ファクトリークリエイティブキャンプ製造業におけるクラウド・生成AI・IoT活用の現在地と未来展望

ファクトリークリエイティブキャンプ製造業におけるクラウド‧⽣成AI‧IoT 活⽤の現在地と未来展望 2025.10.14

本報告書の位置づけ AIは選択肢ではなく、⽣き残るための必須条件デジタル化は選択肢ではなく、⽣き残るための必須条件である。製造業においてAIとロボティクスの活⽤は、もはや『いつやるか』の問題であり、『やるかやらないか』の問題ではない。 — 経済産業省製造産業局⻑（2025年度所信表明） Classmethod,
Inc. All Rights Reserved. 1

アジェンダ：完全版レポート（全10章構成＋付録） AI駆動開発とAgentic AIなど、最新技術動向を踏まえた包括的な内容 1 第0章クラスメソッド株式会社について 2 第1章エグゼクティブサマリー 3
第2章製造業を取り巻く環境分析 4 第3章⽣成AI市場の現状と展望 5 第4章製造業における⽣成AI活⽤事例 6 第5章フィジカルAIの到来と製造業への影響 7 第6章 AI駆動開発とシステム品質 8 第7章⽇本の製造業の現状と課題 9 第8章リスク管理とガバナンス 10 第9章結論と推奨事項 11 付録A 参考⽂献‧資料リスト Classmethod, Inc. All Rights Reserved. 2

0.1 会社概要独⽴系⾮上場企業として、クラウド‧データ‧AIで企業のビジネス成⻑を⽀援企業情報設⽴：2004年7⽉7⽇所在地：東京都港区⻄新橋 1-1-1 ⽇⽐⾕フォートタワー26 階代表取締役：横⽥
聡従業員数：約850名（2025年7 ⽉、グループ全体）資本⾦：1億円企業形態：独⽴系⾮上場企業、無借⾦経営業績（第21期‧2025年6⽉期）売上⾼：951億円（前年⽐ +23%）営業利益：79億円（前年⽐ +22%）経常利益：79億円（前年⽐ +11%）当期純利益：52億円（前年⽐ +9%）⾃⼰資本⽐率：61.8% 顧客数：5,000社以上拠点‧事業内容国内8拠点：東京、札幌、仙台、上越、名古屋、⼤阪、福岡、沖縄海外5拠点：ベルリン、バンクーバー、バンコク、ソウル、ダナン主要事業：クラウド（AWS）、データ分析、⽣成 AI、アプリ開発、IT⼈材育成 Classmethod, Inc. All Rights Reserved. 4

0.2 企業理念‧ビジョンと強みオープンな発想と⾼い技術⼒で、すべての⼈々の創造活動に貢献企業理念‧ビジョン企業理念：オープンな発想と⾼い技術⼒によってすべての⼈々の創造活動に貢献し続ける技術で未来を共創：顧客と共に挑戦し、クラウド ‧AI‧データで新たな価値を創造技術者集団として進化：最新技術を探求し、失敗を恐れず実践
ナレッジの共有：DevelopersIOで知⾒を公開し、技術コミュニティに還元強み社員70%がエンジニア‧技術者集団：週末も新技術を試す探求⼼。CEOが先頭に⽴ち、全社で AI‧新技術に挑戦内製⽂化とフルスタック実践⼒：企画‧開発‧運⽤を⾃社で完結。⾃ら実践した技術を顧客に展開国内外13拠点でグローバル展開：海外5拠点（ベルリン、バンクーバー、バンコク、ソウル、ダナン）で多国籍プロジェクトを推進 AWS Global Top Partner：最上位パートナーとして5,000社以上の変⾰を実現 DevelopersIO‧Zenn運営：2,000件以上のAI記事を公開。技術コミュニティに知⾒を還元 Classmethod, Inc. All Rights Reserved. 5

0.3 主要サービス領域クラウドからAIまで、ワンストップで技術⽀援 ①クラウドサービス（AWS特化） AWS移⾏‧統合：クラウドインフラ設計‧構築セキュリティ設計：コンプライアンス対応コスト最適化：運⽤費削減⽀援トレーニング：社内エンジニア育成 ②デジタル変⾰（DX）モバイル‧ネイティブアプリ開発
IoTアプリケーション開発 DevOps⽀援：CI/CD構築 UI/UX‧サービスデザイン ③データ＆アナリティクスデータ基盤構築：データレイク‧DWH構築データ活⽤コンサル：データ戦略⽴案機械学習実装：推薦システム、顧客分析データ初期診断：データ品質評価 ④⽣成AI‧AI駆動開発⽣成AI導⼊⽀援：業務プロセス最適化 AI駆動開発サービス：開発⼯数削減 AI環境構築：AIインフラ整備ビジネスプロセス最適化：AI活⽤で効率化 Classmethod, Inc. All Rights Reserved. 6

0.4 主要顧客実績業界横断で5,000社以上の企業にクラウド‧AI‧データ活⽤を⽀援製造業‧公共‧医療分野製造業：第⼀興商の⽣産管理システムクラウド化、キッツの品質検査AI構築など、予知保全 ‧IoTデータ活⽤‧⽣産ライン可視化によるスマートファクトリー化を⽀援。公共‧⾃治体：名古屋市上下⽔道局のインフラデータ管理クラウド化、上越市の⾏政システム移
⾏など、⾃治体クラウド‧オープンデータ基盤 ‧AI-OCRによる⾏政DXを推進。医療：くすりの窓⼝の⽣成AI活⽤⽀援、電⼦カルテ分析‧医療画像AIなど医療業界のデータ活⽤を推進。⾦融‧⼩売‧ゲーム‧サービス分野⾦融：三菱UFJ銀⾏のAI‧データ基盤構築、与信審査AI‧不正検知‧チャットボットなど⾦融業界のAI活⽤を推進。ゲーム：クラウドインフラ構築とゲームバランス AI、プレイヤー分析、⽣成AIコンテンツ制作を⽀援。⼩売：スターバックスのデジタル変⾰、KOKUYO の⽣成AI活⽤など需要予測‧在庫最適化‧顧客分析を⽀援。サービス業：飲⾷‧宿泊‧エンタメのDX⽀援として予約管理‧顧客管理‧業務効率化AIを提供。 Classmethod, Inc. All Rights Reserved. 7

0.5 ⽣成AI⽀援の実績と事例 AI Experience Center開設、100社以上の導⼊実績、5年間で1,000社⽀援へ Classmethod AI Experience Center 2025年10⽉にAI推進の専⾨組織を設⽴。5年間で
30億円を投資し、新たに1,000社のAI導⼊⽀援を⽬標に掲げる。既に100社以上の⽣成AI基盤設計 ‧構築を⽀援。2025年7⽉にはAnthropic社と戦略提携を締結。主要サービス AI-StarterはAmazon Nova、Claude、GPT、 Geminiに対応したマルチAIプラットフォーム。らくらくRAG導⼊パックで社内ナレッジ検索AIを提供。最短1ヶ⽉、平均3ヶ⽉での導⼊を実現。コクヨ株式会社の事例全従業員向け⽣成AI環境KOKUYO AI Chatを構築。社員から3,000件のAIアイデアを収集し、 GPT-Labで16個の業務アプリを開発。全社でAI活⽤⽂化を醸成。その他の導⼊事例オプテージは社内問い合わせチャットボット、くすりの窓⼝はChatGPT4 Slackアプリを1ヶ⽉で導⼊。三井住友トラストクラブで⽣成AI活⽤ワークショップを実施。名古屋市上下⽔道局、第⼀興商、キッツ、上越市など公共‧製造業でも導⼊。 Classmethod, Inc. All Rights Reserved. 8

0.6 クラスメソッド社内でのAI活⽤実践社員の90%がAI活⽤、全社でAI駆動開発を実践全社AI環境の整備 AI-Starter全社導⼊：Claude、GPT、Gemini、 Nova等を全社員が利⽤可能社員の90%がAI活⽤：⽇常業務‧開発で実践社内ヘルプデスク設置：質問‧相談に即座対応 AIDD Boost
Team結成 2025年6⽉結成：部⾨横断で約20名参加。AI駆動開発を実践推進 Claude Code/Devin/Cursor活⽤：最新AIコーディングツールを実践活⽤。Zennプロジェクトで70-80%をAI実装 30件以上の問い合わせ：サービス開始後の反響社内教育‧⽂化醸成 AIツール実践研修：Claude Code、Cursor、 Cline等のワークショップを定期開催セキュリティ研修：安全なAI活⽤ CEOが先頭に⽴つ：新AIツールを試しSlackで共有部⾨間⽀援‧知⾒共有エンジニアが⾮技術部⾨を⽀援：バックオフィス ‧営業のAI活⽤をサポート DevelopersIO：2,000件以上のAI記事を公開 AI Talks（CATs）：コミュニティで知⾒を共有 Classmethod, Inc. All Rights Reserved. 9

1.1 調査結果①：労働⼒不⾜の深刻化 2030年、製造業は200万⼈の労働⼒不⾜に直⾯労働⼒不⾜200万⼈の危機 2030年の製造業労働⼒不⾜は200万⼈に達し、事業継続が困難に。少⼦⾼齢化により若年労働者の確保は極めて困難熟練技術者の⼤量退職 2025-2030年で製造業熟練者の35%が退職予定。 30年以上の技能とノウハウが失われ、技術継承が
喫緊の課題 AI⾃動化が唯⼀の解決策⼈⼿に頼る従来⼿法は限界。AIによる作業⾃動化と技能のデジタル化により、少⼈数でも⽣産性を維持できる体制構築が必須先⾏企業の成果 AI導⼊により少⼈数体制でも⽣産量を維持。熟練者の動きをAIが学習し、若⼿への技能伝承期間を 6ヶ⽉→2週間に短縮 Classmethod, Inc. All Rights Reserved. 11

1.2 調査結果②：⽣成AI市場の爆発的成⻑ 2030年までに145倍、4.8兆ドル市場へ市場規模4.8兆ドル⽣成AI市場は2024年の330億ドルから2030年に 4.8兆ドルへと145倍に爆発的成⻑。製造業が最⼤の活⽤領域製造業での実⽤化加速設計⾃動化‧品質検査‧需要予測等で実⽤化が加速。80%の企業がポジティブな効果を報告し、導
⼊が本格化 ROI 13.2ヶ⽉で回収先⾏導⼊企業は平均ROI 13.2ヶ⽉で投資回収を実現。従来IT投資（24-30ヶ⽉）の半分以下で効果を実証競争⼒格差の拡⼤ AI導⼊企業と未導⼊企業で⽣産性格差40%が発⽣。導⼊遅れは競争⼒喪失に直結し、挽回は年々困難に Classmethod, Inc. All Rights Reserved. 12

1.3 調査結果③：フィジカルAI実⽤化の転換点研究段階から実⽤段階へ、価格も導⼊可能なレベルに精度99.2%の実⽤段階 Boston Dynamics AtlasがHyundai⼯場で精度 99.2%を達成。研究段階から実⽤段階へ完全移⾏⼤⼿メーカーの本格稼働 Tesla
Optimus Gen 3は2025年Q4より本格稼働開始予定、Figure 03は年産12,000台体制を確⽴。量産化が実現価格5,900ドルまで低下 Unitree R1は$5,900で提供開始。従来の産業ロボット（平均$50,000）の1/8の価格で、中⼩製造業でも導⼊可能に⼈⼿不⾜解消の切り札 24時間稼働可能で⽣産性3倍を実現。単純作業から複雑な組⽴まで対応し、労働⼒不⾜200万⼈の解決策として期待 Classmethod, Inc. All Rights Reserved. 13

1.4 AI導⼊の成果とROI 先⾏導⼊企業が実証する確実な投資効果⽣産性向上 25-40% AI導⼊企業の68%が⽣産性向上を報告。製造現場で作業時間短縮、稼働率向上、⼈的ミス削減。設計‧開発でコード⽣成やドキュメント作成を⾃動化。バックオフィスで定型業務を⾃動化し付加価値業務にシフト
不良率削減 30-60% 画像AIで不良検出精度が⼈間を超越。24時間連続稼働で全品検査が可能。検査速度は従来⽐98% 削減（1分→1秒）。不良流出率60%削減で顧客クレーム減少とブランド価値向上 ROI達成期間 13.2ヶ⽉ AI投資の回収期間は平均13.2ヶ⽉と極めて短期。従来のIT投資（24-30ヶ⽉）の半分以下。クラウドとノーコードツールで初期投資を抑制。段階的導⼊でリスク最⼩化しながら早期効果を実現効果報告率 80% 導⼊企業の80%がポジティブな効果を報告。成功要因は明確な⽬的設定、スモールスタート、経営層コミットメント。失敗要因は⽬的不明確、過⼤な初期投資、現場の抵抗 Classmethod, Inc. All Rights Reserved. 14

1.5 成功への実践的アクションプラン先⾏企業8社の知⾒から導く、今すぐ始められる6つのステップ AI推進プロジェクトチーム設置経営直轄体制で意思決定を迅速化。平均2ヶ⽉で体制構築完了、ROI達成期間が30%短縮スモールスタート案件3件選定段階的導⼊で成功確率85%に向上。品質検査‧予知保全‧
⽣産計画の3領域で早期成果を実現データ基盤の現状診査実施 AI導⼊の前提条件となるデータ品質を評価。6ヶ⽉準備で精度向上率が平均18%改善 AI⼈材育成プログラム開始全従業員向けリテラシー教育と専⾨⼈材育成を並⾏実施。 6ヶ⽉で基礎200名、専⾨10名育成完了外部パートナーとの連携開始製造業ドメイン知識を持つベンダーと協業。PoC成功率が 62%→89%に向上 KPI設定とモニタリング体制定量的な効果測定で改善継続。⽉次レビューで施策最適化、ROI向上率22%アップ Classmethod, Inc. All Rights Reserved. 15

2.1 PESTEL分析：製造業を取り巻く環境変化機会と脅威を明確にし、AI導⼊の必然性を⽰す Political（政治的）機会 AI‧DX推進政策で後押し。IT導⼊補助⾦（最⼤450万円）、ものづくり補助⾦（最⼤1,250万円）。DX投資促進税制で最⼤10%税額控除
Economic（経済的）脅威原材料費‧エネルギーコスト⾼騰。製造業平均年収 17.2%上昇。中⼩製造業営業利益率：2.8%へ低下。AI効率化が⽣き残りの鍵 Social（社会的）脅威 2035年に330万⼈の労働⼒不⾜。熟練技術者の⼤量退職。技能伝承の断絶リスク。AI 活⽤で⼈材不⾜を補完し、暗黙知を形式知化 Technological（技術的）機会⽣成AI性能が6ヶ⽉で2倍で進化。コンテキスト200万 →1億トークンへ拡⼤。 Agentic AIで⾃律作業が可能に Environmental（環境的）機会‧脅威カーボンニュートラル2050年⽬標。省エネ法‧ 温対法の規制強化。AI⽣産⼯程最適化でエネルギー15-20% 削減 Legal（法的）脅威‧機会 AI規制法（EU AI Act）の影響波及。個⼈情報保護法強化。⼀⽅、AI導⼊企業向けの規制緩和措置。コンプライアンスとイノベーションの両⽴が必須 Classmethod, Inc. All Rights Reserved. 17

2.2 製造業の労働⼒不⾜の深刻化製造業で2035年に330万⼈不⾜年度労働⼒需要労働⼒供給不⾜数不⾜率 2020年 1,056万⼈
1,056万⼈ - - 2025年 1,078万⼈ 982万⼈ 96万⼈ 8.9% 2030年 1,112万⼈ 912万⼈ 200万⼈ 18.0% 2035年 1,098万⼈ 768万⼈ 330万⼈ 30.1% Classmethod, Inc. All Rights Reserved. 18

2.2.1 熟練技能者の⼤量退職技能伝承の断絶⾼齢化（55歳以上）若年層（34歳以下）⽐率 34.2% 18.7% 影響今後10年間で⼤量退職
技能伝承の担い⼿不⾜将来予測 2040年に就業者数は27.3%減少 AIが教育‧マニュアル作成を代替 Classmethod, Inc. All Rights Reserved. 19

2.3 サプライチェーンの脆弱性とリスク評価地政学リスク、環境要因が複雑化。AIによるリアルタイムなリスク管理が必要です。リスク要因⽶中技術覇権競争による調達制約地政学リスクの顕在化（供給途絶）環境規制強化（カーボンニュートラル） AIによる対応 AI予測による代替調達先の迅速な探索デジタルツインによるサプライチェーンの動的
シミュレーションエネルギー消費最適化による環境負荷低減 Classmethod, Inc. All Rights Reserved. 20

2.4 デジタル競争の激化とグローバル動向グローバル競合はAI‧ロボット導⼊を加速。⽇本の『様⼦⾒』は許されないグローバル競合の先⾏投資韓国‧中国‧⽶国は数兆円投資。AI‧ロボットで⽣産効率を劇的向上。技術格差は数年で埋められないフィジカルAIの⽣産統合 Tesla‧Hyundaiが⽣産ラインの中核に。Optimus、Atlasを実装。⼈間協働で柔軟性と効率を両⽴⼈材獲得の競争条件若年層はデジタル環境を重視。AI導⼊で『3K』イメージ払拭。働きがいのある職場環境で⼈材確保
Classmethod, Inc. All Rights Reserved. 21

3.1 ⽣成AI市場規模と成⻑予測（世界‧⽇本）世界市場は2030年に4.8兆ドル、⽇本市場も12.4兆円の爆発的成⻑を予測世界市場 4.8兆ドル⽣成AI市場は2025年⽐34倍の急成⻑を遂げ、 2030年には4.8兆ドル規模に達する⾒込み。マルチモーダルAIの実⽤化により全産業での活⽤が加速⽇本市場
12.4兆円⽇本市場も年平均成⻑率35%で拡⼤し、2030年に12.4兆円規模へ。政府のAI戦略推進と企業の DX投資拡⼤が追い⾵に製造業導⼊率 14% ⽇本の製造業では14%が本格導⼊済み、さらに 28%が試験導⼊中。導⼊企業の78%が投資対効果を実感し、今後3年で導⼊率は50%を超える⾒込み成⻑ドライバー市場成⻑の中核はマルチモーダルAIとフィジカル AIの統合。画像‧⾳声‧テキストを統合処理し現場データを理解、ロボット‧⾃動機械を制御。設計から保守まで⼀貫した⾃動化を実現 Classmethod, Inc. All Rights Reserved. 23

3.2 最新LLM性能（2025年）対話型から⾃律実⾏型へ。製造業での具体的活⽤シーンモデルリリース主要能⼒製造業での実⽤例 Grok 4 2025年10⽉
リアルタイム情報統合市場動向と製造データを統合し需要予測 Claude Sonnet 4.5 2025年9⽉世界最⾼コーディング製造実⾏システム(MES) の⾃動⽣成‧保守 GPT-5 2025年8⽉⻑⽂理解‧推論数千ページの技術仕様書を分析し設計提案 Gemini 2.5 Pro 2025年3⽉数学‧科学推論製造パラメータ最適化、材料配合計算 Amazon Nova 2024年12⽉⾼速マルチモーダル品質検査‧設備監視の⾃動化 Classmethod, Inc. All Rights Reserved. 24

3.3 AIとの対話の進化プロンプト→コンテキスト→Agentic。⼈間の役割が『指⽰者』から『⽬標設定者』へ第1世代：プロンプトエンジニアリング短い指⽰⽂を最適化してAIから望む応答を引き出す（2022-2023）。トークン制限 4K-8Kが制約第2世代：コンテキストエンジニ
アリング RAG、ツール連携、⻑期メモリを活⽤（2024-2025）。企業DB と統合し専⾨知識を正確参照第3世代：エージェント型AI （Agentic AI） AIが⽬標→計画→実⾏→検証サイクルを⾃律実⾏（2025-）。⼈間は最終⽬標のみ指⽰ Classmethod, Inc. All Rights Reserved. 25

3.4 コンテキスト拡⼤の定量的進化 3年で125倍拡⼤。年間成⻑率10倍ペースで企業知識の完全統合へ年代‧モデルコンテキスト容量製造業での活⽤例 2023年 GPT-4初期 32Kトークン約100ページ相当
製品マニュアル20-100ページ。基本情報のみ 2025年 Claude 4.5/Gemini 2.5 200万トークン約1,500ページ相当製造マニュアル+設計図500枚+3 年の品質記録。⼯場の全ドキュメント統合 2026年予測次世代モデル 1,000万トークン約7,500ページ相当技術⽂書+10年分の品質‧⽣産データ+技術者ノウハウDB。グループ全社の知識統合 2027年予測超⼤規模モデル 1億トークン約75,000ページ相当 30年分の業務記録+設計変更履歴+ トラブルシューティング事例。⽣涯知識を再現 Classmethod, Inc. All Rights Reserved. 26

3.5 Agentic AI：⾃律実⾏型AIの⾰命質問応答型から⽬標達成型へ。⼈間は「作業指⽰」ではなく「最終⽬標」のみを伝える時代 ①Goal設定：⼈間が最終⽬標を提⽰「不良率を3%削減したい」と⽬標を伝えるだけ。AIが最終ゴールから逆算して必要なタスクを⾃動抽出 ②Planning：AIが実⾏計画を⾃律策定データ分析→原因特定→改善案→実⾏順序をAIが
⾃律計画。最適プランを⽣成し、計画時間を 90%短縮 ③Action：ツール使⽤‧外部システム連携外部ツールを⾃律操作：DB検索、Excel分析、 Python実⾏、API呼び出し。⼈間の介⼊なしで作業を実⾏ ④Reﬂection：結果検証‧⾃⼰修正実⾏結果を⾃⼰評価し、失敗時は⾃動で計画修正 →再実⾏。エラーから学習し精度を向上従来型AIとの決定的な違い従来：⼈間が詳細指⽰、AIは応答のみ。Agentic AI：⼈間は最終⽬標のみ、AIが計画→実⾏→修正を⾃律ループ。作業時間70-80%削減製造業での実⽤例品質異常対応：異常検知→原因分析→改善案→実装提案を⾃律実⾏。従来3⽇→2時間。設備保守：予兆検知→部品発注→⼿順書⽣成 Classmethod, Inc. All Rights Reserved. 27

3.5.1 Chain of Thought vs Chain of Action ⾔語ベースの推論から物理⾏動へ。フィジカルAIの核⼼技術項⽬
Chain of Thought (CoT) Chain of Action (CoA) 定義⾔語ベースの推論。複雑な問題をステップ分解し論理的に解決⾏動ベースの連鎖。物理軌道をモデル化、後⽅推論で計画⽣成焦点内部的な論理推論物理世界での軌道予測と実⾏適⽤分野 NLP、QA、数学問題など⾔語タスク（LLM）フィジカルAI、ロボティクス（マニピュレーション、ヒューマノイド）⼊出⼒テキスト⼊⼒‧出⼒マルチモーダル（視覚‧⾔語‧⾏動）。出⼒は⾏動軌道仕組み前⽅予測、ステップバイステップ⽣成後⽅推論（⽬標→初期状態）。キーフレーム⾃⼰回帰⽣成 Classmethod, Inc. All Rights Reserved. 28

3.5.2 CoAとVLMの統合：VLAモデル Vision-Language-Action統合で⾔語指⽰を⾏動軌道に変換側⾯ CoAの役割 VLMの役割統合効果（VLA）⼊⼒処理視覚-運動軌道の後⽅⾃⼰回帰⽣成
画像‧動画のセマンティック理解⾔語で視覚を条件付け、軌道精度向上推論⾏動連鎖（キーフレーム中⼼）視覚-⾔語アライメント⾼レベル計画→低レベル⾏動に橋渡し課題解決エラー蓄積‧⼀般化不⾜視覚バイアス‧⽂脈⽋如全体構造化で安定性 20-30%向上代表研究 Trajectory Autoregressive Modeling LLaVA/Geminiのような VLM Embodied CoA for Humanoid Classmethod, Inc. All Rights Reserved. 29

3.6 ノーコードAI構築ツールプログラミング不要でAIエージェントを構築。AI開発の⺠主化が実現 n8n ワークフロー⾃動化特化。LLM‧API‧DBを視覚的に接続。受発注‧在庫管理を⾃動化 Dify LLMアプリ開発PF。RAG、エージェント、チャットボットを数クリックで構築可能 Opal Google製AIミニアプリ作成ツール。製造現場向けAIアプリを短期間で開発 Classmethod,

3.6.1 オフィス業務⾃動化 AIがExcel‧ブラウザを⾃律操作。ホワイトカラー業務60%削減 MCP経由ブラウザ⾃動操作 MCPでブラウザ⾃律操作。Chrome DevTools等をMCP経由で制御。Webデータ収集‧フォーム⼊⼒を⾃動化オフィスソフト⾃動操縦 Excel‧PowerPoint‧Wordを⾃動操作。ChatGPT‧Claude‧Geminiが直接Oﬃce操作し資料⽣成ブラウザRPA⾃動化
業務システムをAIが⾃動操作。画⾯を理解して柔軟に操作。受発注、勤怠、在庫照会を実⾏ Classmethod, Inc. All Rights Reserved. 31

3.7 AI駆動開発ツール開発⽣産性3-5倍。コーディングを⾰新するAI統合開発環境 Cursor AI-First IDE先駆者。コードベース全体を理解し、マルチファイル編集を⾃動実⾏。開発速度3-5倍 Windsurf Cascade機能搭載。AIが⾃律的にタスクを分解‧実⾏。設計書からの実装を⾃動化 Claude Code
CLI統合型。ターミナルから直接Claude活⽤。レガシーコード解析‧リファクタリングに特化 Classmethod, Inc. All Rights Reserved. 32

3.8 MCP標準プロトコル AI統合を数クリックで実現。コンテキストエンジニアリングの⺠主化 MCPとはオープンスタンダード。AIと外部データソース‧ツールを統⼀接続。個別統合を不要に主要な対応サービス Figma‧Vercel v0‧Slack‧GitHub等が対応済み。主要LLMが採⽤製造業への影響 CAD、⽣産管理、品質DBとAI統合が容易に。数クリックで連携完了。現場部⾨が主体的に活⽤推進

3.9 マルチモーダルAI進化実物と区別不可能なレベルに到達。アノテーションコスト95%削減 Sora 2（OpenAI）物理法則理解の動画⽣成。⾳声同期、物理精度向上。実写と識別不可能なレベルに到達 Veo 3（Google）リアルな物理現象再現。⽔流、影、⼈間動作を⾼精度⽣成。最⼤8秒の⾼解像度動画 Suno
V5 スタジオ品質⾳楽⽣成。44.1kHz品質、1,200以上のジャンル対応。最⼤8分の楽曲⽣成 Classmethod, Inc. All Rights Reserved. 34

3.10 強化学習の⺠主化フィジカルAIの核⼼技術が、誰でも使えるツールへ強化学習とは試⾏錯誤で最適⾏動学習。報酬を最⼤化するようAIが⾃律改善。ロボット制御に不可⽋⺠主化ツールの登場プログラミング不要で強化学習。Unity ML-Agents、NVIDIA Isaac SimなどGUIベースで構築可能
製造業への適⽤ロボットアーム制御を数時間で実装。博⼠号レベル知識不要。現場エンジニアでも扱え歩留まり15% 向上 Classmethod, Inc. All Rights Reserved. 35

3.11 技術トレンド製造業DXを加速する6つの技術マルチモーダルAI：GPT-4o、 Claude Sonnet 4.5の画像理解能⼒により、設計図‧写真 ‧3DCADデータを統合解析。不良品検査精度が⼈間を超越
RAG（検索拡張⽣成）：社内マニュアル‧品質データベースをリアルタイム参照し、ハルシネーション（幻覚）を 95%削減。信頼性の⾼い回答を実現 Agentic AI（⾃律型エージェント）：複数ツールを⾃律操作し、調達→⽣産計画→品質管理のエンドツーエンド⾃動化を実現⽣成設計AI：トポロジー最適化とAIの融合により、軽量化 30%‧コスト削減25%を達成。⾃動⾞‧航空機部品で実⽤化進⾏中エッジAI：NVIDIA Jetson、 Intel Movidius等により、⼯場現場で1ms以下の超低遅延処理を実現強化学習：DeepMind AlphaZeroの⼿法を製造に応⽤。ロボットアーム制御、⼯程パラメータ最適化で歩留まり15%向上 Classmethod, Inc. All Rights Reserved. 36

3.12 専⾨家チームによる協働複雑タスクを専⾨AIチームで分担処理。サブエージェントオーケストレーション ①スーパーバイザー（統括AI）複雑タスクを分析‧分解最適なサブエージェントを選定タスク配分と優先順位付け実⾏結果の統合‧品質管理 ②専⾨サブエージェント
プロマネAI：進捗管理‧リスク検知‧スケジュール調整開発AI：コード⽣成‧リファクタリング‧実装テスト専⾨家AI：テスト設計 ‧実⾏‧バグ検証セキュリティ専⾨家AI：脆弱性診断‧対策⽴案インフラ担当AI：環境構築 ‧CI/CD‧監視設定 ③協調実⾏‧学習エージェント間の情報共有リアルタイムフィードバック失敗から学習し改善全体最適の⾃律調整 Classmethod, Inc. All Rights Reserved. 37

4.1 経営層‧本部向けAI活⽤の効果意思決定の迅速化と業務効率化を同時実現経営レポート作成時間 85%削減経営会議資料の作成時間を数⽇から1時間に短縮。売上‧KPI‧市場動向の統合分析を⾃動化し、データ収集‧集計‧グラフ作成の85%を⾃動化。経営層は戦略⽴案に集中でき意思決定の質が向上
市場分析期間 67%短縮市場調査‧競合分析を3ヶ⽉から1ヶ⽉に短縮。 Web情報収集、ニュース分析、特許調査、SNS動向を⾃動化し市場機会を迅速に発⾒。市場投⼊までのリードタイムを40%短縮契約書レビュー精度 90%向上法務部⾨の契約書レビュー精度が90%向上しリスク条項の⾒落としを防⽌。過去事例との照合、法改正の⾃動反映、不利条件の検出で法的リスクを最⼩化。レビュー時間も60%短縮開発⼯数削減 40% システム開発部⾨の⼯数を40%削減。コード⽣成、テスト⾃動化、ドキュメント作成により開発者は設計‧アーキテクチャに集中可能。バグ発⽣率は30%減少し品質向上とコスト削減を同時実現 Classmethod, Inc. All Rights Reserved. 39

4.2.1 品質検査の⾃動化画像AI‧深層学習で⼈間を超える検査精度。24時間稼働で不良流出ゼロへ⾷品製造：外観‧異物検品の超⾼速化餃⼦の外観‧異物検品を98.3%削減（1分→1 秒）。深層学習で0.1mm異物も検出。⼈間では⾒逃す微細な変⾊‧形状不良を100%検知。24時間稼働で検査員の⽬視疲労ゼロ、⾷品安全性を担保電⼦機器：基板実装の全数検査
プリント基板のハンダ不良をミクロンレベルで検出。検査⼯数25%削減、不良流出60%削減。AOI （⾃動光学検査）とAI統合でハンダブリッジ‧⽋損‧位置ズレを瞬時判定。リコールリスクを最⼩化⾃動⾞部品：微細バリ‧傷の完全検知プレス部品の0.01mm単位の微細バリを検出。検出精度99.7%で⼈⼿依存を解消。3D画像認識で表⾯傷‧打痕‧変形を⽴体的に判定。不良品の後⼯程流出を防ぎ、クレーム90%削減画像AI技術の進化と導⼊効果 YOLOv8‧Segment Anything Modelで実装。転移学習で学習データ1/10に削減。エッジAI化で遅延1ms未満を実現。導⼊コスト3年でROI達成。検査員を⾼度な分析‧改善業務にシフト Classmethod, Inc. All Rights Reserved. 40

4.2.2 予知保全と⼯程最適化設備ダウンタイムを最⼩化。歩留まり15%向上を実現故障削減 75%（予知保全AI）センサーデータから故障の予兆を検知し、突発的な設備故障を75%削減。多次元データをリアルタイム分析し、異常兆候を数週間前に警告。計画的メンテナンスで保全コストも30%削減歩留まり向上
15% 強化学習AIで⼯程条件を最適化し歩留まり15%向上。温度‧圧⼒‧速度を⾃動調整し不良品発⽣率を最⼩化。材料ロス減少で年間数千万円のコスト削減を実現ダウンタイム削減 40% 予知保全とリモート診断でダウンタイム40%削減。稼働率向上により⽣産能⼒が実質15%増加し、新規設備投資を回避。保全要員の効率的配置も実現加⼯時間短縮 35% AIによる加⼯条件の最適化で加⼯時間を35%短縮。⼯具経路、切削速度、送り速度を⾃動最適化し、サイクルタイムを削減。⽣産性向上とエネルギー消費削減を両⽴。熟練技術者のノウハウをAI が学習し、若⼿作業者でも⾼品質な加⼯を実現 Classmethod, Inc. All Rights Reserved. 41

4.3 サプライチェーンAI活⽤の効果在庫最適化と調達リスク管理で競争⼒を強化需要予測精度向上 85% 機械学習による需要予測で従来⽐85%の精度向上を実現。販売実績、市場トレンド、経済指標を統合分析し、⽣産計画の精度が向上在庫削減 20-30%
適正在庫の⾃動算出で在庫を20-30%削減し運転資⾦を改善。過剰在庫による廃棄ロス‧保管コスト削減、物流コストも15%削減⽋品率削減 60% 需要予測と在庫最適化で⽋品率を60%削減。販売機会損失を防⽌し売上向上。納期遵守率が 95%以上に向上し取引先信頼を強化調達リードタイム短縮 40% 調達リスク検知と代替部品提案で調達リードタイム40%短縮。サプライヤー供給不安を事前検知し、最適な代替案を提⽰ Classmethod, Inc. All Rights Reserved. 42

4.3.1 需要予測AIの進化複雑な変動要因を統合分析。従来⼿法を遥かに凌駕する精度マルチモーダルデータ統合販売‧天候‧SNS‧競合‧イベントデータを統合。季節変動、地域特性、トレンドを⾃動学習し⾼精度予測リアルタイム需要予測毎⽇更新される動的予測。従来の⽉次予測から脱却。需要急変にも即座に対応し、発注最適化異常需要の早期検知急激な需要変動を72時間前に予測。品切れ‧過剰在庫を事前回避。プロモーション効果も予測

4.3.2 在庫最適化とコスト削減過剰在庫と⽋品の同時解消。キャッシュフロー改善に直結在庫最適化適正在庫の⾃動算出：AI が需要予測と調達リードタイムから最適在庫⽔準を⾃動計算 ABC分析の⾃動化：重要部品を⾃動分類し、在庫⽅針を最適化。⾼回転品は低在庫、低回転品は適正在庫
デッドストック削減：滞留在庫を予測し、早期処分提案。在庫回転率15%向上物流最適化倉庫配置の最適化：AIが需要地と供給地を分析し、最適な倉庫配置‧在庫配分を提案配送ルート最適化：リアルタイム交通情報と配送先を考慮し、配送コスト12%削減共同配送の提案：複数取引先の配送を統合し、積載効率向上。環境負荷低減にも貢献 Classmethod, Inc. All Rights Reserved. 44

4.3.3 調達リスク管理とBCP強化地政学リスク‧災害リスクに強いサプライチェーン構築リスク検知地政学リスク：貿易規制、関税変更、輸出⼊制限をニュースAIが24時間監視災害リスク：地震‧台⾵‧ 洪⽔の予測情報と、サプライヤー⽴地を照合
供給途絶リスク：サプライヤーの財務状況、稼働率、品質問題を継続監視 AI分析‧予測影響範囲分析：リスク発⽣時の影響を瞬時にシミュレーション。影響部品‧⽣産ラインを特定代替調達先提案：BOM（部品表）から代替可能部品‧ サプライヤーを⾃動抽出コスト‧納期⽐較：代替案のコスト増‧納期遅延を定量評価し、最適案を提⽰対策実⾏早期発注：リスク予兆を検知し、重要部品の先⾏発注を提案複数購買の推奨：単⼀ソース依存を検知し、複数サプライヤー化を提案デジタルツイン活⽤：サプライチェーン全体をシミュレーションし、最適対応を事前検証 Classmethod, Inc. All Rights Reserved. 45

4.3.4 製造業特有の活⽤事例部品数千点‧サプライヤー数百社を管理。AIが複雑性に対応 BOM（部品表）管理の⾃動化数千点の部品を⾃動分類‧整合性チェック。設計変更時の影響部品を瞬時に特定。発注ミス90%削減サプライヤー評価の⾃動化納期遵守率‧品質‧価格‧財務を総合評価。リスクの⾼いサプライヤーを早期検知し、代替提案グローバル調達の最適化為替‧関税‧輸送費を考慮した総コスト最適化。地域別調達バランスを⾃動提案し、リスク分散 Classmethod,

4.3.5 Toyota×SORACOM：IoT⺠主化とD-ROOM 現場主導のデジタル変⾰。40万台規模の⾞両データ活⽤を実現 D-ROOMによるIoT⺠主化現場主導で業務課題を解決する⽀援枠組み。IoT デバイス‧センサーを⺠主化し、実務者が容易に活⽤。⼯場設備監視などで実績。SORACOMプラットフォームでHTTP/MQTT/UDPによるデータ収集‧分析を効率化 eSIM管理と耐障害性向上
海外出荷⾞向けにリモートで現地⾳声プロファイルをプッシュ。メイン回線断絶時にSORACOMを⾃動バックアップ切替。AECC参加のもと、通信技術の進化（eSIM）を柔軟に適応。グローバル展開の障壁を低減リアルタイム⾞両データ収集 SORACOMサービスで⼤量の⾞両データをリアルタイム収集。ローソケット経由でデバイスデータを受信し、プロトコル変換。40万台規模の⾒える化を実現（ハイネケン事例並み） Databricks連携で予測分析 Zerobusインターフェイス経由でSORACOMデータをDatabricksへ転送。リアルワールドデータ活⽤で⾞両の運⽤最適化と予測メンテナンスを実現。通信の柔軟性向上 Classmethod, Inc. All Rights Reserved. 47

5.1 フィジカルAIがもたらす変⾰インパクト従来ロボットを凌駕する柔軟性と⽣産性で製造業を再定義タスク切替時間 95%短縮従来ロボットは作業変更に数週間かかっていたプログラミングが数時間に短縮。マルチモーダルAI で作業指⽰を⾃然⾔語で伝えるだけで新タスクを実⾏可能。多品種少量⽣産への対応⼒が⾶躍的に向上
作業可能範囲 10倍拡⼤フィジカルAIは10倍の作業範囲に対応。組⽴、検査、梱包、搬送、清掃、保守まで1台で複数業務を実⾏。設備投資を⼤幅削減しながら、⽣産ラインの柔軟性を確保環境適応⼒ 8倍向上⾃律学習機能で環境適応⼒が8倍向上。照明変化、部品配置のずれ、障害物の出現に⾃動対応。センサーとAIで未知の状況にも対処可能。継続的な学習で性能が向上し続ける⼈⼿作業代替率 70% ⾮定型業務の70%を⾃動化可能。従来ロボットでは困難だった複雑な組⽴、微妙な⼒加減が必要な作業、判断を伴う検査業務を代替。⼈間は⾼度な判断業務に集中でき⽣産性が⼤幅向上 Classmethod, Inc. All Rights Reserved. 49

5.2 ⼈間の⾏動判断10Hzと⾃動運転への適⽤視覚処理10-27Hzを超える⾃動運転システムで超⼈間性能を実現領域適⽤例効果（⼈間模倣と超越）センシング LiDAR‧カメラ10Hzスキャン、 GNSS更新夜間‧悪天候で視覚限界を補完。
⼈間反応0.1-0.3秒を超え、衝突回避能⼒を向上判断‧予測 VLMで歩⾏者⾏動を数秒先読み、 10Hzセマンティック解析⼈間の認知反応（0.75秒）を超越。事故率低減。⾔語-⾏動アライメント（SimLingo）で複雑交通対応制御アクチュエータ10-100Hzループ、認知エンコーディングスムーズ操作で⼈間-like思考を再現。複雑交通状況に⼈間並みの柔軟性で対応 Classmethod, Inc. All Rights Reserved. 50

5.3 ⽇産ProPILOT 3.0：10Hz超の⾃動運転 2027年投⼊予定。Wayve AI Driver統合で都市部L3レベル⾃動運転を実現 Wayve AI Driver統合英国Wayve社の⾃⼰教⽰型AI
Driver2027年度搭載。11台のカメラ+5台のレーダーで都市部の複雑交通環境を処理。⾔語-⾏動アライメント（SimLingo）で複雑交通に対応 10Hz超のセンシング‧判断 LiDAR‧カメラが10Hz以上でスキャン。VLMで歩⾏者⾏動を数秒先読みし、⼈間の認知反応（0.75 秒）を超越。夜間‧悪天候でも視覚限界を補完都市部L3レベル⾃動運転 Ariyaプロトタイプで実証済み。複雑な都市部交通環境でL3レベル⾃動運転を実現。⼈間の反応時間（0.1-0.3秒）を補完し、事故率を⼤幅低減製造業への展開可能性⾃動搬送⾞（AGV）‧⼯場内物流で応⽤可能。 10-100Hzループ制御で⼈間並みの柔軟性。スムーズ操作で⼈間-like思考を再現 Classmethod, Inc. All Rights Reserved. 51

5.4 従来ロボット vs フィジカルAI：技術⽐較 AI統合により汎⽤性‧⾃律性‧学習能⼒で圧倒的優位従来の産業⽤ロボット特定タスク専⽤（溶接‧塗装など）事前プログラムに完全依存環境変化への対応不可タスク変更に数週間のリプログラミング
教⽰作業に専⾨技術者が必須固定レイアウトの⼯場向けフィジカルAI（ヒューマノイド）汎⽤作業対応（ピッキング‧組⽴‧検査）強化学習による⾃律的適応不確実環境で⾃⼰判断‧最適化⾃然⾔語‧模倣学習で数時間で習得⾮専⾨家でも教⽰可能（デモ→学習）⼈間⽤レイアウトで稼働可能 Classmethod, Inc. All Rights Reserved. 52

5.5 フィジカルAIの3⼤コア技術視覚‧⾔語‧運動のAI統合が実現する「考えるロボット」視覚認識AI（Computer Vision） 3D空間理解と物体認識。カメラ‧深度センサーで環境をリアルタイム把握。部品形状‧位置‧姿勢を⾃動検出し把持戦略を最適化⼤規模⾔語モデル（LLM）⾃然⾔語でタスク理解‧計画⽴案。「この部品を組み⽴てて」という指⽰を作業⼿順に分解。作業者との対話で改善提案も可能
強化学習（RL）＋模倣学習試⾏錯誤で最適動作を⾃⼰学習。⼈間の作業デモから学習し、失敗から改善。環境変化に動的適応し精度向上 Classmethod, Inc. All Rights Reserved. 53

5.6 フィジカルAI動作フロー：認識→判断→実⾏センサー情報をAIが統合処理し、最適な作業動作を⾃律実⾏ ①環境認識カメラ‧深度センサーで3D 空間把握物体検出‧セグメンテーション部品位置‧姿勢の特定障害物‧⼈間の検知
②AI判断‧計画タスク理解（LLMで指⽰解釈）作業⼿順の⾃動⽣成把持戦略‧軌道の最適化リスク評価（衝突回避） ③動作実⾏アクチュエーター制御リアルタイムフィードバック調整⼒覚制御（過負荷防⽌）結果検証→次タスクへ Classmethod, Inc. All Rights Reserved. 54

5.7 製造現場での具体的応⽤シーン多品種少量⽣産‧変種変量‧⼈⼿不⾜の課題を同時解決多品種変量⽣産ライン製品切替を数時間で完了。部品形状が異なっても視覚AIで⾃動認識。プログラム変更不要で多品種対応。段取り替え時間を95%削減⾮定型組⽴‧検査作業複雑な⼿作業を代替。配線組⽴‧⽬視検査など従来⾃動化困難な作業を実⾏。⼈間と同じ治具‧⼯具を使⽤可能⼈間との協働（Cobot化）
安全柵なしで⼈間と共働。⼒覚センサーで接触検知し即停⽌。重量物運搬や反復作業を担当。⼈間は付加価値業務に集中 Classmethod, Inc. All Rights Reserved. 55

5.8 実⽤化タイムラインヒューマノイドロボット、2025年急速に市場投⼊ Boston Dynamics - Atlas Hyundai⼯場で複数タスク稼働中（精度99.2%）。実⽤段階に到達。2026年Q1に3拠点追加展開予定 Tesla -
Optimus Gen 3 2025年Q4より本格稼働開始予定。テキサス⼯場で実運⽤。2026年Q2から外販開始予定 Figure AI - Figure 03 2025年10⽉発表‧量産設計完了。年12,000台体制確⽴、4年で10万台⽬標。TIME誌「2025年最⾼の発明」選出 Classmethod, Inc. All Rights Reserved. 56

5.9 市場規模予測 2035年に6〜16兆円。製造業が過半数を占める巨⼤市場世界出荷台数予測市場規模予測 2027年 1〜10万台数千億円規模 2030年 4〜50万台
0.6〜2.3兆円 2035年 140〜500万台 6〜16兆円 Classmethod, Inc. All Rights Reserved. 57

6.1 AI駆動開発の概要仕様から実装まで⾃律⽣成開発のパラダイムシフト⼈間が「コードを書く」から、AIが「仕様を理解して開発する」へ。開発者は仕様定義とレビューに専念。⼯数50%削減、品質30%向上を実現品質担保のメカニズムコンテキストウィンドウ200万トークンにより設計書500ページ分‧既存コード30万⾏を⼀括参
照。要求仕様と実装の整合性を⾃動検証し、不整合を99.2%検出 Agentic AIによる⾃律開発 AIが設計→実装→テスト→デバッグのサイクルを⾃律実⾏。エラー発⽣時も⾃⼰修正ループで完成度を⾼め、デバッグ時間を80%短縮（8時間→1.6 時間）製造業DXへの適⽤レガシーシステム（COBOL‧VB6等）の現代化を加速。30年稼働の⽣産管理システムを6ヶ⽉で現代化（従来18ヶ⽉想定）。段階的移⾏でビジネス停⽌ゼロ Classmethod, Inc. All Rights Reserved. 59

6.2 TDDサイクルによる品質保証計画‧分割→テスト→実装→リファクタリングのサイクルで品質を保証 ①テスト先⾏：仕様からテスト⽣成 AIが要求仕様を解析し、単体‧結合‧E2Eテストを⾃動⽣成。実装前にテストを⽤意することで、品質基準を明確化。テスト網羅率95%以上を⾃動達成 ②実装：テストを満たすコード⽣成⽣成されたテストを通過するコードをAIが実装。
テストファーストのアプローチで仕様とコードの乖離を防⽌。実装時間を従来の1/10に短縮 ③リファクタリング：品質向上テストを維持しながらコード品質を向上。可読性 ‧保守性‧パフォーマンスを最適化。技術的負債を発⽣させず、⻑期的な保守コストを削減 ④Human in the Loop：設計確認各サイクルで⼈間が設計⽅針‧アーキテクチャを確認。AIの提案を検証‧修正し、ビジネス要件との整合性を保証。品質をさらに20-30%向上 Classmethod, Inc. All Rights Reserved. 60

6.3 AI駆動開発のメリット DX加速の決定打メリット：開発効率とコスト開発リードタイムを50-70%短縮。従来6ヶ⽉の開発が2ヶ⽉で完了し、市場投⼊を加速コーディング⼯数の削減により、開発コストを 40-60%低減。少⼈数チームで⼤規模開発が可能に 20-30年前のレガシーシステムの⾃動解析‧現代
化が現実的に。技術的負債を段階的に解消 IT⼈材不⾜を補完：AIが初級エンジニアの役割を担い、熟練者は設計‧レビューに専念メリット：品質と保守性コンテキストエンジニアリングによる整合性検証：要求仕様‧コード‧テストの三位⼀体で品質を保証⾃動テスト⽣成（単体‧結合‧E2E）により、バグ検出率が95%以上に向上し、本番障害を激減仕様変更時、AIが影響範囲を瞬時に特定し、リグレッション（退⾏バグ）を防⽌ドキュメント⾃動⽣成：コードから設計書‧運⽤⼿順書を⾃動作成し、属⼈化を解消 Classmethod, Inc. All Rights Reserved. 61

6.4 仕様駆動開発ツール仕様書からアプリケーションを⾃動⽣成。AWS、Anthropicが開発を主導 Amazon Kiro AWS製仕様駆動開発プラットフォーム。物理タスク⾃動化を含む包括的な開発⽀援。ロボット‧倉庫システムとの統合 Classmethod Tsumiki ⾃然⾔語から完全なWebアプリを⽣成。AWSインフラと完全統合。デプロイまで⾃動化し開発期間を
70%短縮 GitHub Spec Kit 仕様駆動開発フレームワーク。要件定義からテスト仕様まで⼀貫⽣成。GitHub統合でチーム開発を加速 Classmethod, Inc. All Rights Reserved. 62

7.1 国内AI活⽤と政府⽀援 9割の企業がまだ本格導⼊していない。今が先⾏者利益を獲得する絶好の機会本格活⽤中はわずか14% ⽇本の製造業でAI本格導⼊済み企業は14%のみ。 86%が本格導⼊前の状況で、今こそ競合他社に先んじて優位性を確保する絶好のタイミング。早期導⼊により業界標準を築き、持続的競争優位を確⽴可能 86%の競合企業が導⼊前
市場の86%が本格導⼊前という状況は、先⾏者利益を獲得できる千載⼀遇のチャンス。先⾏導⼊企業は業務改善、コスト削減、品質向上を実現し、市場での差別化に成功フィジカルAI予算 280億円政府は2025年度にフィジカルAI開発‧導⼊⽀援に280億円の予算を計上。ヒューマノイドロボット開発、実証実験⽀援、導⼊補助により製造業のロボット活⽤を強⼒に後押し総⽀援額 430億円（2025年度）製造DX150億円、フィジカルAI280億円の合計 430億円に加え、IT導⼊補助⾦（最⼤450万円）、ものづくり補助⾦（最⼤1,250万円）など多様な⽀援制度が利⽤可能。初期投資を⼤幅に抑制しROI向上を実現 Classmethod, Inc. All Rights Reserved. 64

7.2 SWOT分析強みと機会を活かし、AIで弱みと脅威を克服する戦略強み（Strengths） ✓ ⾼品質なものづくり⽂化と技術⼒ ✓ 熟練技術者の豊富な現場知識 ✓ 顧客との⻑期的な信頼関係
✓ 品質管理‧改善活動のノウハウ弱み（Weaknesses） ✗ IT⼈材の慢性的な不⾜ ✗ 既存設備‧システムの⽼朽化 ✗ AI導⼊実績がまだ少ない ✗ デジタル化の遅れ機会（Opportunities） ✓ フィジカルAIの到来で⾃動化加速 ✓ 政府の強⼒なDX推進⽀援（430億円） ✓ 競合の86%がAI本格導⼊前 ✓ ⽣成AI技術の急速な実⽤化脅威（Threats） ✗ 2030年に200万⼈の労働⼒不⾜ ✗ グローバル競合のAI先⾏投資 ✗ 若年層の製造業離れ ✗ 技術格差の拡⼤リスク Classmethod, Inc. All Rights Reserved. 65

8.1 AI導⼊の失敗パターンと対策①② 失敗の80%は技術ではなく、組織‧データ‧期待値のミスマッチが原因失敗パターン ①データ品質の問題失敗企業の62%がデータ⽋損‧品質不良で精度未達。A社：⽋損率35%で導⼊失敗 ②過度な期待と現実のギャップ失敗企業の58%が完全⾃動化を期待し失望。B 社：AIに全判断を委ねて誤判断多発
対策と成功事例事前データ監査（150項⽬）データ品質スコア80点以上を導⼊条件に設定。 A社：クレンジングで3ヶ⽉後に精度92%達成業務⽀援ツールと位置づけ⼈間が最終判断、AIは⽀援。現実的KPI設定（精度85%以上）。B社：⼈間チェック併⽤で成功 Classmethod, Inc. All Rights Reserved. 67

8.2 AI導⼊の失敗パターンと対策③④ 現場の巻き込みと効果測定が成功の鍵失敗パターン ③現場の抵抗‧巻き込み不⾜失敗企業の45%がトップダウン導⼊で現場反発。C社：現場無視の導⼊で利⽤率5% ④ROI未達‧効果測定の失敗失敗企業の38%が効果を測定できず投資判断不能。D社：ベースライン未設定で成果不明
対策と成功事例現場参加型PoCで早期成功体験現場リーダー5名を初期参画。20名以上ヒアリング。C社：現場主導で再導⼊、利⽤率85%達成ベースライン測定を必須化作業時間‧エラー率‧コストを3ヶ⽉計測。⽉次モニタリング。D社：厳密KPI管理でROI達成を可視化 Classmethod, Inc. All Rights Reserved. 68

8.3 PoC⽌まりの原因と対策実験サイクルを⾼速化し、すぐに試せる環境を整備することで本番展開へ PoC⽌まりの原因遅い実験サイクル PoC検証に数週間〜数ヶ⽉。環境構築‧権限申請に時間がかかり、改善の試⾏錯誤が進まない複雑な環境セットアップ現場が試すにはIT部⾨承認‧技術的ハードルが⾼すぎる。気軽に実験できず、初期失敗で諦め
る⼩さな成功体験の不⾜⼤規模PoCを最初から⽬指し、失敗時のコストが⾼い。スモールウィンを積めない対策と成功への転換 1週間サイクルの⾼速実験環境‧データ‧権限を事前準備。週次で検証→ 改善→再実験を回し、3ヶ⽉で12回の改善を実現すぐに試せる環境整備クラウドサンドボックス環境で現場が申請なしで即座に実験開始。テンプレート化で初期セットアップを90%削減スモールスタートで成功を積む最⼩機能（1業務‧1機能）から開始。2週間で⼩さな成果を出し、信頼獲得。成功体験を積み重ねて本番展開へ Classmethod, Inc. All Rights Reserved. 69

8.4 クラスメソッド「やってみる⽂化」の実践 DevelopersIO Cafe：⾃社エンジニアが基盤から店舗まで⾃作した実験環境完全⾃作の無⼈店舗実験 2019年2⽉、秋葉原に完全キャッシュレス‧レジレス無⼈店舗をオープン。IoTセンサー、画像処理、AWS統合を⾃社開発。2018年6⽉から社内実験→⼀般公開へ。NHK‧⽇経MJ特集。現在閉店だが2024年10⽉に特許取得
センサー‧クラウド統合を⾃作商品棚に重量センサー‧IoTセンサーを⾃社で仕込み、顧客動線を追跡。⼩型エッジサーバー（⾃作）で集約、AWSクラウドで機械学習推定。在庫管理‧⾃動発注‧顧客セグメント分析を実現画像処理で精度向上カメラ画像から⾻格検出（肩〜⼿⾸）で商品関連性を特定。重量センサーと組み合わせて精度向上。サイネージ⾃動表⽰切替も⾃作。モジュール設計で横展開可能すぐ実験できる環境の効果申請なし‧即座に実験開始の⽂化。来店前オーダーアプリ、ウォークスルー決済を⾃社実装。昭和⼥⼦⼤学、オカムラとの連携で技術継続活⽤。待ち時間ゼロ‧ストレスフリー体験を実現 Classmethod, Inc. All Rights Reserved. 70

8.5 AIセキュリティ対策の全体像多層防御による機密情報保護とセキュアなAI活⽤企業向けAIプランの契約データ保持なし‧学習利⽤禁⽌を契約で明⽰。API経由のデータは学習に使⽤されない DLP（Data Loss Prevention）機密情報の⾃動検知‧ブロック。個⼈情報、技術仕様書、設計図⾯など機密データの⼊⼒を⾃動検知プライベートクラウド‧VPC環境
閉域網でのAI運⽤。パブリックインターネットを経由せずAIサービスを利⽤ Classmethod, Inc. All Rights Reserved. 71

8.6 AI倫理とコンプライアンス AI事業者ガイドラインへの準拠と責任あるAI活⽤ AI倫理ガイドラインの策定経産省ガイドライン準拠。『AI事業者ガイドライン（第1.1版）』に基づき、公平性‧透明性‧説明可能性‧安全性‧プライバシー保護の5原則を明⽂化 AI意思決定の透明性確保⼈間が最終判断。AIの推奨結果を盲⽬的に採⽤せず、必ず⼈間が検証‧承認するプロセスを確⽴バイアス‧差別の排除公平性の検証。学習データの偏りによる不公平な判断（性別‧年齢‧⼈種による差別）を排除。定期
的にバイアステストを実施 Classmethod, Inc. All Rights Reserved. 72

8.6 電⼒危機と国家戦略 AI⾰命の最⼤の制約。電⼒確保が国家競争⼒を左右電⼒需要の爆発的増加 2030年までにデータセンター電⼒消費は2-3倍に増加（945TWh、⽇本の年間消費量に匹敵）⽶国では2030年までにデータセンターが全電⼒需要の12%を占める⾒込み（2023年は4.4%） AI訓練1回で⼀般家庭120軒分の年間電⼒を消費。GPT-4訓練で推定50GWh使⽤
電気代⾼騰と地域への影響データセンター近隣地域で電気代が最⼤267% 上昇（5年間で）送電網への負荷増⼤により停電リスクが上昇。⽼朽化したインフラが限界に PJM（⽶国最⼤送電網）で容量市場価格が10倍以上に⾼騰（$28.92→$329.17/MW） Classmethod, Inc. All Rights Reserved. 73

8.6.1 電⼒確保の国家戦略化安定的な⼤量電⼒確保がAI覇権を左右する SMR（⼩型モジュール炉）の台頭データセンター専⽤原⼦炉。出⼒300MW以下、⼯場⽣産で24-36ヶ⽉で建設完了。2030年に⽶国初の商⽤SMRデータセンター稼働予定テック企業の原⼦⼒投資 100億ドル超の投資。Google、Microsoft、Amazonが原⼦⼒パートナーシップを締結。世界で22GW のSMRプロジェクトが開発中⽇本への⽰唆
電⼒確保が製造業DXの前提。AI‧ロボット導⼊には安定的な⼤量電⼒が必須。エネルギー戦略とAI戦略の統合が不可⽋ Classmethod, Inc. All Rights Reserved. 74

9.1 結論：製造業AI⾰命の転換点今すぐ⾏動を起こすべき3つの理由 ①危機と機会の同時到来 2035年までに製造業の労働⼒は330万⼈不⾜（30.1%減）する⼀⽅、⽣成AI市場は34倍成⻑し 4.8兆ドル規模に。フィジカルAI実⽤化で⾮定型業務の70%を⾃動化可能に。危機と解決策が同時に到来する歴史的転換点 ②先⾏者利益の獲得可能性
⽇本製造業の86%がAI本格導⼊前。先⾏導⼊企業は平均ROI達成期間13.2ヶ⽉で投資回収に成功。今こそ競合他社に先んじて優位性を確保し、業界標準を築く絶好のタイミング ③実証済みの成果と⽀援体制品質検査⾃動化で不良削減98.3%、予知保全で故障削減75%、開発⼯数40%削減など具体的成果が実証済み。政府も430億円の⽀援予算を計上し、初期投資を⼤幅に抑制可能 ④技術成熟とリスク低減 Claude Sonnet 4.5、GPT-5など最新LLMは世界最⾼のコーディング能⼒を実現。フィジカルAIは 2025年に量産段階に到達。技術が成熟し、導⼊リスクが⼤幅に低減。失敗パターンも明確化され対策も確⽴ Classmethod, Inc. All Rights Reserved. 76

9.2 推奨事項：成功への4つのアクションリスクを最⼩化し、確実に成果を出すための実践的ステップ ①スモールスタート＆段階的拡⼤ 3ヶ⽉以内にPoC開始。成功確率の⾼い業務から着⼿し早期成果を可視化。準備→PoC→パイロット→全社展開→定着の5段階で効果を検証。成功事例を横展開しノウハウを蓄積 ②経営層の強⼒なコミットメント AI推進責任者（CDO/CAIO）を任命し経営会議で
⽉次報告を義務化。全社⽅針を明確化し予算確保（年間売上の0.5-1%推奨）と⼈材配置を実⾏。「やってみる⽂化」を浸透させ経営戦略として位置づけ ③外部リソースの戦略的活⽤パートナー企業と協業でPoC設計、効果測定、⼈材育成を⽀援し導⼊期間を50%短縮。政府のAI導⼊⽀援制度を活⽤し初期投資を削減、ROI達成を 30%短縮 ④⼈材育成とマインドセット変⾰全社員向けAIリテラシー研修で「やってみる⽂化」を醸成。AIは単純作業から解放するツール。成功事例を社内共有。AI専任チーム（3-5名）を組成し各部⾨を⽀援。AI活⽤を組織⽂化に定着 Classmethod, Inc. All Rights Reserved. 77

付録A-1：政府‧公的機関⽇本政府および国際機関の公式データ経済産業省「ものづくり⽩書2025」（https://www.meti.go.jp/）経済産業省「2030年労働⼒需給推計」（https://www.meti.go.jp/policy/economy/jinzai/）経済産業省「AI事業者ガイドライン第1.1版」（https://www.meti.go.jp/policy/it_policy/ai-governance/）厚⽣労働省「労働⼒需給推計（2030-2035年）」（https://www.mhlw.go.jp/stf/houdou/） IPA「DX⽩書2025」（https://www.ipa.go.jp/publish/wp-dx/）中⼩企業庁「中⼩製造業実態調査2025」（https://www.chusho.meti.go.jp/）総務省「AI利活⽤ガイドライン」（https://www.soumu.go.jp/main_content/ai_guideline.html）

付録A-2：業界団体‧調査機関グローバル調査機関の最新レポート Gartner「Top Strategic Technology Trends for 2025」（https://www.gartner.com/） IDC「Worldwide AI
and Generative AI Spending Guide」（https://www.idc.com/） McKinsey「The State of AI in 2025」（https://www.mckinsey.com/capabilities/quantumblack/our-insights） Deloitte「State of AI in the Enterprise, 6th Edition」（https://www2.deloitte.com/us/en/insights/focus/cognitive-technologies/） MM総研「⽣成AI市場規模予測2024-2030」（https://www.m2ri.jp/） PwC「AI Predictions 2025」（https://www.pwc.com/gx/en/issues/data-and-analytics/artiﬁcial-intelligence.html） Boston Consulting Group「AI at Scale」（https://www.bcg.com/capabilities/artiﬁcial-intelligence） Classmethod, Inc. All Rights Reserved. 80

付録A-3-1：グローバルAI技術ベンダー北⽶‧欧州‧中国の主要AIプロバイダー OpenAI「GPT-5 Technical Report」（https://openai.com/research/） Anthropic「Claude Sonnet 4.5」（https://www.anthropic.com/claude） Google DeepMind「Gemini
2.5 Pro / Flash」（https://deepmind.google/technologies/gemini/） xAI「Grok 4」（https://x.ai/） Meta「Llama 4」（https://ai.meta.com/llama/） Amazon「Amazon Nova」（https://aws.amazon.com/ai/generative-ai/nova/） Baidu「ERNIE (⽂⼼⼀⾔)」（https://yiyan.baidu.com/） ByteDance「Doubao (⾖包)」（https://www.doubao.com/） Tencent「Hunyuan (混元)」（https://hunyuan.tencent.com/） DeepSeek「DeepSeek-V3」（https://www.deepseek.com/） Classmethod, Inc. All Rights Reserved. 81

付録A-3-2：AI研究機関‧オープンソースコミュニティアカデミア‧研究論⽂‧ベンチマーク Stanford University「AI Index Report 2025」（https://aiindex.stanford.edu/） MIT Technology Review「AI
and Robotics」（https://www.technologyreview.com/topic/artiﬁcial-intelligence/） arXiv.org「AI研究論⽂プレプリント」（https://arxiv.org/list/cs.AI/recent） Hugging Face「Open LLM Leaderboard」（https://huggingface.co/spaces/HuggingFaceH4/open_llm_leaderboard） Papers with Code「ML Research Trends」（https://paperswithcode.com/） MLCommons「AI Benchmarks」（https://mlcommons.org/） Allen Institute for AI「AI2 Research」（https://allenai.org/） Classmethod, Inc. All Rights Reserved. 82

付録A-4：フィジカルAI‧ロボティクスヒューマノイドロボット開発企業 Boston Dynamics「Atlas Goes to Work」（https://bostondynamics.com/video/atlas-goes-hands-on/） Tesla「We, Robot
Event (Optimus Gen 3)」（https://www.tesla.com/we-robot） Figure AI「Figure 03」（https://www.ﬁgure.ai/） Unitree Robotics「Unitree R1」（https://www.unitree.com/r1/） IFR「World Robotics Report 2025」（https://ifr.org/worldrobotics/） Sanctuary AI「Phoenix Gen 7」（https://sanctuary.ai/） Agility Robotics「Digit」（https://agilityrobotics.com/） Classmethod, Inc. All Rights Reserved. 83

付録A-5-1：AI統合開発環境コードエディタ‧IDE‧AI Pair Programming Cursor「AI-First Code Editor」（https://cursor.sh/） Windsurf「Cascade AI Development」（https://codeium.com/windsurf）
Cline「Autonomous Coding Agent」（https://github.com/cline/cline） Anthropic「Claude Code (CLI)」（https://github.com/anthropics/claude-code） GitHub Copilot「AI Pair Programmer」（https://github.com/features/copilot） GitHub「Copilot Workspace」（https://github.com/features/copilot/workspace） Amazon Q Developer「AWS統合開発⽀援」（https://aws.amazon.com/q/developer/） Classmethod, Inc. All Rights Reserved. 84

付録A-5-2：仕様駆動開発‧ノーコードツール Spec-Driven Development、Workﬂow Automation、LLMアプリ開発 GitHub「Spec Kit」（https://github.com/spec-kit） Amazon Kiro「仕様駆動開発プラットフォーム」（https://aws.amazon.com/kiro/） Classmethod「Tsumiki -
⾃然⾔語からWebアプリ⽣成」（https://github.com/classmethod/tsumiki） n8n「Workﬂow Automation」（https://n8n.io/） Dify「LLM App Development Platform」（https://dify.ai/） Google「Opal (AI Mini App)」（https://labs.google/opal） LangChain「Building Applications with LLMs」（https://www.langchain.com/） Classmethod, Inc. All Rights Reserved. 85

付録A-6：クラウド‧インフラ AWS‧Azure‧GCPおよびセキュリティ AWS「Amazon Bedrock / Amazon Kendra」（https://aws.amazon.com/bedrock/） Microsoft Azure「Azure AI
Services」（https://azure.microsoft.com/en-us/solutions/ai/） Google Cloud「Vertex AI」（https://cloud.google.com/vertex-ai）クラスメソッド「⽀援実績‧事例」（https://classmethod.jp/cases/） NIST「AI Risk Management Framework」（https://www.nist.gov/itl/ai-risk-management-framework） IPA「AI利⽤時のセキュリティ対策」（https://www.ipa.go.jp/security/ai/） Lakera Guard「Prompt Injection Defense」（https://www.lakera.ai/） Classmethod, Inc. All Rights Reserved. 86

付録A-7：エネルギー‧電⼒ AIデータセンター電⼒問題 IEA「Electricity 2025 - Data Centres and AI」（https://www.iea.org/reports/electricity-2025） Goldman
Sachs「AI and the Infrastructure Boom」（https://www.goldmansachs.com/intelligence/pages/ai-infrastructure.html） Bloomberg「Data Center Power Crisis」（https://www.bloomberg.com/） NuScale Power「Small Modular Reactor」（https://www.nuscalepower.com/） U.S. DOE「Advanced Reactor Technologies」（https://www.energy.gov/ne/advanced-reactor-technologies） PJM Interconnection「Capacity Market」（https://www.pjm.com/markets-and-operations/capacity.aspx） Classmethod, Inc. All Rights Reserved. 87

付録A-8：マルチモーダルAI 動画‧⾳楽‧画像⽣成AI OpenAI「Sora 2」（https://openai.com/sora） Google「Veo 3」（https://deepmind.google/technologies/veo/） Suno「V5 Music Generation」（https://suno.com/） Runway「Gen-3
Alpha」（https://runwayml.com/） Midjourney「V7」（https://www.midjourney.com/） Stable Diﬀusion「SDXL Turbo」（https://stability.ai/） Classmethod, Inc. All Rights Reserved. 88

付録B-1：製造業事例⾃動⾞‧⾷品メーカーでのクラウド‧AI活⽤ SUBARU（⾃動⾞）課題：⾞両ライフタイムデータの蓄積‧連携‧ 活⽤が未整備。開発‧製造‧販売‧アフターサービスの各部⾨でデータが分断され、統合分析ができない状態導⼊内容：AWS‧Informaticaによるデータ統合基盤構築。⾞両センサーデータ、販売情報、メンテナンス履歴を⼀元管理し、リアルタイム分
析を可能に。データレイク構築により数百万台規模の⾞両データを統合成果：全⾞両データの統合管理を実現し、予知保全の精度が40%向上。データドリブンな品質改善‧顧客サービス向上の基盤を確⽴し、開発サイクルを20%短縮森永乳業（⾷品）課題：AWSセキュリティ状況の可視化と改善施策の特定が困難。複数部⾨で独⽴したAWS環境が乱⽴し、セキュリティレベルの統⼀管理ができていない導⼊内容：AWSセキュリティ強化プログラムで 150項⽬の包括的診断を実施。IAM権限、ネットワーク構成、暗号化設定、ログ管理など全領域を評価し、優先改善箇所を明確化成果：セキュリティ状況を完全可視化し、リスクを定量評価。段階的改善計画により6ヶ⽉でセキュリティスコアが85%向上。FSSC 22000（⾷品安全）対応も完了 Classmethod, Inc. All Rights Reserved. 90

付録B-2：⾦融‧商社事例 AI内製化とデータ活⽤基盤の構築三菱UFJ銀⾏（⾦融）課題：市場部⾨向けAI/MLアプリを内製開発したいが、フロントエンド開発の知⾒が不⾜。外部委託では市場変化への対応が遅く、開発コストも年間数億円規模に導⼊内容：フロントエンドアプリ開発⼿法の実践的トレーニング。React‧TypeScript‧AWS連携の習得を3ヶ⽉集中プログラムで⽀援。実際の
プロジェクトでハンズオン指導を実施成果：内製でAI/MLアプリを開発可能になり、外部委託費を60%削減。機能追加のリードタイムが3ヶ⽉→2週間に短縮。市場分析の精度向上により取引判断が⾼速化三井物産（商社）課題：グローバル事業でのデータ活⽤による経営戦略の⾼度化が必要。各地域‧事業部⾨でデータが分断され、全社横断的な分析ができない。業務プロセスの最適化が急務導⼊内容：Alteryxによるデータ分析基盤構築。世界各拠点のデータを統合し、ノーコードでデータ加⼯‧分析を実現。200名以上の社員に Alteryx活⽤トレーニングを実施成果：データドリブン経営を全社展開。意思決定スピードが50%向上し、商談成約率が25%改善。業務効率化により年間5,000時間の⼯数削減を達成 Classmethod, Inc. All Rights Reserved. 91

付録B-3：⼩売‧外⾷事例 AWS移⾏とグローバル展開の基盤構築近鉄百貨店（⼩売）課題：100台超の⼤規模オンプレミスサーバーのクラウド移⾏。外部委託コストが年間数億円規模に⾼騰し、システム改修のリードタイムも⻑期化導⼊内容：AWSへの段階的サーバー移⾏を12ヶ⽉計画で⽀援。ECサイト、在庫管理、顧客管理、POSシステムなど基幹システムを順次移
⾏。同時に社内エンジニア20名への技術移転を実施し、内製開発体制を構築成果：外部委託費を年間70%削減（数億円規模）。システム改修のリードタイムが6ヶ⽉→2 週間に短縮。内製開発により、セール対応やキャンペーン施策を柔軟かつ迅速に実⾏可能に FOOD & LIFE COMPANIES（外⾷‧スシロー）課題：国内700店舗、海外200店舗へのグローバル事業展開に対応するクラウドインフラが未整備。各国法規制への対応、多通貨決済、多⾔語対応が必要導⼊内容：AWSマルチリージョン構成でグローバル基盤を構築。各国拠点のガバナンス、コンプライアンス、セキュリティを統⼀管理。予約システム、注⽂管理、在庫管理をグローバル統合成果：グローバル標準のクラウド基盤を確⽴し、海外新規出店のリードタイムが12ヶ⽉ →3ヶ⽉に短縮。運⽤コストを40%削減。各国店舗のデータをリアルタイム統合し、グローバル経営判断を実現 Classmethod, Inc. All Rights Reserved. 92

付録B-4：製薬‧エネルギー事例 AWS環境統合と⽣成AI活⽤塩野義製薬（製薬）課題：研究開発、製造、販売の各部⾨でAWS環境が分散し、セキュリティポリシーが統⼀されていない。新薬開発データ、臨床試験データ、製造データの統合管理が必要導⼊内容：AWS Organizationsで全社環境を統合。研究開発部⾨のHPC（High
Performance Computing）環境、製造部⾨のIoT基盤、販売部⾨のCRMシステムを統⼀ガバナンスで管理。 GxP（医薬品品質管理基準）対応のクラウド基盤を構築成果：全社50以上のAWSアカウントを統合管理し、セキュリティスコアが90%向上。クラウドコストを35%削減（年間数億円）。新薬開発のシミュレーション処理時間が60%短縮東京電⼒エナジーパートナー（エネルギー）課題：電気‧ガスの料⾦プラン、契約⼿続き、エネルギー使⽤に関する膨⼤なナレッジベース（10万件以上の⽂書）の効率的活⽤が困難。コールセンターへの問い合わせ対応に1件平均 15分導⼊内容：Claude Sonnet 4.5とRAG （Retrieval-Augmented Generation）で対話型ナレッジベースを構築。電⼒業界特有の専⾨⽤語、法規制、料⾦体系を学習。オペレーター向けAI⽀援ツールとして展開成果：問い合わせ対応時間を15分→4分（73% 削減）。⽉間30万件の問い合わせ処理効率が向上し、顧客満⾜度スコアが15ポイント改善。オペレーター教育期間も3ヶ⽉→2週間に短縮 Classmethod, Inc. All Rights Reserved. 93

付録B-5：サービス‧⽂具事例データ活⽤とAI⼈材育成藤⽥観光（ホスピタリティ）課題：ホテル‧レストラン‧レジャー施設の予約データ、宿泊実績、顧客フィードバックなどを⼿作業で集計‧分析。Excel処理で年間2,400 時間以上を浪費し、データ活⽤の遅れが経営課題に導⼊内容：AWSワークショップで予約システム、PMS（Property
Management System）、レビューサイトからのデータ⾃動収集‧統合パイプラインを構築。Lambda、S3、Athenaでデータレイク基盤を整備し、⼿作業を完全⾃動化成果：年間約2,400時間の⼯数削減を達成し、⼈件費を約1,200万円削減。従業員を付加価値業務（顧客対応、サービス改善）にシフト。データコクヨ（⽂具‧オフィス）課題：社員6,000名の全社デジタル⼈材育成が経営課題。⽂具‧オフィス家具業界の競争激化に対し、⽣成AI活⽤で業務⾰新を推進したい。AI 活⽤環境の整備と教育体制の構築が必要導⼊内容：「KOKUYO DIGITAL ACADEMY」として全社⽣成AI環境を構築。Claude、ChatGPT、 Midjourney等を全社員が利⽤可能に。3ヶ⽉間の段階的教育プログラム（基礎研修→実践ワークショップ→アプリ開発⽀援）を実施成果：全社員から3,000件のAIアイデアを収集。社員⾃⾝が16個の業務アプリ（⽂書作成⽀援、商品説明⽣成、デザイン提案、在庫最適化等）を開発。AI活⽤により業務効率が平均30%向上し、新商品開発期間が40%短縮 Classmethod, Inc. All Rights Reserved. 94

付録B-6：製造業事例② 繊維‧精密機械メーカーのガバナンス強化 YKK（繊維‧ファスナー）課題：グローバル展開する製造拠点‧販売拠点でAWS利⽤が拡⼤する中、統⼀的なガイドラインが未整備。各拠点で独⾃にAWS環境を構築し、セキュリティリスクとコスト⾮効率が顕在化導⼊内容：AWS利⽤ガイドラインの策定とグローバル展開⽀援。世界70ヶ国以上の拠点に適
⽤可能な統⼀ガバナンスフレームワークを構築。AWS Organizationsでマルチアカウント管理を実装成果：全社AWS環境の統⼀ガバナンスを実現し、セキュリティリスクを⼤幅低減。クラウドコストの可視化により15%削減。グローバル拠点間のシステム連携が円滑化し、新拠点⽴ち上村⽥機械（精密機械）課題：物流システム、⼯作機械制御システム、クリーンルーム管理システムなど多様なクラウド環境が部⾨ごとに分散。セキュリティ基準の統⼀とコンプライアンス対応が急務導⼊内容：AWS Organizationsを活⽤した全社統⼀ガバナンス基盤を構築。製造、研究開発、営業の各部⾨に対し、統⼀セキュリティポリシーを適⽤。ISO 27001、ISMS認証対応のクラウド環境を整備成果：全社50以上のAWSアカウントを統⼀管理し、セキュリティ監査⼯数を70%削減。コンプライアンス違反リスクをゼロ化。クラウド環境の標準化により、新規システム⽴ち上げ期間が 3ヶ⽉→2週間に短縮 Classmethod, Inc. All Rights Reserved. 95

付録B-7：エネルギー‧電機事例地域産業DXとIoT製品開発中国電⼒（エネルギー）課題：広島県の基幹産業である牡蠣養殖業のDX 推進を⽀援したいが、厳格なセキュリティ要件（電⼒会社基準）をクリアしたクラウド基盤の構築に時間とコストがかかる導⼊内容：AWS上に電⼒会社セキュリティ基準を満たすIoTプラットフォームを2.5ヶ⽉で構築。牡蠣養殖の⽔温‧塩分‧溶存酸素をリアル
タイム監視し、AIで⽣育予測を実現。漁業者向けスマホアプリも開発成果：厳格なセキュリティ要件を満たしながら、通常12ヶ⽉かかる開発を2.5ヶ⽉で完了。地域産業のDXモデルケースとして、牡蠣⽣産量が 15%向上、品質のバラつきが50%低減。他の地域産業（農業、漁業）への展開も開始⽇東⼯業（電機‧制御盤）課題：電気設備‧制御盤の熱環境監視IoT製品「CABIoT」を新規開発したいが、IoTハードウェア、クラウド基盤、スマホアプリの統合開発の経験不⾜。短期間での製品化が必要導⼊内容：アジャイル開発⼿法でIoTサービス全体を設計‧構築。AWS IoT Core、Lambda、 DynamoDB、S3でバックエンドを構築。センサーデータのリアルタイム収集‧分析‧可視化を実現成果：12ヶ⽉で新製品「CABIoT」を市場投⼊し、電⼒×情報通信インフラの統合という新市場を開拓。導⼊企業300社以上、累計5,000台超を販売。制御盤の異常温度を事前検知し、⽕災 ‧故障を未然防⽌。保守コスト30%削減を実現 Classmethod, Inc. All Rights Reserved. 96

付録B-8：建設‧メディア事例セキュリティ強化とシステム刷新清⽔建設（建設）課題：建設プロジェクト管理‧図⾯共有‧施⼯管理のデジタルプラットフォームへのサイバー攻撃リスクが増⼤。SQLインジェクション、 DDoS攻撃、不正アクセスへの対策強化が急務導⼊内容：AWS WAF（Web Application
Firewall）を導⼊し、多層防御セキュリティ基盤を構築。AWS Shield AdvancedでDDoS対策、 AWS Security Hubで統合セキュリティ監視を実現。継続的な脆弱性診断体制を整備成果：サイバー攻撃を99.9%ブロックし、プラットフォームの可⽤性が向上。セキュリティインシデントゼロを達成し、建設業界のDXモデルケースに。⼤規模プロジェクト（再開発、インフラ建設）での安全なデータ共有を実現河北新報社（メディア）課題：ニュース配信システムがCentOS 7（2024 年サポート終了）で稼働。早急なシステム刷新が必要だが、社内にクラウドネイティブ開発の知⾒が不⾜導⼊内容：実践的なモブプログラミング（複数⼈で共同開発）研修により、社内エンジニアのスキルアップを⽀援。AWS上にコンテナベース（ECS/Fargate）のクラウドネイティブ基盤を構築成果：CentOS 7からの移⾏を完了し、システムの安定性‧保守性が⼤幅向上。内製開発⼒が強化され、ニュース配信の機能追加スピードが3倍に。災害時の情報発信の信頼性も向上し、地域メディアとしての役割を強化 Classmethod, Inc. All Rights Reserved. 97

付録B-9：旅⾏‧サービス事例コンプライアンス対応と事業継続性エアプラス（旅⾏‧Fintech）課題：法⼈向け出張管理‧決済サービスでクレジットカード情報を扱うため、PCI DSS v4.0 （国際カードセキュリティ基準）への準拠が必須。複雑な要件への対応が課題導⼊内容：AWS環境をPCI
DSS v4.0準拠に最適化。暗号化、アクセス制御、ログ管理、脆弱性診断など350項⽬以上を実装。継続的なコンプライアンス監視体制を構築成果：PCI DSS v4.0認証を取得し、クレジットカード決済の信頼性を確保。グローバル企業への営業が強化され、契約企業数が40%増加。コンプライアンス管理の⼯数を60%削減し、運⽤効率も向上宝印刷（印刷‧情報サービス）課題：IR（投資家向け広報）‧決算開⽰サービスの基幹システムがオンプレミスで稼働。災害時の事業継続性（BCP）確保とシステム運⽤コストの削減が課題導⼊内容：オンプレミスからAWSへの全⾯移⾏を実施。Multi-AZ構成で⾼可⽤性を確保し、災害時でもサービス継続可能な基盤を構築。⾃動バックアップとディザスタリカバリ体制を整備成果：システム構築コストを50%削減、運⽤コストを40%削減。RTO（⽬標復旧時間）を24時間→2時間に短縮し、BCP対応を⼤幅強化。決算シーズンのトラフィック急増にも柔軟に対応可能に Classmethod, Inc. All Rights Reserved. 98

付録B-10：物流‧IT事例⽇本郵政グループの共通基盤構築企業概要：⽇本郵政インフォメーションテクノロジー（JP-IT）は、⽇本郵政グループ（郵便局24,000 局、従業員40万⼈）のITインフラを統括課題：郵便、貯⾦、保険、物流の各事業で分散していたITシステムを統合し、グループ共通のクラウド基盤を構築する必要。⼤規模システム移⾏の経験不⾜とスキルギャップが課題導⼊内容：実践的ロールプレイング研修でAWS構築スキルを習得。Well-Architectedフレームワークに基づき、セキュリティ‧信頼性‧パフォーマンス‧コスト最適化を実現した共通基盤を設計‧構築成果（技術⾯）：⽇本郵政グループ全体のAWS共通基盤を構築し、各事業会社のシステム統合を推進。内製開発⼒が強化され、外部委託費を年間数⼗億円削減
成果（事業⾯）：郵便追跡システム、荷物配送最適化、窓⼝業務⽀援など、グループ横断のデジタルサービスを迅速に展開。物流DXにより配送効率が15%向上、顧客満⾜度も改善社会的意義：全国24,000局の郵便局ネットワークをデジタル化し、地⽅‧過疎地域でも⾼品質なサービスを提供。地域インフラとしての郵便局の役割を強化し、社会的包摂を実現 Classmethod, Inc. All Rights Reserved. 99

ファクトリークリエイティブキャンプ 製造業におけるクラウド・生成AI・IoT活用の現在地と未来展望

ファクトリークリエイティブキャンプ 製造業におけるクラウド・生成AI・IoT活用の現在地と未来展望

More Decks by Satoshi7

Other Decks in Business

Featured

Transcript

ファクトリークリエイティブキャンプ製造業におけるクラウド・生成AI・IoT活用の現在地と未来展望

ファクトリークリエイティブキャンプ製造業におけるクラウド・生成AI・IoT活用の現在地と未来展望