デモを予約する

Profet AI

敏実集団、日産横浜グローバル本社を取得

發佈留言 / 部落格 / /

敏実集団、日産横浜グローバル本社を取得

― 日本市場進出の重要ピースとして、Profet AI は Domain Twin™ による次の成長を支援

敏実集団（ミンス・グループ）はこのたび、日産自動車の横浜グローバル本社ビルを970億円で取得し、セール＆リースバック方式を採用することを発表しました。
本取引により、日産は資金流動性を確保しつつ事業運営の柔軟性を維持できる一方、ミンス・グループにとっては日本市場を視野に入れた戦略的な布石となります。

この動きは、単なる不動産投資ではなく、ミンス・グループのグローバル製造戦略において、「日本」という重要なピースを先行して組み込む意思表示と捉えることができます。

日本は「新拠点」ではなく、グローバル能力複製の加速拠点

ミンス・グループは現在、世界77拠点の工場を展開し、70社以上のグローバル自動車ブランドに製品を供給しています。
日韓市場は中長期成長戦略における重要エリアとして明確に位置づけられており、横浜拠点は、日本の産業エコシステム・高度な製造文化・技術人材と接続するハブとなる可能性を秘めています。

一方で、グローバル展開が進むほどに浮かび上がる課題があります。
それは、「各拠点で実証された成功経験を、国や工場を越えてどう再現するか」という点です。

AutoML の現場導入から、AILM による知識蓄積へ

― ミンス・グループ × Profet AI の実践成果

ミンス・グループは Profet AI との協業を通じ、製造現場に AutoML を導入し、現場エンジニア自身が AI を活用して課題解決できる環境を構築してきました。

自動車内外装部品の曲げ工程では、従来、不良率が40〜47％に達していましたが、Profet AI のプラットフォーム上で工程因子を分析・モデル化した結果、初期フェーズだけで約590万人民元（約1.2億円）規模の改善効果を創出しています。

同時に人材育成も進み、38名の AI 内部推進人材を育成。
AI 活用は特定部門にとどまらず、日常業務へと浸透しています。

2024年には64件の AI 提案を募集、10件以上を実装。
AutoML による改善事例は、70以上のグローバル工場への展開が計画されています。

Domain Twin™ の本質的価値

― 成功を「再現可能な資産」へ

ミンス・グループの課題は、もはや「AI を導入できるか」ではありません。
焦点は、「検証済みのベストプラクティスを、いかに迅速に継承できるか」にあります。

その答えが Domain Twin™ です。

Domain Twin™ は単なるモデル管理ツールではありません。
領域知識・製程理解・AI モデル・改善ロジックを統合し、「複製可能な知識資産」として定着させるアーキテクチャです。

これにより、既存拠点で成功した AutoML・AILM の経験を、追跡可能な知識ユニットとして蓄積し、新工場や将来的な日本拠点でも、ゼロから試行錯誤することなく、最適解からスタートすることが可能になります。

グローバル展開を見据えた次のステップ

2025年、ミンス・グループは Profet AI と連携し、AI Workshop を継続的に展開。
「そのまま使える」展開モデルの確立を進めています。

さらに2026年以降は、社内 AI トレーナー主導の展開体制へ移行し、
Domain Twin™ の知見を最小限のコストでグローバルへ拡散していく計画です。

ミンス・グループとともに、AI をグローバル製造の共通言語へ

ミンス・グループは今、AI を「導入する段階」から「組織に根付かせる段階」へ進化させています。

Profet AI は今後も Domain Twin™ を中核に、単点の成功を長期的な競争力へと転換し、日本および世界市場での次なる成長を、ミンス・グループとともに支えていくことを期待しています。

Domain Twin™ が描く、次世代のグローバル製造とは？

AI を単発プロジェクトで終わらせず、再現可能なグローバル製造能力へと進化させたいとお考えの方は、ぜひ Profet AI までお問い合わせください。

Profet AI に今すぐお問い合わせください
Domain Twin™ が切り拓く、製造知識デジタルツインの未来をご紹介します。

敏実集団、日産横浜グローバル本社を取得 閱讀全文 »

AIが「答える存在」から「業務を担う存在」へ

發佈留言 / 部落格 / /

AIが「答える存在」から「業務を担う存在」へ
企業がエイジェント型AIへと向かう理由

個人の生産性向上から、企業DXへ。そこに横たわるギャップ

近年、生成AIは私たちの働き方に大きな変化をもたらしてきました。文書作成、情報整理、コンテンツ生成などの領域において、ChatGPTをはじめとする汎用AIは、個人レベルでは明確な生産性向上を実現しています。

一方、企業全体への導入状況を見ると、異なる現実が浮かび上がります。Google Cloudが発表した「The ROI of AI 2025」によると、9割以上の企業がAIプロジェクトを開始しているものの、その多くはPoC（概念実証）の段階にとどまっています。AIを基幹業務に組み込み、継続的かつ定量的な成果を生み出している企業は、依然として一部に限られています。

この結果が示しているのは、企業がDXの文脈で求めるAIと、対話型AIとの役割の違いです。

問題の本質：「対話するAI」から「行動するAI」への転換

モデルの性能が進化し続ける中で、なぜ企業AIは本格展開に進めないのでしょうか。

多くのPoCを俯瞰すると、AIは主に質問応答、文章生成、示唆の提供といった用途にとどまっています。これは、ChatGPTに代表される「AIは応答する存在」という設計思想の延長線上にあります。

しかし、実際の業務現場で求められているのは、それ以上の役割です。企業がAIに期待しているのは、

  • 実行に結びつく判断：示唆が具体的な業務アクションに落ちること
  • 業務プロセスとの連携：複数の社内システムや部門をまたいで動作すること
  • 責任と統制：判断や結果を後から検証・修正できること

     

対話品質を重視して設計されたAIに、権限管理や業務フロー、責任の所在までを担わせようとすれば、限界が生じるのは自然です。PoCでは成果が見えても、本番環境に展開できない背景には、この構造的なギャップがあります。

エイジェント型AIが再定義する、企業におけるAIの役割

こうした課題に対する解として注目されているのが、エイジェント型AIです。

エイジェント型AIは、単に高度な文章を生成するAIではありません。人の監督と明確なルールのもとで、業務タスクを自律的に計画し、実行するAIとして設計されています。

この考え方は、企業におけるAIの位置づけを根本から変えていきます。

1. データ参照から「権限を持つ実行主体」へ

これまでの企業AI活用では、「どのデータにアクセスできるか」が主な論点でした。しかし、DXの現場で重要なのは、「データをいかに安全かつ統制された形で業務に活かせるか」です。

企業の知見は、ERP、CRM、社内SOP、過去の取引履歴など、強い業務文脈と機密性を伴って蓄積されています。AIが業務に関与する以上、次の二点が欠かせません。

  • 業務文脈を理解したうえで判断できること
  • データ利用がガバナンス・セキュリティ要件を満たしていること

     

エイジェント型AIでは、AIは単なる検索ツールではなく、認可された業務システムの一部として振る舞います。権限管理と統制のもと、APIや業務フローを通じて、許可された操作のみを実行します。

これにより、AIの行動範囲は明確になり、企業はデータ主権を保ったまま、段階的にAI活用を拡張できます。

2. 示唆提供から「業務完遂」へ

汎用AIの価値は、分析や助言にあります。しかしDXの目的は、あくまで業務成果です。

例えば、

  • 在庫分析を起点に、補充依頼を自動生成し、購買プロセスへ連携する
  • 設備状態の判断後、保全チケットを発行し、関係者へ通知する
  • 条件成立時に、ステータス更新や承認フローを自動的に起動する

     

エイジェント型AIは、こうした「判断から実行まで」を業務フローとして完結させます。フロー設計、ツール連携、システム統合を通じて、AIは業務を実際に前へ進める存在となります。重要な工程では人による確認を残すことで、効率とリスクのバランスも確保できます。

この段階で、AIは助言者ではなく、業務プロセスを担う主体となります。

3. ブラックボックスから「統治可能な意思決定」へ

AIが基幹業務に近づくほど、信頼性と説明責任への要求は高まります。

確率的に文章を生成する汎用AIは、もっともらしく見えても根拠が不十分な出力を行う可能性があります。これは、経営判断や重要業務においては大きなリスクです。

エイジェント型AIでは、意思決定がガバナンスの枠組みに組み込まれます。

  • 企業が認可したデータのみに基づく判断
  • 判断根拠や参照情報の追跡が可能
  • プロセスと結果の監査が可能
  • 情報不足時には「実行しない」選択が可能

     

信頼は、表現の巧みさではなく、再現性・予測可能性・検証可能性によって築かれます。これこそが、AIを実験で終わらせず、長期的な業務基盤として活用するための条件です。

スケールこそが、ROIの分岐点

Google Cloudの調査は、AIのROIが導入の「深さ」と強く相関していることを示しています。

エイジェント型AIを早期に導入した企業の8割以上が、明確なビジネス成果を確認しています。これらの企業に共通するのは、AIを単なる支援ツールではなく、スケール可能なデジタル労働力として位置づけている点です。

AIが統制された環境のもとで自律的に業務を完遂できて初めて、企業は効率化を超えた「業務自動化」と「持続的な価値創出」を実現できます。

結論：企業DXの競争力は「業務への深い統合」で決まる

GPTからエイジェント型AIへの進化は、企業のAI活用が実務フェーズへと移行していることを示しています。正しい答えを返すだけでなく、安全に業務を完了できるAIが求められる今、既存業務との深い統合こそが競争力の源泉となります。

プロフェトAIのAIスタジオは、こうした企業ニーズに応えるために設計された、エイジェント型AIのためのエンタープライズ基盤です。ノーコードによる業務フロー設計と厳格な権限・ガバナンス管理により、AIを安心して業務に組み込むことができます。

対話型AIから実行型AIへ。プロフェトAIは、日々の業務を「蓄積され続ける企業知」へと変換し、AIを企業の持続的な競争力へと進化させます。

AIが「答える存在」から「業務を担う存在」へ 閱讀全文 »

Profet AIは《商業周刊》主催「AIイノベーション100」に選出 Domain Twin™ により商機創出と意思決定の高度化を実現

發佈留言 / 部落格 / /

Profet AIは《商業周刊》主催「AIイノベーション100」に選出 Domain Twin™ により商機創出と意思決定の高度化を実現

グローバルマーケティングディレクターの陳怡君（右）が表彰を受けました。授与者はデジタル発展部 主任秘書の胡貝蒂（左）です。

Profet AI は近年、エンタープライズ向け AI プラットフォームおよび実用的な AI アプリケーションの社会実装を積極的に推進し、デジタルトランスフォーメーション（DX）とイノベーションの取り組みを継続的に深化させてきました。その成果が評価され、商業周刊（Business Weekly）が主催する第1回「AIイノベーション100」に選出されました。本受賞は、AI 技術の導入から現場への定着、さらには組織全体への展開に至るまでの総合的な実行力と実践的な成果が高く評価されたものです。

「AIイノベーション100」は、AI が実際の業務課題を解決し、測定可能な価値を創出できているか、さらに持続可能な組織能力として定着し、波及効果を生み出しているかを評価軸としています。Profet AI は、AI を単なる単発ツールに留めず、「業務プロセスとして機能する組織能力」へと昇華させた点が審査員より高く評価されました。

Domain Twin™ を活用した商機意思決定・派案 AI アシスタント

今回、400件を超える企業提案の中から選出されたのは、Profet AI が自社開発した Domain Twin™ を基盤とする商機開発および意思決定プロセスの AI 活用事例です。「AI 商機開発アシスタント」により、グローバルチームは案件ごとに最適化された開発コンテンツを迅速に生成でき、同時に AI が商機ポテンシャルをスコアリングします。これにより、マネジメント層は AI の提案を基に、派案やリソース投入の優先順位を判断でき、リソース活用効率および成約スピードの向上を実現しています。

また、従来は熟練社員の暗黙知に依存していた判断要素（業界動向、顧客・関係者の成熟度など）を段階的に定量化・標準化することで、海外拠点や新規メンバーであっても同一の判断ロジックで商機品質を評価できる体制を構築しました。これにより、立ち上がり期間の短縮と意思決定のばらつき低減が可能となっています。

さらに Profet AI は、社内 AI ハッカソンを継続的に開催し、実際の業務プロセスにおける課題をテーマに、迅速な検証と改善を推進しています。AI を個人の生産性向上ツールに留めることなく、部門横断で再利用可能なプロセス改革へと発展させ、組織としてのイノベーション創出力とデータ活用文化の蓄積を進めています。

今後も Profet AI は、Domain Twin™ を中核に AI 活用をさらに深化させ、企業が保有する重要なノウハウを「運用可能でスケール可能な AI 資産」へと転換することを支援し、持続的な事業成長と長期的な企業価値創出に貢献してまいります。

Profet AIは《商業周刊》主催「AIイノベーション100」に選出 Domain Twin™ により商機創出と意思決定の高度化を実現 閱讀全文 »

Profet AIはCIO Taiwan「2026 年度 Elite Vendor 卓越供應商」に選出

發佈留言 / 部落格 / /

Profet AIはCIO Taiwan「2026 年度 Elite Vendor 卓越供應商」に選出

Domain Twin を中核とするエンタープライズAI基盤構築力が評価

CIO Taiwan は、2026 年度「Elite Vendor（卓越供應商）」の調査結果を発表した。本調査は 2025 年末に実施され、台湾の製造業、半導体、高科技産業を含む各業界の CIO、IT 責任者、DX 推進担当者などから 600 件を超える有効回答を回収している。調査結果からは、AI のプラットフォーム化およびガバナンス機能が、企業による AI ベンダー評価の重要指標として定着しつつある実態が示された。Profet AI は、AI プラットフォームおよび Domain Twin の実運用における実績が評価され、2026 年度 Elite Vendor に選出された。

デジタル技術と産業環境の変化が加速する中、製造業における AI 活用の論点は、「導入の可否」から、長期的な運用性、拡張性、ならびに基幹業務プロセスへの定着へと移行している。CIO Taiwan は長年にわたり市場調査を継続しており、今回の調査では、特に製造業・半導体・ハイテク分野において、単一プロジェクトで得られた成果を、拠点横断で再利用可能な組織能力へと転換できるかが、多くの企業に共通する課題として浮き彫りになった。

Profet AI が提唱する Domain Twin は、こうした課題に対応するためのアプローチとして位置付けられている。Domain Twin は、単なるデータや AI モデルの管理にとどまらず、現場の熟練者が蓄積してきた意思決定ロジック、製造プロセスの知見、運用ノウハウを、管理・再利用が可能な AI ドメインモデルとして体系化し、エンタープライズAIプラットフォーム上で一元管理・展開を行う点に特徴がある。これにより、特定の生産ラインや工場で有効性が確認された AI 活用事例を、他拠点や海外拠点へと迅速に展開することが可能となる。

CIO Taiwan は、2026 年度の調査結果について、企業の関心がモデル精度や短期的な成果から、AI を「継承・再利用・統治」できる仕組みの有無へと移行していると分析している。AI プラットフォームの基盤と Domain Twin の方法論を組み合わせ、AI を個別案件ではなく持続的な企業能力として定着させるベンダーが、今後の市場において存在感を高めていくとみられる。

今回の選出は、Profet AI が Domain Twin を通じて、AI 活用を一過性の取り組みに終わらせず、継続的に拡張可能な企業基盤として構築してきた点が評価された結果といえる。現場知見と意思決定プロセスを AI ドメインモデルとして管理する同社のアプローチは、AI を中長期的に価値創出へ結び付けるための一つの実装モデルとして注目される。

出典
 CIO Taiwan、「2026 Elite Vendor」台湾企業が信頼するテクノロジーパートナーを発表

CIO Taiwan 揭曉 2026 Elite Vendor 台灣企業最信賴的科技夥伴名單公布

Profet AIはCIO Taiwan「2026 年度 Elite Vendor 卓越供應商」に選出 閱讀全文 »

Physical AI 時代の到来: 2026年、工業AIを形づくる5つのトレンド

發佈留言 / 部落格 / /

Physical AI 時代の到来: 2026年、工業AIを形づくる5つのトレンド

「これは、私にとって今年最初の大きな賭けだ」—— NVIDIA CEO ジェンスン‧フアン

CES 2026 は、ジェンスン・フアンの強いメッセージとともに幕を開けました。
「これはもはや“認識”の話ではない。ロボティクスと工業AIにおける“ChatGPTの瞬間”が到来している。」

会場で明確に感じられたのは、AIの主戦場が変わりつつあるという事実です。
生成AIやチャットボット中心の議論から、AIはスクリーンを離れ、製造現場、倉庫、設備へと本格的に入り始めています。AIは見る・聞くだけでなく、物理世界を理解し、重要な局面で即時に反応する存在へと進化しています。

実環境と相互作用する Physical AI（フィジカルAI）、目的に基づいて自律的に行動するエイジェント型AI。
CES 2026 が示したのは、工業AIが「支援ツール」から「行動と意思決定の中核」へと移行する転換点でした。

その中で産業界が問い始めているのは、設備更新ではなく、人の経験や判断をいかにAIに継承させるかという点です。
Profet AI が提唱する Domain Twin™ の思想が、2026年のトレンドと強く共鳴する背景はここにあります。

工業5.0：CES 2026 から見える5つの工業AIトレンド

CES 2026 開幕に先立ち、CTA（全米民生技術協会）の Gary Shapiro CEO は次のように述べています。
「製造業は急速な変革の途上にある。CES 2026 は、次の産業時代を築くための条件を示す場になる。」

AIが物理世界をどう理解し、現場でどう判断し、そしてどうスケールして運用されるのか。
一見ばらばらに見える技術は、「次の産業時代をどう構築するか」という一点に収束しています。

トレンド1：Physical AI —— AIが「行動の結果」に責任を持つ時代へ

ジェンスン・フアンは、Physical AI を次のように定義しました。
「重力、速度、距離、安全性を理解し、実世界での行動結果に責任を持つとき、初めてそれは Physical AI と呼べる。」

これは単なる技術進化ではなく、責任の境界線の変化を意味します。
従来の工業AIが分析や提案に留まっていたのに対し、Physical AI は「どのルートを選ぶか」「どの力で動くか」といった行動そのものに直接関与します。

NVIDIA は CES 2026 で、物理理解と自律行動を支える基盤モデルを提示しました。
また Siemens も、AIをより設備に近い場所で動かす産業向け Copilot を通じ、人と機械の安全な協調を現場レベルで実現しています。

Physical AI は、「AIが本当に動けるか」を超え、あらゆる工業応用の前提条件になりつつあります。

トレンド2：デジタルツインは「運用システム」へ進化する

AIが行動できるようになると、次に問われるのは「それをどう日常運用に組み込むか」です。

CES 2026 では、デジタルツインと産業メタバースの役割が大きく変化しました。
設計・シミュレーション用途に留まらず、現場の意思決定を支える運用基盤へと進化しています。

KION Group は、倉庫配置や設備配置、人機協調を高精度に再現するデジタルツインを活用し、その最適化結果を日々の運用に反映する事例を紹介しました。

Siemens と NVIDIA は、デジタルツインを設計から製造、運用までを貫く「工業AIオペレーティングシステム」として再定義しています。
Physical AI をスケールさせる鍵は、ここにあります。

トレンド3：AMDの賭け —— 主戦場はエッジへ

製造・物流の現場では、遅延はUXではなくリスクです。
高速設備やAMR（自律搬送ロボット）は、クラウド往復を待てません。

AMD は CES 2026 で、AI推論をエッジに配置する戦略を明確に打ち出しました。
最大50 TOPS級の演算性能により、現場での即時判断が可能になり、データを外部に出さないセキュアな運用も実現します。

この流れは、自動車（SDV）と工業技術の境界を曖昧にし、エッジAIの横断的な拡張を加速させています。

トレンド4：チャットボットからエイジェント型AIへ —— 超自動化の時代

Samsung が提示したキーワードは「超自動化（Hyperautomation）」です。
AIは質問に答える存在から、プロセスを自ら前に進める存在へと変わりつつあります。

Samsung SDS が示したエイジェント型AIは、目的を理解し、タスクを分解し、複数システムを横断して情報を収集・判断します。

例えば供給遅延が起きた際、単なるアラートに留まらず、代替案と影響分析を提示し、意思決定を支援します。
複雑化する業務環境において、判断負荷を下げられるかどうかが競争力を左右します。

トレンド5：ロボットは「人の空間」へ入ってくる

CES 2026 のロボット展示では、「速さ」や「重量」よりも、繊細さ・安全性・人との協調が重視されていました。

FingerVision に代表される触覚センシング技術により、ロボットは圧力や滑りを感じ取り、把持力を調整できます。
これにより、不定形・柔軟な対象物の扱いなど、人に依存してきた作業にも対応可能になります。

ロボットは囲われた存在から、人と同じ空間で働く協働パートナーへと進化し始めています。

産業に残る最大のギャップ：見えない「経験」

CES 2026 が示したのは、技術条件が整いつつある世界です。
しかし、製造業には依然として見過ごされがちな課題があります。

意思決定の経験は、本当に残っているのか。

デジタルツインは物理状態を再現できますが、熟練者の「勘」や判断基準までは表現できません。
Profet AI の Domain Twin™ は、このギャップを埋めるために生まれました。

Domain Twin™ は、状態ではなく判断ロジックをモデル化します。
どの条件で、どの選択をすべきか——その意思決定そのものをAIに学習させ、再利用可能な企業能力へと変換します。

さらに AI Studio は、文書‧記録‧知識を統合し、AIがデータだけでなく文脈を理解できる環境を提供します。
これは、CES 2026 が示したエイジェント型AIと現場意思決定の流れを、実運用へとつなぐ設計思想そのものです。

Physical AI 時代の到来: 2026年、工業AIを形づくる5つのトレンド 閱讀全文 »

Profet AI、鈺祥企業（Yesiang / イーシャン）と協業Domain Twin™ により半導体サプライチェーンのスマートかつ持続可能な CaaS を世界で初めて実現

發佈留言 / 部落格 / /

Profet AI、鈺祥企業（Yesiang / イーシャン）と協業Domain Twin™ により半導体サプライチェーンのスマートかつ持続可能な CaaS を世界で初めて実現

AI データガバナンスと再生型製造を融合し、数百万規模の歩留まり損失を未然に防止、運用コストを 40％ 削減

世界の半導体産業は現在、国家安全保障、ESG（環境・社会・ガバナンス / 企業統治）、そして AI 技術の本格導入という複数の潮流が交錯する重要な転換点を迎えています。生産能力、レジリエンス、持続可能性をいかに両立させるかが、グローバル企業にとって競争優位を左右する決定的要因となっています。

化学フィルター分野のリーディングメーカーである 鈺祥企業（Yesiang / イーシャン） は、SEMICON Taiwan 30 周年記念展示会において、「再生型製造＋AI データガバナンス」という二軸戦略を発表しました。あわせて、AI スタートアップ Profet AI（杰倫智能） と協業し、世界初となる 「Clean Air as a Service（CaaS）」サブスクリプションモデルを公開。先進プロセスの歩留まり向上と、サプライチェーンの持続可能性に対し、革新的なアプローチを提示しました。

AI による Know-how の知識化が、CaaS という革新モデルを創出

鈺祥企業の董事長（会長）である 莊士杰（ジュアン・シージエ） 氏 は次のように述べています。
「鈺祥はフィルター製造分野において 80％ を超える市場シェアと深い技術蓄積を有していますが、常に『消耗品サプライヤー』から『スマートサービスパートナー』への転換を模索してきました。Profet AI との協業は、このビジョンを実現するための極めて重要な一歩です。」

今回発表された CaaS サブスクリプションサービスの中核を担うのが、Profet AI の Domain Twin™ プラットフォームです。同プラットフォームは、部門横断で蓄積されてきた暗黙知を「知識化」し、複製可能なスマート製造ノウハウの継承体系を構築します。

これにより、海外新工場において熟練エンジニアが常駐・同行しない（without engineering escort）状況でも、生産能力の迅速な複製が可能となり、設備総合効率（OEE）の向上を実現します。

さらに、従来のフィルター管理を全面的にデジタル化し、設備の余寿命予測、汚染リスク監視、需要予測、自動スケジューリングまでを AI 駆動で一体化。顧客企業は最大 30 日先を見据えた需要予測と自動生産計画により、「ゼロ在庫」運用を実現し、フィルターの総使用・保有コストを 40％ 削減することが可能となります。同時に、ESG に関わる主要指標を自動生成し、サステナビリティ報告の透明性とコンプライアンス向上を支援します。

AI 活用の実証：巨額損失を防ぎ、確かな事業価値を創出

CaaS モデルの効果は、すでに実際の製造現場で検証されています。単一のウエハ工場（Fab）における導入事例では、AI モデルが AMC（気中分子状汚染物質）汚染リスクを最大 3 日前に予測し、自動的にフィルター交換の推奨を提示。これにより、99.9％ のプロセス歩留まりを維持することに成功しました。

実際のケースでは、予防的な対応によって、単回で数千万円規模に及ぶ潜在的な歩留まり損失を回避しています。さらに、プロセス条件に基づいて最適なフィルター仕様および交換周期を自動的に提案することで、事前検証および計画に要する時間を 80％ 短縮し、ミスマッチのリスクを大幅に低減しました。

Profet AI の CEO である 黃建豪（ジェリー・ホアン）氏 は次のように述べています。
「AI とサステナビリティの時代において、産業が追求するのは単なる効率ではなく、歩留まり、レジリエンス、そして ESG の最適な融合です。Domain Twin™ は、産業知識（Domain Know-how）と AI 技術を深く統合するために生まれました。今回の鈺祥との協業は、AI が持続可能なサプライチェーンに具体的なビジネス価値をもたらすことを示す最良の事例です。」

今後の展望：退職しない知的資産を構築し、産業高度化を加速

鈺祥企業は、AI 導入の成否は技術そのものだけでなく、企業文化とチームの意識改革にあると強調しています。Profet AI との協業を通じて、チームは単なる受動的な納入者から、顧客に能動的な価値を提供するコンサルタント型の役割へと進化しています。

今後、両社は「AI データガバナンス」と「再生型製造」の二軸戦略をさらに深化させ、CaaS の成功モデルを 米国、日本、ヨーロッパ といった世界の主要半導体拠点へ展開していく予定です。

Profet AI も引き続き Domain Twin™ の応用を推進し、より多くの製造業パートナーが熟練技術者の暗黙知（Know-how）を体系化・デジタル化できるよう支援します。こうして「退職しない知的資産」を構築し、世界の製造業がデータ駆動型・ゼロカーボン・スマート製造の新時代へと進むことを加速させていきます。

Profet AI、鈺祥企業（Yesiang / イーシャン）と協業Domain Twin™ により半導体サプライチェーンのスマートかつ持続可能な CaaS を世界で初めて実現 閱讀全文 »

グローバル競争が激化する中、製造レジリエンスがタイヤ産業の次なる戦場に

發佈留言 / 部落格 / /

グローバル競争が激化する中、製造レジリエンスがタイヤ産業の次なる戦場に

グローバルサプライチェーンは急速に再編されています。電動車（EV）の普及、炭素排出規制の強化、さらには地政学的リスクやローカル生産圧力の高まりにより、製造業を取り巻く環境はますます複雑化しています。企業には、これまで以上に高い俊敏性と予測能力が求められ、製品設計や製程判断も大量のデータに基づく意思決定へと移行しつつあります。同時に、複数の変数が相互に影響し合う中での判断が必要となり、技術要求が高く工程数の多いタイヤ産業では、その影響が特に顕著に表れています。

一方で、製造コストの上昇、エネルギー価格の変動、各国における環境・安全規制の高度化も、タイヤメーカーの事業運営に大きな負荷を与えています。Grand View Research の報告によると、2024 年の世界タイヤ市場規模は約 1,430 億米ドルと推計され、2025〜2030 年にかけて年平均成長率（CAGR）約 3.4％で安定成長が見込まれています。市場全体としてのレジリエンスは維持されているものの、原材料価格の不安定化や競争激化により、平均利益率は継続的に圧迫されているのが実情です。

市場集中度の上昇と国際サプライチェーン再編という二重の影響のもと、ブランド間競争は差別化と技術高度化へとシフトしています。中小規模メーカーにとっては、研究開発力、人材、データ活用能力の差が徐々に顕在化しつつあります。また、輸出市場の変動や、炭素国境調整メカニズム（CBAM）などの政策要因も、企業に追加的な対応を迫っています。

こうした環境下で、タイヤメーカーは自社競争力の源泉を改めて見直し始めています。従来、経験の蓄積や徒弟制度に依存してきた知識継承は、今日の高スピードかつ大規模な生産環境では維持が難しくなっています。現場には膨大な製程データや検査データが蓄積されている一方で、それらを実行可能な意思決定に変換する手段が不足しています。配方試験の長期化、余長や構造設定の不安定さ、接地性能異常の原因追跡が困難といった課題は、「データはあるが活用できていない」という断絶から生じています。

外部環境だけでなく「内部課題」も顕在化

前述の通り、市場変化の加速、製品性能基準の高度化、生産効率向上への要求が高まる中で、研究開発・製程・品質管理の三領域は、長年にわたり経験依存と高い試行錯誤コストという制約を抱えてきました。

研究開発領域

事例 1：配方検証に時間を要し、試験回数が多い
タイヤ配方の開発では、多数の反復試験が必要となります。例えば、スタッドレスタイヤでは低温モジュラスとウェットグリップ性能を両立させる必要があり、実務上は実車試験や DMA 分析を繰り返すことが多く、開発サイクルが長期化し、材料費・人件費の負担も大きくなります。

事例 2：接地面の大きさが多因子の影響を受け、異常要因の特定が困難
接地長、接地幅、接地面積といった指標は、構造設計、金型精度、部材重量など複数要因の影響を同時に受けます。大量の試験データが存在していても、手分析では主要因子の特定に時間を要し、問題の追跡が開発スケジュール全体に影響を及ぼします。

製造領域

事例 1：加硫結果のフィードバックが遅く、現場判断に影響
混練プロセスの品質は加硫試験後に初めて評価できるケースが多く、フィードバックが後工程となるため、異常の早期検知が難しく、廃棄処分や再加工リスクが高まります。

事例 2：成形条件が経験依存で、新製品導入時に試作が頻発
成形工程は温度、圧力、加熱時間など多くのパラメータを含み、材料や製品仕様の違いが品質に直結します。安定したデータ根拠が不足しているため、現場では複数回の試作を通じて条件を調整する必要があり、歩留まり変動や経験継承の負荷が増大します。

モデルを「作る」から「使う」へ

すべての生産ラインを、より安定・低コスト・高効率に

研究開発と量産の両機能を有するアジアの大手タイヤメーカーでは、Profet AI の自動化モデリングプラットフォームを導入し、研究開発、成形、品質に分散していたデータを、現場で直接活用可能な予測モデルへと変換しました。データが徐々に実行可能なロジックへと昇華されることで、研究開発および製造の両面で、定量的かつ具体的な成果が得られています。

研究開発領域

  • 配方モデルにより低温モジュラスおよび Tg を予測し、試行錯誤サイクルを 22％短縮
  • 原材料ロスを 7.8％削減
  • 接地性能および押出精度が向上し、不良率予測誤差を ±2％以内に抑制
  • 製程標準偏差を 1％以内に制御

製造領域

  • 不良率を約 2％まで低減
  • 試作回数を 50％削減し、新製品導入を円滑化
  • 成形歩留まりが 1〜2％向上
  • パラメータ標準偏差を 1％以下に抑制し、現場巡視の人手を削減、標準化レベルを向上

知識継承

  • モデルを現場プロセスに組み込み、新人でもパラメータのロジックを迅速に理解可能
  • ノウハウの断絶リスクを大幅に低減

これらの成果は数値面にとどまらず、組織全体の働き方そのものを変革しつつあります。製程判断は個人の経験に依存するのではなく、より可視化され、透明性の高い形で行われるようになりました。従来は長期間の追跡が必要だった問題も、早期に兆候を捉えることが可能となり、試行錯誤によって安定化させていたパラメータも、データ主導で調整できるようになっています。これらの変化により、生産ラインはより安定し、エネルギー消費を抑えつつ、全体としての製造柔軟性が向上しています。

これまでの成功事例に続き、御社と共に新たな成功を創出できることを期待しております。

タイヤ製造の課題は、単なる設備や人材の問題ではありません。データと知識を、工場の持続的競争力として定着させられるかどうかが、本質的な問いとなっています。配方開発、パラメータ設定、品質管理といった経験依存が強かった領域も、AI によって意思決定ロジックを構築することで、効率向上、品質安定化、属人性の低減が可能となります。

すでに多くのタイヤメーカーが、データドリブンな意思決定体制へと舵を切っています。自動化 AI モデリングプラットフォームを活用すれば、現場でプログラミングを行うことなく、実データに基づいた予測モデルの構築、製程条件のシミュレーション、品質指標の予測、さらには潜在的な異常の事前検知までが可能となります。

これは単なる効率化ではなく、経験主導から、ロジックが複製可能で、知識が拡張し、意思決定が標準化された製造体制へと進化するための本質的な変革です。

もし、製程判断力の強化や製品開発サイクルの短縮を検討されているのであれば、ぜひ一度ご相談ください。貴社の現場データをもとに、AI がどのように自律的にモデルを構築し、短期間で価値を創出できるのかをご紹介します。

グローバル競争が激化する中、製造レジリエンスがタイヤ産業の次なる戦場に 閱讀全文 »

Domain Twin™ が半導体製造の全工程をカバー

發佈留言 / 部落格 / /

Domain Twin™ が半導体製造の全工程をカバー

研究開発から量産立ち上げを加速し、Know-how の複製と継承を実現

2025年はすでに第四半期に入り、半導体製造業にとって本時期は、単なる年度末の納期対応にとどまらず、2026年に向けた研究開発および生産能力配置を見据える極めて重要な節目となっています。試作から量産への移行、そして歩留まりの安定化が競争力の中核となる中、いかに迅速に安定量産へ移行し、現場で蓄積された経験を知識として定着・複製できるかが、来年の市場機会を左右する鍵となっています。

「AI × 製造」「デジタル経済 × 先進製造」という潮流のもと、半導体産業におけるデジタル化・知能化の基盤は着実に深化しています。AI はすでにプロセス最適化や歩留まり予測といった領域で実用段階に入り、納期・コスト・品質の間で、より精緻かつ柔軟な動的バランスを実現する手段として活用され始めています。

しかし、AI を真に生産力へと転換する上で、多くの企業は依然として次の二つの本質的な課題に直面しています。

一つ目は、プロセスパラメータ最適化の経験が属人化しており、熟練エンジニアの暗黙知に大きく依存しているため、標準化やスケール展開が困難であることです。
二つ目は、膨大なデータが存在するにもかかわらず、複数のシステムや拠点に分散しており、再利用可能な知識資産として十分に蓄積・活用されていないことです。

競争の激化と生産能力を巡る争いが進む中で、半導体産業の競争軸は、設備や材料そのものから、プロセス知識の蓄積度合いと、その複製スピードへと確実に移行しています。特に、プロセスチューニング、レシピ設計、パラメータ最適化といった生産管理の中核領域においては、誰がより速く経験を複製し、検証サイクルを短縮できるかが、競争優位を左右する決定的な要因となっています。

経験を複製可能に、意思決定を標準化へ
Domain Twin™ が製造知識の中枢を構築

半導体製造において、プロセスパラメータの最適化は高度に熟練エンジニアの経験に依存しています。しかし、関連する製程情報や判断根拠は、複数のシステムや技術資料に分散し、断片的かつ表現方法も統一されていない形で存在しているのが実情です。このような状況では、知識を体系的に蓄積することが難しく、経験継承の効率低下や、拠点・ライン間でのノウハウ再利用が進まない結果、新製品導入や歩留まり立ち上げの長期化を招いています。

こうした構造的課題に対し、産業全体は「データ蓄積中心」から「データと知識の融合」へと舵を切りつつあります。単なるパラメータや測定結果に留まらず、プロセスロジック、変数間の関係性、エンジニアの判断基準をいかに組織化・構造化するかが、これまで以上に重視されるようになっています。

その結果、

  • 経験の定着化
  • 判断の標準化
  • モデルの資産化

が、製造知識構築における中核テーマとして位置づけられています。エンジニアの暗黙知や調整ロジックを体系化することで、管理可能かつ拡張可能なプロセス知識基盤の構築が進められています。

このような知識管理を通じて、企業は製品・プロセス・拠点を跨いだ経験の複製を可能にし、パラメータ探索範囲の早期収束、新製品導入および歩留まり立ち上げ期間の短縮を実現します。その結果、製造効率と品質安定性をシステムレベルで向上させることが可能となります。

価格競争から技術競争へ
AI が効率・歩留まり向上のレバレッジに

インテリジェント化が試験導入段階を超え、コアプロセスへと本格的に浸透するにつれ、半導体製造の競争構造は明確に変化しています。生産能力の同質化が進む中で、競争は「価格・規模」から、「技術力・プロセス遂行能力」へと軸足を移しています。

その中で、データ・モデル・プロセス知識を活用し、プロセス改善、課題特定、品質検証を高速化しながら、コスト・生産性・品質の間で持続的かつ安定した最適化を実現することが、模倣困難な競争優位の源泉となっています。

Domain Twin™ 領域経験分身が、この変革の実行を加速

Profet AI は、300社を超える企業支援実績をもとに、企業向け・オンプレミス対応可能な Domain Twin™（領域経験分身）AI プラットフォームを独自に開発しました。単一アルゴリズムや個別モデルとは異なり、

  • 機械学習による予測・最適化
  • 生成AIアシスタント
  • AI 課題管理・知識エンジニアリング

を統合し、プロセス知識・データモデリング・実験管理を一体化しています。これにより、研究開発、量産立ち上げ、品質管理を構造的に支援し、経験の蓄積・複製・継続的な進化を可能にします。

現在、Domain Twin™ は半導体産業チェーン全体のコアプロセスをカバーしています。
上流の IC 設計分析・品質レポート生成から、中流の化学材料選定や CMP プロセスパラメータ予測、下流のパッケージ工程調整・欠陥予測に至るまで、検証期間の短縮と量産安定化を一貫して支援しています。

以下では、上流・中流・下流の代表的なユースケースを通じて、Domain Twin™ の具体的な適用方法と価値を解説します。

上流：チップ設計・検証

半導体産業チェーンの上流工程において、IC 設計チームは大量の歩留まり履歴、検査データ、装置ログを扱いながら、顧客要求やプロセス変更に応じて品質分析レポートを繰り返し作成する必要があります。これらの分析作業は経験への依存度が高く、かつ情報が分散しているため、データ整理や要因抽出に多くの時間を要し、検証サイクルの長期化や部門間コミュニケーションコストの増大につながっています。

Domain Twin™ の枠組みでは、生成AIが設計データおよび試験データと連携し、自然言語によって重要情報を迅速に抽出します。異常傾向や主要因子、初期的な示唆を自動的に整理・要約することで、エンジニアは大量の手作業による集計から解放され、判断や意思決定そのものにより多くの時間を割くことが可能となります。

これにより、分析プロセスは属人的な作業から脱却し、再現性・追跡性・一貫性を備えたプロセスとして定着します。さらに、後続のプロセス開発や部門横断での情報共有においても、共通の知識基盤として機能し、プロセス協調と意思決定の精度向上を支えます。

中流：化学材料・CMP プロセス

半導体製造の中流工程、特に基板・ウエハ製造においては、化学機械研磨（CMP）プロセスが歩留まりおよび製造コストに大きな影響を及ぼします。プロセスの高度化が進むにつれ、原材料ロット差、温度、圧力、流量といった微細な変動が、除去レート、表面平坦度、欠陥密度に直接影響し、パラメータ収束の難易度を高め、量産の安定性に影響を与えます。

多くの工場では、プロセス開発や材料切り替えの際、依然としてエンジニアの経験に基づく試行錯誤が中心となっています。関連情報は計測システム、装置ログ、実験記録に分散しており、統一的に整理されていないため、再利用可能な知識資産として蓄積されにくいのが現状です。その結果、異なるラインや装置で類似の課題が発生した場合でも、同じ検証を繰り返す必要が生じ、検証期間の長期化や材料最適化コストの増大を招いています。

Domain Twin™ は、プロセスパラメータ、実験経路、測定結果を構造化して統合管理し、管理可能かつ追跡可能な知識ストックとして蓄積します。機械学習によって主要影響因子を特定し、異なるパラメータ組み合わせにおけるプロセス結果を予測することで、実験計画に明確な方向性を与えます。

さらに生成AIを組み合わせることで、傾向変化や潜在的な要因についての解釈を支援し、エンジニアの問題診断や意思決定を補助します。これにより、パラメータ探索は無作為な試行から脱却し、より短期間で収束することが可能となります。

CMP プロセスを例に取ると、研磨レート、平坦度、エッジロールオフといった指標を事前に予測することで、実験前に方向性を定めることができ、試験回数の削減と検証期間の短縮を実現します。プロセス最適化は「経験主導」から「データと知識の協調」へと進化し、製造安定性と材料利用効率の向上につながります。

こうした取り組みは CMP に限らず、ウエハ製造および先進パッケージにおける薄膜堆積プロセス、例えば物理気相成長（PVD）、化学気相成長（CVD）、電解めっき（Electroplating）、さらにはフォトリソグラフィやエッチングといった主要工程においても、すでに多数の実装実績を有しています。

下流：パッケージ工程・歩留まり管理

パッケージ工程では、プロセスパラメータが製品性能および歩留まりに直接的な影響を与えます。例えば、従来型パッケージにおけるワイヤーボンディングでは、圧力、温度、時間といった条件のわずかな変動が接合強度に影響し、調整期間の長期化や量産不安定を引き起こす要因となります。

装置や拠点ごとにパラメータ設定が異なり、関連記録や判断根拠が分散している場合、同様の問題が異なる現場で繰り返し発生することになります。

Domain Twin™ を活用することで、装置パラメータ、測定結果、エンジニアの判断を構造化して整理し、機械学習による品質予測モデルを構築することが可能となります。これにより、品質結果を事前に予測し、実行可能なパラメータ範囲を提示することができます。

生成AIはさらに、変化傾向の解釈や潜在要因の特定を支援し、調整作業を試行錯誤型から、データと知識に基づく協調的プロセスへと転換します。その結果、歩留まりの安定化が進み、装置・ライン・拠点を跨いだ条件展開と再現が容易になります。

技術投資から定量的成果へ
AI を真の生産力へと転換するために

半導体業界では、AI の有効性が広く認識されている一方で、実際の現場適用やスケール展開においては依然として多くの課題が存在します。PoC では有効性が確認できても、業務の主プロセスに定着しない、モデルは稼働しているものの他の装置やラインへ展開できない、投資は増える一方で成果を定量的に評価できない、といった状況が少なくありません。

その根本的な要因は、AI がプロセス知識と十分に結び付いておらず、再利用・継承可能な能力として蓄積されていないことにあります。モデルや判断ロジックが構造化されていなければ、継続的な改善や組織的な能力形成にはつながりません。

Domain Twin™ は、パラメータ最適化の経験、予測モデル、実験経路といったプロセス知識を構造的に整理・管理し、共通の知識フレームワークとして活用することを可能にします。機械学習と生成AIを組み合わせることで、傾向予測、因果関係の把握、異常要因の説明を支援し、改善プロセスの追跡性と再現性を高めます。

これにより、企業は特定の試験や少数の熟練者に依存することなく、知識を装置・プロセス・ライン・拠点を超えて流通させることができます。その結果、検証の高速化、歩留まりの安定化、そして成果を定量的に評価可能な形での創出が実現し、AI は単なる技術導入を超えて、製造現場に根付いた生産力として機能するようになります。

半導体製造における AI の実際の成果を知りたい方へ

以下のフォームにご入力いただくことで、晶圓拋光、化学材料、パッケージ工程など、上流・中流・下流を網羅した Profet AI 厳選の半導体導入事例をご覧いただけます。AI がどのように歩留まりの安定化と製造効率向上を実現しているのかを、具体的なケースを通じてご確認いただけます。

Domain Twin™ が半導体製造の全工程をカバー 閱讀全文 »

ナンカンタイヤ × Profet AI：ガソリン時代から「デジタルタイヤ」へーー伝統産業の再進化

發佈留言 / 成功案例 / /

ナンカンタイヤ × Profet AI：ガソリン時代から「デジタルタイヤ」へーー伝統産業の再進化

60年の歩み、なぜ今こそ変革なのか

台湾の製造業史を語るうえで、ナンカンタイヤ（南港輪胎）は一つの象徴的存在です。

1959年の創業以来、同社は台湾がOEM（Original Equipment Manufacturer）から自社ブランドへと進化する過程を歩み、また自動車産業がガソリン車から電気車へと移り変わる時代を共にしてきました。

現在では、乗用車、SUV、ウィンターなど多様な製品ラインを展開し、累計3,000を超える規格を持つまでに成長しています。しかし、データとアルゴリズムが競争力を左右する時代において、従来のやり方では通用しなくなってきました。

製品の多様化、短納期化、需要変動の激化ーーわずかな判断ミスが大きなコストロスにつながる状況の中で、ナンカンタイヤの張富傑（チョウ・フージエ）氏はこう語ります。

「「当社は少量多品種の生産体制です。この複雑さに対応するには、より迅速な反応が必要です。もし今でもアナログのスケジューリングや紙の記録に頼っていたら、生産効率が追いつかなくなってしまいます。」

問題の本質は、情報が分散し、熟練者の経験が共有されず、部門間の連携が不足していることにありました。

その状況を打破するため、ナンカンタイヤは「AIによる全体最適化」をテーマに、研究開発から生産、在庫管理、受注予測まで、業務の見直しを始めました。

データで研磨する"職人技"：AIがもたらす4つの変革

張氏は言います。

「タイヤ業界は本当に厳しいです。上にはミシュランやコンチネンタルのような世界的ブランド、下には低価格で攻勢をかける国有企業勢。私たちはその狭間で生き残らなければならない。」

ナンカンタイヤは現在、189カ国に輸出し、海外売上比率は9割を超えます。しかし長いサプライチェーンの中で、効率とコストの最適化は常に課題でした。

「新しいトレッドパターンを企画してから市場投入まで、1〜2年かかるのが当たり前だ。設計・試作・検証・修正、どれも時間がかかる」と張氏は振り返ります。

この長いプロセスを短縮するため、ナンカンタイヤは Profet AI との協業を開始。

AIは現在、「接地性予測」、「低温モジュラス調整」、「トレッド余長設定」、「受注量予測」の4つの領域で活用されています。

一.　接地性予測：実験サイクルを約4分の1に短縮

従来、タイヤと路面の接触状況を確認するには、図面設計、金型作成、そして「圧花パターン」実験を行う必要があり、結果が出るまで約2週間かかっていました。

試作コストも高く、人手も多く必要でした。

ナンカンタイヤはProfet AIのAutoMLを用い、設計寸法や重量、形状など数千件の研究データを学習させて接地予測モデルを構築。

設計パラメータを入力するだけで、モデルが数秒で接地長・接地幅を予測し、最適な過去サンプルと比較できます。

結果、実験サイクルは12日から3.5日に短縮。試作コストと人件費を大幅に削減しました。

二． 低温性能シミュレーション：AIが「雪道」を再現

タイヤ性能の核心はトレッドパターンだけでなく、配合ゴム（コンパウンド）にもあります。

特に欧州市場向けのウィンタータイヤは、「低温柔軟性」と「湿地グリップ力」という相反する性能のバランスが鍵。

しかし、温暖な台湾では低温試験環境が少なく、開発が難航していました。

ナンカンタイヤはProfet AIを活用し、過去の試験データをもとに低温での弾性変化をシミュレーション。ゴム配合の比率や材料情報を入力するだけで、AIがガラス転移温度（Tg）やモジュラスの変化を予測します。

実測との差はまだありますが、冬季実験を前倒しで「仮想再現」できるようになり、開発スピードと市場対応力を同時に高めました。

三．熟練者の「手の感覚」を数値化：トレッドの余長設定

「この工程は仕様に応じて長さを微調整します。以前は職人の経験に頼っていましたが、種類が増えると人的ミスが出やすくなります。」張氏はそう指摘します。

設定ミスによる再加工や廃棄が発生し、年間で数百万円規模の損失につながっていました。

Profet AIを導入したことで、システムが温度や原料バッチ、設備条件に基づいて最適設定値を自動提案。

作業員は条件を入力するだけで推奨値と警告を確認できるようになり、経験がデータ化され、現場全体の知恵として共有されるようになりました。

四．需要予測モデル：AIが次月の受注を先読み

ナンカンタイヤはERPの受注データをProfet AIのAutoMLで自動的にモデリングし、過去の傾向をもとに翌月の需要を予測。

営業担当は毎月初めに最新データを入力するだけで、生産スケジュールや資材準備計画の参考にできます。

まだ誤差はあるものの、モデルは人気製品の事前把握や生産リズムの最適化に役立ち、廃棄や在庫過剰の防止につながっています。

「手の感覚」と「データ」をつなぐ：人とAIの共創文化へ

導入初期、AIは多くの社員にとって「見えないライバル」でした。

AIは数値で語り、熟練者は感覚で判断する。両者の“言語”はまったく異なります。

張氏はこう振り返ります。

 「圧延工程では温度、水温、回転速度など、細かな要素が結果を左右します。熟練者が『このゴムはもう少し遅く』『これは早く』と言う。でも、その”遅い””早い”がデータ化されていなかった。」

そこでナンカンタイヤは、「心構え・伴走・評価」の三段階でAI文化を定着させました。

開発役員や現場リーダーが熟練者と一緒にモデル調整を行い、成果を共有することで理解と信頼を醸成。「成果が見えれば、抵抗感は自然と消える。何より、自分の経験が全社で共有されることが嬉しい。」

この「無形の達成感」が、社員をAI活用へと前向きに変えました。

さらに、学習履歴を可視化するスキルチェック制度を導入。社員の成長を記録し、上司が評価できる仕組みを整えました。

結語：AIは「敵」ではなく「共に歩むパートナー」

張氏は最後にこう語ります。

「AIはツールでもあり、アシスタントでもあり、時にコンサルタントにもなる。大事なのは、人がAIと肩を並べて進めること。」

ナンカンタイヤにとって、AI導入のゴールは「技術の完成」ではなく、人がAIを使いこなす文化を築くこと。

ガソリンからデジタルへ、そして感覚から知識へ。

ナンカンタイヤ × Profet AI：ガソリン時代から「デジタルタイヤ」へーー伝統産業の再進化 閱讀全文 »

Profet AI と Intelligent Systems Innovation (ISI) が協力覚書（MOA）を締結

發佈留言 / 部落格 / /

Profet AI と Intelligent Systems Innovation (ISI) が協力覚書（MOA）を締結

フィリピンの AI 産業転換を加速、教育と製造のデジタル変革を推進

台湾発の製造業向け AI ソフトウェアリーディングブランド Profet AI（プロフェットエーアイ） は、フィリピンのテクノロジー企業 Intelligent Systems Innovation（ISI） と正式に Memorandum of Agreement（協力覚書／MOA） を締結しました。
本協定は、AI 教育と産業応用を通じてフィリピンのスマートファクトリー化とデジタル変革（DX）を推進するものであり、台湾とフィリピンにおける AI 分野の国際連携に新たな節目を刻みます。

産業・教育・政府が連携し、AI で未来のものづくりを変革

調印式は Profet AI 台北本社 にて開催され、ISI 創業者兼会長 Dr. Elmer Dadios、De La Salle University 機械工学科特任教授 Dr. Alvin Culaba、および Profet AI グローバルビジネス本部長 Jonathan Yu が立ち会いました。

両社は本協定を通じて、AI 教育、産業実装、異業種連携 の3分野で本格的な協業を開始します。ISI はスマートシステム、自動化、応用型 AI ソリューションの分野で長年の実績を持ち、産業界・学術機関・政府（フィリピン科学技術省 DOST）を結ぶハブとして AI 技術の社会実装をリードしています。

教育 × 産業応用の二軌道で AI 導入を加速

本協業の中心には、Profet AI 独自の Domain Twin™ プラットフォーム と5,500件を超える実用 AI ユースケース があります。これにより、フィリピンの 半導体、電子、FMCG、公共事業 など主要産業において、データ活用力と意思決定精度の大幅な向上が見込まれます。

企業は Domain Twin™ を活用することで、熟練者のノウハウを再利用可能な AI アセット（知識資産） に転換し、生産性、品質、レジリエンス（柔軟性）の全方位的な改善を短期間で実現できます。

さらに、大学・研究機関との連携を通じて AI 教育と人材育成を推進。実践的な AI カリキュラムや産学連携プロジェクトを通じ、データリテラシーと実装スキルを兼ね備えた新世代の AI 人材を育成します。この取り組みは、フィリピン政府の Industry 4.0 スマート製造戦略 にも呼応しています。

PoC から実運用へ──Profet AI の Domain Twin™ が ROI を実現

Profet AI と ISI はともに、「AI の価値は PoC（概念実証）ではなく 実運用での生産性向上 にある」と強調します。
Profet AI が提供する Domain Twin™ 三位一体アーキテクチャ（AutoML + AILM + AI Studio） により、企業は ノーコード環境 で AI モデルを迅速に構築し、わずか90日で ROI（投資対効果）を可視化 することができます。

「Intelligent Systems Innovation と協力し、実際に現場で活用できる AI をフィリピンの産業へ導入できることを大変光栄に思います。」
— Profet AI グローバルビジネス本部長 Jonathan Yu

「この MOA は、フィリピンにおける AI 教育と産業連携の新章を切り開くものです。Profet AI との協業を通じて、企業や大学が AI 時代に必要な知識とスキルを身につけられるよう支援します。」
— ISI 創業者兼会長 Dr. Elmer Dadios

アジア太平洋に広がる AI エコシステムを共創

今回の MOA 締結を契機に、Profet AI と ISI は AI 教育と産業応用の現地展開 を本格化。持続可能かつ包括的な AI エコシステム の構築を目指し、テクノロジーを通じて 企業・教育・社会 に価値を届ける取り組みを推進します。

この協業は、アジア太平洋地域全体における AI トランスフォーメーションの新たなモデルケース となることが期待されています。

Profet AI と Intelligent Systems Innovation (ISI) が協力覚書（MOA）を締結 閱讀全文 »