• UseCase
  • 製造

東芝、経営危機からの再興を経てAI前提の事業と組織への転換を急ぐ

「Manufacturing CIO Japan Summit 2026」より、上席常務執行役員 最高デジタル責任者の岡田 俊輔 氏

野々下 裕子(NOISIA:テックジャーナリスト)
2026年11月16日

データの多重化でAI技術の誤りを防ぐ

 AI技術は進化が早いため「現時点ではどのAIモデルを選ぶかよりも、健全なデータで学習させること、つまり間違ったデータをAIに食わせないことの方が重要だ」と岡田氏は強調する。その上で「自分たちだけが持つデータをどう活用するかが差し当たりの課題になる」(同)

 データの誤りを防ぐ方法としては、NVIDIAが進めるオープンモデルエコシステムがある。NVIDIAは独自のAI開発に取り組みながら、一部のデータをオープンデータとして公開する。その上で「ハードウェアとソフトウェアのプラットフォームで収益を上げ、AI技術の普及を推し進めている」(岡田氏)

 製造業は多種多様なデータを大量に抱える。そのため「アプリ、ソフトウェア、ハードウェアを分離し、AI技術が理解できる形のプラットフォームを構築する『Software Defined Transformation』の考え方が必要だ」と岡田氏は説明する。

図1:「Software Defined Transformation」ではアプリ、ソフトウェア、ハードウェアを分離してプラットフォーム化を目指す

 1つのデータで判断するのではなく「複数のデータで計算する『多重化』によって、統計的に正しい方向に持っていく」(同)ことで、ハルシネーション(幻覚)の課題に対処する。例えば、操縦操作を電気信号に変換して航空機を制御する「FBW(Fly By Wire)」も、同じ考え方を取り入れている。

特許から調達、工程改善までAIエージェントを束ねる

 東芝は、早くから業務効率化にAI技術を採り入れてきた。例えば、半導体の増産を阻む不良解析では機械学習モデルを使って問題を見える化し、その結果を『歩留新聞』として社内に発行している。「現在は生成AI技術の活用を加速している」(岡田氏)状況だ。

 その1つが、生成AIマネージドサービス「SaborBrain」の1メニューである特許提案プロセス向けのAIエージェントだ。アイデアの発想から練り上げ、レビュー、提案書の作成までの専門的な各プロセスを支援する。特許出願の際「拒絶理由の通知を受けた際の意見書も、ポイントを抑えて素早く作成する」(岡田氏)という。

 調達業務向けの「見積価格査定エージェント」は、専門業務の流れと判断基準を生成AIに移し替えたものだ(図2)。社内専用データを安全に取り出しながら、担当者の専門業務を支援する。岡田氏は「将来的には取引の自動化も視野に入れる」と説明する。

図2:調達業務の見積価格査定に適用したAIエージェントの構成

 外販するシステムにもAIの組み込みを進める。例えば、電子基板の製造ライン(SMTライン:表面実装技術のライン)向けの「Meister Apps 工程改善アシストパッケージfor SMTライン」では、メーカーの異なる製造設備から検査データなどを自動収集し、画面上で見える化する。そのデータを使った分析やレポート作成を一貫して担い、データの収集や集計にかかる作業の時短を実現するなどして、分析改善作業の負荷を軽減している。

 「現場データをAI技術で活用すれば工程を改善できると分かると、要望が出始めた」と岡田氏は説明する。「Meister Apps現場作業見える化パッケージ」では「ウェアラブルデバイスなども活用し、AIエージェントが改善策を提案するレコメンド機能まで付けたところ、引き合いがぐっと伸びた」(同)

図3:SMTライン向けパッケージにはAIエージェントによる改善レコメンドを追加

 ただし、1つのAIエージェントだけでは、製造現場の課題を解決し切れない。そこで東芝は「計画や分析、改善提案といった各タスクに特化したAIエージェントと、それらを統括するオーケストレーターのAIエージェントで構成するマルチエージェント化を進めている」(岡田氏)状況だ。

 マルチエージェント環境でも基盤となるデータの正確さが前提になることに変わりはない。加えて岡田氏が注意を促すのがコストだ。「AI技術は従量課金で、使えば使うほどコストがかさむ。“トークン爆発”を防ぐには、AI活用の際にロジックをどう組み合わせるかが重要になる」(同)