📢 转载信息
原文链接：https://openai.com/index/dai-nippon-printing
原文作者：OpenAI
创立于 1876 年的大日本印刷株式会社(DNP) 是全球规模最大的印刷企业之一，全球员工逾 37,000 名。DNP 业务涵盖智能通信、生命健康及电子三大领域，始终秉持“创造未来标准”的品牌宣言，致力于连接人与社会，推动可持续发展。
为此，DNP 长期积极拥抱新兴技术。2023 年 4 月，该公司作出战略性决策，决定在全公司范围内采用 AI 技术。至当年 5 月，DNP 已构建出适用于企业级应用的安全环境。2025 年 2 月，公司正式在十个核心部门部署 ChatGPT Enterprise 版。三个月内取得以下成果：
- 90% 的 ChatGPT Enterprise 应用场景呈现可量化成效
- 每周活跃使用率达 100%
- 自动化率提升 87%，耗时缩减
- 知识复用率达 70%（基于定制 GPT）
- 处理量提升 10 倍
通过战略部署加速应用普及
为充分释放生成式 AI 的效益，DNP 锁定了十个最具潜在影响力的部门。公司制定了明确的基准：每位员工每周至少使用 ChatGPT 100 次，促使任务时间缩减的自动化率需超过 50%。
研发与工程管理部 ICT 控制办公室总经理 Hiroyuki Otake 表示：“我们通过可视化使用数据推动应用普及。”“各团队不断尝试、分享经验并持续迭代。这种势头创造了可扩展的影响力。”最终，通过定制 GPT 模型和共享应用场景，个人层面的改进在团队间广泛传播，形成推动业务转型的核心模式。
将专利研究时间缩短 95%
在引入 ChatGPT Enterprise 版后，ICT 研发部门展现出最显著的成效。先进业务中心 P&I 创新研发部总经理 Yohei Ishida 带领团队，通过自动化技术优化专利研究与申请策略，彻底取代了人工操作环节。
他的团队利用 ChatGPT Enterprise 版构建了以下工作流程：
- 专利研究：实现自动检索、摘要生成与分类，将研究时间缩短 95%，覆盖范围扩大 10 倍
- 申请策略：识别 DNP 技术与竞争对手专利的关键差异点，降低驳回风险并最大限度减少修改次数
- 竞争分析：自动生成初稿报告，准备时间缩短 80%
Ishida 指出，其影响不仅体现在效率提升，更体现在质量优化上。“过去专利申请高度依赖个人判断，标准因人而异、因部门而异。借助 ChatGPT Enterprise 版，我们现在能够做出客观决策，这使得申请数量和质量都得到了提升。”通过提升知识产权战略，DNP 正在强化产品独特性与长期竞争力的基础。
零基础构建 Python 脚本
DNP 研发部门通过推动生产技术进步，促进 QCD（质量、成本、交期）创新以提升现有产品与服务价值，并致力于开发新型产品与服务。在需要先进分析评估技术的领域，DNP 通过运用 ChatGPT Enterprise 版，显著缩短了材料评估实验设备操作、测量实施及数据分析等传统耗时流程。
关键成果包括：
- 将英语专利和设备原理的信息整理归纳时间从数月缩短至三天
- 使零 Python 经验的员工能够通过 ChatGPT Enterprise 版生成并运行代码
一个特别值得注意的应用案例是：零 Python 经验的员工无需任何学习成本即可生成代码并分析数据。传统上需要一年以上完成的开发工作，如今仅需数日即可实现。通过将这些功能与研究人员的专长和知识相结合，我们发现了新的见解，对整个部门产生了重大影响。
技术开发中心综合制造创新实验室主任 Takamasa Yoshizawa 与评估分析研究所的 Michiko Ito 表示：“即使是不熟悉 IT 或对此持保留态度的人员，也有效运用了 ChatGPT 并取得了显著成果。”他们特别指出，使用 Python 代码进行数据分析是最成功的应用案例。
提升 IT 合规性与云端运营
DNP 正通过 ChatGPT Enterprise 实现 IT 治理现代化。信息创新运营部 ICT 中心系统基础设施开发部总经理 Masahiro Kobayashi，重点介绍了曾存在手动操作且不一致的任务改进情况：
- 外部安全审计：审计比对时间从 30 分钟缩短至 5 分钟；加密套件选型耗时从 3 小时缩短至 1 小时
- 云安全：约 100 项 CIS 基准不合规项的初检耗时从 2 人日缩短至 10 分钟
- 评审支持：通过参照设计政策与历史记录，需求评审耗时从 1 小时缩短至 30 分钟
Kobayashi 表示：“该模型在收集相关数据和生成清晰输出方面表现卓越。”“这使我们的团队能够专注于决策而非文件比对。”他补充道，AI 不会取代人工监督：“验证和最终核查仍需由人来承担。”
通过 AI 保存机构知识
DNP 面临的最大挑战之一是知识流失问题。专业知识往往存在于资深员工的头脑中，或深埋于纸质文档里。
在先进业务中心 AI 业务开发部技术开发总经理 Isaku Osawa 的领导下，DNP 正运用 AI 技术直面这一挑战。
其团队通过 ChatGPT Enterprise 版，将从纸质手册到历史质量记录等非结构化数据进行结构化处理与数字化转化。这些数据经整合后，便成为内部知识库的一部分，任何人都可通过定制 GPT 模型进行访问。数据架构定义所需时间因此缩短 90%。该团队还能审阅的技术论文数量翻了一番。
“我们的目标是将世代传承的知识转化为数字化劳动力，”Osawa 表示。这种转变不仅缓解了劳动力短缺问题，还为创新建立了长期能力。
构建 AI 原生业务运营的基础
Otake 表示：“AI 智能体将无缝融入各种场景，让每个人在不知不觉中受益于 AI。”他设想未来将从人类与 AI 的协作，转向部分业务通过 AI 运作的基础架构，最终实现 AI 之间的交互。随着机器人技术的进步，这一趋势将加速发展，最终迎来实体 AI 在现实世界中运作的未来。
展望未来，Otake 强调知识保存至关重要：“我们必须将为人类创建的信息转化为 AI 可理解的信息，确保知识得以保存和共享。我们的目标是在应对劳动力萎缩的同时提升生产力。”其核心在于将一线专业知识与质量记录转化为结构化数据，使 AI 智能体及未来实体 AI 能够学习并应用这些知识，从而降低对个人专长的依赖，将其转化为持久的竞争优势。
秉承“创造未来标准”的品牌宣言，DNP 致力于拓展印刷与信息技术领域的优势，转型为开创社会新标准的 AI 原生企业。
🚀 想要体验更好更全面的AI调用？
欢迎使用青云聚合API，约为官网价格的十分之一，支持300+全球最新模型，以及全球各种生图生视频模型，无需翻墙高速稳定，文档丰富，小白也可以简单操作。
评论区