Manufacturing AI Agent

暗黙知Agent

熟練工の段取り・材質選定・トラブル対応のノウハウを、AI対話で形式知化。さらに現場で「効いた」を学習し、使うほど精度が上がる。2025年問題に直接効く、Teams完結のナレッジ継承プラットフォーム。

Feature 01

工程・知識領域を選んで暗黙知を構造化登録

ベテラン社員は工程と知識領域を選び、AI が用意した 5W1H の質問項目に沿って入力するだけ。段取り・材質選定・トラブル対応・判断基準などの暗黙知を、その場で構造化データとして登録できます。

工程・知識領域を選択し、項目に沿って入力するだけのフォーム
現場写真・作業動画・PDF も添付して、文字以外の情報も残せる
登録したナレッジは一覧で工程・登録者・更新日とともに管理

ナレッジ登録フォーム — 工程・知識領域を選び、項目に沿って暗黙知を入力する画面

Feature 02

AIインタビューで曖昧な経験を逆質問で具体化

「専門家 — 暗黙知インタビュー」で AI がベテランに逆質問。「組立で『これはダメ』と判断した瞬間はありましたか?」のように文脈に沿って深掘りし、本人も言語化していなかった判断軸を引き出します。

AI が 1 ターンずつ逆質問し、抽出までの進捗をその場で可視化
「嵌合の時 / 締結トルクの時 / ガタの確認時」などの回答候補を提示
対話を重ねたら「構造化プレビューへ進む」でナレッジ化

専門家暗黙知インタビュー — AI が逆質問し、回答候補チップを提示する AI 対話画面

Feature 03

Teams会議・文字起こしから熟練ノウハウを一括抽出

若手がベテランにインタビューした Teams 会議の文字起こしや録音書き起こしを貼り付けるだけ。 AI が複数の熟練ノウハウ候補を構造化抽出するので、わざわざ書き起こす手間なく暗黙知を蓄積できます。

直近の Teams ミーティング一覧から「この会議から取り込む」
文字起こしテキストを直接貼り付けて「AI で抽出」も可能
1 回の会議から複数のノウハウ候補をまとめて構造化

Teams 会議・文字起こしから熟練ノウハウを一括抽出 — 会議一覧と文字起こし入力欄

Feature 04

動画コーチングで「手の動き」までお手本と比較

お手本と学習者の作業動画を並べ、骨格 overlay 付きで手の動きを可視化。文章では残しにくい「身体で覚える」技能まで、動画 + AI 分析で継承できる形にします。

お手本動画と学習者動画を左右に並べて再生・比較
骨格 overlay で手・指の動きの差を視覚的に把握
再生速度 (0.25x〜1.5x) を切り替えて細部まで確認

動画コーチング — お手本と学習者の手元動画を骨格 overlay 付きで並べて比較する画面

Feature 05

動作をステップ分解して手順の差を自動分析

AI が作業動画を「作業開始・準備 → 電池蓋を開ける → …」のような工程ステップに自動分解。お手本と学習者のステップを並べて、各ステップの一致・ズレを自動で判定し、どこで差が出たかを明確にします。

作業を工程ステップに分解し、お手本と学習者を並べて表示
各ステップの一致 / ズレを AI が判定し、総評コメントを生成
手順の抜け漏れ・順序違いを、指導前に客観的に把握

動作ステップ分析 — 作業をステップ分解し、お手本と学習者の工程を並べて一致を判定

Feature 06

Before/Afterで習熟度の伸びを可視化

正確性・速度・滑らかさ・安全性の 4 軸で習熟度をレーダーチャート化し、過去回と今回を Before/After で比較。どの軸が伸び、どこに課題が残るかが一目で分かり、技能継承の進捗を定量的に追えます。

正確性・速度・滑らかさ・安全性をレーダーチャートでスコア化
1 回目と今回を並べて、軸ごとの伸び・課題を差分表示
蓄積した結果が次の指導・教材づくりにそのまま活きる

Before / After 比較 — 習熟度を正確性・速度・滑らかさ・安全性のレーダーで可視化

Feature 07

現場の結果を学習し、使うほど精度が上がる

提示した対処が「効いた / 効かなかった」を現場が返すと、AI がノウハウの信頼度を自動で更新。「ベテランが言ったから」ではなく「現場で直ったから」で重みづけし、使い込むほど精度が育ちます。

対処の結果フィードバックでノウハウの信頼度を自動更新
信頼度の高い知見を優先して提示
蓄積が進むほど回答精度が上がる、育つナレッジ基盤

Feature 08

ノウハウは、御社の外に出ません

蓄積した暗黙知はすべて御社の Microsoft Azure 環境内・テナント完結で管理。外部 SaaS にも提供元にも渡らないため、競争力の源泉であるノウハウを安心して預けられます。

データは御社の Azure 環境内に保存し、テナントごとに分離
外部・提供元へノウハウが流出しない設計
だからベテランも安心して知見を残せる

Fabric Ontology

Fabricオントロジーによる
関連データの意味づけで精度を底上げ

図面・部品・材料・工程・顧客・案件・見積などの社内データを Microsoft Fabric のオントロジー上でエンティティと関係性として定義。 AI Agentが「単なる文字列」ではなく「業務上の意味と繋がり」を理解した状態で検索・推論を行うため、類似図面の提示や見積もり算出の精度が大きく向上します。

Microsoft Fabric オントロジー上で図面・部品・顧客・案件などのエンティティと関係性を定義している様子

業務エンティティを構造化
図面・部品・材料・工程・顧客・案件・見積などを Fabric のエンティティ型として定義し、IDとプロパティで一意に管理。
関係性 (リレーションシップ) を明示
「案件 → 図面 → 部品 → 材料」のような業務上の繋がりを Fabric 上で宣言し、AI Agent が文脈をたどって回答できる状態に。
意味づけによる検索・推論精度の向上
単なるキーワード一致ではなく、オントロジーで結びついた関連データを横断参照。類似図面・類似案件のサジェスト精度が向上します。
全Agentで同じオントロジーを共有
図面検索・図面保存・図面見積・ミーティング見積などの各Agentが、同じ意味モデルを参照。Agent間の連携と一貫した回答品質を実現。