生成AIで社内規格の確認を5分から1分に、産業機械メーカーの製造現場

機密情報を扱えるかどうかを最初に片づけた構成が、この取り組みの出発点になっています。顧客向けの製品図面のように外へ出せないデータを扱う以上、一般的な生成AIサービスのままでは製造業務に持ち込めません。Azure OpenAI Serviceを使ってクローズドなクラウド上に稼働環境を用意し、情報が外部へ流れない前提を先に作ったことで、事務作業で止まっていた利用をコア業務へ動かす余地が生まれました。

回答に必ず引用元を明示する設計も効いています。生成AIがもっともらしい誤りを返す性質そのものは消せないため、正誤の最終判断は人の側に残し、確認にかかる手間だけを短くする。出力に根拠の在りかを添えるやり方は、その割り切りを機能の形にしたものと読めます。規格文書の所在に不慣れな新人でも、示された文書に自分で当たって確かめられるため、AIの答えを鵜呑みにする使い方から距離が置けます。

三つめは、現物の業務データを学習させ、精度が出るまで直し続ける進め方です。塗装仕様書のレビューでは、過去の仕様書と、それに対して実際に出された指摘事項が学習データとして使われ、テストとフィードバックとチューニングが繰り返されました。技術を先に立てるのではなく、どの業務に生成AIが効くのかを細かくヒアリングしてユースケースを組み立てる順序を取ったことが、現場の判断に噛み合う機能設計につながったと考えられます。翻訳では原文と翻訳文を1画面に並べて表示する専用インターフェースを用意しており、作業者が突き合わせながら読む実際の手順に画面を寄せた点も、使われ続ける条件を満たしています。