L1エネルギー・インフラ1,000名以上
送配電事業E社
画像検査・写真整理／株式会社センシンロボティクス（SENSYN Flight Edge）
電線の素線切れ・溶損やがいしの破損・欠けなど明らかな損傷をリアルタイムに検出する技術を確立（掲載ページ上に定量的な削減率の記載なし）。※母数規模の記載なし（参考値）
L1 ベンダー公表数値は公開時点のもの
送配電事業A社
電力送配電（架空送電設備の保守・点検）／画像検査・写真整理／導入ツール: TDSE株式会社（テクノスデータサイエンス・エンジニアリング／Microsoft Azure）
- 業種
- エネルギー・インフラ
- 規模帯
- 1,000名以上
- 業務領域
- 現場・店舗運営
- 公表時期
- 記載なし
課題
導入前に抱えていた問題
総延長約14,500kmの送電線点検で、ヘリ撮影映像の目視確認に膨大な時間を要し、熟練度による品質差も生じていた。2016年度は約133時間のヘリ映像の確認に最低1,330時間を要していた。
- 人手不足・採用難
- 品質・正確性
導入
導入したツール・取り組み
TDSE株式会社（テクノスデータサイエンス・エンジニアリング／Microsoft Azure） を導入。 用途は「ヘリコプターで撮影した架空送電線映像をディープラーニング画像認識で解析し、異常箇所を自動検出して点検映像の確認作業を自動化」（出典元の記載による）。
成果
公表されている成果
点検作業時間を初期段階で50%削減、3年後に80%削減を目指す（掲載ページ上の目標値）
※母数規模の記載なし。当サイトの基準により、この数値は見出し・集計には使用していません。
出典（原文）: https://www.tdse.jp/case/tepco/
定性的な変化（出典元の記載を要約）
熟練作業員の目視に依存していた送電線映像の確認をAIで自動化し、点検作業時間の大幅削減と品質の均一化を目指す。他業務への横展開の可能性も確認。
出典とエビデンスレベル
L1 ベンダー公表
ベンダー（提供企業）が公表した導入事例。当サイトでは企業名を匿名化し、出典リンクを明示して引用しています。
出典: https://www.tdse.jp/case/tepco/
最終確認日: 2026-07-16。掲載内容に誤りがある場合はお問い合わせからご指摘ください。
関連
エネルギー・インフラの他の事例
L1エネルギー・インフラ1,000名以上
電力事業B社
需要予測・在庫最適化／株式会社グリッド（GRID／ReNom Power）
週間計画策定時間を1/2以下に短縮。あわせて年間10億円を超える収益効果を公表。※母数規模の記載なし（参考値）
L1エネルギー・インフラ1,000名以上
都市ガス事業C社
問い合わせ対応・チャットボット／株式会社トゥモロー・ネット（CAT.AI CX-Bot／現CAT.AI voice Assist）
2024年3月の繁忙期にAI対応完了率最大96%を達成。新規開栓の無人完結率35%以上。※母数規模の記載なし（参考値）
L1エネルギー・インフラ1,000名以上
上下水道事業D
文書検索・リサーチ・ナレッジ／クラスメソッド株式会社
経理・労務・給与関連の419件の質問でRAGを検証し、問い合わせ対応の自動化・バックオフィス業務効率化の可能性を確認（掲載ページ上に定量的な削減率の記載なし）。※母数規模の記載なし（参考値）