ファクトリークリエイティブキャンプ 製造業におけるクラウド・生成AI・IoT活用の現在地と未来展望

Transcript

1. ファクトリークリエイティブキャンプ 製造業におけるクラウド‧⽣成AI‧IoT 活⽤の現在地と未来展望 2025.10.14
2. 本報告書の位置づけ AIは選択肢ではなく、⽣き残るための必須条件 デジタル化は選択肢ではなく、⽣き残るための必須条 件である。製造業においてAIとロボティクスの活⽤ は、もはや『いつやるか』の問題であり、『やるかや らないか』の問題ではない。 — 経済産業省 製造産業局⻑（2025年度所信表明） Classmethod, Inc. All Rights Reserved. 1
3. アジェンダ：完全版レポート（全10章構成＋付録） AI駆動開発とAgentic AIなど、最新技術動向を踏まえた包括的な内容 1 第0章 クラスメソッド株式会社について 2 第1章 エグゼクティブサマリー 3 第2章 製造業を取り巻く環境分析 4 第3章 ⽣成AI市場の現状と展望 5 第4章 製造業における⽣成AI活⽤事例 6 第5章 フィジカルAIの到来と製造業への影響 7 第6章 AI駆動開発とシステム品質 8 第7章 ⽇本の製造業の現状と課題 9 第8章 リスク管理とガバナンス 10 第9章 結論と推奨事項 11 付録A 参考⽂献‧資料リスト Classmethod, Inc. All Rights Reserved. 2
4. 00 第0章 クラスメソッド株式会社について Classmethod, Inc. All Rights Reserved. 3
5. 0.1 会社概要 独⽴系⾮上場企業として、クラウド‧データ‧AIで企業のビジネス成⻑を⽀援 企業情報 設⽴：2004年7⽉7⽇ 所在地：東京都港区⻄新橋 1-1-1 ⽇⽐⾕フォートタワー26 階 代表取締役：横⽥ 聡 従業員数：約850名（2025年7 ⽉、グループ全体） 資本⾦：1億円 企業形態：独⽴系⾮上場企 業、無借⾦経営 業績（第21期‧2025年6⽉期） 売上⾼：951億円（前年⽐ +23%） 営業利益：79億円（前年⽐ +22%） 経常利益：79億円（前年⽐ +11%） 当期純利益：52億円（前年⽐ +9%） ⾃⼰資本⽐率：61.8% 顧客数：5,000社以上 拠点‧事業内容 国内8拠点：東京、札幌、仙 台、上越、名古屋、⼤阪、福 岡、沖縄 海外5拠点：ベルリン、バン クーバー、バンコク、ソウ ル、ダナン 主要事業：クラウド （AWS）、データ分析、⽣成 AI、アプリ開発、IT⼈材育成 Classmethod, Inc. All Rights Reserved. 4
6. 0.2 企業理念‧ビジョンと強み オープンな発想と⾼い技術⼒で、すべての⼈々の創造活動に貢献 企業理念‧ビジョン 企業理念：オープンな発想と⾼い技術⼒によって すべての⼈々の創造活動に貢献し続ける 技術で未来を共創：顧客と共に挑戦し、クラウド ‧AI‧データで新たな価値を創造 技術者集団として進化：最新技術を探求し、失敗 を恐れず実践 ナレッジの共有：DevelopersIOで知⾒を公開 し、技術コミュニティに還元 強み 社員70%がエンジニア‧技術者集団：週末も新 技術を試す探求⼼。CEOが先頭に⽴ち、全社で AI‧新技術に挑戦 内製⽂化とフルスタック実践⼒：企画‧開発‧運 ⽤を⾃社で完結。⾃ら実践した技術を顧客に展開 国内外13拠点でグローバル展開：海外5拠点（ベ ルリン、バンクーバー、バンコク、ソウル、ダナ ン）で多国籍プロジェクトを推進 AWS Global Top Partner：最上位パートナーと して5,000社以上の変⾰を実現 DevelopersIO‧Zenn運営：2,000件以上のAI記 事を公開。技術コミュニティに知⾒を還元 Classmethod, Inc. All Rights Reserved. 5
7. 0.3 主要サービス領域 クラウドからAIまで、ワンストップで技術⽀援 ①クラウドサービス（AWS特化） AWS移⾏‧統合：クラウドインフラ設計‧構築 セキュリティ設計：コンプライアンス対応 コスト最適化：運⽤費削減⽀援 トレーニング：社内エンジニア育成 ②デジタル変⾰（DX） モバイル‧ネイティブアプリ開発 IoTアプリケーション開発 DevOps⽀援：CI/CD構築 UI/UX‧サービスデザイン ③データ＆アナリティクス データ基盤構築：データレイク‧DWH構築 データ活⽤コンサル：データ戦略⽴案 機械学習実装：推薦システム、顧客分析 データ初期診断：データ品質評価 ④⽣成AI‧AI駆動開発 ⽣成AI導⼊⽀援：業務プロセス最適化 AI駆動開発サービス：開発⼯数削減 AI環境構築：AIインフラ整備 ビジネスプロセス最適化：AI活⽤で効率化 Classmethod, Inc. All Rights Reserved. 6
8. 0.4 主要顧客実績 業界横断で5,000社以上の企業にクラウド‧AI‧データ活⽤を⽀援 製造業‧公共‧医療分野 製造業：第⼀興商の⽣産管理システムクラウド 化、キッツの品質検査AI構築など、予知保全 ‧IoTデータ活⽤‧⽣産ライン可視化によるス マートファクトリー化を⽀援。 公共‧⾃治体：名古屋市上下⽔道局のインフラ データ管理クラウド化、上越市の⾏政システム移 ⾏など、⾃治体クラウド‧オープンデータ基盤 ‧AI-OCRによる⾏政DXを推進。 医療：くすりの窓⼝の⽣成AI活⽤⽀援、電⼦カル テ分析‧医療画像AIなど医療業界のデータ活⽤を 推進。 ⾦融‧⼩売‧ゲーム‧サービス分野 ⾦融：三菱UFJ銀⾏のAI‧データ基盤構築、与信 審査AI‧不正検知‧チャットボットなど⾦融業界 のAI活⽤を推進。 ゲーム：クラウドインフラ構築とゲームバランス AI、プレイヤー分析、⽣成AIコンテンツ制作を⽀ 援。 ⼩売：スターバックスのデジタル変⾰、KOKUYO の⽣成AI活⽤など需要予測‧在庫最適化‧顧客分 析を⽀援。 サービス業：飲⾷‧宿泊‧エンタメのDX⽀援と して予約管理‧顧客管理‧業務効率化AIを提供。 Classmethod, Inc. All Rights Reserved. 7
9. 0.5 ⽣成AI⽀援の実績と事例 AI Experience Center開設、100社以上の導⼊実績、5年間で1,000社⽀援へ Classmethod AI Experience Center 2025年10⽉にAI推進の専⾨組織を設⽴。5年間で 30億円を投資し、新たに1,000社のAI導⼊⽀援を ⽬標に掲げる。既に100社以上の⽣成AI基盤設計 ‧構築を⽀援。2025年7⽉にはAnthropic社と戦 略提携を締結。 主要サービス AI-StarterはAmazon Nova、Claude、GPT、 Geminiに対応したマルチAIプラットフォーム。 らくらくRAG導⼊パックで社内ナレッジ検索AIを 提供。最短1ヶ⽉、平均3ヶ⽉での導⼊を実現。 コクヨ株式会社の事例 全従業員向け⽣成AI環境KOKUYO AI Chatを構 築。社員から3,000件のAIアイデアを収集し、 GPT-Labで16個の業務アプリを開発。全社でAI活 ⽤⽂化を醸成。 その他の導⼊事例 オプテージは社内問い合わせチャットボット、く すりの窓⼝はChatGPT4 Slackアプリを1ヶ⽉で導 ⼊。三井住友トラストクラブで⽣成AI活⽤ワーク ショップを実施。名古屋市上下⽔道局、第⼀興 商、キッツ、上越市など公共‧製造業でも導⼊。 Classmethod, Inc. All Rights Reserved. 8
10. 0.6 クラスメソッド社内でのAI活⽤実践 社員の90%がAI活⽤、全社でAI駆動開発を実践 全社AI環境の整備 AI-Starter全社導⼊：Claude、GPT、Gemini、 Nova等を全社員が利⽤可能 社員の90%がAI活⽤：⽇常業務‧開発で実践 社内ヘルプデスク設置：質問‧相談に即座対応 AIDD Boost Team結成 2025年6⽉結成：部⾨横断で約20名参加。AI駆動 開発を実践推進 Claude Code/Devin/Cursor活⽤：最新AIコー ディングツールを実践活⽤。Zennプロジェクト で70-80%をAI実装 30件以上の問い合わせ：サービス開始後の反響 社内教育‧⽂化醸成 AIツール実践研修：Claude Code、Cursor、 Cline等のワークショップを定期開催 セキュリティ研修：安全なAI活⽤ CEOが先頭に⽴つ：新AIツールを試しSlackで共 有 部⾨間⽀援‧知⾒共有 エンジニアが⾮技術部⾨を⽀援：バックオフィス ‧営業のAI活⽤をサポート DevelopersIO：2,000件以上のAI記事を公開 AI Talks（CATs）：コミュニティで知⾒を共有 Classmethod, Inc. All Rights Reserved. 9
11. 01 第1章 エグゼクティブサマリー Classmethod, Inc. All Rights Reserved. 10
12. 1.1 調査結果①：労働⼒不⾜の深刻化 2030年、製造業は200万⼈の労働⼒不⾜に直⾯ 労働⼒不⾜200万⼈の危機 2030年の製造業労働⼒不⾜は200万⼈に達し、事 業継続が困難に。少⼦⾼齢化により若年労働者の 確保は極めて困難 熟練技術者の⼤量退職 2025-2030年で製造業熟練者の35%が退職予定。 30年以上の技能とノウハウが失われ、技術継承が 喫緊の課題 AI⾃動化が唯⼀の解決策 ⼈⼿に頼る従来⼿法は限界。AIによる作業⾃動化 と技能のデジタル化により、少⼈数でも⽣産性を 維持できる体制構築が必須 先⾏企業の成果 AI導⼊により少⼈数体制でも⽣産量を維持。熟練 者の動きをAIが学習し、若⼿への技能伝承期間を 6ヶ⽉→2週間に短縮 Classmethod, Inc. All Rights Reserved. 11
13. 1.2 調査結果②：⽣成AI市場の爆発的成⻑ 2030年までに145倍、4.8兆ドル市場へ 市場規模4.8兆ドル ⽣成AI市場は2024年の330億ドルから2030年に 4.8兆ドルへと145倍に爆発的成⻑。製造業が最 ⼤の活⽤領域 製造業での実⽤化加速 設計⾃動化‧品質検査‧需要予測等で実⽤化が加 速。80%の企業がポジティブな効果を報告し、導 ⼊が本格化 ROI 13.2ヶ⽉で回収 先⾏導⼊企業は平均ROI 13.2ヶ⽉で投資回収を実 現。従来IT投資（24-30ヶ⽉）の半分以下で効果 を実証 競争⼒格差の拡⼤ AI導⼊企業と未導⼊企業で⽣産性格差40%が発 ⽣。導⼊遅れは競争⼒喪失に直結し、挽回は年々 困難に Classmethod, Inc. All Rights Reserved. 12
14. 1.3 調査結果③：フィジカルAI実⽤化の転換点 研究段階から実⽤段階へ、価格も導⼊可能なレベルに 精度99.2%の実⽤段階 Boston Dynamics AtlasがHyundai⼯場で精度 99.2%を達成。研究段階から実⽤段階へ完全移⾏ ⼤⼿メーカーの本格稼働 Tesla Optimus Gen 3は2025年Q4より本格稼働開 始予定、Figure 03は年産12,000台体制を確⽴。 量産化が実現 価格5,900ドルまで低下 Unitree R1は$5,900で提供開始。従来の産業ロ ボット（平均$50,000）の1/8の価格で、中⼩製造 業でも導⼊可能に ⼈⼿不⾜解消の切り札 24時間稼働可能で⽣産性3倍を実現。単純作業か ら複雑な組⽴まで対応し、労働⼒不⾜200万⼈の 解決策として期待 Classmethod, Inc. All Rights Reserved. 13
15. 1.4 AI導⼊の成果とROI 先⾏導⼊企業が実証する確実な投資効果 ⽣産性向上 25-40% AI導⼊企業の68%が⽣産性向上を報告。製造現場 で作業時間短縮、稼働率向上、⼈的ミス削減。設 計‧開発でコード⽣成やドキュメント作成を⾃動 化。バックオフィスで定型業務を⾃動化し付加価 値業務にシフト 不良率削減 30-60% 画像AIで不良検出精度が⼈間を超越。24時間連続 稼働で全品検査が可能。検査速度は従来⽐98% 削減（1分→1秒）。不良流出率60%削減で顧客 クレーム減少とブランド価値向上 ROI達成期間 13.2ヶ⽉ AI投資の回収期間は平均13.2ヶ⽉と極めて短期。 従来のIT投資（24-30ヶ⽉）の半分以下。クラウ ドとノーコードツールで初期投資を抑制。段階的 導⼊でリスク最⼩化しながら早期効果を実現 効果報告率 80% 導⼊企業の80%がポジティブな効果を報告。成功 要因は明確な⽬的設定、スモールスタート、経営 層コミットメント。失敗要因は⽬的不明確、過⼤ な初期投資、現場の抵抗 Classmethod, Inc. All Rights Reserved. 14
16. 1.5 成功への実践的アクションプラン 先⾏企業8社の知⾒から導く、今すぐ始められる6つのステップ AI推進プロジェクトチーム設置 経営直轄体制で意思決定を迅 速化。平均2ヶ⽉で体制構築完 了、ROI達成期間が30%短縮 スモールスタート案件3件選定 段階的導⼊で成功確率85%に 向上。品質検査‧予知保全‧ ⽣産計画の3領域で早期成果を 実現 データ基盤の現状診査実施 AI導⼊の前提条件となるデー タ品質を評価。6ヶ⽉準備で精 度向上率が平均18%改善 AI⼈材育成プログラム開始 全従業員向けリテラシー教育 と専⾨⼈材育成を並⾏実施。 6ヶ⽉で基礎200名、専⾨10名 育成完了 外部パートナーとの連携開始 製造業ドメイン知識を持つベ ンダーと協業。PoC成功率が 62%→89%に向上 KPI設定とモニタリング体制 定量的な効果測定で改善継 続。⽉次レビューで施策最適 化、ROI向上率22%アップ Classmethod, Inc. All Rights Reserved. 15
17. 02 第2章 製造業を取り巻く環境分析 Classmethod, Inc. All Rights Reserved. 16
18. 2.1 PESTEL分析：製造業を取り巻く環境変化 機会と脅威を明確にし、AI導⼊の必然性を⽰す Political（政治的） 機会 AI‧DX推進政策で後押 し。IT導⼊補助⾦（最⼤450万 円）、ものづくり補助⾦（最 ⼤1,250万円）。DX投資促進 税制で最⼤10%税額控除 Economic（経済的） 脅威 原材料費‧エネルギーコ スト⾼騰。製造業平均年収 17.2%上昇。中⼩製造業営業 利益率：2.8%へ低下。AI効率 化が⽣き残りの鍵 Social（社会的） 脅威 2035年に330万⼈の労働 ⼒不⾜。熟練技術者の⼤量退 職。技能伝承の断絶リスク。AI 活⽤で⼈材不⾜を補完し、暗 黙知を形式知化 Technological（技術的） 機会 ⽣成AI性能が6ヶ⽉で2倍 で進化。コンテキスト200万 →1億トークンへ拡⼤。 Agentic AIで⾃律作業が可能に Environmental（環境的） 機会‧脅威 カーボンニュート ラル2050年⽬標。省エネ法‧ 温対法の規制強化。AI⽣産⼯ 程最適化でエネルギー15-20% 削減 Legal（法的） 脅威‧機会 AI規制法（EU AI Act）の影響波及。個⼈情報保 護法強化。⼀⽅、AI導⼊企業 向けの規制緩和措置。コンプ ライアンスとイノベーション の両⽴が必須 Classmethod, Inc. All Rights Reserved. 17
19. 2.2 製造業の労働⼒不⾜の深刻化 製造業で2035年に330万⼈不⾜ 年度 労働⼒需要 労働⼒供給 不⾜数 不⾜率 2020年 1,056万⼈ 1,056万⼈ - - 2025年 1,078万⼈ 982万⼈ 96万⼈ 8.9% 2030年 1,112万⼈ 912万⼈ 200万⼈ 18.0% 2035年 1,098万⼈ 768万⼈ 330万⼈ 30.1% Classmethod, Inc. All Rights Reserved. 18
20. 2.2.1 熟練技能者の⼤量退職 技能伝承の断絶 ⾼齢化（55歳以上） 若年層（34歳以下） ⽐率 34.2% 18.7% 影響 今後10年間で⼤量退職 技能伝承の担い⼿不⾜ 将来予測 2040年に就業者数は27.3%減少 AIが教育‧マニュアル作成を代替 Classmethod, Inc. All Rights Reserved. 19
21. 2.3 サプライチェーンの脆弱性とリスク評価 地政学リスク、環境要因が複雑化。AIによるリアルタイムなリスク管理が必要です。 リスク要因 ⽶中技術覇権競争による調達制約 地政学リスクの顕在化（供給途絶） 環境規制強化（カーボンニュートラル） AIによる対応 AI予測による代替調達先の迅速な探索 デジタルツインによるサプライチェーンの動的 シミュレーション エネルギー消費最適化による環境負荷低減 Classmethod, Inc. All Rights Reserved. 20
22. 2.4 デジタル競争の激化とグローバル動向 グローバル競合はAI‧ロボット導⼊を加速。⽇本の『様⼦⾒』は許されない グローバル競合の先⾏投資 韓国‧中国‧⽶国は数兆円投資。AI‧ロボットで⽣産効率を劇的向上。技術格差は数年で埋められな い フィジカルAIの⽣産統合 Tesla‧Hyundaiが⽣産ラインの中核に。Optimus、Atlasを実装。⼈間協働で柔軟性と効率を両⽴ ⼈材獲得の競争条件 若年層はデジタル環境を重視。AI導⼊で『3K』イメージ払拭。働きがいのある職場環境で⼈材確保 Classmethod, Inc. All Rights Reserved. 21
23. 03 第3章 ⽣成AI市場の現状と展望 Classmethod, Inc. All Rights Reserved. 22
24. 3.1 ⽣成AI市場規模と成⻑予測（世界‧⽇本） 世界市場は2030年に4.8兆ドル、⽇本市場も12.4兆円の爆発的成⻑を予測 世界市場 4.8兆ドル ⽣成AI市場は2025年⽐34倍の急成⻑を遂げ、 2030年には4.8兆ドル規模に達する⾒込み。マル チモーダルAIの実⽤化により全産業での活⽤が加 速 ⽇本市場 12.4兆円 ⽇本市場も年平均成⻑率35%で拡⼤し、2030年 に12.4兆円規模へ。政府のAI戦略推進と企業の DX投資拡⼤が追い⾵に 製造業導⼊率 14% ⽇本の製造業では14%が本格導⼊済み、さらに 28%が試験導⼊中。導⼊企業の78%が投資対効 果を実感し、今後3年で導⼊率は50%を超える⾒ 込み 成⻑ドライバー 市場成⻑の中核はマルチモーダルAIとフィジカル AIの統合。画像‧⾳声‧テキストを統合処理し現 場データを理解、ロボット‧⾃動機械を制御。設 計から保守まで⼀貫した⾃動化を実現 Classmethod, Inc. All Rights Reserved. 23
25. 3.2 最新LLM性能（2025年） 対話型から⾃律実⾏型へ。製造業での具体的活⽤シーン モデル リリース 主要能⼒ 製造業での実⽤例 Grok 4 2025年10⽉ リアルタイム情報統合 市場動向と製造データを 統合し需要予測 Claude Sonnet 4.5 2025年9⽉ 世界最⾼コーディング 製造実⾏システム(MES) の⾃動⽣成‧保守 GPT-5 2025年8⽉ ⻑⽂理解‧推論 数千ページの技術仕様書 を分析し設計提案 Gemini 2.5 Pro 2025年3⽉ 数学‧科学推論 製造パラメータ最適化、 材料配合計算 Amazon Nova 2024年12⽉ ⾼速マルチモーダル 品質検査‧設備監視の⾃ 動化 Classmethod, Inc. All Rights Reserved. 24
26. 3.3 AIとの対話の進化 プロンプト→コンテキスト→Agentic。⼈間の役割が『指⽰者』から『⽬標設定者』へ 第1世代：プロンプトエンジニア リング 短い指⽰⽂を最適化してAIから 望む応答を引き出す （2022-2023）。トークン制限 4K-8Kが制約 第2世代：コンテキストエンジニ アリング RAG、ツール連携、⻑期メモリ を活⽤（2024-2025）。企業DB と統合し専⾨知識を正確参照 第3世代：エージェント型AI （Agentic AI） AIが⽬標→計画→実⾏→検証サ イクルを⾃律実⾏（2025-）。 ⼈間は最終⽬標のみ指⽰ Classmethod, Inc. All Rights Reserved. 25
27. 3.4 コンテキスト拡⼤の定量的進化 3年で125倍拡⼤。年間成⻑率10倍ペースで企業知識の完全統合へ 年代‧モデル コンテキスト容量 製造業での活⽤例 2023年 GPT-4初期 32Kトークン 約100ページ相当 製品マニュアル20-100ページ。基 本情報のみ 2025年 Claude 4.5/Gemini 2.5 200万トークン 約1,500ページ相当 製造マニュアル+設計図500枚+3 年の品質記録。⼯場の全ドキュメ ント統合 2026年予測 次世代モデル 1,000万トークン 約7,500ページ相当 技術⽂書+10年分の品質‧⽣産 データ+技術者ノウハウDB。グ ループ全社の知識統合 2027年予測 超⼤規模モデル 1億トークン 約75,000ページ相当 30年分の業務記録+設計変更履歴+ トラブルシューティング事例。⽣ 涯知識を再現 Classmethod, Inc. All Rights Reserved. 26
28. 3.5 Agentic AI：⾃律実⾏型AIの⾰命 質問応答型から⽬標達成型へ。⼈間は「作業指⽰」ではなく「最終⽬標」のみを伝える時代 ①Goal設定：⼈間が最終⽬標を提⽰ 「不良率を3%削減したい」と⽬標を伝えるだ け。AIが最終ゴールから逆算して必要なタスクを ⾃動抽出 ②Planning：AIが実⾏計画を⾃律策定 データ分析→原因特定→改善案→実⾏順序をAIが ⾃律計画。最適プランを⽣成し、計画時間を 90%短縮 ③Action：ツール使⽤‧外部システム連携 外部ツールを⾃律操作：DB検索、Excel分析、 Python実⾏、API呼び出し。⼈間の介⼊なしで作 業を実⾏ ④Reflection：結果検証‧⾃⼰修正 実⾏結果を⾃⼰評価し、失敗時は⾃動で計画修正 →再実⾏。エラーから学習し精度を向上 従来型AIとの決定的な違い 従来：⼈間が詳細指⽰、AIは応答のみ。Agentic AI：⼈間は最終⽬標のみ、AIが計画→実⾏→修正 を⾃律ループ。作業時間70-80%削減 製造業での実⽤例 品質異常対応：異常検知→原因分析→改善案→実 装提案を⾃律実⾏。従来3⽇→2時間。設備保守 ：予兆検知→部品発注→⼿順書⽣成 Classmethod, Inc. All Rights Reserved. 27
29. 3.5.1 Chain of Thought vs Chain of Action ⾔語ベースの推論から物理⾏動へ。フィジカルAIの核⼼技術 項⽬ Chain of Thought (CoT) Chain of Action (CoA) 定義 ⾔語ベースの推論。複雑な問題を ステップ分解し論理的に解決 ⾏動ベースの連鎖。物理軌道をモ デル化、後⽅推論で計画⽣成 焦点 内部的な論理推論 物理世界での軌道予測と実⾏ 適⽤分野 NLP、QA、数学問題など⾔語タス ク（LLM） フィジカルAI、ロボティクス（マ ニピュレーション、ヒューマノイ ド） ⼊出⼒ テキスト⼊⼒‧出⼒ マルチモーダル（視覚‧⾔語‧⾏ 動）。出⼒は⾏動軌道 仕組み 前⽅予測、ステップバイステップ ⽣成 後⽅推論（⽬標→初期状態）。 キーフレーム⾃⼰回帰⽣成 Classmethod, Inc. All Rights Reserved. 28
30. 3.5.2 CoAとVLMの統合：VLAモデル Vision-Language-Action統合で⾔語指⽰を⾏動軌道に変換 側⾯ CoAの役割 VLMの役割 統合効果（VLA） ⼊⼒処理 視覚-運動軌道の後⽅⾃ ⼰回帰⽣成 画像‧動画のセマン ティック理解 ⾔語で視覚を条件付け、 軌道精度向上 推論 ⾏動連鎖（キーフレーム 中⼼） 視覚-⾔語アライメント ⾼レベル計画→低レベル ⾏動に橋渡し 課題解決 エラー蓄積‧⼀般化不⾜ 視覚バイアス‧⽂脈⽋如 全体構造化で安定性 20-30%向上 代表研究 Trajectory Autoregressive Modeling LLaVA/Geminiのような VLM Embodied CoA for Humanoid Classmethod, Inc. All Rights Reserved. 29
31. 3.6 ノーコードAI構築ツール プログラミング不要でAIエージェントを構築。AI開発の⺠主化が実現 n8n ワークフロー⾃動化特化。LLM‧API‧DBを視覚的に接続。受発注‧在庫管理を⾃動化 Dify LLMアプリ開発PF。RAG、エージェント、チャットボットを数クリックで構築可能 Opal Google製AIミニアプリ作成ツール。製造現場向けAIアプリを短期間で開発 Classmethod, Inc. All Rights Reserved. 30
32. 3.6.1 オフィス業務⾃動化 AIがExcel‧ブラウザを⾃律操作。ホワイトカラー業務60%削減 MCP経由ブラウザ⾃動操作 MCPでブラウザ⾃律操作。Chrome DevTools等をMCP経由で制御。Webデータ収集‧フォーム⼊⼒を ⾃動化 オフィスソフト⾃動操縦 Excel‧PowerPoint‧Wordを⾃動操作。ChatGPT‧Claude‧Geminiが直接Office操作し資料⽣成 ブラウザRPA⾃動化 業務システムをAIが⾃動操作。画⾯を理解して柔軟に操作。受発注、勤怠、在庫照会を実⾏ Classmethod, Inc. All Rights Reserved. 31
33. 3.7 AI駆動開発ツール 開発⽣産性3-5倍。コーディングを⾰新するAI統合開発環境 Cursor AI-First IDE先駆者。コードベース全体を理解し、マルチファイル編集を⾃動実⾏。開発速度3-5倍 Windsurf Cascade機能搭載。AIが⾃律的にタスクを分解‧実⾏。設計書からの実装を⾃動化 Claude Code CLI統合型。ターミナルから直接Claude活⽤。レガシーコード解析‧リファクタリングに特化 Classmethod, Inc. All Rights Reserved. 32
34. 3.8 MCP標準プロトコル AI統合を数クリックで実現。コンテキストエンジニアリングの⺠主化 MCPとは オープンスタンダード。AIと外部データソース‧ツールを統⼀接続。個別統合を不要に 主要な対応サービス Figma‧Vercel v0‧Slack‧GitHub等が対応済み。主要LLMが採⽤ 製造業への影響 CAD、⽣産管理、品質DBとAI統合が容易に。数クリックで連携完了。現場部⾨が主体的に活⽤推進 Classmethod, Inc. All Rights Reserved. 33
35. 3.9 マルチモーダルAI進化 実物と区別不可能なレベルに到達。アノテーションコスト95%削減 Sora 2（OpenAI） 物理法則理解の動画⽣成。⾳声同期、物理精度向上。実写と識別不可能なレベルに到達 Veo 3（Google） リアルな物理現象再現。⽔流、影、⼈間動作を⾼精度⽣成。最⼤8秒の⾼解像度動画 Suno V5 スタジオ品質⾳楽⽣成。44.1kHz品質、1,200以上のジャンル対応。最⼤8分の楽曲⽣成 Classmethod, Inc. All Rights Reserved. 34
36. 3.10 強化学習の⺠主化 フィジカルAIの核⼼技術が、誰でも使えるツールへ 強化学習とは 試⾏錯誤で最適⾏動学習。報酬を最⼤化するようAIが⾃律改善。ロボット制御に不可⽋ ⺠主化ツールの登場 プログラミング不要で強化学習。Unity ML-Agents、NVIDIA Isaac SimなどGUIベースで構築可能 製造業への適⽤ ロボットアーム制御を数時間で実装。博⼠号レベル知識不要。現場エンジニアでも扱え歩留まり15% 向上 Classmethod, Inc. All Rights Reserved. 35
37. 3.11 技術トレンド 製造業DXを加速する6つの技術 マルチモーダルAI：GPT-4o、 Claude Sonnet 4.5の画像理解 能⼒により、設計図‧写真 ‧3DCADデータを統合解析。 不良品検査精度が⼈間を超越 RAG（検索拡張⽣成）：社内 マニュアル‧品質データベー スをリアルタイム参照し、ハ ルシネーション（幻覚）を 95%削減。信頼性の⾼い回答 を実現 Agentic AI（⾃律型エージェ ント）：複数ツールを⾃律操 作し、調達→⽣産計画→品質 管理のエンドツーエンド⾃動 化を実現 ⽣成設計AI：トポロジー最適 化とAIの融合により、軽量化 30%‧コスト削減25%を達 成。⾃動⾞‧航空機部品で実 ⽤化進⾏中 エッジAI：NVIDIA Jetson、 Intel Movidius等により、⼯場 現場で1ms以下の超低遅延処 理を実現 強化学習：DeepMind AlphaZeroの⼿法を製造に応 ⽤。ロボットアーム制御、⼯ 程パラメータ最適化で歩留ま り15%向上 Classmethod, Inc. All Rights Reserved. 36
38. 3.12 専⾨家チームによる協働 複雑タスクを専⾨AIチームで分担処理。サブエージェントオーケストレーション ①スーパーバイザー（統括AI） 複雑タスクを分析‧分解 最適なサブエージェントを選 定 タスク配分と優先順位付け 実⾏結果の統合‧品質管理 ②専⾨サブエージェント プロマネAI：進捗管理‧リス ク検知‧スケジュール調整 開発AI：コード⽣成‧リファ クタリング‧実装 テスト専⾨家AI：テスト設計 ‧実⾏‧バグ検証 セキュリティ専⾨家AI：脆弱 性診断‧対策⽴案 インフラ担当AI：環境構築 ‧CI/CD‧監視設定 ③協調実⾏‧学習 エージェント間の情報共有 リアルタイムフィードバック 失敗から学習し改善 全体最適の⾃律調整 Classmethod, Inc. All Rights Reserved. 37
39. 04 第4章 製造業における⽣成AI活⽤事例 Classmethod, Inc. All Rights Reserved. 38
40. 4.1 経営層‧本部向けAI活⽤の効果 意思決定の迅速化と業務効率化を同時実現 経営レポート作成時間 85%削減 経営会議資料の作成時間を数⽇から1時間に短 縮。売上‧KPI‧市場動向の統合分析を⾃動化 し、データ収集‧集計‧グラフ作成の85%を⾃ 動化。経営層は戦略⽴案に集中でき意思決定の質 が向上 市場分析期間 67%短縮 市場調査‧競合分析を3ヶ⽉から1ヶ⽉に短縮。 Web情報収集、ニュース分析、特許調査、SNS動 向を⾃動化し市場機会を迅速に発⾒。市場投⼊ま でのリードタイムを40%短縮 契約書レビュー精度 90%向上 法務部⾨の契約書レビュー精度が90%向上しリ スク条項の⾒落としを防⽌。過去事例との照合、 法改正の⾃動反映、不利条件の検出で法的リスク を最⼩化。レビュー時間も60%短縮 開発⼯数削減 40% システム開発部⾨の⼯数を40%削減。コード⽣ 成、テスト⾃動化、ドキュメント作成により開発 者は設計‧アーキテクチャに集中可能。バグ発⽣ 率は30%減少し品質向上とコスト削減を同時実 現 Classmethod, Inc. All Rights Reserved. 39
41. 4.2.1 品質検査の⾃動化 画像AI‧深層学習で⼈間を超える検査精度。24時間稼働で不良流出ゼロへ ⾷品製造：外観‧異物検品の超⾼速化 餃⼦の外観‧異物検品を98.3%削減（1分→1 秒）。深層学習で0.1mm異物も検出。⼈間では ⾒逃す微細な変⾊‧形状不良を100%検知。24時 間稼働で検査員の⽬視疲労ゼロ、⾷品安全性を担 保 電⼦機器：基板実装の全数検査 プリント基板のハンダ不良をミクロンレベルで検 出。検査⼯数25%削減、不良流出60%削減。AOI （⾃動光学検査）とAI統合でハンダブリッジ‧⽋ 損‧位置ズレを瞬時判定。リコールリスクを最⼩ 化 ⾃動⾞部品：微細バリ‧傷の完全検知 プレス部品の0.01mm単位の微細バリを検出。検 出精度99.7%で⼈⼿依存を解消。3D画像認識で 表⾯傷‧打痕‧変形を⽴体的に判定。不良品の後 ⼯程流出を防ぎ、クレーム90%削減 画像AI技術の進化と導⼊効果 YOLOv8‧Segment Anything Modelで実装。転 移学習で学習データ1/10に削減。エッジAI化で遅 延1ms未満を実現。導⼊コスト3年でROI達成。 検査員を⾼度な分析‧改善業務にシフト Classmethod, Inc. All Rights Reserved. 40
42. 4.2.2 予知保全と⼯程最適化 設備ダウンタイムを最⼩化。歩留まり15%向上を実現 故障削減 75%（予知保全AI） センサーデータから故障の予兆を検知し、突発的 な設備故障を75%削減。多次元データをリアルタ イム分析し、異常兆候を数週間前に警告。計画的 メンテナンスで保全コストも30%削減 歩留まり向上 15% 強化学習AIで⼯程条件を最適化し歩留まり15%向 上。温度‧圧⼒‧速度を⾃動調整し不良品発⽣率 を最⼩化。材料ロス減少で年間数千万円のコスト 削減を実現 ダウンタイム削減 40% 予知保全とリモート診断でダウンタイム40%削 減。稼働率向上により⽣産能⼒が実質15%増加 し、新規設備投資を回避。保全要員の効率的配置 も実現 加⼯時間短縮 35% AIによる加⼯条件の最適化で加⼯時間を35%短 縮。⼯具経路、切削速度、送り速度を⾃動最適化 し、サイクルタイムを削減。⽣産性向上とエネル ギー消費削減を両⽴。熟練技術者のノウハウをAI が学習し、若⼿作業者でも⾼品質な加⼯を実現 Classmethod, Inc. All Rights Reserved. 41
43. 4.3 サプライチェーンAI活⽤の効果 在庫最適化と調達リスク管理で競争⼒を強化 需要予測精度向上 85% 機械学習による需要予測で従来⽐85%の精度向上 を実現。販売実績、市場トレンド、経済指標を統 合分析し、⽣産計画の精度が向上 在庫削減 20-30% 適正在庫の⾃動算出で在庫を20-30%削減し運転 資⾦を改善。過剰在庫による廃棄ロス‧保管コス ト削減、物流コストも15%削減 ⽋品率削減 60% 需要予測と在庫最適化で⽋品率を60%削減。販 売機会損失を防⽌し売上向上。納期遵守率が 95%以上に向上し取引先信頼を強化 調達リードタイム短縮 40% 調達リスク検知と代替部品提案で調達リードタイ ム40%短縮。サプライヤー供給不安を事前検知 し、最適な代替案を提⽰ Classmethod, Inc. All Rights Reserved. 42
44. 4.3.1 需要予測AIの進化 複雑な変動要因を統合分析。従来⼿法を遥かに凌駕する精度 マルチモーダルデータ統合 販売‧天候‧SNS‧競合‧イベントデータを統合。季節変動、地域特性、トレンドを⾃動学習し⾼精 度予測 リアルタイム需要予測 毎⽇更新される動的予測。従来の⽉次予測から脱却。需要急変にも即座に対応し、発注最適化 異常需要の早期検知 急激な需要変動を72時間前に予測。品切れ‧過剰在庫を事前回避。プロモーション効果も予測 Classmethod, Inc. All Rights Reserved. 43
45. 4.3.2 在庫最適化とコスト削減 過剰在庫と⽋品の同時解消。キャッシュフロー改善に直結 在庫最適化 適正在庫の⾃動算出：AI が需要予測と調達リー ドタイムから最適在庫⽔準を⾃動計算 ABC分析の⾃動化：重要部品を⾃動分類し、在 庫⽅針を最適化。⾼回転品は低在庫、低回転品 は適正在庫 デッドストック削減：滞留在庫を予測し、早期 処分提案。在庫回転率15%向上 物流最適化 倉庫配置の最適化：AIが需要地と供給地を分析 し、最適な倉庫配置‧在庫配分を提案 配送ルート最適化：リアルタイム交通情報と配 送先を考慮し、配送コスト12%削減 共同配送の提案：複数取引先の配送を統合し、 積載効率向上。環境負荷低減にも貢献 Classmethod, Inc. All Rights Reserved. 44
46. 4.3.3 調達リスク管理とBCP強化 地政学リスク‧災害リスクに強いサプライチェーン構築 リスク検知 地政学リスク：貿易規制、 関税変更、輸出⼊制限を ニュースAIが24時間監視 災害リスク：地震‧台⾵‧ 洪⽔の予測情報と、サプラ イヤー⽴地を照合 供給途絶リスク：サプライ ヤーの財務状況、稼働率、 品質問題を継続監視 AI分析‧予測 影響範囲分析：リスク発⽣ 時の影響を瞬時にシミュ レーション。影響部品‧⽣ 産ラインを特定 代替調達先提案：BOM（部 品表）から代替可能部品‧ サプライヤーを⾃動抽出 コスト‧納期⽐較：代替案 のコスト増‧納期遅延を定 量評価し、最適案を提⽰ 対策実⾏ 早期発注：リスク予兆を検 知し、重要部品の先⾏発注 を提案 複数購買の推奨：単⼀ソー ス依存を検知し、複数サプ ライヤー化を提案 デジタルツイン活⽤：サプ ライチェーン全体をシミュ レーションし、最適対応を 事前検証 Classmethod, Inc. All Rights Reserved. 45
47. 4.3.4 製造業特有の活⽤事例 部品数千点‧サプライヤー数百社を管理。AIが複雑性に対応 BOM（部品表）管理の⾃動化 数千点の部品を⾃動分類‧整合性チェック。設計変更時の影響部品を瞬時に特定。発注ミス90%削減 サプライヤー評価の⾃動化 納期遵守率‧品質‧価格‧財務を総合評価。リスクの⾼いサプライヤーを早期検知し、代替提案 グローバル調達の最適化 為替‧関税‧輸送費を考慮した総コスト最適化。地域別調達バランスを⾃動提案し、リスク分散 Classmethod, Inc. All Rights Reserved. 46
48. 4.3.5 Toyota×SORACOM：IoT⺠主化とD-ROOM 現場主導のデジタル変⾰。40万台規模の⾞両データ活⽤を実現 D-ROOMによるIoT⺠主化 現場主導で業務課題を解決する⽀援枠組み。IoT デバイス‧センサーを⺠主化し、実務者が容易に 活⽤。⼯場設備監視などで実績。SORACOMプ ラットフォームでHTTP/MQTT/UDPによるデー タ収集‧分析を効率化 eSIM管理と耐障害性向上 海外出荷⾞向けにリモートで現地⾳声プロファイ ルをプッシュ。メイン回線断絶時にSORACOMを ⾃動バックアップ切替。AECC参加のもと、通信 技術の進化（eSIM）を柔軟に適応。グローバル 展開の障壁を低減 リアルタイム⾞両データ収集 SORACOMサービスで⼤量の⾞両データをリアル タイム収集。ローソケット経由でデバイスデータ を受信し、プロトコル変換。40万台規模の⾒え る化を実現（ハイネケン事例並み） Databricks連携で予測分析 Zerobusインターフェイス経由でSORACOMデー タをDatabricksへ転送。リアルワールドデータ 活⽤で⾞両の運⽤最適化と予測メンテナンスを実 現。通信の柔軟性向上 Classmethod, Inc. All Rights Reserved. 47
49. 05 第5章 フィジカルAIの到来と製造業への 影響 Classmethod, Inc. All Rights Reserved. 48
50. 5.1 フィジカルAIがもたらす変⾰インパクト 従来ロボットを凌駕する柔軟性と⽣産性で製造業を再定義 タスク切替時間 95%短縮 従来ロボットは作業変更に数週間かかっていたプ ログラミングが数時間に短縮。マルチモーダルAI で作業指⽰を⾃然⾔語で伝えるだけで新タスクを 実⾏可能。多品種少量⽣産への対応⼒が⾶躍的に 向上 作業可能範囲 10倍拡⼤ フィジカルAIは10倍の作業範囲に対応。組⽴、検 査、梱包、搬送、清掃、保守まで1台で複数業務 を実⾏。設備投資を⼤幅削減しながら、⽣産ライ ンの柔軟性を確保 環境適応⼒ 8倍向上 ⾃律学習機能で環境適応⼒が8倍向上。照明変 化、部品配置のずれ、障害物の出現に⾃動対応。 センサーとAIで未知の状況にも対処可能。継続的 な学習で性能が向上し続ける ⼈⼿作業代替率 70% ⾮定型業務の70%を⾃動化可能。従来ロボット では困難だった複雑な組⽴、微妙な⼒加減が必要 な作業、判断を伴う検査業務を代替。⼈間は⾼度 な判断業務に集中でき⽣産性が⼤幅向上 Classmethod, Inc. All Rights Reserved. 49
51. 5.2 ⼈間の⾏動判断10Hzと⾃動運転への適⽤ 視覚処理10-27Hzを超える⾃動運転システムで超⼈間性能を実現 領域 適⽤例 効果（⼈間模倣と超越） センシング LiDAR‧カメラ10Hzスキャン、 GNSS更新 夜間‧悪天候で視覚限界を補完。 ⼈間反応0.1-0.3秒を超え、衝突回 避能⼒を向上 判断‧予測 VLMで歩⾏者⾏動を数秒先読み、 10Hzセマンティック解析 ⼈間の認知反応（0.75秒）を超 越。事故率低減。⾔語-⾏動アラ イメント（SimLingo）で複雑交 通対応 制御 アクチュエータ10-100Hzルー プ、認知エンコーディング スムーズ操作で⼈間-like思考を再 現。複雑交通状況に⼈間並みの柔 軟性で対応 Classmethod, Inc. All Rights Reserved. 50
52. 5.3 ⽇産ProPILOT 3.0：10Hz超の⾃動運転 2027年投⼊予定。Wayve AI Driver統合で都市部L3レベル⾃動運転を実現 Wayve AI Driver統合 英国Wayve社の⾃⼰教⽰型AI Driver2027年度搭 載。11台のカメラ+5台のレーダーで都市部の複 雑交通環境を処理。⾔語-⾏動アライメント （SimLingo）で複雑交通に対応 10Hz超のセンシング‧判断 LiDAR‧カメラが10Hz以上でスキャン。VLMで歩 ⾏者⾏動を数秒先読みし、⼈間の認知反応（0.75 秒）を超越。夜間‧悪天候でも視覚限界を補完 都市部L3レベル⾃動運転 Ariyaプロトタイプで実証済み。複雑な都市部交 通環境でL3レベル⾃動運転を実現。⼈間の反応 時間（0.1-0.3秒）を補完し、事故率を⼤幅低減 製造業への展開可能性 ⾃動搬送⾞（AGV）‧⼯場内物流で応⽤可能。 10-100Hzループ制御で⼈間並みの柔軟性。ス ムーズ操作で⼈間-like思考を再現 Classmethod, Inc. All Rights Reserved. 51
53. 5.4 従来ロボット vs フィジカルAI：技術⽐較 AI統合により汎⽤性‧⾃律性‧学習能⼒で圧倒的優位 従来の産業⽤ロボット 特定タスク専⽤（溶接‧塗装など） 事前プログラムに完全依存 環境変化への対応不可 タスク変更に数週間のリプログラミング 教⽰作業に専⾨技術者が必須 固定レイアウトの⼯場向け フィジカルAI（ヒューマノイド） 汎⽤作業対応（ピッキング‧組⽴‧検査） 強化学習による⾃律的適応 不確実環境で⾃⼰判断‧最適化 ⾃然⾔語‧模倣学習で数時間で習得 ⾮専⾨家でも教⽰可能（デモ→学習） ⼈間⽤レイアウトで稼働可能 Classmethod, Inc. All Rights Reserved. 52
54. 5.5 フィジカルAIの3⼤コア技術 視覚‧⾔語‧運動のAI統合が実現する「考えるロボット」 視覚認識AI（Computer Vision） 3D空間理解と物体認識。カメラ‧深度センサーで環境をリアルタイム把握。部品形状‧位置‧姿勢を ⾃動検出し把持戦略を最適化 ⼤規模⾔語モデル（LLM） ⾃然⾔語でタスク理解‧計画⽴案。「この部品を組み⽴てて」という指⽰を作業⼿順に分解。作業者 との対話で改善提案も可能 強化学習（RL）＋模倣学習 試⾏錯誤で最適動作を⾃⼰学習。⼈間の作業デモから学習し、失敗から改善。環境変化に動的適応し 精度向上 Classmethod, Inc. All Rights Reserved. 53
55. 5.6 フィジカルAI動作フロー：認識→判断→実⾏ センサー情報をAIが統合処理し、最適な作業動作を⾃律実⾏ ①環境認識 カメラ‧深度センサーで3D 空間把握 物体検出‧セグメンテーショ ン 部品位置‧姿勢の特定 障害物‧⼈間の検知 ②AI判断‧計画 タスク理解（LLMで指⽰解 釈） 作業⼿順の⾃動⽣成 把持戦略‧軌道の最適化 リスク評価（衝突回避） ③動作実⾏ アクチュエーター制御 リアルタイムフィードバック 調整 ⼒覚制御（過負荷防⽌） 結果検証→次タスクへ Classmethod, Inc. All Rights Reserved. 54
56. 5.7 製造現場での具体的応⽤シーン 多品種少量⽣産‧変種変量‧⼈⼿不⾜の課題を同時解決 多品種変量⽣産ライン 製品切替を数時間で完了。部品形状が異なっても視覚AIで⾃動認識。プログラム変更不要で多品種対 応。段取り替え時間を95%削減 ⾮定型組⽴‧検査作業 複雑な⼿作業を代替。配線組⽴‧⽬視検査など従来⾃動化困難な作業を実⾏。⼈間と同じ治具‧⼯具 を使⽤可能 ⼈間との協働（Cobot化） 安全柵なしで⼈間と共働。⼒覚センサーで接触検知し即停⽌。重量物運搬や反復作業を担当。⼈間は 付加価値業務に集中 Classmethod, Inc. All Rights Reserved. 55
57. 5.8 実⽤化タイムライン ヒューマノイドロボット、2025年急速に市場投⼊ Boston Dynamics - Atlas Hyundai⼯場で複数タスク稼働中（精度99.2%）。実⽤段階に到達。2026年Q1に3拠点追加展開予定 Tesla - Optimus Gen 3 2025年Q4より本格稼働開始予定。テキサス⼯場で実運⽤。2026年Q2から外販開始予定 Figure AI - Figure 03 2025年10⽉発表‧量産設計完了。年12,000台体制確⽴、4年で10万台⽬標。TIME誌「2025年最⾼の 発明」選出 Classmethod, Inc. All Rights Reserved. 56
58. 5.9 市場規模予測 2035年に6〜16兆円。製造業が過半数を占める巨⼤市場 世界出荷台数予測 市場規模予測 2027年 1〜10万台 数千億円規模 2030年 4〜50万台 0.6〜2.3兆円 2035年 140〜500万台 6〜16兆円 Classmethod, Inc. All Rights Reserved. 57
59. 06 第6章 AI駆動開発とシステム品質 Classmethod, Inc. All Rights Reserved. 58
60. 6.1 AI駆動開発の概要 仕様から実装まで⾃律⽣成 開発のパラダイムシフト ⼈間が「コードを書く」から、AIが「仕様を理解 して開発する」へ。開発者は仕様定義とレビュー に専念。⼯数50%削減、品質30%向上を実現 品質担保のメカニズム コンテキストウィンドウ200万トークンにより設 計書500ページ分‧既存コード30万⾏を⼀括参 照。要求仕様と実装の整合性を⾃動検証し、不整 合を99.2%検出 Agentic AIによる⾃律開発 AIが設計→実装→テスト→デバッグのサイクルを ⾃律実⾏。エラー発⽣時も⾃⼰修正ループで完成 度を⾼め、デバッグ時間を80%短縮（8時間→1.6 時間） 製造業DXへの適⽤ レガシーシステム（COBOL‧VB6等）の現代化を 加速。30年稼働の⽣産管理システムを6ヶ⽉で現 代化（従来18ヶ⽉想定）。段階的移⾏でビジネス 停⽌ゼロ Classmethod, Inc. All Rights Reserved. 59
61. 6.2 TDDサイクルによる品質保証 計画‧分割→テスト→実装→リファクタリングのサイクルで品質を保証 ①テスト先⾏：仕様からテスト⽣成 AIが要求仕様を解析し、単体‧結合‧E2Eテスト を⾃動⽣成。実装前にテストを⽤意することで、 品質基準を明確化。テスト網羅率95%以上を⾃ 動達成 ②実装：テストを満たすコード⽣成 ⽣成されたテストを通過するコードをAIが実装。 テストファーストのアプローチで仕様とコードの 乖離を防⽌。実装時間を従来の1/10に短縮 ③リファクタリング：品質向上 テストを維持しながらコード品質を向上。可読性 ‧保守性‧パフォーマンスを最適化。技術的負債 を発⽣させず、⻑期的な保守コストを削減 ④Human in the Loop：設計確認 各サイクルで⼈間が設計⽅針‧アーキテクチャを 確認。AIの提案を検証‧修正し、ビジネス要件と の整合性を保証。品質をさらに20-30%向上 Classmethod, Inc. All Rights Reserved. 60
62. 6.3 AI駆動開発のメリット DX加速の決定打 メリット：開発効率とコスト 開発リードタイムを50-70%短縮。従来6ヶ⽉の 開発が2ヶ⽉で完了し、市場投⼊を加速 コーディング⼯数の削減により、開発コストを 40-60%低減。少⼈数チームで⼤規模開発が可 能に 20-30年前のレガシーシステムの⾃動解析‧現代 化が現実的に。技術的負債を段階的に解消 IT⼈材不⾜を補完：AIが初級エンジニアの役割 を担い、熟練者は設計‧レビューに専念 メリット：品質と保守性 コンテキストエンジニアリングによる整合性検 証：要求仕様‧コード‧テストの三位⼀体で品 質を保証 ⾃動テスト⽣成（単体‧結合‧E2E）により、 バグ検出率が95%以上に向上し、本番障害を激 減 仕様変更時、AIが影響範囲を瞬時に特定し、リ グレッション（退⾏バグ）を防⽌ ドキュメント⾃動⽣成：コードから設計書‧運 ⽤⼿順書を⾃動作成し、属⼈化を解消 Classmethod, Inc. All Rights Reserved. 61
63. 6.4 仕様駆動開発ツール 仕様書からアプリケーションを⾃動⽣成。AWS、Anthropicが開発を主導 Amazon Kiro AWS製仕様駆動開発プラットフォーム。物理タスク⾃動化を含む包括的な開発⽀援。ロボット‧倉庫 システムとの統合 Classmethod Tsumiki ⾃然⾔語から完全なWebアプリを⽣成。AWSインフラと完全統合。デプロイまで⾃動化し開発期間を 70%短縮 GitHub Spec Kit 仕様駆動開発フレームワーク。要件定義からテスト仕様まで⼀貫⽣成。GitHub統合でチーム開発を加 速 Classmethod, Inc. All Rights Reserved. 62
64. 07 第7章 ⽇本の製造業の現状と課題 Classmethod, Inc. All Rights Reserved. 63
65. 7.1 国内AI活⽤と政府⽀援 9割の企業がまだ本格導⼊していない。今が先⾏者利益を獲得する絶好の機会 本格活⽤中はわずか14% ⽇本の製造業でAI本格導⼊済み企業は14%のみ。 86%が本格導⼊前の状況で、今こそ競合他社に先 んじて優位性を確保する絶好のタイミング。早期 導⼊により業界標準を築き、持続的競争優位を確 ⽴可能 86%の競合企業が導⼊前 市場の86%が本格導⼊前という状況は、先⾏者 利益を獲得できる千載⼀遇のチャンス。先⾏導⼊ 企業は業務改善、コスト削減、品質向上を実現 し、市場での差別化に成功 フィジカルAI予算 280億円 政府は2025年度にフィジカルAI開発‧導⼊⽀援 に280億円の予算を計上。ヒューマノイドロボッ ト開発、実証実験⽀援、導⼊補助により製造業の ロボット活⽤を強⼒に後押し 総⽀援額 430億円（2025年度） 製造DX150億円、フィジカルAI280億円の合計 430億円に加え、IT導⼊補助⾦（最⼤450万 円）、ものづくり補助⾦（最⼤1,250万円）など 多様な⽀援制度が利⽤可能。初期投資を⼤幅に抑 制しROI向上を実現 Classmethod, Inc. All Rights Reserved. 64
66. 7.2 SWOT分析 強みと機会を活かし、AIで弱みと脅威を克服する戦略 強み（Strengths） ✓ ⾼品質なものづくり⽂化と技術⼒ ✓ 熟練技術者の豊富な現場知識 ✓ 顧客との⻑期的な信頼関係 ✓ 品質管理‧改善活動のノウハウ 弱み（Weaknesses） ✗ IT⼈材の慢性的な不⾜ ✗ 既存設備‧システムの⽼朽化 ✗ AI導⼊実績がまだ少ない ✗ デジタル化の遅れ 機会（Opportunities） ✓ フィジカルAIの到来で⾃動化加速 ✓ 政府の強⼒なDX推進⽀援（430億円） ✓ 競合の86%がAI本格導⼊前 ✓ ⽣成AI技術の急速な実⽤化 脅威（Threats） ✗ 2030年に200万⼈の労働⼒不⾜ ✗ グローバル競合のAI先⾏投資 ✗ 若年層の製造業離れ ✗ 技術格差の拡⼤リスク Classmethod, Inc. All Rights Reserved. 65
67. 08 第8章 リスク管理とガバナンス Classmethod, Inc. All Rights Reserved. 66
68. 8.1 AI導⼊の失敗パターンと対策①② 失敗の80%は技術ではなく、組織‧データ‧期待値のミスマッチが原因 失敗パターン ①データ品質の問題 失敗企業の62%がデータ⽋損‧品質不良で精度 未達。A社：⽋損率35%で導⼊失敗 ②過度な期待と現実のギャップ 失敗企業の58%が完全⾃動化を期待し失望。B 社：AIに全判断を委ねて誤判断多発 対策と成功事例 事前データ監査（150項⽬） データ品質スコア80点以上を導⼊条件に設定。 A社：クレンジングで3ヶ⽉後に精度92%達成 業務⽀援ツールと位置づけ ⼈間が最終判断、AIは⽀援。現実的KPI設定（精 度85%以上）。B社：⼈間チェック併⽤で成功 Classmethod, Inc. All Rights Reserved. 67
69. 8.2 AI導⼊の失敗パターンと対策③④ 現場の巻き込みと効果測定が成功の鍵 失敗パターン ③現場の抵抗‧巻き込み不⾜ 失敗企業の45%がトップダウン導⼊で現場反 発。C社：現場無視の導⼊で利⽤率5% ④ROI未達‧効果測定の失敗 失敗企業の38%が効果を測定できず投資判断不 能。D社：ベースライン未設定で成果不明 対策と成功事例 現場参加型PoCで早期成功体験 現場リーダー5名を初期参画。20名以上ヒアリ ング。C社：現場主導で再導⼊、利⽤率85%達 成 ベースライン測定を必須化 作業時間‧エラー率‧コストを3ヶ⽉計測。⽉次 モニタリング。D社：厳密KPI管理でROI達成を 可視化 Classmethod, Inc. All Rights Reserved. 68
70. 8.3 PoC⽌まりの原因と対策 実験サイクルを⾼速化し、すぐに試せる環境を整備することで本番展開へ PoC⽌まりの原因 遅い実験サイクル PoC検証に数週間〜数ヶ⽉。環境構築‧権限申 請に時間がかかり、改善の試⾏錯誤が進まない 複雑な環境セットアップ 現場が試すにはIT部⾨承認‧技術的ハードルが ⾼すぎる。気軽に実験できず、初期失敗で諦め る ⼩さな成功体験の不⾜ ⼤規模PoCを最初から⽬指し、失敗時のコスト が⾼い。スモールウィンを積めない 対策と成功への転換 1週間サイクルの⾼速実験 環境‧データ‧権限を事前準備。週次で検証→ 改善→再実験を回し、3ヶ⽉で12回の改善を実 現 すぐに試せる環境整備 クラウドサンドボックス環境で現場が申請なし で即座に実験開始。テンプレート化で初期セッ トアップを90%削減 スモールスタートで成功を積む 最⼩機能（1業務‧1機能）から開始。2週間で ⼩さな成果を出し、信頼獲得。成功体験を積み 重ねて本番展開へ Classmethod, Inc. All Rights Reserved. 69
71. 8.4 クラスメソッド「やってみる⽂化」の実践 DevelopersIO Cafe：⾃社エンジニアが基盤から店舗まで⾃作した実験環境 完全⾃作の無⼈店舗実験 2019年2⽉、秋葉原に完全キャッシュレス‧レジ レス無⼈店舗をオープン。IoTセンサー、画像処 理、AWS統合を⾃社開発。2018年6⽉から社内実 験→⼀般公開へ。NHK‧⽇経MJ特集。現在閉店 だが2024年10⽉に特許取得 センサー‧クラウド統合を⾃作 商品棚に重量センサー‧IoTセンサーを⾃社で仕 込み、顧客動線を追跡。⼩型エッジサーバー（⾃ 作）で集約、AWSクラウドで機械学習推定。在 庫管理‧⾃動発注‧顧客セグメント分析を実現 画像処理で精度向上 カメラ画像から⾻格検出（肩〜⼿⾸）で商品関連 性を特定。重量センサーと組み合わせて精度向 上。サイネージ⾃動表⽰切替も⾃作。モジュール 設計で横展開可能 すぐ実験できる環境の効果 申請なし‧即座に実験開始の⽂化。来店前オー ダーアプリ、ウォークスルー決済を⾃社実装。昭 和⼥⼦⼤学、オカムラとの連携で技術継続活⽤。 待ち時間ゼロ‧ストレスフリー体験を実現 Classmethod, Inc. All Rights Reserved. 70
72. 8.5 AIセキュリティ対策の全体像 多層防御による機密情報保護とセキュアなAI活⽤ 企業向けAIプランの契約 データ保持なし‧学習利⽤禁⽌を契約で明⽰。API経由のデータは学習に使⽤されない DLP（Data Loss Prevention） 機密情報の⾃動検知‧ブロック。個⼈情報、技術仕様書、設計図⾯など機密データの⼊⼒を⾃動検知 プライベートクラウド‧VPC環境 閉域網でのAI運⽤。パブリックインターネットを経由せずAIサービスを利⽤ Classmethod, Inc. All Rights Reserved. 71
73. 8.6 AI倫理とコンプライアンス AI事業者ガイドラインへの準拠と責任あるAI活⽤ AI倫理ガイドラインの策定 経産省ガイドライン準拠。『AI事業者ガイドライン（第1.1版）』に基づき、公平性‧透明性‧説明可 能性‧安全性‧プライバシー保護の5原則を明⽂化 AI意思決定の透明性確保 ⼈間が最終判断。AIの推奨結果を盲⽬的に採⽤せず、必ず⼈間が検証‧承認するプロセスを確⽴ バイアス‧差別の排除 公平性の検証。学習データの偏りによる不公平な判断（性別‧年齢‧⼈種による差別）を排除。定期 的にバイアステストを実施 Classmethod, Inc. All Rights Reserved. 72
74. 8.6 電⼒危機と国家戦略 AI⾰命の最⼤の制約。電⼒確保が国家競争⼒を左右 電⼒需要の爆発的増加 2030年までにデータセンター電⼒消費は2-3倍 に増加（945TWh、⽇本の年間消費量に匹敵） ⽶国では2030年までにデータセンターが全電⼒ 需要の12%を占める⾒込み（2023年は4.4%） AI訓練1回で⼀般家庭120軒分の年間電⼒を消 費。GPT-4訓練で推定50GWh使⽤ 電気代⾼騰と地域への影響 データセンター近隣地域で電気代が最⼤267% 上昇（5年間で） 送電網への負荷増⼤により停電リスクが上昇。 ⽼朽化したインフラが限界に PJM（⽶国最⼤送電網）で容量市場価格が10倍 以上に⾼騰（$28.92→$329.17/MW） Classmethod, Inc. All Rights Reserved. 73
75. 8.6.1 電⼒確保の国家戦略化 安定的な⼤量電⼒確保がAI覇権を左右する SMR（⼩型モジュール炉）の台頭 データセンター専⽤原⼦炉。出⼒300MW以下、⼯場⽣産で24-36ヶ⽉で建設完了。2030年に⽶国初の 商⽤SMRデータセンター稼働予定 テック企業の原⼦⼒投資 100億ドル超の投資。Google、Microsoft、Amazonが原⼦⼒パートナーシップを締結。世界で22GW のSMRプロジェクトが開発中 ⽇本への⽰唆 電⼒確保が製造業DXの前提。AI‧ロボット導⼊には安定的な⼤量電⼒が必須。エネルギー戦略とAI戦 略の統合が不可⽋ Classmethod, Inc. All Rights Reserved. 74
76. 09 第9章 結論と推奨事項 Classmethod, Inc. All Rights Reserved. 75
77. 9.1 結論：製造業AI⾰命の転換点 今すぐ⾏動を起こすべき3つの理由 ①危機と機会の同時到来 2035年までに製造業の労働⼒は330万⼈不⾜ （30.1%減）する⼀⽅、⽣成AI市場は34倍成⻑し 4.8兆ドル規模に。フィジカルAI実⽤化で⾮定型 業務の70%を⾃動化可能に。危機と解決策が同 時に到来する歴史的転換点 ②先⾏者利益の獲得可能性 ⽇本製造業の86%がAI本格導⼊前。先⾏導⼊企業 は平均ROI達成期間13.2ヶ⽉で投資回収に成功。 今こそ競合他社に先んじて優位性を確保し、業界 標準を築く絶好のタイミング ③実証済みの成果と⽀援体制 品質検査⾃動化で不良削減98.3%、予知保全で故 障削減75%、開発⼯数40%削減など具体的成果 が実証済み。政府も430億円の⽀援予算を計上 し、初期投資を⼤幅に抑制可能 ④技術成熟とリスク低減 Claude Sonnet 4.5、GPT-5など最新LLMは世界最 ⾼のコーディング能⼒を実現。フィジカルAIは 2025年に量産段階に到達。技術が成熟し、導⼊ リスクが⼤幅に低減。失敗パターンも明確化され 対策も確⽴ Classmethod, Inc. All Rights Reserved. 76
78. 9.2 推奨事項：成功への4つのアクション リスクを最⼩化し、確実に成果を出すための実践的ステップ ①スモールスタート＆段階的拡⼤ 3ヶ⽉以内にPoC開始。成功確率の⾼い業務から 着⼿し早期成果を可視化。準備→PoC→パイロッ ト→全社展開→定着の5段階で効果を検証。成功 事例を横展開しノウハウを蓄積 ②経営層の強⼒なコミットメント AI推進責任者（CDO/CAIO）を任命し経営会議で ⽉次報告を義務化。全社⽅針を明確化し予算確保 （年間売上の0.5-1%推奨）と⼈材配置を実⾏。 「やってみる⽂化」を浸透させ経営戦略として位 置づけ ③外部リソースの戦略的活⽤ パートナー企業と協業でPoC設計、効果測定、⼈ 材育成を⽀援し導⼊期間を50%短縮。政府のAI導 ⼊⽀援制度を活⽤し初期投資を削減、ROI達成を 30%短縮 ④⼈材育成とマインドセット変⾰ 全社員向けAIリテラシー研修で「やってみる⽂ 化」を醸成。AIは単純作業から解放するツール。 成功事例を社内共有。AI専任チーム（3-5名）を 組成し各部⾨を⽀援。AI活⽤を組織⽂化に定着 Classmethod, Inc. All Rights Reserved. 77
80. 10 付録A 参考⽂献‧資料リスト Classmethod, Inc. All Rights Reserved. 78
81. 付録A-1：政府‧公的機関 ⽇本政府および国際機関の公式データ 経済産業省「ものづくり⽩書2025」（https://www.meti.go.jp/） 経済産業省「2030年労働⼒需給推計」（https://www.meti.go.jp/policy/economy/jinzai/） 経済産業省「AI事業者ガイドライン第1.1版」 （https://www.meti.go.jp/policy/it_policy/ai-governance/） 厚⽣労働省「労働⼒需給推計（2030-2035年）」（https://www.mhlw.go.jp/stf/houdou/） IPA「DX⽩書2025」（https://www.ipa.go.jp/publish/wp-dx/） 中⼩企業庁「中⼩製造業実態調査2025」（https://www.chusho.meti.go.jp/） 総務省「AI利活⽤ガイドライン」（https://www.soumu.go.jp/main_content/ai_guideline.html） Classmethod, Inc. All Rights Reserved. 79
82. 付録A-2：業界団体‧調査機関 グローバル調査機関の最新レポート Gartner「Top Strategic Technology Trends for 2025」（https://www.gartner.com/） IDC「Worldwide AI and Generative AI Spending Guide」（https://www.idc.com/） McKinsey「The State of AI in 2025」 （https://www.mckinsey.com/capabilities/quantumblack/our-insights） Deloitte「State of AI in the Enterprise, 6th Edition」 （https://www2.deloitte.com/us/en/insights/focus/cognitive-technologies/） MM総研「⽣成AI市場規模予測2024-2030」（https://www.m2ri.jp/） PwC「AI Predictions 2025」 （https://www.pwc.com/gx/en/issues/data-and-analytics/artificial-intelligence.html） Boston Consulting Group「AI at Scale」 （https://www.bcg.com/capabilities/artificial-intelligence） Classmethod, Inc. All Rights Reserved. 80
83. 付録A-3-1：グローバルAI技術ベンダー 北⽶‧欧州‧中国の主要AIプロバイダー OpenAI「GPT-5 Technical Report」（https://openai.com/research/） Anthropic「Claude Sonnet 4.5」（https://www.anthropic.com/claude） Google DeepMind「Gemini 2.5 Pro / Flash」（https://deepmind.google/technologies/gemini/） xAI「Grok 4」（https://x.ai/） Meta「Llama 4」（https://ai.meta.com/llama/） Amazon「Amazon Nova」（https://aws.amazon.com/ai/generative-ai/nova/） Baidu「ERNIE (⽂⼼⼀⾔)」（https://yiyan.baidu.com/） ByteDance「Doubao (⾖包)」（https://www.doubao.com/） Tencent「Hunyuan (混元)」（https://hunyuan.tencent.com/） DeepSeek「DeepSeek-V3」（https://www.deepseek.com/） Classmethod, Inc. All Rights Reserved. 81
84. 付録A-3-2：AI研究機関‧オープンソースコミュニティ アカデミア‧研究論⽂‧ベンチマーク Stanford University「AI Index Report 2025」（https://aiindex.stanford.edu/） MIT Technology Review「AI and Robotics」 （https://www.technologyreview.com/topic/artificial-intelligence/） arXiv.org「AI研究論⽂プレプリント」（https://arxiv.org/list/cs.AI/recent） Hugging Face「Open LLM Leaderboard」 （https://huggingface.co/spaces/HuggingFaceH4/open_llm_leaderboard） Papers with Code「ML Research Trends」（https://paperswithcode.com/） MLCommons「AI Benchmarks」（https://mlcommons.org/） Allen Institute for AI「AI2 Research」（https://allenai.org/） Classmethod, Inc. All Rights Reserved. 82
85. 付録A-4：フィジカルAI‧ロボティクス ヒューマノイドロボット開発企業 Boston Dynamics「Atlas Goes to Work」 （https://bostondynamics.com/video/atlas-goes-hands-on/） Tesla「We, Robot Event (Optimus Gen 3)」（https://www.tesla.com/we-robot） Figure AI「Figure 03」（https://www.figure.ai/） Unitree Robotics「Unitree R1」（https://www.unitree.com/r1/） IFR「World Robotics Report 2025」（https://ifr.org/worldrobotics/） Sanctuary AI「Phoenix Gen 7」（https://sanctuary.ai/） Agility Robotics「Digit」（https://agilityrobotics.com/） Classmethod, Inc. All Rights Reserved. 83
86. 付録A-5-1：AI統合開発環境 コードエディタ‧IDE‧AI Pair Programming Cursor「AI-First Code Editor」（https://cursor.sh/） Windsurf「Cascade AI Development」（https://codeium.com/windsurf） Cline「Autonomous Coding Agent」（https://github.com/cline/cline） Anthropic「Claude Code (CLI)」（https://github.com/anthropics/claude-code） GitHub Copilot「AI Pair Programmer」（https://github.com/features/copilot） GitHub「Copilot Workspace」（https://github.com/features/copilot/workspace） Amazon Q Developer「AWS統合開発⽀援」（https://aws.amazon.com/q/developer/） Classmethod, Inc. All Rights Reserved. 84
87. 付録A-5-2：仕様駆動開発‧ノーコードツール Spec-Driven Development、Workflow Automation、LLMアプリ開発 GitHub「Spec Kit」（https://github.com/spec-kit） Amazon Kiro「仕様駆動開発プラットフォーム」（https://aws.amazon.com/kiro/） Classmethod「Tsumiki - ⾃然⾔語からWebアプリ⽣成」 （https://github.com/classmethod/tsumiki） n8n「Workflow Automation」（https://n8n.io/） Dify「LLM App Development Platform」（https://dify.ai/） Google「Opal (AI Mini App)」（https://labs.google/opal） LangChain「Building Applications with LLMs」（https://www.langchain.com/） Classmethod, Inc. All Rights Reserved. 85
88. 付録A-6：クラウド‧インフラ AWS‧Azure‧GCPおよびセキュリティ AWS「Amazon Bedrock / Amazon Kendra」（https://aws.amazon.com/bedrock/） Microsoft Azure「Azure AI Services」（https://azure.microsoft.com/en-us/solutions/ai/） Google Cloud「Vertex AI」（https://cloud.google.com/vertex-ai） クラスメソッド「⽀援実績‧事例」（https://classmethod.jp/cases/） NIST「AI Risk Management Framework」 （https://www.nist.gov/itl/ai-risk-management-framework） IPA「AI利⽤時のセキュリティ対策」（https://www.ipa.go.jp/security/ai/） Lakera Guard「Prompt Injection Defense」（https://www.lakera.ai/） Classmethod, Inc. All Rights Reserved. 86
89. 付録A-7：エネルギー‧電⼒ AIデータセンター電⼒問題 IEA「Electricity 2025 - Data Centres and AI」（https://www.iea.org/reports/electricity-2025） Goldman Sachs「AI and the Infrastructure Boom」 （https://www.goldmansachs.com/intelligence/pages/ai-infrastructure.html） Bloomberg「Data Center Power Crisis」（https://www.bloomberg.com/） NuScale Power「Small Modular Reactor」（https://www.nuscalepower.com/） U.S. DOE「Advanced Reactor Technologies」 （https://www.energy.gov/ne/advanced-reactor-technologies） PJM Interconnection「Capacity Market」 （https://www.pjm.com/markets-and-operations/capacity.aspx） Classmethod, Inc. All Rights Reserved. 87
90. 付録A-8：マルチモーダルAI 動画‧⾳楽‧画像⽣成AI OpenAI「Sora 2」（https://openai.com/sora） Google「Veo 3」（https://deepmind.google/technologies/veo/） Suno「V5 Music Generation」（https://suno.com/） Runway「Gen-3 Alpha」（https://runwayml.com/） Midjourney「V7」（https://www.midjourney.com/） Stable Diffusion「SDXL Turbo」（https://stability.ai/） Classmethod, Inc. All Rights Reserved. 88
91. 11 付録B クラスメソッド導⼊事例 Classmethod, Inc. All Rights Reserved. 89
92. 付録B-1：製造業事例 ⾃動⾞‧⾷品メーカーでのクラウド‧AI活⽤ SUBARU（⾃動⾞） 課題：⾞両ライフタイムデータの蓄積‧連携‧ 活⽤が未整備。開発‧製造‧販売‧アフター サービスの各部⾨でデータが分断され、統合分 析ができない状態 導⼊内容：AWS‧Informaticaによるデータ統合 基盤構築。⾞両センサーデータ、販売情報、メ ンテナンス履歴を⼀元管理し、リアルタイム分 析を可能に。データレイク構築により数百万台 規模の⾞両データを統合 成果：全⾞両データの統合管理を実現し、予知 保全の精度が40%向上。データドリブンな品質 改善‧顧客サービス向上の基盤を確⽴し、開発 サイクルを20%短縮 森永乳業（⾷品） 課題：AWSセキュリティ状況の可視化と改善施 策の特定が困難。複数部⾨で独⽴したAWS環境 が乱⽴し、セキュリティレベルの統⼀管理がで きていない 導⼊内容：AWSセキュリティ強化プログラムで 150項⽬の包括的診断を実施。IAM権限、ネット ワーク構成、暗号化設定、ログ管理など全領域 を評価し、優先改善箇所を明確化 成果：セキュリティ状況を完全可視化し、リス クを定量評価。段階的改善計画により6ヶ⽉でセ キュリティスコアが85%向上。FSSC 22000（⾷ 品安全）対応も完了 Classmethod, Inc. All Rights Reserved. 90
93. 付録B-2：⾦融‧商社事例 AI内製化とデータ活⽤基盤の構築 三菱UFJ銀⾏（⾦融） 課題：市場部⾨向けAI/MLアプリを内製開発し たいが、フロントエンド開発の知⾒が不⾜。外 部委託では市場変化への対応が遅く、開発コス トも年間数億円規模に 導⼊内容：フロントエンドアプリ開発⼿法の実 践的トレーニング。React‧TypeScript‧AWS連 携の習得を3ヶ⽉集中プログラムで⽀援。実際の プロジェクトでハンズオン指導を実施 成果：内製でAI/MLアプリを開発可能になり、 外部委託費を60%削減。機能追加のリードタイ ムが3ヶ⽉→2週間に短縮。市場分析の精度向上 により取引判断が⾼速化 三井物産（商社） 課題：グローバル事業でのデータ活⽤による経 営戦略の⾼度化が必要。各地域‧事業部⾨で データが分断され、全社横断的な分析ができな い。業務プロセスの最適化が急務 導⼊内容：Alteryxによるデータ分析基盤構築。 世界各拠点のデータを統合し、ノーコードで データ加⼯‧分析を実現。200名以上の社員に Alteryx活⽤トレーニングを実施 成果：データドリブン経営を全社展開。意思決 定スピードが50%向上し、商談成約率が25%改 善。業務効率化により年間5,000時間の⼯数削減 を達成 Classmethod, Inc. All Rights Reserved. 91
94. 付録B-3：⼩売‧外⾷事例 AWS移⾏とグローバル展開の基盤構築 近鉄百貨店（⼩売） 課題：100台超の⼤規模オンプレミスサーバー のクラウド移⾏。外部委託コストが年間数億円 規模に⾼騰し、システム改修のリードタイムも ⻑期化 導⼊内容：AWSへの段階的サーバー移⾏を12ヶ ⽉計画で⽀援。ECサイト、在庫管理、顧客管 理、POSシステムなど基幹システムを順次移 ⾏。同時に社内エンジニア20名への技術移転を 実施し、内製開発体制を構築 成果：外部委託費を年間70%削減（数億円規 模）。システム改修のリードタイムが6ヶ⽉→2 週間に短縮。内製開発により、セール対応や キャンペーン施策を柔軟かつ迅速に実⾏可能に FOOD & LIFE COMPANIES（外⾷‧スシロー） 課題：国内700店舗、海外200店舗へのグローバ ル事業展開に対応するクラウドインフラが未整 備。各国法規制への対応、多通貨決済、多⾔語 対応が必要 導⼊内容：AWSマルチリージョン構成でグロー バル基盤を構築。各国拠点のガバナンス、コン プライアンス、セキュリティを統⼀管理。予約 システム、注⽂管理、在庫管理をグローバル統 合 成果：グローバル標準のクラウド基盤を確⽴ し、海外新規出店のリードタイムが12ヶ⽉ →3ヶ⽉に短縮。運⽤コストを40%削減。各国店 舗のデータをリアルタイム統合し、グローバル 経営判断を実現 Classmethod, Inc. All Rights Reserved. 92
95. 付録B-4：製薬‧エネルギー事例 AWS環境統合と⽣成AI活⽤ 塩野義製薬（製薬） 課題：研究開発、製造、販売の各部⾨でAWS環 境が分散し、セキュリティポリシーが統⼀され ていない。新薬開発データ、臨床試験データ、 製造データの統合管理が必要 導⼊内容：AWS Organizationsで全社環境を統 合。研究開発部⾨のHPC（High Performance Computing）環境、製造部⾨のIoT基盤、販売 部⾨のCRMシステムを統⼀ガバナンスで管理。 GxP（医薬品品質管理基準）対応のクラウド基 盤を構築 成果：全社50以上のAWSアカウントを統合管理 し、セキュリティスコアが90%向上。クラウド コストを35%削減（年間数億円）。新薬開発の シミュレーション処理時間が60%短縮 東京電⼒エナジーパートナー（エネルギー） 課題：電気‧ガスの料⾦プラン、契約⼿続き、 エネルギー使⽤に関する膨⼤なナレッジベース （10万件以上の⽂書）の効率的活⽤が困難。 コールセンターへの問い合わせ対応に1件平均 15分 導⼊内容：Claude Sonnet 4.5とRAG （Retrieval-Augmented Generation）で対話型 ナレッジベースを構築。電⼒業界特有の専⾨⽤ 語、法規制、料⾦体系を学習。オペレーター向 けAI⽀援ツールとして展開 成果：問い合わせ対応時間を15分→4分（73% 削減）。⽉間30万件の問い合わせ処理効率が向 上し、顧客満⾜度スコアが15ポイント改善。オ ペレーター教育期間も3ヶ⽉→2週間に短縮 Classmethod, Inc. All Rights Reserved. 93
96. 付録B-5：サービス‧⽂具事例 データ活⽤とAI⼈材育成 藤⽥観光（ホスピタリティ） 課題：ホテル‧レストラン‧レジャー施設の予 約データ、宿泊実績、顧客フィードバックなど を⼿作業で集計‧分析。Excel処理で年間2,400 時間以上を浪費し、データ活⽤の遅れが経営課 題に 導⼊内容：AWSワークショップで予約システ ム、PMS（Property Management System）、 レビューサイトからのデータ⾃動収集‧統合パ イプラインを構築。Lambda、S3、Athenaで データレイク基盤を整備し、⼿作業を完全⾃動 化 成果：年間約2,400時間の⼯数削減を達成し、⼈ 件費を約1,200万円削減。従業員を付加価値業務 （顧客対応、サービス改善）にシフト。データ コクヨ（⽂具‧オフィス） 課題：社員6,000名の全社デジタル⼈材育成が経 営課題。⽂具‧オフィス家具業界の競争激化に 対し、⽣成AI活⽤で業務⾰新を推進したい。AI 活⽤環境の整備と教育体制の構築が必要 導⼊内容：「KOKUYO DIGITAL ACADEMY」とし て全社⽣成AI環境を構築。Claude、ChatGPT、 Midjourney等を全社員が利⽤可能に。3ヶ⽉間 の段階的教育プログラム（基礎研修→実践ワー クショップ→アプリ開発⽀援）を実施 成果：全社員から3,000件のAIアイデアを収集。 社員⾃⾝が16個の業務アプリ（⽂書作成⽀援、 商品説明⽣成、デザイン提案、在庫最適化等） を開発。AI活⽤により業務効率が平均30%向上 し、新商品開発期間が40%短縮 Classmethod, Inc. All Rights Reserved. 94
97. 付録B-6：製造業事例② 繊維‧精密機械メーカーのガバナンス強化 YKK（繊維‧ファスナー） 課題：グローバル展開する製造拠点‧販売拠点 でAWS利⽤が拡⼤する中、統⼀的なガイドライ ンが未整備。各拠点で独⾃にAWS環境を構築 し、セキュリティリスクとコスト⾮効率が顕在 化 導⼊内容：AWS利⽤ガイドラインの策定とグ ローバル展開⽀援。世界70ヶ国以上の拠点に適 ⽤可能な統⼀ガバナンスフレームワークを構 築。AWS Organizationsでマルチアカウント管 理を実装 成果：全社AWS環境の統⼀ガバナンスを実現 し、セキュリティリスクを⼤幅低減。クラウド コストの可視化により15%削減。グローバル拠 点間のシステム連携が円滑化し、新拠点⽴ち上 村⽥機械（精密機械） 課題：物流システム、⼯作機械制御システム、 クリーンルーム管理システムなど多様なクラウ ド環境が部⾨ごとに分散。セキュリティ基準の 統⼀とコンプライアンス対応が急務 導⼊内容：AWS Organizationsを活⽤した全社 統⼀ガバナンス基盤を構築。製造、研究開発、 営業の各部⾨に対し、統⼀セキュリティポリ シーを適⽤。ISO 27001、ISMS認証対応のクラ ウド環境を整備 成果：全社50以上のAWSアカウントを統⼀管理 し、セキュリティ監査⼯数を70%削減。コンプ ライアンス違反リスクをゼロ化。クラウド環境 の標準化により、新規システム⽴ち上げ期間が 3ヶ⽉→2週間に短縮 Classmethod, Inc. All Rights Reserved. 95
98. 付録B-7：エネルギー‧電機事例 地域産業DXとIoT製品開発 中国電⼒（エネルギー） 課題：広島県の基幹産業である牡蠣養殖業のDX 推進を⽀援したいが、厳格なセキュリティ要件 （電⼒会社基準）をクリアしたクラウド基盤の 構築に時間とコストがかかる 導⼊内容：AWS上に電⼒会社セキュリティ基準 を満たすIoTプラットフォームを2.5ヶ⽉で構 築。牡蠣養殖の⽔温‧塩分‧溶存酸素をリアル タイム監視し、AIで⽣育予測を実現。漁業者向 けスマホアプリも開発 成果：厳格なセキュリティ要件を満たしなが ら、通常12ヶ⽉かかる開発を2.5ヶ⽉で完了。地 域産業のDXモデルケースとして、牡蠣⽣産量が 15%向上、品質のバラつきが50%低減。他の地 域産業（農業、漁業）への展開も開始 ⽇東⼯業（電機‧制御盤） 課題：電気設備‧制御盤の熱環境監視IoT製品 「CABIoT」を新規開発したいが、IoTハード ウェア、クラウド基盤、スマホアプリの統合開 発の経験不⾜。短期間での製品化が必要 導⼊内容：アジャイル開発⼿法でIoTサービス全 体を設計‧構築。AWS IoT Core、Lambda、 DynamoDB、S3でバックエンドを構築。セン サーデータのリアルタイム収集‧分析‧可視化 を実現 成果：12ヶ⽉で新製品「CABIoT」を市場投⼊ し、電⼒×情報通信インフラの統合という新市 場を開拓。導⼊企業300社以上、累計5,000台超 を販売。制御盤の異常温度を事前検知し、⽕災 ‧故障を未然防⽌。保守コスト30%削減を実現 Classmethod, Inc. All Rights Reserved. 96
99. 付録B-8：建設‧メディア事例 セキュリティ強化とシステム刷新 清⽔建設（建設） 課題：建設プロジェクト管理‧図⾯共有‧施⼯ 管理のデジタルプラットフォームへのサイバー 攻撃リスクが増⼤。SQLインジェクション、 DDoS攻撃、不正アクセスへの対策強化が急務 導⼊内容：AWS WAF（Web Application Firewall）を導⼊し、多層防御セキュリティ基 盤を構築。AWS Shield AdvancedでDDoS対策、 AWS Security Hubで統合セキュリティ監視を実 現。継続的な脆弱性診断体制を整備 成果：サイバー攻撃を99.9%ブロックし、プ ラットフォームの可⽤性が向上。セキュリティ インシデントゼロを達成し、建設業界のDXモデ ルケースに。⼤規模プロジェクト（再開発、イ ンフラ建設）での安全なデータ共有を実現 河北新報社（メディア） 課題：ニュース配信システムがCentOS 7（2024 年サポート終了）で稼働。早急なシステム刷新 が必要だが、社内にクラウドネイティブ開発の 知⾒が不⾜ 導⼊内容：実践的なモブプログラミング（複数 ⼈で共同開発）研修により、社内エンジニアの スキルアップを⽀援。AWS上にコンテナベース （ECS/Fargate）のクラウドネイティブ基盤を構 築 成果：CentOS 7からの移⾏を完了し、システム の安定性‧保守性が⼤幅向上。内製開発⼒が強 化され、ニュース配信の機能追加スピードが3倍 に。災害時の情報発信の信頼性も向上し、地域 メディアとしての役割を強化 Classmethod, Inc. All Rights Reserved. 97
100. 付録B-9：旅⾏‧サービス事例 コンプライアンス対応と事業継続性 エアプラス（旅⾏‧Fintech） 課題：法⼈向け出張管理‧決済サービスでクレ ジットカード情報を扱うため、PCI DSS v4.0 （国際カードセキュリティ基準）への準拠が必 須。複雑な要件への対応が課題 導⼊内容：AWS環境をPCI DSS v4.0準拠に最適 化。暗号化、アクセス制御、ログ管理、脆弱性 診断など350項⽬以上を実装。継続的なコンプ ライアンス監視体制を構築 成果：PCI DSS v4.0認証を取得し、クレジット カード決済の信頼性を確保。グローバル企業へ の営業が強化され、契約企業数が40%増加。コ ンプライアンス管理の⼯数を60%削減し、運⽤ 効率も向上 宝印刷（印刷‧情報サービス） 課題：IR（投資家向け広報）‧決算開⽰サービ スの基幹システムがオンプレミスで稼働。災害 時の事業継続性（BCP）確保とシステム運⽤コ ストの削減が課題 導⼊内容：オンプレミスからAWSへの全⾯移⾏ を実施。Multi-AZ構成で⾼可⽤性を確保し、災 害時でもサービス継続可能な基盤を構築。⾃動 バックアップとディザスタリカバリ体制を整備 成果：システム構築コストを50%削減、運⽤コ ストを40%削減。RTO（⽬標復旧時間）を24時 間→2時間に短縮し、BCP対応を⼤幅強化。決算 シーズンのトラフィック急増にも柔軟に対応可 能に Classmethod, Inc. All Rights Reserved. 98
101. 付録B-10：物流‧IT事例 ⽇本郵政グループの共通基盤構築 企業概要：⽇本郵政インフォメーションテクノロジー（JP-IT）は、⽇本郵政グループ（郵便局24,000 局、従業員40万⼈）のITインフラを統括 課題：郵便、貯⾦、保険、物流の各事業で分散していたITシステムを統合し、グループ共通のクラウ ド基盤を構築する必要。⼤規模システム移⾏の経験不⾜とスキルギャップが課題 導⼊内容：実践的ロールプレイング研修でAWS構築スキルを習得。Well-Architectedフレームワーク に基づき、セキュリティ‧信頼性‧パフォーマンス‧コスト最適化を実現した共通基盤を設計‧構築 成果（技術⾯）：⽇本郵政グループ全体のAWS共通基盤を構築し、各事業会社のシステム統合を推 進。内製開発⼒が強化され、外部委託費を年間数⼗億円削減 成果（事業⾯）：郵便追跡システム、荷物配送最適化、窓⼝業務⽀援など、グループ横断のデジタル サービスを迅速に展開。物流DXにより配送効率が15%向上、顧客満⾜度も改善 社会的意義：全国24,000局の郵便局ネットワークをデジタル化し、地⽅‧過疎地域でも⾼品質なサー ビスを提供。地域インフラとしての郵便局の役割を強化し、社会的包摂を実現 Classmethod, Inc. All Rights Reserved. 99