開發與實施，都是由不具備IT或程式設計經驗的人員完成的，這表明生成式AI已達到即使沒有專業知識也能實現實務級業務改善的階段。
■ 改革案例
◆ 案例1：每次入離職約需9個工作天的權限變更，現在只需1小時
工時削減率：最高98.6%（71.4小時 → 1小時）
在數百人規模的營運中，每次入離職或異動時，都會產生逐一開啟共享資料夾、判斷存取權限、手動輸入電子郵件地址以賦予或刪除權限的作業。當這些作業累積時，負責人員幾乎會花費數天時間僅處理這項工作。
導入結合AI與Google自動化功能的系統後，只需在管理表中新增或刪除一行並按下按鈕，即可根據所屬部門批次設定或刪除所有資料夾的權限。「誰可以存取哪個資料夾」的清單也會自動更新，避免了離職員工權限遺漏或新成員權限賦予不全的情況。
在不大幅改變現有Google Drive營運方式的情況下，每次處理時間最多削減98.6%。建立了能夠準確迅速處理「再忙也不能延後」的權限管理體制。
◆ 案例2：排班調整時間削減52%
每月27小時 → 13小時（約52%削減）
Remolabo的員工來自不同背景，需在個人情況造成的臨時變動、希望短時工作、最長連續工作天數、技能與經驗平衡等每次條件不同的情況下，編制最佳排班。負責人員必須反覆「思考、調整、統整」這項工作，每月花費27小時。
目前，員工只需透過Google表單輸入希望，管理員按下一個按鈕，即可自動生成反映各種條件的排班。系統還能可視化人力不足的時段與星期，並提示考量技能平衡的額外調整方案，因此可以即時判斷「這個時段人手不足，下一個該找誰」。
這項改善維持了傳統的「提交、確認、分享」流程，並非削減複雜性，而是僅減輕處理複雜性的負擔。
◆ 案例3：查詢回應效率最高提升80%——「問題升級訊息建立機器人」
每件20～30分鐘 → 最高削減80%
撰寫針對學生複雜查詢的回覆訊息，從理解情況到組織文字，每件需要20～30分鐘。
然而，現在經過歷史回應紀錄學習的AI，能自動判斷查詢內容屬於「抱怨、諮詢、問題」中的哪一類，並即時搜尋類似案例。由於它學習了優秀員工的回應作為知識，AI能自動生成背景調查、時間序列整理及最佳文字結構。這使得負責人員只需確認並修改AI生成的草稿即可完成任務。
■ 進一步擴展的改革——從業務的「點」到「整體流程」
除了上述三個案例，Remolabo也致力於將現場整體工作流程AI化。
◆ 行銷分析自動化
只需在內部聊天中輸入目標URL，AI即可執行競爭與行銷分析，並分享與儲存報告。這自動化了手動收集「哪些訴求目前有效」的工作。
◆ 影片與面談記錄的跨領域搜尋化
AI 對網站內的影片內容進行跨領域搜尋，使其能夠快速找到影片中所需的資訊。
■ 為何Remolabo的業務改革與一般DX不同
本公司自2024年透過生成式AI實現客戶支援業務削減40%以來，進一步擴大了其取り組み。截至2026年，已從僅效率化業務的「一部分」，進化到利用AI重新設計現場整體工作流程的階段。
一般的業務效率化往往僅止於自動化特定作業的「點」改善。然而，僅憑此往往無法改變業務的整體流程，並在其他地方產生瓶頸。因此，本公司目標是實現「線」的改善，即當資訊輸入後，能自動整理、分析、分享，並引導至下一次改善的業務流程整體重新設計。本公司認為，重要的不是導入系統，而是累積符合現場實際情況的改善。
此外，這些措施的許多開發與實施，都是由不具備IT或程式設計經驗的人員完成的，這表明生成式AI已達到即使沒有專業知識也能實現實務級業務改善的階段。
■ 改革案例
◆ 案例1：每次入離職約需9個工作天的權限變更，現在只需1小時
工時削減率：最高98.6%（71.4小時 → 1小時）
在數百人規模的營運中，每次入離職或異動時，都會產生逐一開啟共享資料夾、判斷存取權限、手動輸入電子郵件地址以賦予或刪除權限的作業。當這些作業累積時，負責人員幾乎會花費數天時間僅處理這項工作。
導入結合AI與Google自動化功能的系統後，只需在管理表中新增或刪除一行並按下按鈕，即可根據所屬部門批次設定或刪除所有資料夾的權限。「誰可以存取哪個資料夾」的清單也會自動更新，避免了離職員工權限遺漏或新成員權限賦予不全的情況。
在不大幅改變現有Google Drive營運方式的情況下，每次處理時間最多削減98.6%。建立了能夠準確迅速處理「再忙也不能延後」的權限管理體制。
◆ 案例2：排班調整時間削減52%
每月27小時 → 13小時（約52%削減）
Remolabo的員工來自不同背景，需在個人情況造成的臨時變動、希望短時工作、最長連續工作天數、技能與經驗平衡等每次條件不同的情況下，編制最佳排班。負責人員必須反覆「思考、調整、統整」這項工作，每月花費27小時。
目前，員工只需透過Google表單輸入希望，管理員按下一個按鈕，即可自動生成反映各種條件的排班。系統還能可視化人力不足的時段與星期，並提示考量技能平衡的額外調整方案，因此可以即時判斷「這個時段人手不足，下一個該找誰」。
這項改善維持了傳統的「提交、確認、分享」流程，並非削減複雜性，而是僅減輕處理複雜性的負擔。
◆ 案例3：查詢回應效率最高提升80%——「問題升級訊息建立機器人」
每件20～30分鐘 → 最高削減80%
撰寫針對學生複雜查詢的回覆訊息，從理解情況到組織文字，每件需要20～30分鐘。
然而，現在經過歷史回應紀錄學習的AI，能自動判斷查詢內容屬於「抱怨、諮詢、問題」中的哪一類，並即時搜尋類似案例。由於它學習了優秀員工的回應作為知識，AI能自動生成背景調查、時間序列整理及最佳文字結構。這使得負責人員只需確認並修改AI生成的草稿即可完成任務。
■ 進一步擴展的改革——從業務的「點」到「整體流程」
除了上述三個案例，Remolabo也致力於將現場整體工作流程AI化。
◆ 行銷分析自動化
只需在內部聊天中輸入目標URL，AI即可執行競爭與行銷分析，並分享與儲存報告。這自動化了手動收集「哪些訴求目前有效」的工作。
◆ 影片與面談記錄的跨領域搜尋化
AI 對網站內的影片內容進行跨領域搜尋，使其能夠快速找到影片中所需的資訊。