製造業ドメインのAI利活用： MLエンジニアが価値創出を設計する

Transcript

1. © CADDi Inc. 製造業ドメインのAI利活用： MLエンジニアが価値創出を設計する キャディ株式会社 今野 ⾹佑 2026/05/27 渋⾕ Biz × AI 第5回
2. © CADDi Inc. 2 01 自己紹介 会社紹介 LLMプロダクトの開発 アプリケーション全体の設計 02 03 04
3. © CADDi Inc. 3 ⾃⼰紹介 Data & Analysis / AI for Application Machine Learning Engineer 今野 ⾹佑 半導体⼯学の⼤規模な社会への応⽤を動機に総合商社に⼊社 し、太陽光発電案件に携わる 電⼒需要の時系列予測の課題を契機に機械学習に興味を持ち DSに転⾝、主に⾦融機関向けの機械学習プロジェクトをリー ド 2025年4⽉にキャディに⼊社し、AI‧機械学習を⽤いたプロ ダクトの開発に従事
4. © CADDi, Inc. モノづくり産業の ポテンシャルを解放する 4 Unleash the potential of manufacturing Mission
5. © CADDi Inc. 5 キャディが実現したいこと： 製造業をソフトウェア化し、イノベーションの速度を10倍に Manufacturing Software 1995 5yrs 30年前と⽐較して、モノづくりに かかる時間は変わっていない 2025 5yrs 1x 1995 2yrs 2025 7days 100x 製造業は世界最⼤の 市場（2,000兆円） でありながら、 イノベーションが 起きていない。 現状 両者とも「モノをつくる」と いう本質は同じ。しかし製造 業ならではの難しさがある。 30年前と⽐較して、ソフトウェア開発に かかる時間は100倍⾼速に 1x
6. © CADDi Inc. 6 1.⾞輪の再発明 ソフトウェアが開発の9割をライブラリから再利⽤している⼀⽅、製造業では過去の試算から再利⽤ できているのはわずか2割。 残り8割は毎回ゼロから作り直す「⾞輪の再発明」が続いている。 データが分断され、過去の資産が「検索できない」 ⻑いバリューチェーンやステークホルダーの多さによっ て、データの⼤半はサイロ化している。⾮構造データも多 く、過去の膨⼤な資産の中から「似た部品」や「部品に関 連するデータ」を⾒つけること⾃体が困難。 「変えたらどうなるか」がわからない ソフトウェアとは違い、物理世界では「コピペ」が効かな い。サイズ変更1つだけでも強度‧加⼯⽅法‧設計全体を ⾒直す必要がある。類似の部品をそのまま使えることは少 なく、レゴのように組み合わせることが簡単ではない。 ゼロからの 実⾏ (⾞輪の再 発明) 標準 ライブラリ 80% 20% 標準 ライブラリ 90% 10% ゼロからの実⾏ Manufacturing Software
7. © CADDi Inc. 顧客 7 2.リアルとデジタルの往復 製造業のリードタイムを蝕む「⼿戻り」。設計段階の⾒えないリスクが、⼯程全体を何度も巻き戻す。 顧客 Manufacturing 営業/ サービス 在庫/ 配送 品証 ⽣産 調達 試作 デザイン レビュー 設計 $$ Delay ! ! Delay ! $$ Delay 設計フェーズで 平均20回の⼿戻り 試作1回＝数ヶ⽉〜半年 2〜3回⼿戻りで計1.5年消える ⼿戻り発⽣ →最初のステップに逆戻り Software テスト 設計 ⼀度開けた⽳は元に戻らない ソフトウェアと⽐べて、変更にかかるコストが⾮常に⼤き いのが現実世界のモノづくり。⼀度加⼯してしまったもの は元通りに戻すことはできないため、後⼯程で失敗が発覚 すると振り出しに戻り、⼤きな時間が失われる。 作ってみて初めてわかる デジタル空間で全てをシミュレーションすることは未だで きず、作ってみて初めて良し悪しがわかることも。「作っ てみてから考える」ことにより、⼿戻りが何度も発⽣し、 リアルなモノづくりのスピードは遅くなる。
8. © CADDi, Inc. 提供開始 部品調達のプラットフォームからデータプラットフォームへ 8 2025 2024 2023 2022 2021 2020 2019 2018 2017 創業 US法⼈設⽴ タイ法⼈‧ベトナム法⼈設⽴ 製造業データ活⽤クラウド 製造業AI⾒積クラウド 提供開始 部品調達プラットフォーム 祖業 CADDi Manufacturingを ソフトウェアに事業統合 事業統合 製造業AIデータ プラットフォーム CADDi 事業の変遷
9. © CADDi Inc. 製造業AIデータ プラットフォーム プロダクト 9 CADDi® 製造業の知⾒とAI‧テクノロジーの⼒で、 モノづくり産業に眠るデータを資産化、 活⽤することで、部⾨を超えて、全社変⾰を実現する AIネイティブプロダクトです。 企業を変え、産業を動かし、世界のモノづくりを 進化させる挑戦が、いまグローバルで広がっています。
10. © CADDi Inc. システムコンセプト 図⾯ 仕様書 発注⾦額 不良写真 3D CAD 不具合情報 ⾒積 やり取り記録 情報の 解析‧構造化 CADDi データ基盤 価値の源泉となるデータを提供するレイヤー。 製造業に眠る膨⼤な⾮構造化データを、解析フローの実⾏を 通じて資産へと変換。 図⾯やCAD、Document、受発注データなど、製造業のコア となるデータを、アプリケーションやソリューションが利⽤ 可能な状態で提供する。 受注最⼤化 原価最適化 リスク最⼩化 ⽣準 LT 短縮 設計 LT 短縮 商品⼒向上 Application Solution AI QCD 最適化 ⽣産性向上 属⼈性排除 製造業データ活⽤クラウド 製造業AI⾒積クラウド 製造業 AI データ プラットフォーム CADDi® 紙ファイル PLM / PDM ファイルサーバー ERP 10
11. © CADDi Inc. Data Platform 顧客各社が保有する数⼗〜数百のデータソースをインテグレーション / 解析するレイヤー 表⾯粗さ 出来上がりの表⾯のなめらかさ を指⽰。よりなめらかに仕上げ なければならないほどコストが かかる。 ⾯取り ⾓を削ったり、丸くなめらかにする指 ⽰。使う機械が変わるためコストや発 注先が変わることがある。 幾何公差 部品形状の精度と許容される 誤差。誤差が⼩さいほど難し く加⼯可能な業者が絞られ る。当然コストも⼤きく変わ る。記号が形状指⽰、数値が 誤差範囲を⽰す。 ⽳ (Φ) ⽳の⼤きさと数。加⼯ ⼯程が増えるため、コ ストがかかる。 表題欄 図⾯に紐づく様々な情報が記 載されている。キーとバ リューのペアで取得したい。 空⽩ 空⽩が多くスパースな ため、無駄な計算量が かかる。 ⼿書き⽂字 修正や⾒積もり結果を ⼿書きで書き込むこと がある。 回転⽂字 45°, 90°, 180°, …に 回転している⽂字が存 在する。縦書きも。 ⼨法 mm と inch が併記され ていることもあるため単 位も読み取りが必要。 ⾒た⽬の類似だけでな く、モノの形状が同じ かといった観点での類 似具合も反映。 類似 出来上がりイメージ 解像度 図⾯は解像度が⾼く、細 かい⽂字や記号も多い。 A0サイズの1万pixelを超 える図⾯もある。 11 Data Platform Raw data ERP PLM / PDM File Server Paper File … Drawing 3D CAD Specs Quality Defects Design Standard Design Changes Suppliers Price ⾮構造データが⼤半を占める製造業 に特化し、解析技術を開発。 膨⼤かつ多様なデータの中に、活⽤ されていない資産が眠っている。
12. © CADDi Inc. 12 Solution/Application Execution/ Solutions データを使い実際に価値を出していくためのレイヤー ‧‧‧ Application 図⾯を中⼼としたエンジニアリングチェーン とサプライチェーンのデータを統合‧構造化 し、部⾨横断で活⽤できるデータ活⽤クラウ ド。類似図⾯検索や⾼速検索を通じて、知⾒ の再利⽤と意思決定の⾼度化を⽀援する。 ⾒積を起点に調達業務を標準化‧⾼度化する アプリケーション。構造化データとAI解析に より、⾒積業務のデジタル化と脱属⼈化を実 現し、調達プロセス全体の最適化を⽀援す る。 リスクマネジメント 営業/サービス 品証 製造 調達 設計 Solution Solution Solution Solution Solution Solution 製造業データ活⽤クラウド 製造業AI⾒積クラウド
13. © CADDi Inc. 13 LLMプロダクトの開発 • LLMによるソリューションの⾃律性には段階がある Assistant 決定的なシステムの推移の中で、LLMが コールされる。 Agentic Workflow システム内のルートは事前に定義され、 LLMにより動的に分岐する Agent システムの推移はLLMに委ねられる。 情報の取得や実⾏は、スキルやツールとして任意の タイミングで⾏われる。 • 求められるエンジニアリングの概念も更新されている プロンプトエンジニアリング → コンテキストエンジニアリング → ハーネスエンジニアリング 機械学習を⽤いた業務課題の解決において、直接的な価値創出の実現に向けて、特化型のモデルの開発から汎⽤的なLLM を利⽤したソリューションの構築にシフトが起きている。 その中で、LLMによるソリューションの枠組みは⽇進⽉歩で進化している。
14. © CADDi Inc. 14 LLMプロダクトを取り巻く環境 推論能⼒が⾶躍的に向上したLLMに適切なハーネス（スキル‧ツール‧実⾏環境...）を与えたClaude Code‧Codexと いったAgentのサービスは、コーディングの⽣産向上に寄与している。 製造業といったVerticalな領域も例外ではないが、全ての分野が等しく効率化されるわけではない。 コーディング 1✔ 共通⾔語に基づくテキストが主なデータ 2✔ コンテキストが集約されている 3✔ 検証コストが⼩さい 製造業における設計 ✔ 2D 図⾯‧3D CADといった視覚的なデータが中⼼ ✔ 各⼯程で発⽣するコンテキストが散在している ✔ 出⼒の検証コストが⼤きい
15. © CADDi Inc. 15 機械学習プロジェクトとして向き合う LLMを⽤いたソリューションにできることは⽇々拡張されているが、これらは解き⽅の1つの側⾯に過ぎない。 これらも⼊⼒を確率的に処理して出⼒を得る点はMLモデルと変わらない。 機械学習プロジェクトにおいてモデルの学習が全体の⼀部であったように、価値の創出に向けて押さえるべき点 は開発プロセスに共通して存在する。 例） • AI単体の精度の最適化にとどまらず、⼈間の修正コストを織り込んだプロジェクト全体の評価ができているか。 • オフライン評価に使⽤したデータは、稼働時の現場データの揺らぎを考慮できているか。 機械学習エンジニアとしての役割 MLプロジェクトと同様に、課題を分析し‧評価を設計し‧制約の下で最適化をすることで、開発に付加価値を与える ことができる。
16. © CADDi Inc. 16 課題定義 LLMプロダクトが解くべき課題を機械学習プロジェクトの観点で検討する。 但し、ソリューションが直接的になることで、そのために求められるドメイン知識も深くなる。 汎⽤性‧ロバスト性 解くべき問題の空間の中で、提 供するソリューションがカバー 可能な範囲を⾒極める 例） • 具体的なユースケースを抽象的に分類 して解法を当てはめる Precision / Recall の トレードオフ False Positiveによる⾮効率性と False Negativeによる損失を考慮 する 例） • 設計領域では、⼿戻りのコストと誤っ た⽰唆を棄却するための労⼒のどちら が⼤きいか？ ベースラインの設定 ⽐較対象となるベースラインを 想定し、プロジェクトの有効性 を測定する 例） • ⼈間は本当に100%か？ • ⾒落としを1割防⽌するだけでも価値 にならないか？ • ターゲットとなるペルソナは？
17. © CADDi Inc. 17 評価設計 (1) - 評価システム 最終出⼒が曖昧さを持つ⾃然⾔語の場合でも、評価を⾃動的に計算可能にし、開発のイテレーションを ⾼速にする 要素の分解 LLMプロダクトを構成するコン ポーネントを分解し、個別に評 価する 例） • 検索ステップのRecall@k • 必要なツールの使⽤率 測定可能な中間出⼒ LLMから定量的に測定可能な中 間出⼒を得る 例） • クラス分類を⾏う：Accuracy, Precision, Recall • 注⽬する対象を物体検出する ：mAP@IoU=0.3 LLM-as-a-Judge 機械的な判定が困難でも、LLM を利⽤してスコアを判定する。 信頼性が⾼い計算⼿法を⾒極め る。 例） • バイナリ評価：⼈間との相関が⾼いバ イナリの判定を適⽤する • Answer Coverage：回答された⽂必要 な論点のうちにいくつ含まれているか
18. © CADDi Inc. 18 評価設計 (2) - データセット ドメイン特化‧ユースケース特有の評価データセットをドメインエキスパートと構築し、精査する モデルの評価 ドメイン特化のデータセットで評価する • ⼀般的なベンチマーク(ex. MMMU-pro) のスコアは参考程度 • 図⾯解析は背景知識‧OCR‧形状認識といった複合的な要素を持つ • 例) 製造業特化型ベンチマークを作成 ソリューションの評価 ユースケース特有の評価データセットを構築する • 時間‧コストの観点で、少量のデータセットにならざるを得ない • 代表的なケースと異常なケースを分け、意思決定に⼗分な質を⽬指す • 例) 個別の形状認識データセットの構築
19. © CADDi Inc. 19 QCDを最適化する LLMを組み込んだシステムにおい て、CostとDelivery (ここではレ イテンシー/スループット) の主要 なファクターはトークン消費量 Quality (精度) 向上への打ち⼿ は、C‧D に対してセンシティブ に影響する トークン消費のトレードオフを伴う打ち⼿ • コンテキストを増やす • 並列/直列の推論回数を増やす • ツール/スキルを拡張する • reasoningの強度を上げる • ⼊⼒画像のトークンを増やす • 検索したチャンクの⼊⼒数を増やす … 背景知識を利⽤して、制約下で効率的に最適化する 制約下で効率的に打ち⼿を決めるには、背景の理解が不可⽋： • 離散的なトークンの分布からサンプリングする⾃⼰回帰モデル • PrefillとDecodeの違いによる⼊出⼒の⾮対称性 • Vision EncoderとLLMの関係性 …
20. © CADDi Inc. 20 アプリケーション全体の設計 LLMプロダクトが直接的な価値を提供していくには、アプリケーション全体の設計との関与は不可⽋ UI/UX 何を起点とするか • ⼊⼒インターフェースの選択 出⼒に対するアクションと改善サイクルの構築 • 成果物の活⽤⽅法と、継続的な改善サイクルの構築 総合的なループ構造 承認プロセス / コラボレーション • 組織内での意思決定フローへの組み込み 裏側のHITL (Human-in-the-loop) • オペレーションチームとの緊密な連携設計
21. © CADDi Inc. 21 UI/UX LLMプロダクトと接するインターフェースから出⼒に対して求めるアクションまで、PdM‧デザイナー ‧開発チームと考える ⼊⼝ 多様な選択肢から最適な接点を選ぶ • チャットインターフェース • ユーザーの特定のアクション • バックグラウンドでの⾃動検知 ユーザに求めるリテラシーや介⼊度‧QCDの制約など、LLMプロダ クト開発と反復的に検討する 出⼝ 出⼒に対するユーザーの動線を定める • LLMプロダクトの出⼒に対して何を期待するか • ユーザーの意思決定に必要⼗分な出⼒を出せているか フィードバックループを形成する • 明⽰的フィードバック：明快だが取得するハードルが⾼い • 暗黙的フィードバック：次アクションやマルチターンから推測 これらを統合し、継続的な学習を可能にする「フィードバックルー プ」を作る
22. © CADDi Inc. 22 総合的なループ構造 アプリケーションを通してカバーされる業務ワークフローの組織的な側⾯や裏側で構築するHuman-in-the-loopプ ロセスが提供価値に直結する。 これらの総体として、LLMプロダクトの総合的なループ構造が形成される。 組織的プロセスの統合 承認‧コラボレーション • 承認プロセス‧チーム内コラボレーションの⾃動化は現時点では困難 例) ソフトウェア開発におけるPRのレビュー‧設計の承認 • ⼀⽅で、アプリケーション内でユーザーに完結させることは可能 精度の向上‧価値創出 • その結果として⽣成されるトランザクションデータをコンテキスト化 しAgentに還元する 裏側のHITL Ops‧CSチームとの協調 • 業種特化のコンテキストを⼈間が注⼊する余⽩を持たせる フィードバックの回収‧変換 • 運⽤の現場とエージェント開発側が密に協調できる設計 • ⼈間を直接的にフィードバックを活⽤する起点とする
23. © CADDi Inc. 23 まとめ • LLMの発展によって製造業も直接的な課題解決の可能性は⾼まっている。同時に、特有の難しさが ある。 • LLMプロダクト開発は特化モデルの開発とは異なるスキルセットが求められると同時に、MLプロ ジェクトとして共通の要素がある ◦ 課題定義 ◦ 評価設計 ◦ 背景知識に基づく最適化 • アプリケーションの設計に関与していくことで開発したLLMプロダクトの価値をブーストできる
24. © CADDi Inc. We are hiring! CADDi Careers CADDi note CADDi Tech 24 カジュアル⾯談 採⽤情報 TOP まずは話を聞いてみたい⽅ コーポレートブログ Tech Blog