製造業にRAGを導入する開発体制の変遷 / ManuAI1

本資料は2026年4月23日開催の「モノづくり産業をアップデートするAI — KINTOテクノロジーズ × CADDi」の登壇資料です。

キャディのエンジニア採用情報はこちら
https://recruit.caddi.tech/

1. © CADDi Inc. 製造業にRAGを導入する開発体制の変遷 キャディ株式会社 宇佐見一平
2. © CADDi Inc. 自己紹介 キャディ株式会社 / Data & Analysis / MLE 宇佐見一平 メーカーでの画像処理・機械学習を用いた新製 品開発、AIスタートアップでの外観検査装置およ びソフトウェア開発を経てキャディに入社。 キャディでは図面を解析するモデル開発やAI活 用の推進をしつつ、直近はRAGを用いたアプリ ケーションの開発に従事しています。
3. © CADDi Inc. 3 モノづくり産業のポテンシャルを解放する Unleash the potential of manufacturing モノづくりに携わるすべての⼈が、 本来持っている⼒を最⼤限に発揮できる社会を実現する。 そのために私たちは、産業の常識を変える「新たな仕組み」をつくります。 現在モノづくり産業では、⾮常に多くの⼒が埋もれたままになっています。 ⾒積業務や管理業務に忙殺される、 営業⼒が⾜りない、情報やネットワークが乏しい。 あらゆる理由によってがんじがらめにされ、 本来の開発⼒や技術⼒を発揮しきれていません。 こうした縛りをほどくことで、各企業のポテンシャルを解放。 産業全体に⼤きな⼒を⽣み出し、豊かにすることが私たちの使命です。 ⼩さな町⼯場も、歴史ある⼤規模メーカーも、創⽴まもないベンチャーも。 すべてのモノづくり企業が強みを活かして輝き、新たな価値がたくさん⽣まれる。 そんな未来を切り拓くために、私たちは挑み続けます。 会社概要 - Mission
4. © CADDi Inc. 製造業は「世界最大の産業」 4 暮らしを⽀えるインフラ産業 医療や⾷、移動、通信など、私たちの暮らしに必要な 物事のすべてに製造業が関わっています。 あらゆるモノが、産業機械‧⼯作機械や、加⼯会社な どたくさんの⼈の⼿から⽣み出されています。  経済価値は巨⼤。⽇本のGDPにも迫る IoTのみに焦点を当てて経済価値を業界別に算出した 場合、製造業は3.9兆ドル。 ⾦融や流通⼩売り等の他業界を上回り、⽇本の名⽬ GDPに迫る勢いです。 スマートフォンは半導体、 電池、ディスプレイなど 1000以上の部品で構成 業界の特徴
5. © CADDi Inc. 製造業AIデータ プラットフォーム® ※「製造業AIデータプラットフォーム」はキャディ株式会社の登録商標です CADDi 5
6. © CADDi Inc. RAGプロダクト概念説明 CADDi内で提供する製造業向けのRAG。 技術検討書・品質検査報告書・仕様書などを横断検索。 ① 質問を⼊⼒ ② 関連⽂書を検索 ③ 回答を返す ④ 回答を出⼒ 議事録 不具合情報 試験結果 時間や組織の隔たりを越えた知⾒の活⽤で、知⾒に価値を ✓ ✓ 他部署の情報や過去情報でもすぐに発⾒ ⽂書データを読み込まなくても、ほしい情報だけを簡単に抽出
7. © CADDi Inc. RAGプロダクト概要説明 Ingestion Search Answer レイアウト解析 チャンキング Embedding Keyword/Semantic Rerank • Ingestionステージで検索Indexを事前に作成 • Search, AnswerステージでUserのクエリに対して回答生成 Source selection Answer generation
8. © CADDi Inc. 当初の開発体制 技術選定基準 • 顧客に届けられるまでの速度 ◦ 早期にユーザーフィードバックを得たい • 実験のしやすさ ◦ 開発スピードに直結するため重要な要素 技術選定結果 • UI: Streamlit • LLM Framework: LangChain, litellm • 検索エンジン: Elasticsearch LangChainを使ってchunk, embeddingの取得を行い、Elasticsearchで検索、 その後LLMで生成した結果をStreamlitで作成したUIで見せる
9. © CADDi Inc. なぜ早期にフィードバックが得たいのか？ • 生成した回答が正しいかどうか判断するドメイン知識の不足 ◦ 散らばった知識をretrieveしてくるために回答のソースは多岐に渡り、全てを人 間が読み込むのは不可能 ◦ 読めたとしても固有名詞や顧客特有の文脈で普通名詞が別の意味を持ったり する ◦ LLM as a Judgeも利用しているが、回答自体が顧客の意図したものかどうか は直接聞かないと究極的にはわからない • 回答に対して受ける印象に対してのフィードバック ◦ 正しいけど冗長だよね、であったりこういうことまで回答して欲しいんだよね、と いうクエリからは読み取れない意図の取得
10. © CADDi Inc. 当初の体制でのプロダクトに組み込むにあたっての課題 LangChainの制約 • 非常に便利な反面、ロジックが隠されており動作を思う通りにコントロールするにはコードを深く まで読み込む必要がある プロダクトとの連携の難しさ • プロダクトはTypeScriptで構築されていて、統合が難しい • APIとして提供するプラットフォームもない
11. © CADDi Inc. 代替案検討 LangChainの代替→独自実装へ • 自由度の向上 ◦ 独自実装により、各コンポーネントの動作を細かく制御できるようになり、プロダクトの要 件に柔軟に対応できるようになった • 開発効率の向上 ◦ LangChainのコードを深く理解する必要がなくなり、開発効率が向上 • チームのスキルセットの活用 ◦ チームメンバーはPythonに精通しており既存のスキルセットを活用できた プロダクトとの連携 →プロダクトへの直接組み込みへ • PoCで実装したPythonコードをTypeScriptへ変換して直接実装 ◦ チームメンバーが3人しかいなかったため、プラットフォーム運用も持つことは困難と判断 ◦ 実験に手が回らなくなることもリスク ◦ coding agentによる変換の容易さ
12. © CADDi Inc. 現状のRAGプロダクト開発プロセス 要件定義 顧客FBの深掘り ・課題の分解と構造化 ・技術要件の明確化 ・提供価値の定義 PoC Pythonによる検証 ・プロトタイプ開発 早期デモとフィードバック収集 (PdM/MLE/CSが同席) 本番開発 プロダクトへの統合 ・TypeScriptでの再実装 ・applicationチームとの密な連携 ※課題が明確な場合は PoCをスキップ 成果：開発スピードアップ 課題設定から本番デプロイまで 1〜2週間 で提供可能に
13. © CADDi Inc. Engineering Manager Machine Learning プロダクト開発にとっても、⽣産性向上にとっても ⽣成AIはゲームチェンジャーになる破壊⼒です。 キャディでは最⼤限活⽤していくので、 興味のある⽅はぜひご連絡ください カジュアルにお話しましょう！ カジュアル⾯談ページ エンジニア採⽤ポータル CADDi Engineering Senior Software Engineer, Backend - Analysis Platform AI Engineer こちらのチームで TPdMも 募集中です！ 最後に