ID:83441さん

プロジェクト概要 橋梁・鋼構造物製作工場において、ホワイトボード・口頭・担当者の経験に依存していた工程管理を改善し、工程進捗と工数を可視化するDXを推進。 穴あけ・仕掛・本溶接・塗装など複数工程の進捗状況をリアルタイムに把握できず、作業遅延の発見や工程変更時の情報共有、完了予定時刻の見通しなどに課題があった。 そこで、実際の製造現場へのヒアリングから課題を整理し、少人数の現場でも無理なく運用できることを重視して、Excel VBAを中心とした工程進捗管理の仕組みを設計・実装。 システム導入そのものを目的とせず、「現場で継続して使える仕組み」にすることを重視し、要件整理から設計、VBA実装、運用改善まで一貫して担当した。 チーム情報 工場現場作業者 事務担当 管理職 経営層 と連携。 自身は、 現場ヒアリング 業務課題整理 要件定義 データ・ロジック設計 VBA実装 運用設計 導入後の改善提案 を担当。 開発・実装内容① 工程進捗管理システム構築 【概要】 製造工程の進捗状況を一元管理・可視化するため、Excel VBAによる工程進捗管理システムを構築。 【課題・問題点】 工程進捗が担当者の経験や記憶に依存 作業遅延の把握に時間がかかる 工程変更時の情報共有が不十分 現場と事務所で認識差が発生 完了予定時刻の見通しが立てにくい 【打ち手・使用した技術】 Excel VBA Excel 関数設計 イベント処理 データ集計 データ可視化 穴あけ・仕掛・本溶接・塗装などの工程ごとに進捗情報を管理できる構成を設計。 Workbook_Openイベント等を利用し、日次更新データから工程進捗表へ情報を自動反映する仕組みを実装した。 現場での入力負荷を抑えながら、管理側が最新状況を把握できることを重視して設計した。 【成果】 工程進捗情報の一元化 作業遅延の早期把握 工程変更時の情報共有改善 現場・事務所間の認識差軽減 属人的な進捗管理の軽減 管理資料作成・更新作業の効率化 開発・実装内容② 工程別工数可視化機能構築 【概要】 工程進捗だけでなく、各工程に投入される作業工数を把握できるよう、人工換算による工数管理機能を構築。 【課題・問題点】 工程ごとの投入工数を把握しにくい 進捗と工数が別々に管理されている 管理者が現場負荷を定量的に把握しにくい 工程間の負荷比較が困難 【打ち手・使用した技術】 Excel Excel VBA 工数分析 人工換算ロジック データ可視化 工程ごとの作業情報から人工換算を行うロジックを設計し、進捗状況と工数情報を同じ管理基盤上で確認できる仕組みを構築。 単純な進捗表ではなく、「どこまで進んでいるか」と「どれだけ工数を投入しているか」を合わせて判断できる管理方法へ改善した。 【成果】 工程別工数の可視化 進捗と投入工数の一体管理 現場負荷把握の迅速化 工程管理精度の向上 管理者の意思決定支援

プロジェクト概要 橋梁・鋼構造物製作における見積業務の標準化と原価予測精度向上を目的として、Excel VBA・生成AI・データ分析を活用した工数算定・見積支援システムを構築。 従来の製作工数見積は、担当者の経験や感覚に依存する部分が大きく、算定根拠の共有や担当者間での標準化が難しい状態だった。 そこで、製作工程を分析し、溶接長・部材形状・個数・段取り時間など、工数に影響する要素を整理。 それらを人工へ換算するロジックを設計し、経験則として存在していた見積ノウハウを可能な範囲でデータ・計算ロジックへ置き換えた。 さらにPDF数量表からExcelへのデータ展開、重量集計、発注データとの連携など、見積前後の関連作業についても効率化を行った。 チーム情報 製造現場担当者 見積・事務担当 管理職 経営層 と連携。 自身は、 業務ヒアリング 見積業務分析 要件整理 工数算定ロジック設計 Excel/VBA実装 生成AI活用 データ分析 運用改善 を担当。 開発・実装内容① 溶接長ベース工数算定ロジック構築 【概要】 橋梁部材の製作工数をより客観的に算定するため、溶接長を基礎とした人工換算ロジックを構築。 【課題・問題点】 見積工数が担当者の経験に依存 工数算定根拠が不透明 担当者によって見積結果に差が生じる 実際の製造負荷を見積段階で把握しにくい 原価・利益予測が属人的 【打ち手・使用した技術】 Excel Excel VBA ChatGPT 生成AI データ分析 工数算定ロジック設計 部材を、 小物PL系 ブラケット系 箱形状 など形状・作業特性別に分類。 溶接長だけでなく、 部材形状 個数 段取り時間 などを組み合わせ、人工へ換算するロジックを設計した。 従来担当者の頭の中にあった見積判断を整理し、再利用可能な計算ロジックへ落とし込むことで、見積根拠を説明・共有できる仕組みを目指した。 生成AIについては、業務ロジックの整理、検討・検証支援などに活用した。 【成果】 見積工数算定の標準化 工数算定根拠の明確化 担当者依存の軽減 原価予測精度の向上 見積作業の効率化 過去データ・算定ロジックの再利用性向上 開発・実装内容② 数量・重量集計および発注データ連携 【概要】 見積に必要となる数量・重量情報の集計作業を効率化するため、PDF数量表をExcelデータとして活用する仕組みを構築。 【課題・問題点】 PDF資料からの転記作業が発生 数量・重量集計に手作業が多い 転記・集計ミスのリスク 見積データと発注データが分断 【打ち手・使用した技術】 Excel Excel VBA データ加工 データ集計 生成AI PDF数量表の情報をExcelで利用できる形へ整理し、重量集計や見積計算、発注関連データへ再利用できるデータ構造を設計。 一度入力・整形したデータを複数業務で利用できるようにすることで、重複入力を減らした。 【成果】 入力・転記作業削減 数量・重量集計の効率化 転記ミスの抑制 見積データの再利用性向上 発注関連業務との連携改善

プロジェクト経験概要 清掃業界におけるパート・アルバイト採用業務の効率化と評価標準化を目的として、Excel VBAと生成AIを組み合わせた採用判定支援システムを企画・構築。 従来は面接担当者それぞれの経験や感覚によって人物評価・採否判断・コメント作成が行われており、評価基準やコメント品質にばらつきが生じていた。 そこで、面接評価項目と判断基準を整理し、定量評価できる部分はVBAによる判定ロジック、文章評価やコメント作成では生成AIを活用する構成を設計。 人間の判断をAIへ置き換えるのではなく、「評価基準を標準化し、面接担当者の意思決定を支援する」ことを重視して設計した。 チーム情報 面接担当者 現場責任者 管理部門 と連携。 自身は、 業務課題整理 要件定義 評価基準設計 判定ロジック設計 VBA実装 生成AI活用設計 データ管理設計 運用改善 を担当。 開発・実装内容A AI採用判定支援システム構築 【概要】 面接評価の入力から評価分類・採用判断支援・コメント作成までを一連の流れとして処理できるシステムを構築。 【どのような機能の開発・実装か】 面接評価入力フォーム 評価ランク分類機能 採用判定支援 コメント分類 AIコメント生成 自動集計処理 を実装。 【課題・問題点】 面接評価が担当者の経験・感覚に依存 評価基準が統一されていない コメント内容・品質にばらつき 採否判断の根拠を共有しにくい コメント作成に時間がかかる 【打ち手・使用した技術】 Excel VBA Excel ChatGPT 生成AI IF関数 評価・判定ロジック設計 面接評価項目を整理し、入力された評価点や内容に応じてB/C/D等の評価ランクへ分類する判定ロジックを設計。 定量的な評価・分類はExcel/VBAで処理し、人物評価や教育・フィードバックコメントなど文章生成に適した部分ではChatGPTを活用。 ルールベース処理と生成AIを役割分担させることで、判断基準を維持しながらコメント作成を効率化した。 【成果】 採用評価基準の標準化 担当者間の評価ばらつき軽減 コメント品質の均一化 面接後事務作業の効率化 採用判断の迅速化 面接担当者の業務負荷軽減 開発・実装内容B 面接データ管理・分析機能構築 【概要】 面接結果・評価情報を継続的に蓄積し、過去履歴の参照や採用傾向分析に利用できるデータ管理機能を構築。 【どのような機能の開発・実装か】 面接履歴管理 評価データ集計 採用傾向分析 評価コメント管理 を実装。 【課題・問題点】 面接履歴が分散 過去評価を追跡しにくい 評価結果を採用改善に活用できない 担当者間の情報共有不足 【打ち手・使用した技術】 Excel Excel VBA データ集計 管理シート設計 生成AI 面接評価・コメント・採否情報を一元管理できるデータ構造を設計。 個別の面接結果を保存するだけでなく、蓄積データから評価傾向を確認し、採用基準や面接方法の改善に利用できる運用を設計した。 【成果】 面接情報の一元管理 過去履歴の参照性向上 評価・採用傾向の把握 採用業務改善へのデータ活用 情報共有・管理品質向上

プロジェクト経験概要 清掃業務における顧客・物件・契約・作業履歴などの情報を一元管理するため、Excel VBAを活用した「物件カルテ」システムを企画・構築。 従来は紙資料や複数のExcelファイルに情報が分散しており、必要な情報の検索、更新、引継ぎに時間がかかるほか、担当者ごとに情報の持ち方が異なるなど、属人的な案件管理が課題となっていた。 そこで営業・事務・現場責任者が必要とする情報を整理し、「物件」をキーとして関連情報を一元管理するデータ構造を設計。 既存のExcel環境を活かしながら、VBAによる自動展開・更新・リンク処理を組み込み、現場が新しい専用システムを覚えなくても利用できる仕組みとして構築した。 チーム情報 現場責任者 事務担当 営業担当 と連携。 自身は、 現場・業務ヒアリング 課題整理 要件定義 データ構造設計 VBA実装 運用設計 導入後改善 を担当。 開発・実装内容A 物件カルテ自動生成システム構築 【概要】 全物件の基本情報から案件ごとの個別カルテを自動生成・更新できる仕組みを構築。 【どのような機能の開発・実装か】 全物件概要管理 個別物件カルテ生成 シート自動作成 自動リンク処理 データ自動反映 を実装。 【課題・問題点】 案件情報が紙・複数ファイルに分散 必要情報の検索に時間がかかる 同じ情報を複数箇所へ入力 情報更新漏れ・不整合が発生 案件管理が担当者に依存 【打ち手・使用した技術】 Excel VBA Excel Workbook_Openイベント SheetChangeイベント 自動反映ロジック データ管理設計 物件名をキーとして、全物件概要と個別カルテを連携。 新規案件登録や情報更新時に、関連するシートへ必要情報を自動反映できる構成を設計した。 またWorkbook_Open、SheetChange等のイベント処理を活用し、利用者が複雑な操作を意識せず最新情報を利用できる仕組みとした。 【成果】 案件・顧客情報の一元管理 情報検索時間の短縮 重複入力・更新漏れの削減 案件情報の整合性向上 属人的な情報管理の軽減 営業・事務・現場間の情報共有改善 開発・実装内容B 案件履歴・管理情報共有機能構築 【概要】 各物件の作業内容・過去履歴・顧客情報などを継続的に蓄積・共有できる案件履歴管理機能を構築。 【どのような機能の開発・実装か】 作業履歴管理 顧客情報共有 更新履歴反映 案件別情報管理 を実装。 【課題・問題点】 過去の作業履歴を確認しにくい 担当変更時の引継ぎが属人的 営業・事務・現場間で保有情報が異なる 過去情報を次回作業へ活用しにくい 【打ち手・使用した技術】 Excel Excel VBA データ連携 管理台帳設計 物件単位で作業履歴・顧客情報・管理情報を蓄積し、必要な担当者が同じ情報を参照できる構成を設計。 単なる台帳ではなく、担当者が変更されても過去の経緯を追跡できる「業務カルテ」として運用できるよう改善した。 【成果】 案件履歴の追跡性向上 担当者変更時の引継ぎ効率化 営業・事務・現場間の情報共有改善 過去情報の再利用性向上 案件管理品質の向上

### プロジェクト概要 求人情報と求職者の経歴・希望条件を照合し、応募適合性を評価するAIエンジンを企画・設計。 ChatGPTを活用した実運用PoCから開始し、評価基準の標準化、必須条件の独立判定、評価根拠の追跡、品質検証を段階的に進めた。 単なる求人の点数化ではなく、**確認済みの事実に基づいて判断材料を提示し、最終的な応募判断を人間が行う意思決定支援システム**を目指した。 ### 課題・問題点 転職活動における求人比較・応募判断の過程で、以下の課題を認識した。 - 求人媒体ごとに情報量や記載形式が異なり、同一基準で比較することが難しい - 「年齢不問」と記載されていても、定年・再雇用制度によって実際に働ける期間が異なる - 必須資格・経験・勤務条件に不一致があっても、他の好条件に目を奪われると見落とす可能性がある - AIが生成した推測情報と、求人票などで確認した事実が混同されやすい - AIの評価結果について、判定理由や情報源を後から確認しにくい - 同じ求人を再評価した際に、評価基準や判断結果の一貫性を確保する必要がある これらの課題に対し、求人情報の収集量を増やすだけではなく、**評価基準そのものを明確にし、誤判定を防ぐ仕組みを先に設計する必要がある**と考えた。 ### 設計における思考プロセス **1. 必須条件と点数評価を分離する判断** 当初、求人の適合性を複数項目の合計点で比較する方法を検討した。 しかし、例えば必須資格が不足していたり、夜勤不可という本人条件に対して夜勤必須の求人であったりする場合、給与や仕事内容の評価が高くても応募適合性があるとは判断できない。 そこで、必須条件の確認済み不一致を点数評価より先に判定する「Hard Gate」を設計した。 これにより、他項目の高得点によって必須条件の不一致が相殺されることを防ぐ構造とした。 **2. 「不明」と「不一致」を区別する判断** 求人票に定年・再雇用制度などの情報が記載されていない場合、その条件を満たしていないと断定することはできない。 一方、不明な情報をAIが推測で補完すると、誤った推薦につながるおそれがある。 そこで、確認済みFACT・未確認情報・推定情報を区別し、情報源と確認状況を追跡できる設計を採用した。 判断に必要な根拠が不足する場合は、無理に結論を出さず、人間による追加確認へ振り分ける方針とした。 **3. 評価点数だけに依存しない判断** 求人の適合性には、年齢や必要経験など比較的明確に確認できる項目と、仕事内容の魅力や本人のやりがいなど、定性的な判断を必要とする項目が混在している。 すべてを単純な数値比較で処理すると、評価の意味が失われる可能性がある。 そこで、評価項目ごとの性質を整理し、自動判定できる条件と人間の確認を要する条件を区別した。 特に「仕事内容・やりがい」については、勤務地や雇用形態などの一致件数だけで点数を確定しない方針とした。 **4. AIによる評価と最終意思決定を分離する判断** AIの役割を応募可否の最終決定ではなく、情報整理・条件照合・評価根拠の提示と位置づけた。 最終的な応募判断は本人が行い、AI評価と人間の判断を区別して管理するHuman-in-the-Loop方式を採用した。 これにより、AIの利便性を活用しながら、本人の価値観や個別事情を反映できる構造を目指した。 ### 担当工程・役割 - 企画・課題整理 - 業務要件定義 - 評価仕様・判定基準の設計 - データ構造・情報管理ルールの設計 - テスト条件・受入基準の整理 - 評価結果のレビュー・品質検証 - 運用上の問題点の抽出と改善方針の判断 生成AIおよびCodexを実装・分析・検証支援に活用。 自身は主に、**業務上の課題定義、評価基準の策定、仕様上の判断、AIが提示した結果の確認、改善指示**を担当した。 プログラムの生成・修正にはAIによる支援を活用しており、すべてのコードを単独で実装したものではない。 ### 主な設計・開発内容 **1. 求人適合性評価モデルの設計** 求人と求職者の適合性を、以下の7軸・合計100点で評価するモデルを設計した。 - 年齢・採用現実性・就業可能期間：30点 - 経歴・スキル・経験：25点 - 応募書類の適合性：20点 - 仕事内容・やりがい：10点 - 給与：5点 - 通勤：5点 - 休日・勤務条件：5点 併せて、以下の評価ルールを整理した。 - 必須条件の確認済み不一致を判定するHard Gate - 情報不足と条件不一致を区別するルール - 評価点数（Score）と評価区分（Rank）の管理 - 根拠が不足する条件について、人間による確認を求める仕組み **2. AI評価の根拠管理** AIによる評価結果の信頼性と再確認のしやすさを高めるため、以下を設計した。 - 求人FACTと推定情報の分離 - 情報源・確認状況・評価根拠の管理 - 本人確認済み情報と求人側条件の照合 - AI評価と本人の最終判断の分離 - 判定理由を後から確認するための記録構造 **3. 品質検証・継続改善** 評価エンジンの仕様を段階的に整理し、テストとレビューによって判定品質の向上を図った。 - 評価仕様とテスト条件の整理 - 回帰テストによる既存ロジックの保護 - 実運用で発見した判定上の問題点の分析 - 必須条件の不一致・情報不足・境界条件の確認 - 定性的条件について、自動判定と人間の確認範囲を区別 - 評価仕様と実装結果に差異がある場合の原因確認と修正方針の整理 ### 成果・取り組みによって得られた知見 **1. 求人適合性評価基準の標準化** 経験や印象だけに依存していた求人比較を、7軸評価と必須条件の確認という共通の枠組みで整理した。 **2. 誤推薦リスクを抑える設計** 必須条件と点数評価を分離することで、他の評価項目が高得点でも、確認済みの必須条件不一致を見落とさない構造を設計した。 **3. 判断根拠の追跡性向上** 情報源、確認済みFACT、未確認情報、評価理由を区別し、判定結果を後から確認できる評価プロセスを整備した。 **4. AIと人間の役割分担の明確化** AIによる情報整理・評価支援と、人間による確認・最終判断を分離した。 **5. 業務要件をシステム仕様に変換する経験** 実際の転職活動で発見した問題を、判定条件・データ構造・テスト条件へ落とし込み、生成AIを活用しながら改善を進める実践経験を得た。 ### 使用技術・ツール - ChatGPT、ChatGPT Work、生成AI - Excel、Excel VBA - Python、JavaScript - Codex ### 開発状況・検証範囲 ChatGPTを活用した実運用PoCから開始し、評価仕様の標準化と品質検証を継続している。 現在は、独立した転職AIエージェントAPPへの展開に向け、Python・JavaScript等を利用した評価処理の実装・検証を進めている。 全7軸のnative自動採点や、定性的条件を含む自動判定については、仕様との整合性を確認しながら段階的に整備している。 **実装済みの機能、テストで確認した範囲、開発・検証中の機能を区別し、未検証の処理を完成済みとは扱わない方針としている。**

### プロジェクト概要 生成AIを活用した求人適合性評価の取り組みを、求人情報・評価結果・本人判断・応募状況を継続的に管理できる業務システムへ発展させるプロジェクト。 当初はChatGPTによる求人評価を中心に運用していたが、求人ごとの評価履歴や応募状況を一元管理する必要性が高まったため、Excel/VBAによる管理システムを構築した。 さらに、独立したアプリケーションとしての運用を目指し、現在はPython・Streamlit・Codexを活用して、操作画面やデータ管理機能の開発・検証を進めている。 単なる求人一覧の作成ではなく、**求人情報の管理から評価結果の確認、本人による応募判断、選考状況の追跡までを一連の業務として管理する仕組み**を目指した。 ### 課題・問題点 ChatGPTを活用した求人評価の運用を進める中で、以下の課題を認識した。 - 求人情報や評価結果が会話履歴・Excelファイルなどに分散し、過去の判断内容を確認しにくい - 同一求人を重複して評価・登録する可能性がある - 求人の評価結果と実際の応募状況が別々に管理され、選考状況を追跡しにくい - AIの評価結果と本人の最終判断が混在すると、応募理由や見送り理由が不明確になる - データの保存・更新・再読込み時に、情報の欠落や不整合を防ぐ必要がある - システムを継続利用するには、操作画面の分かりやすさと履歴管理の仕組みが必要になる - Excel/VBAによる管理から独立APPへ発展させる際に、既存の評価ルールやデータ構造を維持する必要がある これらの課題に対し、個別の便利機能を追加するだけではなく、**求人の登録から評価・応募判断・選考管理までの業務フローを整理し、共通のデータ構造で管理することが重要**と考えた。 ### 設計における思考プロセス **1. AIによる評価と応募管理を一体化する判断** 当初は求人ごとの適合性評価を中心に運用していた。 しかし、評価結果だけが残っていても、実際に応募したのか、見送ったのか、選考がどこまで進んでいるのかを追跡できなければ、転職活動全体の管理には十分ではない。 そこで、求人情報・評価結果・本人判断・応募状況を関連づけ、求人ごとの経緯を継続して確認できる管理構造を設計した。 これにより、AI評価を単発の回答で終わらせず、次の行動につながる業務情報として活用する方針とした。 **2. データの一元管理と履歴保存を重視する判断** 求人情報を複数のファイルや会話履歴で管理すると、同一求人の重複登録や情報更新の見落としが起こりやすい。 また、評価結果が変化した場合、どの情報に基づいて判断が変わったのかを確認できなければ、管理データの信頼性が低下する。 そこで、求人を識別する管理ID、評価結果、本人判断、応募状態などを関連づけて管理する設計を採用した。 さらに、データの保存・再読込み・更新時の整合性を確認できるよう、履歴管理と検証を重視した。 **3. AIの判断と人間の承認を分離する判断** AIが高い適合性を示した求人であっても、本人の希望や個別事情によって応募を見送る場合がある。 そのため、AIの評価結果をそのまま応募決定として扱う設計は適切ではないと考えた。 そこで、AIによる評価と本人による応募判断を別の情報として管理し、本人の判断理由も記録するHuman-in-the-Loop方式を採用した。 これにより、**AIは判断を支援し、応募に関する最終的な意思決定は人間が行う**という役割分担を明確にした。 **4. Excel/VBA版から独立APPへ段階的に発展させる判断** 当初から大規模な独立アプリケーションを開発するのではなく、まずExcel/VBAで求人・評価・応募管理の業務フローを整理した。 その後、管理機能や操作性の改善を目指し、Python/Streamlitによる独立APPへの展開を進めた。 この際、画面や使用技術が変わっても、既存の評価基準・必須条件の判定・本人判断の管理方法が変質しないことを重視した。 そのため、機能追加だけでなく、既存仕様との整合性確認、回帰テスト、段階的な受入確認を開発方針に組み込んだ。 ### 担当工程・役割 - 業務課題の整理・企画 - 業務フロー・システム要件の定義 - 求人・評価・応募管理のデータ構造設計 - 管理画面・操作機能の要件整理 - 応募判断・履歴管理ルールの設計 - テスト条件・受入基準の整理 - AIによる実装結果の確認・改善指示 - 運用上の問題点の抽出と継続改善 ChatGPT、ChatGPT Work、Codexなどの生成AIを、仕様整理・プログラム生成・修正・テスト分析の支援に活用した。 自身は主に、**業務要件の策定、管理項目の定義、仕様上の判断、操作・評価結果の確認、改善方針の決定**を担当した。 プログラムの生成・修正にはAIによる支援を活用しており、すべてのコードを単独で実装したものではない。 ### 主な設計・開発内容 **1. 求人・応募管理機能** - 求人情報とAI評価結果の関連づけ - 求人詳細・評価結果の確認機能 - 本人判断・判断理由の記録 - 応募状態・選考状況の更新管理 - 求人管理IDによる情報の識別 - 重複登録防止とデータ整合性の確認 - 求人ごとの判断・更新履歴の管理 **2. データベース・操作UI** Excel/VBA版において、以下の管理機能を整備した。 - 求人・評価・応募情報の一元管理 - 管理データの読込み・保存 - 評価結果と応募状況の一覧管理 - 実績集計・分析ダッシュボード - 保存データの整合性確認 また、独立APPへの展開に向けて、Python/Streamlitによる以下の機能の開発・検証を進めている。 - 日本語による操作UI - 求人詳細・評価結果の表示 - データの保存・再読込み - 管理情報の更新・履歴追跡 - 既存評価ロジックとの連携 **3. Human-in-the-Loopによる応募管理** - AI評価と本人判断の分離 - 本人の判断理由・承認履歴の管理 - 未確認情報の明示 - 人間の承認を前提とした応募管理 - 評価結果・保存データの監査と検証 **4. 品質検証・継続改善** - 求人管理・応募管理機能のテスト条件整理 - データ保存・再読込みの検証 - 重複登録や情報不整合に関する確認 - 既存機能の回帰テスト - 評価仕様とAPP実装の整合性確認 - 不具合の再現条件・期待結果の整理 - 開発中機能と検証済み機能の区別 ### 成果・品質検証実績 **1. 求人評価から応募管理までの業務フロー統合** Excel/VBA版において、求人情報・AI評価・本人判断・応募状況を関連づけ、一元管理する仕組みを構築した。 **2. 判断履歴と重複防止の仕組みを整備** 求人ごとの判断理由や応募状態を記録し、過去の評価・判断を参照できる管理方法を整備した。 **3. Excel/VBA版の品質検証** Excel/VBA版の対象機能について、以下の検証実績を得た。 - 回帰テスト：10件中10件合格 - 監査テスト：15項目中15項目合格 - 保存後DB検証：6回中6回合格 ※上記はExcel/VBA版の対象範囲における検証実績であり、開発中のPython/Streamlit版全体の完成や動作保証を示すものではない。 **4. 独立APPへの展開** Excel/VBA版で整理した業務要件・管理構造を基礎として、Python/Streamlit版への機能移行・拡張を進めている。 **5. 業務改善とAI活用の実践経験** 実際の業務課題を要件定義・データ管理・画面設計・テスト条件へ展開し、生成AIを開発支援に活用しながら、段階的にシステムを構築・改善する経験を得た。 ### 使用技術・ツール - Excel、Excel VBA - ChatGPT、ChatGPT Work、生成AI - Python、Streamlit、JavaScript - Codex ### 開発状況・検証範囲 Excel/VBA版では、求人評価から応募管理までの業務フローについて、運用・検証実績がある。 現在はPython/Streamlitによる独立APPの開発を継続しており、操作UI、データ管理、評価エンジンとの連携などを段階的に実装・検証している。 外部求人情報の取得から評価処理、本日の求人一覧表示までをつなぐ完全自動連携については、完成・受入済みの機能として扱っていない。 また、個別の自動テストが合格した場合でも、実際の操作画面や一連の業務フローがすべて検証済みとは判断せず、機能ごとのテスト結果と実機での受入確認を区別している。 **実装済みの機能、品質検証を完了した範囲、開発・検証中の機能を明確に区別し、実運用に耐えるシステムへの段階的な改善を進めている。**