工場の自動化構想アシスタント
一部の熟練者にしかできなかった自動化構想を、誰もが進められるAIに。
熟練者の判断プロセスを知識体系として整理し、若手が検討を進めるたびに「次に考えるべき問い」と判断材料を提示する対話型AI。答えを出すだけのボットではなく、構想の進め方そのものに伴走します。
- 01BACKGROUND
背景
製造現場では自動化投資が加速する一方、「どの工程を・どこまで・どんな順番で自動化するか」という構想段階の検討は、限られた熟練エンジニアの経験と勘に大きく依存していました。この上流の設計こそが、投資対効果を左右する最初の分岐点です。
- 02CHALLENGE
課題
熟練者の人数は限られ、若手が構想検討を実務で学ぶ機会も多くありません。放置すればベテランの引退とともに検討ノウハウそのものが失われ、自動化の推進力が一部の人材に縛られてしまう——属人性の解消が急務でした。
- 03APPROACH
Adeviaの取り組み
熟練者へのヒアリングを重ねて判断プロセスと現場知識を構造化し、若手が検討を進める過程で「次に確認すべき論点」と判断材料をステップ形式で提示する対話型AIを構築しました。単に問いに答えるのではなく、検討の進め方自体をガイドすることで、経験の浅いメンバーでも一定の質で構想を組み立てられる状態をつくっています。
- 04OUTCOME
成果
PoC評価では「自動化判断に必要な材料がその場で提示される」「育てていけば十分に実務で使える」との評価を得て、社内パイロット運用への移行が決定しました。
FOR ENGINEERS ／ この案件で得られる経験
ドメインエキスパートの暗黙知をヒアリングで引き出し、AIが扱える知識体系へと構造化する仕事です。生成AI活用の中でも難易度が高く価値の大きい領域で、現場ユーザーの評価をフィードバックとして受けながらAIを育てていくサイクルを経験できます。
採用情報を見るAdeviaの主な技術スタック（全事例共通）
- 生成AIモデル
- Claude / GPT / Gemini のAPIを用途に応じて使い分けるマルチLLM設計。音声合成はElevenLabs等も活用
- 開発スタイル
- Claude Code を中核に据えたAI駆動開発
- バックエンド
- Python（LangChain / LangGraph）
- フロントエンド
- TypeScript / React
- クラウド
- Google Cloud / AWS
※ 技術スタックはクライアントとの紐付けを避けるため、事例横断の共通情報として掲載しています。
OTHER WORKS
