販売数に影響を与える気象情報やイベント、過去の販売実績データを活用し、需要に応じて価格を変動させます。これにより、売上機会を最大化し、売れずに捨ててしまう廃棄ロスを最小化することに貢献します。
NECのオンライン最適化は、過去の価格変更データが少量の場合でも短期間でモデルを作成することができます。そのため、小さく導入し大きくしていくリーンスタートアップ型での導入が可能です。

ポジションや各人材のスキル情報を活用し、最適な人材配置を実現します。人材配置においては、スキルとポジションの合致だけでなく、例えば本人希望との合致度や負荷の平準化なども踏まえた意思決定が行われています。NECの意図学習では、過去の人材配置例からこれらの複合的な観点を踏まえた意思決定のしかたを学習し再現するので、納得感の高い人材配置案の作成が可能になります。

店舗毎の需要見込や入荷/出荷実績、到着期限、トラック台数、車載量などから数日先の最適な配車計画の作成を実現します。これにより、少ない車両でより多くの配送先をまわることで、車両費や燃料費の抑制、残業代の削減による人件費の抑制に貢献します。
NECの量子コンピューティングは、多種多様な積荷種別や運行予定など、条件が複雑化する環境下でも、現実的な金額で高速に処理することができます。

多品種少量生産時代には、複雑化する生産計画立案への対応が競争力に直結します。どの順番で製品を加工するべきか、いつどのような手順で作るか、および、設備や人員の配備を組合せ最適化問題として扱うことができ、段取り替えコストを最小化するなど無駄の少ない計画を立案します。
NECの量子コンピューティングは、締切日の異なる数百種のオーダーに対しても、当日の最適な生産計画（製造順）を立案することができます。

市場や顧客からの反応を得ながら学習して個々人に最適な商材レコメンドをします。これにより、需要や嗜好が変化するような環境下でも、効果的な営業、マーケティング活動を推進でき、売上拡大に貢献します。
NECのオンライン最適化は、独自アルゴリズムにより、損失を抑えながら短期間でレコメンドを最適化できます。
そのため、顧客に関する情報や過去データが不足している場合でも、個人にとって最適なレコメンドを実現します。

熟練者の作成した計画から学習・再現することで、最適なダイヤ修正計画の作成を実現します。これにより、属人的なスキル・ノウハウに依存しない高品質な意思決定を、迅速に行うことが可能になります。
NECの意図学習は、データから熟練者の意思決定を、意図という形で定量的にホワイトボックス化することができます。これにより、妥当性を人が確認したモデルを業務適用することができます。