デモを予約する

valarie

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 »

AIは「後半戦」へ：PoCの壁を越え、Profet AIが投資を価値に変える方法

發佈留言 / 部落格 / /

AIは「後半戦」へ：PoCの壁を越え、Profet AIが投資を価値に変える方法

概念実証から実践成果へ: Profet AIが製造業のAI投資を真の生産力に変える

かつて世界最大のビデオレンタル企業だったブロックバスターは、顧客データを豊富に保有していながらも、DVD郵送サービスから始まったNetflixに市場を奪われました。
 携帯電話市場を席巻していたNokiaも、スマートフォンの波に乗り遅れ、Appleにその座を譲ることとなりました。これらの事例が示すのは、「変化を認識しながらも行動しなかったこと」が、見落とすこと以上に危険だということです。

Profet AIのグローバルビジネスマネージングディレクター 余常任氏は次のように語ります。
 「現在のAIも、まさに同じ分岐点にあります。PoC（概念実証）段階にとどまらず、意思決定や業務プロセスにAIをどう組み込むか。それを先に実現した企業が、次の時代の主導権を握ることになるのです。」

10月29日、Profet AIは「Beyond PoC：From Demo to Dollar – AI投資の価値実現に向けて」と題したイベントを開催しました。産業界や学術界の専門家、業界パートナーを迎え、AIが「概念実証（PoC）」から「価値創出」へと進化する道筋について議論が行われました。

北科大（台北科技大学）工業工程管理学科 教授 兼 管理学院院長であり、さらに中国工業工程学会 理事長でもある范書愷教授が、グローバルな視点から、AI理論と実践の間にあるギャップを解き明かしました。

また、Profet AI 執行長特助の楊建洲氏は、生成AI導入における企業戦略と課題について講演し、「AIをデモから実践へ」移行するための具体的ステップを紹介しました。

グローバル視点で読み解く：AI理論から価値創出への道

「過去は『seeing is believing（見て初めて信じる）』と言われてきましたが、AIの世界ではむしろ『to believe is to see（信じるからこそ見える）』です。」

范書愷教授は、この言葉で講演をスタート。企業がAIを導入する際に最も重要なマインドセットを示しました。

「まず信じること。それが価値創出の第一歩です。」

范教授は、過去10年をAIの「前半戦」と位置づけます。2016年、AlphaGoが李世乭九段に勝利して以来、現在ではAlphaEvolveが自ら課題を提示し、解答を生成するまでに進化しました。AIは特定領域で人間を超える能力を実証しました。

しかし、企業が問うべき次の課題は明確です。

「AIの後半戦はどう戦うのか？」

つまり、どれだけモデルが高度化しても、それが業務プロセスや意思決定、製品に実装されなければ、依然としてPoC（概念実証）の段階に留まってしまいます。

真の「価値創出」とは、単一プロジェクトの成功にとどまらず、持続的に運用されるサイクルにあります。范書愷教授は、企業がAIを実装する際の3層構造を提示しました。

  1. 生産のスマート化（Production AI-Landing）

  2. 業務運営のスマート化（Operation AI-Landing）

  3. 製品のスマート化（Product AI-Landing）

これら3つの層は互いに調整され、フィードバックし合うことで、生産データは製品開発に反映され、市場ニーズは業務運営の意思決定に還元されるという、完全な閉ループを形成します。

さらに范教授は、企業がAIを現場に落とし込む際には、「ワンクリックで完了するものではない」と強調します。

  • バージョン管理・権限管理・健全性モニタリング により、システムを長期的に安定運用する

  • Human-in-the-loop の検証プロセスを設け、意思決定が現場実務から逸脱しないようにする

范教授は研究結果を引用し、警鐘を鳴らします。

「人々が長時間AI生成コンテンツに依存すると、脳の活動量が平均で47%低下します。8分後には、自分が以前何を書いていたのかさえ分からなくなるのです。本当にこれで良いのでしょうか？」

彼はさらに問いかけます。

「盲目的にAIを信じるだけではゼロ点。プロセスとデータの関係を理解している人だけが、AIを語る資格があるのです。」

企業向け生成AIの導入起点

AI時代に乗り遅れまいと、多くの企業が巨額の投資を行っています。しかし、それだけでAI後半戦への入場券を手にしたとは言えません。Profet AI 社長特別補佐の楊建洲氏は、フォーラムで次のように語りました。

「PoC（Proof of Concept、本来は概念実証）が、気づけば Prison of Concept（概念の牢獄）になってしまうのです。」


冒頭から印象的な言葉を放った楊氏は、多くの企業がAI導入で直面する共通の課題を指摘しました。概念検証の段階で止まり、最終的にDemoから一歩も進めないプロジェクトは非常に多いのです。MITの調査によれば、世界中の企業の95％がAI投資に対して成果を得られていません。

楊氏は続けて強調します。

「AIが単なるチャットボットにとどまるなら、それは孤立した存在にすぎません。業務プロセスと連携して初めて、企業にとって真の生産力となるのです。」

企業の真の目標は、AIを特定部門に置くことではなく、知識を捕捉・管理し、現場で活用できる『企業AIブレイン』を構築することにあります。MITの報告を参照しつつ、楊氏はAI導入に成功する企業に共通する4つのポイントを整理しました。

  1. プロセスへの組み込み（Embed into process）：AIは単なるFAQツールではなく、企業運営の一部として機能させること。
  2. エコシステムの活用（Leverage ecosystem）：システムやモデルをゼロから比較のではなく、「build」より「buy」の発想で’統合に注力すること。
  3. 創造力の権限委譲（Empower creation）：多くの社員が自分専用のAIエージェントを迅速に開発できるようにし、全ての要望をCoE（Center of Excellence）に集中させないこと。
  4. 実務的な導入（Be pragmatic）：楊氏は笑いを交えてこう話します。「社長がAI導入だと言い出すと、まず真っ先にGPUを買ってしまうんです」。多くの企業は、そもそも何を解決したいのかをまだ整理していないうちに、技術の購入にお金を投じてしまい、結局、根本的な課題は何も変わらないことが少なくありません。

この考え方に基づき、Profet AIは次世代の接続アーキテクチャを構築しています。MCP（Model Context Protocol）などの標準化技術により、企業内システムとAIをスムーズに連携させ、知識型AIの現場活用を加速しています。

さらに、企業がAIを真の戦力として活用するには、コスト管理と情報セキュリティという二大課題を克服する必要があります。楊氏は自身の経験を振り返ります。

「以前、MediaTek在籍時にAPI化を試みた際、わずか2日間で合計24万台湾ドルのトークンを浪費する事故が起きました。」この教訓から、生成AIプラットフォームの導入にあたっては、利用コストと権限を厳格に管理することが不可欠であると楊氏は痛感したといいます。

そのため、Profet AIは、シリコンバレーのパートナー企業Zenteraと協力し、AIエージェントの管理とセキュリティー機能を統合した新しいアーキテクチャを構築。これにより、企業は生成AIを導入する際も、コスト管理と情報セキュリティの両立を実現できます。

製品から文化へ：知識が「引退しない」企業を目指し

世界のAIトレンドや企業導入の課題を俯瞰しても、結局行き着くのは「AIをいかに組織の持続的な能力として活用するか」という核心です。

Profet AIの技術チームは、「DemoからDollarへ」という理念をプラットフォーム設計に反映し、「企業AIブレイン」を中核に据え、知識を記録・管理・再利用できる仕組みを構築しました。AutoMLやAILM、AI Studioを活用することで、企業は単に課題を解決するだけでなく、「どのように解決したか」のプロセスも蓄積し続けることが可能となります。これにより、AIは経験を蓄え、知恵を延長する組織の知的資産として活用されます。

Profet AI の余常任氏は、「同社は既に11か国で展開し、300社以上の顧客にサービスを提供しており、そのうち70％は上場企業」と述べ、産業の海外移転やグローバル再編が進む中で、課題は「工場を建てること」ではなく、組織のノウハウを維持し、新しいチームが迅速に戦力化できるかにあると強調しました。

また、余氏はデジタルトランスフォーメーションの成功は単なるツール導入ではなく、組織の思考変革が伴うと指摘します。「最も成果を上げている企業に共通しているのは、AIを外注するのではなく、企業文化の一部として活用している点です。」社内教育から部門間連携、データガバナンスから意思決定の最適化まで、こうした企業はAIを一過性のプロジェクトではなく、長期的な組織能力として根付かせています。

余氏は最後にこう締めくくりました。

「私たちは、knowledge never retiresの企業を目指しています。」経験が記録され、知恵が継承されることで、AIは単なる概念検証を超え、組織の持続的能力として真価を発揮します。

AIは「後半戦」へ：PoCの壁を越え、Profet AIが投資を価値に変える方法 閱讀全文 »

ドメインツインとは？製造業AIの重要技術デジタルツインとドメインツインの違いを徹底的に解説

發佈留言 / 部落格 / /

ドメインツインとは？製造業AIの重要技術デジタルツインとドメインツインの違いを徹底的に解説

近年、インダストリー4.0、スマートファクトリー、AI活用、そしてデジタルトランスフォーメーション（DX）の流れの中で、「デジタルツイン（ 」という言葉は製造業において大きな注目を集めています。

一方で、実際にAI導入を進めていく過程では、データ不足、人材不足、技能伝承の難しさといった課題に直面する企業も少なくありません。こうした課題を解決する新しいアプローチとして注目されているのが「ドメインツイン（Domain Twin）」です。

両者は名前こそ似ていますが、その役割と対象は大きく異なります。デジタルツイン  が「物理的に可視化できる課題」を解決するのに対し、ドメインツイン は「人間が持つ暗黙知や経験知」といった「見えない知識」をAIに継承させることを目的としています。両者を組み合わせることで、データ駆動型からナレッジ駆動型へと、製造業の進化を加速させることが可能になります。

デジタルツインとは：設備と生産プロセスを仮想空間にコピー

デジタルツイン（Digital Twin）とは、実際の装置・システム・生産プロセスを仮想空間に再現する技術です。センサーやIoTを通じてリアルタイムにデータを収集し、現実世界の挙動をシミュレーションすることで、生産プロセスの監視・予測・最適化に活用されます。

デジタルツインの四つの特徴
  • 原理：実物資産とリアルタイムに連結したデータモデルを構築する

  • 作用：装置や生産システムの稼働状態をリアルタイムでシミュレーションできる

  • 応用：予知保全、稼働監視、エネルギー効率分析など

  • メリット：特定の機械や製造プロセスに対するシミュレーションやモニターリングに強み

日本の自動車・エレクトロニクス業界でも、すでにデジタルツインを活用した実証実験が進んでいます。ある自動車メーカーでは、開発から量産までの各フェーズに適用し、品質やリソース配分、工程安定性を事前にシミュレーション。結果として開発期間やコストの削減を実現し、さらにARと組み合わせて作業員教育に活用することで、組立精度や安全性を大幅に向上させています。

ただし、デジタルツイン は「設備や物理現象の模擬」に関しては成熟している一方で、熟練技術者が持つ判断力や経験的なノウハウまでは再現できません。そこで注目されているのが、これを補完するドメインツイン です。

ドメインツインとは：熟練者の知見をAIに継承する

ドメインツイン（Domain Twin）は、デジタルツイン にはない「人間の知識・判断ロジックのモデル化」を実現する技術です。熟練技術者の経験をデータ化・構造化し、AIに学習させることで、暗黙知を再利用可能な形で継承します。

Profet AIが提唱する ドメインツイン は、製造現場で何十年積み重ねられてきた調整ノウハウ、配合最適化、トラブルシューティングなどをAIに落とし込み、企業が長期的に活用できる「知的資産」として保存します。これにより、熟練者の定年退職などによる経験の損失を徹底に防ぐことができます。

さらに、ドメインツインはProfet AIの製品であるAutoML（自動機械学習）や AILM（AIライフサイクル管理）と統合され、研究開発・生産・品質管理・アフターサービスまでをエンドツーエンドで連携可能です。加えて、データは社内完結型で運用できるため、技術流出を防ぎつつセキュリティを確保 できる点は、日本企業にとって特に大きな安心材料となります。

ドメインツインの四つの特徴

  • 原理：熟練技術者の経験をAIでモデル化し、再利用可能な知識へ転換する
  • 作用：ノーコードで操作可能、現場ユーザーが直接モデルを活用できる
  • 応用：品質予測や欠陥分類といった反復的課題に特化
  • メリット：AI導入のハードルを下げ、モデリングの効率と標準化を向上

ドメインツインの活用事例

PCB製造ラインでは、ドメインツイン を導入することで、鍍金・鍍ニッケル工程をAIがシミュレーション。欠陥発生確率を予測し、最適条件を提示することで試作コストと不良率を削減しました。さらに、新人教育に活用され、習熟期間を40％短縮し、導入スピードを50％向上させる効果も確認されています。

このように、ドメインツイン は 日本の製造業が直面する人材不足や技能伝承問題に対する解決手段 として期待されています。特に、「ものづくりの精神」 や 「カイゼン文化」 を持つ日本企業にとって、ドメインツイン は「知識のカイゼン」を実現する新たなアプローチと言えるでしょう。

まとめ：工場の「影」と「頭脳」

デジタルツイン が「工場の影」として設備やプロセスを忠実に再現するのに対し、ドメインツイン は「熟練者の頭脳」として産業知識や意思決定ロジックをAIに継承します。両者は補完関係にあり、併用することで製造業の真のスマート化が加速します。

日本の製造業は、Society 5.0 の実現や DX 推進の中で、熟練工の技能伝承や人材不足といった課題に直面しています。ドメインツイン は、こうした課題に応えると同時に、企業がグローバル競争の中で持続的に成長するための重要なテクノロジーとなります。

Profet AIは、AIを専門家だけの特権ではなく、すべての企業が自由に活用できるツールと考えています。ドメインツイン ソリューションを通じて、企業内の知識を再利用可能な意思決定モデルに変換し、「Knowledge as a Service」を実現することを目指しています。

もし ドメインツイン が御社のビジネスにどのように貢献できるかにご関心があれば、ぜひお気軽にお問い合わせください。

ドメインツインとは？製造業AIの重要技術デジタルツインとドメインツインの違いを徹底的に解説 閱讀全文 »

Crossover Talks 嘉興：ミンスグループ AIスマートマニュファクチャリング実践レポート

發佈留言 / Crossover Talks Series / /

Crossover Talks 嘉興：ミンスグループ AIスマートマニュファクチャリング実践レポート

AI導入は、現場で見てこそ本質がわかる。
工場に足を踏み入れ、自らの目で変化を確認する。

近年、AIは産業アップグレードの重要な推進力として注目されています。多くの製造業企業がデジタルトランスフォーメーション（DX）を進めていますが、真の課題は「AIの重要性を理解すること」ではなく、「いかにAIを現場で実効性を発揮させるか」である。

今回、Profet AI、ミンスグループ（敏実集団）、および寧波スマートマニュファクチャリング産業協会が共催した「Crossover Talks Jiaxing（嘉興）」では、まさにその問いに答える実践的な取り組みが披露されました。

コア知見を生産力へ：ドメインツインによる知識資産化

Profet AI 共同創業者兼 CEO の Jerry Huang 氏 は、製造業が直面する三大不確実性を、中国のSF小説『三体』に登場する「三つの太陽」に例えました。

Huang 氏が指摘する三大不確実性は：関税の変動、地政学的リスク、そしてAI技術の急速な進展である。これらは予測不能に動き続け、まるで「三つの太陽」が不規則な軌道を描くように、製造業もまた不確実性の中で次の一手を模索しています。

こうした環境下で生き残るために不可欠なのが レジリエンス（耐性）強化。そしてその突破口こそが、AIの現場活用にあるとHuang氏は指摘します。

製造業企業のコア競争力は、熟練作業員やドメインエキスパートが持つ暗黙知（調整ノウハウや工法、配合技術）は産業の共識。

そこでProfet AIが提供するのが ドメインツイン（Domain Twin）。
暗黙知をデータモデルへと変換し、場所を選ばず再現可能な「知識資産」として活用できる仕組みです。これにより、個人に依存してきた経験知を確かな生産力へと転換することが可能になります。

経験からデータへ：暗黙知の標準化とモデル資産化

Profet AI プリセールスディレクターのEugene氏は、多くの製造業が直面する課題を次の3つに整理しました：

  • 製造プロセス能力の不足

  • 新製品開発リードタイムの長期化

  • 熟練者退職による現場ノウハウの喪失

この課題に対し、Profet AIの ドメインツイン は新しいアプローチを提示します。

試行錯誤を前提としてきたプロセスを「トレーサビリティを持つかつ標準化可能な知識体系」に変換し、工場データやプロセスパラメータ、ベストプラクティスをモデルに組み込むことで、未経験者でも迅速にスキルを習得できる仕組みを実現します。

「AI導入は複雑なアルゴリズムを理解するから始まるのではなく、まずは現場のペインポイントを明確し、可解釈性と再利用性を備えた解決策に整えることが出発点になる」とEugene氏は強調しました。

成功案例①：卓新通訊 – 良品率35%向上

中国寧波の卓新通訊接插件の副総経理・チェン・イーカイ氏は、同社がAI導入によって得られた成果を紹介しました。

同社は水晶コネクタやLANケーブルを製造しており、従来はリーン生産を推進してきました。しかし、その取り込みだけでは限界に直面。2024年にミンスの未来工場を視察したことを契機に、AIが現地で高い価値を発揮できることを認識し、AIプロジェクトを本格始動しました。

特徴的なのは、一般的な「コース形式のトレーニング」ではなく、13部門合同のワークショップ型アプローチを採用した点です。これにより、AIを単なる知識習得にとどめず、実務に直結する形で現場へ組み込みました。

その結果、C6A FTPプロダクトラインの「アルミ箔除去工程」で良品率を50％から85％へ向上し、月間約100時間の工数削減を達成しました。さらに、企業内で「経験依存型」から「データ駆動型」への文化変革を実現しました。

成功案例②：ミンスグループ – グローバル70工場へ

ミンスグループのデジタルトランスフォーメーションマネージャーのジャン・ビン氏は、グローバル展開を見据えたAI導入戦略について語りました。

同社は2024年に、社内から64件のAI提案を募集。そのうち10件を実運用に落とし込みました。

その代表例が「曲線弧寸法の良品率向上」プロジェクトです。データ収集からモデル構築、現場での検証までを Profet AI AutoMLプラットフォーム 上で実行し、わずか3ヶ月で現場応用を実現。結果としてプロセスの安定性を大幅に改善しました。

さらに注目すべきのは、AIを単なるツールとして導入するのではなく、人材育成を戦略の中心に据えている点です。同社は「社内AIトレーナー制度」を立ち上げ、各地の工場で自主的にプロジェクトを推進できる体制を整備。これにより、グローバル70拠点への水平展開が進められています。

まとめ：AIは現場でこそ価値を生む

今回紹介した事例が示すのは、AIが単なる戦略的スローガンではなく、現場で即効性を持つツールであるという事実です。Profet AI、ミンス、卓新通訊とのパートナーシップ事例は、いずれも「現場のペインポイント」を起点に暗黙知をモデル化し、試験的成果を組織的な能力へと昇華させた好例です。

その鍵となるのが、「現場で見て、現場でAIを使うこと」。

これはCrossover Talks 嘉興が最も伝えたかったメッセージでもあります。

グローバル競争の激化やサプライチェーンの不確実性に直面する日本の製造業においても、こうした 「現場発AI」 のアプローチは極めて有効です。トップダウンの戦略だけでなく、現場主導の実装を通じてこそ、AIは組織全体の競争力を底上げする原動力となるでしょう。

Crossover Talks 嘉興：ミンスグループ AIスマートマニュファクチャリング実践レポート 閱讀全文 »

Crossover Talks Bangkok：製造業にAI導入でROIを最速化する成功事例

發佈留言 / Crossover Talks Series / /

Crossover Talks Bangkok：製造業にAI導入でROIを最速化する成功事例

製造業におけるAI導入の現実と課題

近年、AI（人工知能）は製造業において大きな注目を集めており、メディアでも連日のように取り上げられています。

しかし、多くの経営層が抱く疑問は共通しています。
 「AIは本当に売上向上やコスト削減に直結するのだろうか？」

実際、タイの製造業を対象とした最新調査によると、AIを実際に業務改善ににつなげられている企業はわずか17%。多くの企業は計画段階で停滞し、導入にすら踏み切れていないのが現状です。

この傾向は台湾や日本の産業界でも共通しており、特に以下の課題が浮き彫りになっています。

  • 活用シーンの選定：どの現場やプロセスにAIを導入すべきか判断できない
  • ROI（投資対効果）の測定：成果をどう可視化するか不透明
  • 人材不足：AI推進を社内でリードできる人材が不足している

これらの課題を乗り越えるためには、単なる技術導入ではなく、経営戦略の一部としてAIを位置づけ、現場の課題解決に直結するシナリオを描くことが不可欠です。

成功の方程式：「人 × ビジネス × 技術」

バンコクで開催された Crossover Talks Bangkok では、Profet AIとHexaTech Solutionsが、AI導入の成功に関する明確な視点を示しました。

それは、「AI導入の成否は技術だけで決まるのではなく、業界知識・組織変革・適切なAIツールの三位一体によって決まる」 という考え方です。

Profet AI が提供する AutoML は、アジアの製造業に特化したノーコードAIプラットフォームです。すでに自動車、電子部品、素材など 20業種以上・300社超 の導入実績があり、さらに NVIDIAのアジア主要製造パートナー企業の半数以上 が採用しています。

特筆すべきは、その導入ハードルの低さです。

従来であれば専門のデータサイエンティストを必要とするAIモデル構築を、IT知識を持たない現場エンジニアでもわずか3時間で実現可能。さらに、導入から90日以内にROIを確認できるため、企業はスピーディーに投資効果を検証できます。

成功事例① ミンスグループ：高不良率をAIで削減

自動車部品の世界的なサプライヤーであるミンスグループ（敏実集団）は、かつて自動車飾り部品の曲げ工程において、不良率40〜47%という深刻な課題を抱えていました。生産効率は大幅に低下し、検査・リワークに膨大なコストがかかっていたのです。

そこで同社が選んだのがProfet AIのAutoMLでした。800名以上の社員を対象にトレーニングを行い、現場エンジニア自らがAIモデルを構築できる体制を整備。材料強度、設備位置、環境因子など数千の変数を解析し、不良率の主要因を特定することに成功しました。

その成果は即座に表れ、初期段階で590万人民元（約1.2億円）のコスト削減を実現。さらに全社展開により、最終的には1,474万人民元（約3億円）規模の効果が期待されています。

加えて、社内には38名の「AI推進リーダー」を育成され、10件以上の新規プロジェクトが同時進行中。AI活用は日常業務にしっかりと組み込まれ、継続的な改善サイクルを生み出しています。

成功事例② 群光電能：エネルギー最適化

電源装置メーカーの群光電能（Chicony Power）は、AI導入の第一歩として「エネルギー効率化」に着目しました。

同社の工場に設置された大型冷凍水システムは、膨大なエネルギーを消費する一方で、従来はエンジニアの経験則に基づく制御に依存。機器台数の多さや制御の複雑さから、誤操作や最適化不足が大きな課題となっていました。

この課題に対し、Profet AIのAutoMLを活用し、以下の2つのモデルを構築しました。

  • 負荷予測モデル：天候や生産スケジュールをもとに冷却需要を高精度に予測

  • エネルギー最適化モデル：最適な機器の稼働組み合わせをリアルタイムで提案

この取り組みにより、工場全体で3〜15％の省エネ効果を実現。特に大規模工場では年間の電力コストを大幅に削減できるインパクトがありました。さらに、設備異常を早期に検知することでダウンタイムを防ぎ、運用リスクの低減にもつながっています。

台湾・日本へのインサイト

HexaTech CEOの Bancha 氏は、AI導入の成功させるためには「小規模かつ早期に成果が出るプロジェクトから始めること」が欠かせないと強調しました。小さな成功を積み上げることで、やがて全社規模へと展開し、確実にROIを生み出す存在へと育てていく――このプロセスこそが、AI活用を定着させる鍵となります。

Bancha氏が言及した背景には、タイが抱える「労働力不足・人口高齢化・若手人材の減少」といった課題があります。実はこれらの課題は、台湾や日本でも同様に進行しており、製造業にとって避けて通れないテーマとなっています。

こうした環境の中でAIが果たす役割は、単なる生産性向上にとどまりません。熟練技術者の暗黙知をデジタル化し、次世代に引き継ぐ仕組みをつくることも、AIの大きな価値のひとつです。

結論として、台湾や日本の製造業が学ぶべきは、「AIブームを追いかけること」ではなく、「AIを経営戦略に組み込むこと」。その考え方は製造業に限らず、外食や小売といった他の産業にも当てはまります。正しいアプローチをとれば、AIは定量的で持続可能な価値を生み出すのです。

Crossover Talks Bangkok：製造業にAI導入でROIを最速化する成功事例 閱讀全文 »

Crossover Talks高雄セッション レポート: AIで製造業はグローバル変動を突破できる

發佈留言 / Crossover Talks Series / /

Crossover Talks高雄セッション レポート: AIで製造業はグローバル変動を突破できる

世界的な産業構造が大きく変動する中、製造業はかつてない複雑な課題に直面しています。関税政策の不確実性、地政学的リスクの高まり、人材流動の加速、そしてサプライチェーン再編——これらは企業経営に深刻な影響を及ぼしています。

こうした状況を踏まえ、製造業向けAIソリューションを展開する Profet AI（杰倫智能科技） は、群曜数位と共同で「Crossover Talks」フォーラムの高雄セッションを開催しました。今回のテーマは「グローバル変動下の突破口 ― ドメインツイン」。半導体、光電、電子製造業のリーダーたちが集まり、異地生産、技術移転、組織協働、ナレッジ継承といった実務課題に対し、AIとドメインツインがどのように解決策をもたらすのかを議論しました。

登壇者には、元Innolux（群創光電）CIOの謝禮宗（シエ・リーゾン）氏、元 Yageo（国巨）CEOの黄峻樑（コウ・シュンリョウ）氏、現 ChipMOS（南茂科技）顧問のMichael氏、そして群曜数位CEOのJeff氏など、各分野で豊富な実績を誇る産業リーダーが名を連ねました。

AI導入の核心課題：知識の可視化と標準プロセスへの組込み

今回のセッションでは、Profet AI CEO兼共同創業者の Jerry Huang（黄建豪）氏 は冒頭で次のように指摘しました：

「AIの重要性は誰もが理解しているが、実際にどう導入すべきかを明確に把握している企業は少ない。」

確かに、為替変動や関税上昇といった不確実性の中で競争力を維持するには、従来のリーン生産管理を超えた AIによるブレークスルー が不可欠です。しかし現場の実態を見ると、経営層と現場担当者のあいだにAI理解のギャップが大きく、PoC止まりで終わってしまうケース が少なくありません。

した課題に対して Profet AI が提供しているのが、以下の5つのモジュール です。

  • Resilience Management Framework（韌性管理フレームワーク）

  • AutoML Platform（自動機械学習）

  • AILM Platform（AIライフサイクル管理）

  • AI Studio（AIスタジオ）

  • AI Thinking Workshop（AIワークショップ）

これらを組み合わせることで、戦略策定から実行までの 一貫したAI導入支援 を実現。単なるPoCに終わらず、知識の可視化とナレッジ継承を推進し、全社規模でのスケールアップを可能にしています。

Innoluxの「群創4.0」に学ぶ：カルチャー・方法論・テクノロジー

元Innolux CIOの Howard 謝氏 は、自社で推進したスマートファクトリー計画「群創4.0」の経験をもとに知見を共有しました。

謝氏は、スマートファクトリーを成功に導くためには単なる技術導入だけでは不十分であり、以下の三位一体の要素が欠かせないと強調しました。

  • カルチャー：縦割りを超えた協働と改善文化

  • 方法論：現場に深く入り込み、データと実地観察を融合するアプローチ

  • テクノロジー：AIやIoTを活用した実行力の強化

さらに、台湾製造業におけるAI活用の成熟度を「認知 → プロジェクト → PoC/落地 → 全社展開」の4段階に整理。現状では 7割以上の企業がPoC段階で停滞していると指摘しました。

その上で、完全な準備が整ってからではなく、まず「AI診断」から小規模導入を始め、段階的に拡張することが成功の鍵であると語りました。

元Yageo CEO 黄氏の視点：技術より予測と事前計画

元 Yageo（国巨）CEO の 黄峻樑（コウ・シュンリョウ）氏 は、自身が金融危機や為替変動を経験した立場から、企業は常に 「不確実性への予算と余裕」 を確保すべきだと強調しました。具体的には、全予算の3分の1をリスク対応に振り分ける ことで、関税や為替変動といった外部ショックに対する耐性を高められると提言しました。

さらに、AI活用の進化についても言及。従来の 「予防（Prevent）」型 から、より先を見据えた 「予測（Predict）」型 へのシフトが求められるとし、その鍵を握るのが 「領域エージェント（Domain Agent）」 であると指摘しました。

領域エージェントは、領域知識を継続的に蓄積し、人材やサプライチェーンの移動を事前に計画することで、組織全体の判断力を強化します。黄氏は、まさにこの仕組みこそが 不確実な未来において企業が確かな足場を築くための重要なパートナーであると語りました。

異地生産の「見えない壁」：体制と文化によるSOPの徹底困難

元 Innolux 自動化本部長で現 ChipMOS 顧問の Michael 氏 は、中国での異地工場立ち上げを振り返り、設備電力規格の違いやメンテナンス体制、さらに言語や文化の隔たりによって SOP（標準作業手順）の徹底がいかに困難であったか を共有しました。

その課題を乗り越えるために自動化導入を決断したものの、実際には ROI（投資対効果）への社内の懐疑や現場の抵抗といった「見えない壁」 が立ちはだかったといいます。

それでも取り組みを続けた結果、最終的には 従業員数を6,000人から200人へと縮小しながらも生産性を維持・向上 させるという大きな成果を実現しました。Michael 氏は、この成功の鍵は「改革には不屈の継続力が必要である」 という信念にあると強調。短期的な効果だけにとらわれず、長期的な効率向上と経験の積み重ねにこそ注目すべきだ という、心に響くメッセージで締めくくりました。

サプライチェーン強化の核心は「知識×AI」

群曜数位 CEO の Jeff 氏 は、Industry 5.0 時代において AIを「MES以上に重要な経営基盤」 と位置づけ、産業界がAIを導入する際に重視すべき知見を次のようにまとめました。

  • AIの精度はすでに95％に到達 しているが、産業への実装においては「領域知識との結合による信頼」が不可欠である。

  • AI導入は早期に着手すべき であり、データと知識管理を企業資産の中核に据える必要がある。

  • 人材流出による知識損失を防ぐには、現地知見を継続できるドメインツインが必須である。

まとめ

今回の議論を通じて浮かび上がったのは、AI導入が単なる効率化の手段にとどまらないということです。

これからの時代、競争優位を左右するのは 「知識の形式知化と再利用」 をいかに実現できるか。

日本の製造業においても、AIを経営基盤の一部として位置づけ、領域知識と結びつけながら組織全体で継続的に活用することこそが、グローバル市場での持続的な成長の決め手になるでしょう。

Crossover Talks高雄セッション レポート: AIで製造業はグローバル変動を突破できる 閱讀全文 »