投稿者 global-ai-media 
建設機械業界の大型展示会「ConExpo」にて、日立によるAIエージェント「Assist Pro」のプロトタイプが公開されました。自社の技術文書や動画など多様なデータを学習したこの事例から、日本の製造業・建設業におけるAI活用の現在地と、現場導入に向けた課題をひも解きます。
産業機械・建設分野における「ドメイン特化型AI」の台頭
近年、汎用的な大規模言語モデル（LLM）のビジネス活用が進む一方で、特定の業界や自社固有の業務に特化した「ドメイン特化型AI」の構築に注目が集まっています。北米で開催された建設機械の展示会「ConExpo」において、日立はAIエージェント「Assist Pro」のプロトタイプを発表しました。このAIエージェントは、機械のスペック情報、技術マニュアル、作業動画、営業資料など、多岐にわたる独自のデータを学習源としている点が特徴です。
汎用的なAIは一般的な質問には流暢に答えますが、特定の機械のトラブルシューティングや複雑な仕様に関する質問には正確に答えることができません。そのため、自社内に蓄積された機密性の高い専門データを安全に連携させ、現場のオペレーターやメンテナンス担当者の業務を直接的に支援するAIエージェントの開発は、多くの企業にとって次の重要なステップとなっています。
熟練工不足と技術継承の課題を解決するアプローチ
日本国内に目を向けると、建設業や製造業では「2024年問題」に代表される労働時間規制への対応や、少子高齢化に伴う熟練技術者の減少が深刻な経営課題となっています。熟練工の頭の中にしかない暗黙知や、膨大な紙ベースのマニュアルをどのように次世代へ引き継ぐかは、業界共通の悩みです。
Assist Proのようなアプローチは、こうした日本の課題解決と非常に親和性が高いと言えます。社内の多様なドキュメントをAIに読み込ませ、ユーザーの質問に対して根拠となる社内情報とともに回答を生成する「RAG（検索拡張生成）」と呼ばれる技術を活用することで、経験の浅い若手社員であっても、過去のトラブル対応履歴や適切なマニュアルの該当箇所へ瞬時にアクセスできるようになります。これにより、ダウンタイムの削減や業務効率の飛躍的な向上が期待できます。
マルチモーダルデータ活用の実務的価値
今回の事例で注目すべきもう一つの点は、テキストデータだけでなく「動画」などの非構造化データ（表形式などに整理されていないデータ）も学習の対象としていることです。現場の作業手順や機械の動きは、テキストだけで表現することが難しく、映像や図面による直感的な理解が不可欠です。
画像や音声、動画など複数のデータ形式を同時に処理できる「マルチモーダルAI」の進化により、企業は過去に撮りためた研修動画や現場の記録映像を、そのままAIのナレッジとして活用できるようになりました。例えば、「この異音がしたときの対処法を動画で教えてほしい」といった現場からの要求に、ピンポイントで該当する動画のシーンを提示するようなシステムが現実のものとなりつつあります。
現場導入におけるリスクとガバナンスのあり方
一方で、建設や製造の現場におけるAI活用には、オフィスワークとは異なるレベルの厳格なリスク管理が求められます。最も警戒すべきは、AIが事実と異なるもっともらしい回答を生成する「ハルシネーション（幻覚）」です。現場の安全や機械の操作に直結する場面でAIの誤情報を鵜呑みにすれば、重大な事故や損害につながる恐れがあります。
日本企業がこうしたシステムを導入する際は、「AIはあくまで支援ツールであり、最終的な判断と責任は人間が持つ」というHuman-in-the-Loop（人間の介在）の設計原則を徹底する必要があります。また、どのデータソースに基づいて回答したのかを必ず明示させるUI（ユーザーインターフェース）の工夫や、現場の安全基準・コンプライアンスに適合しているかを継続的に監視するAIガバナンスの体制構築が不可欠です。
日本企業のAI活用への示唆
日立のAIエージェントの事例から読み取れる、日本企業に向けた実務的な示唆は以下の通りです。
1. 自社固有のデータ資産の再評価：AIの真の価値は、アルゴリズムそのものよりも「何を学習させるか」に依存します。各部門に散在している仕様書、設計図、保守履歴、作業動画などを、AIが読み取れる形式で整理・統合することが第一歩となります。
2. 小さな成功体験（PoC）からのスケール：最初から全社横断の完璧なシステムを目指すのではなく、特定の機械や特定の保守業務など、スコープを絞ったプロトタイプ開発から始め、現場のフィードバックを得ながら精度を向上させるアジャイルなアプローチが有効です。
3. リスクを前提とした業務設計：AIが100%の精度を出せないことを前提とし、現場の運用ルールやマニュアルを再整備する必要があります。AIによる効率化のメリットを享受しつつ、安全性を担保するための人間とAIの協調プロセスを構築することが、今後のプロダクト開発と現場導入の鍵となります。