【AI×DevOps Study #19】製造業におけるAIエージェント活用！RAG/ScalarDBで支える部品選定支援システム

■AI×DevOps Study #19 の概要
2026年7月28日に開催した「AI×DevOps Study」第19回の発表資料です。

「AI×DevOps Study」は、AI駆動開発やそこに関係するマイクロサービスについて理解を深める場になります。
株式会社ScalarではAIを使ったチーム開発を進めており、参画しているメンバーや協力会社の方から、具体的なAI駆動開発を実施する方法、その中で生まれたマイクロサービスアーキテクチャを使用したAI駆動開発の事例や実際に使えるエージェントについてお話頂き、参加者の皆様と知識の共有や交換を目的としています。
（弊社製品であるScalarDBも絡んだお話も一部出てきますが、汎用的な内容となっておりますのでフラットにお楽しみいいただけます）

■今回のテーマ
「製造業におけるAIエージェント活用！RAG/ScalarDBで支える部品選定支援システム」

今回のテーマは、製造業におけるAIエージェント活用です。 部品選定支援システムを題材に、AIが候補を提示し、人が判断し、その根拠や履歴を業務データとして残すための設計を紹介します。 あわせて、RAGや選定履歴を支えるデータ基盤としてScalarDBをどのように活用できるかを見ていきます。

■登壇者情報（敬称略）
KJiman
株式会社マーベリックス（札幌）のWebエンジニアです。 今年の4月よりScalar様のプロジェクトに参画し、AI駆動での開発に取り組んでいます。 ビジネス価値につながるAI活用や、それを実現するための設計について日々勉強中です。

■関連コンテンツ
・Youtube（過去の勉強会動画も公開中！）
www.youtube.com/@scalar-labs

・Zenn ブログ
https://zenn.dev/p/scalar_sol_blog

・イベントページ（connpass）
https://scalar.connpass.com/

Transcript

1. 部品選定業務を⽀援する AIアプリケーションの設計 2026/7/28 株式会社マーベリックス 桑嶋
2. ⾃⼰紹介 • 株式会社マーベリックス）桑嶋 • エンジニア歴：6年 • AI活⽤歴：約4ヶ⽉ ◦ 業務：Claude Code ◦ 個⼈：Codex 2
3. 本⽇お話しすること • AIによる部品選定⽀援を、業務システムとしてどう設計したか ◦ 部品選定業務の課題 / 解決のアプローチ ◦ デモ ◦ アーキテクチャ ◦ RAGとデータ基盤の設計（デモの裏側） 「AIは候補まで、決めるのは⼈」 3
4. 前提となる情報 • ペルソナ ◦ • 光学機器メーカーの設計部⾨エンジニア 業務領域 ◦ 部品選定業務 ▪ 成果物 → E-BOM（設計部品表） 4
5. E-BOM（設計部品表）とは →Engineering Bill of Materials の略 製品の機能‧仕様の実現に必要な部品構成を定義した表 ベースE-BOM（過去機種/標準構成） 5
6. 部品選定の何が難しいのか TCO：⼯賃‧⽣産拠点‧輸送費‧価格変動リスクなどを含めた実質的な総コスト。 6
7. 課題を受け⽌める３つの解決の⽅向性 7
8. 部品選定に必要な判断材料 8
9. デモ 部品を選定する 9
10. デモの流れ 標準部品を選定 ⾮標準部品を選定 10
11. デモの裏側 アーキテクチャ 11
12. RAGとは → AIのモデルそのものは社内の情報を知らない、という前提に⽴った仕組み • • AIが何かを答える前に、関連する⽂書やデータを渡す その渡した情報に基づいて回答させる （AIのモデルが知っているのは⼀般的な知識のみ） 12
13. アーキテクチャ →部品選定⽀援システムが、CAD‧RAGをつなぎ、 候補部品の提⽰と、部品ごとに個別のリスク判断材料の取得を⽀える。 13
14. 部品の候補はどう作られるか → AI‧業務データ‧ルール で評価して、⼈が判断できる形に整えている 14
15. 整理：RAGは何を担っているか → RAG：候補を広げる‧DRや市場不具合の知⾒を設計者へ提供する。 評価‧判定は、部品選定⽀援システムが業務データとルールに基づいて⾏う。 15
16. 補⾜：ScalarDB概要 • 異種 DB をまたいで ACID トランザクションを実現する DB ミドルウェア ◦ 複数のDBを抽象化し、ひとつのDBのように扱える。 出典：https://scalardb.scalar-labs.com/ja-jp/docs/latest/overview 16
17. ScalarDBは、RAGの根拠データをどう⽀えるか → 検索対象や根拠データを正しく使える状態に保つための⼟台 17
18. 補⾜：今回使⽤したRAGの勉強会 YouTube • • チャンネル：Scalar 動画タイトル： Claude Codeによる製造業向けのRAGとAI Agent開発 【20260416 AI×DevOpsStudy #12】 18
19. まとめ：AIは候補まで、決めるのは⼈ • • AIは候補を出す。⽐較や判定は業務データとルールで。 ⼈が理由を持って選ぶ‧決める。 19