{"@context":"https://schema.org","@type":"VideoObject","name":"作って終わりにしない【AX Summit for ものづくり2026】","thumbnailUrl":"/api/ogp/image?pageType=video&teamId=AtUCin0IdRPhdVtVm4VKbuZMbTF2&contentId=08fcfca6-0eb4-46c0-b3fc-6648ae897522","uploadDate":"2026-10-22T03:46:51+00:00","description":"

👤 登壇者

小橋博道氏（富士通株式会社富士通研究所人工知能研究所）

・入社以来約20年、英国・米国駐在を含め一貫して研究開発に従事。コンピュータシステム、RDF・グラフDB、セマンティックWebを経て2016年からAI研究、AI倫理にも早期から取り組む

・近年はAIエージェント、特にものづくり領域への適用とフィジカルAIを研究テーマとする

📝 概要

「複雑性・運用負荷・信頼性という課題は、10年前の機械学習の頃からほとんど変わっていない」。

富士通研究所でAIエージェントを研究する小橋氏は、生成AI投資の回収に成功している企業は5%程度というMITの調査にも触れつつ、作ったエージェントを実務で使い続けるための答えとして「プラットフォーム化」と「ハーネス設計」を提示します。数万件の要件書と1万種以上のCADデータから特徴を構造化し、Pythonの検査プログラムを生成して振り返り可能にした設計書自動チェック、マニュアルには書かれていない熟練者のコツを作業映像から言語化する「Fujitsu Agentic Memory」、人とロボットが協調する空間を予測する空間ワールドモデルによるフィジカルAI、自己内省してチームを更新するマルチエージェントフレームワークまで、研究最前線の事例が並びます。数百万円規模の小型モデルでも億単位のGPUに迫る精度を出せる、「もはやモデルの大小ではなく設計のゲーム」という締めくくりは、現場実装を考えるすべての人へのメッセージです。

📋 アジェンダ

１）富士通の研究戦略とAIエージェントの現在地

・事業のほぼすべてがAIになるなかでの富士通研究所の位置づけ

・第3世代AIからAIエージェントへの話題の移り変わりと、変わらない3つの課題（複雑性・運用負荷・信頼性）

・投資回収の難しさへの答えとしてのプラットフォーム化と、AIプラットフォーム「Fujitsu Kozuchi」

２）製造業向けユースケース

・設計書内容の自動チェックAI：構造化エージェントと要件適合チェックエージェントの2段構成、検査プログラムを生成させて画一的でない検査と振り返りを可能に

・間取り図から部屋の接続関係を自動データ化する図面理解技術と、汎用LLMとの比較

３）暗黙知の抽出──マニュアルだけではエージェントは作れない

・マニュアルと熟練者の間にある「行間」のギャップ（製造業も小売のフロアマネージャーも同じ）

・作業映像から熟練者の判断（重い荷物を上に置いて軽い荷物を抑える積み方など）を言語化する「Fujitsu Agentic Memory」

・言語化したナレッジをそのままエージェントに教え込み、フィジカルAIにも転用

４）フィジカルAIとマルチエージェント

・NVIDIA・安川電機・三菱重工・川崎重工等との連携と、整備された工場の外で動くロボットの課題

・人とロボットの位置と未来の動きを予測し協調動作を指示する空間ワールドモデル

・目標設定からチーム生成、自己内省・自己更新まで行うマルチエージェントフレームワーク（Multi-AI Core）と企業オントロジーの自動生成

５）対談：モデルに頼らない設計

・コーディングエージェント活用とローカルLLMの台頭

・ハーネスの工夫で小型モデルでも高精度を実現。鍵はハーネスエンジニアリングと設計

🎯 こんな方にお勧め

・製造業の技術・設計・品質部門の責任者：設計書チェックや図面理解など、具体的なエージェント適用の仕組みと精度担保の考え方を知りたい方

・AIエンジニア・AI実装担当者：ハーネス設計、暗黙知の言語化、マルチエージェント構成など、最先端の実装アプローチを学びたい方

・生産技術・ロボット活用を検討する方：フィジカルAIや人とロボットの協調に向けた技術動向を把握したい方