Upgrade to Pro — share decks privately, control downloads, hide ads and more …

そのAI、現場で本当に使われますか? -PoC ・ AI ハッカソンの先に進めた実践例-

そのAI、現場で本当に使われますか? -PoC ・ AI ハッカソンの先に進めた実践例-

Nagai Takafumi

September 07, 2026

Transcript

21 slides
  1. Who are you? コネクティッドイノベーション事業部 2026 Japan All AWS Certifications Engineers

    2026 Japan AWS Jr. Champions ◼ 長井 崇文 Nagai Takafumi ▪ 出身 :兵庫県 ▪ 好きなAWSサービス :Amazon Bedrock 1
  2. What is CEC? 株式会社シーイーシー Computer Engineering & Consulting Ltd. 売上高

    658億円 設立年月日 従業員数 事業内容 代表取締役社長 姫野 貴 ⚫ インテグレーションセグメント 2,550名 事務所 各種許認可 本社 東京(恵比寿) 連結子会社 拠点 ⚫ 経済産業省システム監査企業台帳登録企業 システム・インフラ構築、 マイグレーションサービス ⚫ 経済産業省情報セキュリティサービス台帳登録企業 ⚫ コネクティッドセグメント ⚫ プライバシーマーク認定事業者 11820032(14) データマネタイゼーション クラウドサービス開発 制御開発・品質検証 65億8千6百万円 資本金 ( 2026年4月1日現在) (2026年1月期) 代表者 1968年2月24日 8 社 東京(品川) 神奈川(座間・川崎) 愛知(名古屋・豊田) 大阪・福岡・富山・宮崎 ⚫ 品質マネジメントシステム ISO9001:2015(登録証番号JQA-1481) ⚫ 情報セキュリティマネジメントシステム ISO/IEC 27001(登録証番号JQA-IM0007) ⚫ ITサービスマネジメントシステム ISO/IEC 20000(登録証番号JQA-IT0005) ⚫ ソリューションセグメント データセンター セキュリティ 2
  3. Agenda 1 現状把握 なぜ止まるか 2 3 4 AI Ready MVP開発

    MCP 【考え方】 【手段】 【技術】 基盤を整える 機能を絞って作る 安全にAIを使う + 事例・進め方・まとめ 4
  4. 今日の結論 AIエージェント本番化に必要な3つの軸 【考え方】 【手段】 AI Ready MVP開発 基盤を整える 機能を絞って作る 【技術】

    MCP 権限を与えすぎない AIにはMCP経由で操作 この3つの観点で設計すれば、PoCから本番適用に進める。 6
  5. 【考え方】 AI Ready とは AIを本番で安定的に動かすために、 技術・組織・運用の土台を段階的に整えていく取り組み データ 技術 統制 運用

    組織 正確で使いやすい 既存システムとの ルール化と 止めずに回す 定着させる データの整備 安全な接続 リスク管理 品質維持 人材と体制 7
  6. 【考え方】 AI Ready とは AIを本番で安定的に動かすために、 技術・組織・運用の土台を段階的に整えていく取り組み AIが理解しやすいように「準備が整った状態」 データ 技術 統制

    運用 組織 正確で使いやすい 単にAIツールを導入するだけでなく、 既存システムとの ルール化と 止めずに回す 定着させる データの整備 安全な接続 リスク管理 品質維持 データ、人材、ガバナンス(ルール) 人材と体制 の3つの土台が揃っていること 8
  7. 【考え方】 AI Ready:自社の現在地を確認する 5つの問いに「Yes」と言えますか? データ 技術 統制 運用 組織 ────────

    ──────── ──────── ──────── ──────── AIが理解しやすい 保存形式か 既存システムとの 連携は適切か ルールは 現場に浸透するか 継続的に運用する 仕組み・技術は 揃っているか セキュリティは担保 できているか 現場を考慮できた 設計になっているか 適切に評価し、 改善を継続する 人材と体制が 整っているか 「No」が多い = 今すぐ本番適用より、土台設計から始めるフェーズ。
  8. 【手段】 MVP開発 とは Minimum Viable Productの略で、 機能を最小限に絞り、フィードバックを得て、短いサイクルで継続的に改善する開発アプローチ 【例】 全社でいきなり導入でも1部署で試す →

    成功したら横展開 従来の開発 MVP開発 最初から機能を盛り込む 機能を1つに絞って作る リリースまでFBなし ニーズとずれるリスク大 VS 現場のFBを即反映 ニーズとのギャップが小さい LINEも最初はチャットと電話だけだった。機能を絞るからこそ、速くFBが得られる。 10
  9. 【技術】 MCP とは Model Context Protocol の略で、 AIが使えるツールを事前に定義し、そのツール経由でのみ情報取得や操作を許可する仕組み 全権限型 ツール経由型(MCP)

    AIがDBやAPIに直接アクセス 定義されたツールのみ使用可能 → 想定外の操作・漏洩リスク → 範囲限定+ログが残る 部門横断やオンプレ連携でAIに与える権限が広がるとき、この設計が必要になる。 ※ すべての場面で必要というわけではない。 12
  10. 【技術】 MCP の設計例 ツール定義の例:AIに許可する操作を明示的に制限する 検索ツール 対象文書を検索し、 該当箇所を返す。 書き込み・削除は不可。 登録ツール データ登録を提案し、

    人間が承認する 通知ツール 送信先制限 事前定義された宛先に のみ送信可能。 3軸を整理したところで、実際の事例を見てみましょう。 13
  11. 事例:コンタクトセンターRAG 【課題】 ・ 既存RAGシステムの精度が低く、特にOffice文書が扱えない ・ システムを外注しており、社内に開発の知見が少ない 【やったこと】 【MVP開発】 Figmaでモックを作成からスタート 【AI

    Ready】 Office前処理 【内製化支援】 顧客エンジニアと一緒にAI駆動開発 【成果】 ・ 内製化完了予定(未経験から1年半) 【苦労しているポイント】 AI駆動開発 → 内製化支援に時間がかかった 14
  12. 事例:設備保全AIエージェント 【課題】 ・ 熟練担当者の一斉退職時期が控えており、ノウハウが属人化している ・ 拠点や工程ごとにデータ仕様が異なり、手書きのものも多くある 【やったこと】 【AI Ready】 データフォーマットの構築

    【MVP開発】 AIによる判断根拠表示 【成果】 ・ MTTR(復旧時間)の短縮 ・ 複数拠点を見据えた、製造業の現場データ活用基盤 【苦労しているポイント】 AI Readyを進める上で、現場 vs AI (現場目線が重要。でも、AIの精度面では。。) 15
  13. PoCから本番化への進め方 1 2 3 4 5 業務選定 AI Ready MVP

    本番設計 展開 1つ決める データ整理 最小機能で作る MCP利用検討 成功を横展開 ※ Step3は1回で終わりではない。MVP → FB → 改善を繰り返す(1周 = 2-4週間) 難所:「全部やりたい」で絞れない / ニーズが曖昧 / セキュリティ審査が通らない 16
  14. 今日の結論 【再掲】 AIエージェント本番化に必要な3つの軸 【考え方】 【手段】 AI Ready MVP開発 基盤を整える 機能を絞って作る

    【技術】 MCP 権限を与えすぎない AIにはMCP経由で操作 この3つの観点で設計すれば、PoCから本番適用に進める。 17
  15. AWS取り組み ハイライト 2014年:APN(AWS Partner Network)パートナー認定 2020年:「公共部門パートナープログラム」取得 2021年:Advanced Tier サービスパートナー昇格 2022年:AWSソリューションプロバイダー(SPP)認定

    2023年:「内製化支援推進AWSパートナー」取得 2024年:「AWS Well-Architectedパートナープログラム」取得 「AI Practitioner of the Year」国内初受賞 AWS認定資格者数 資格者数 1500+ AI Practitioner 認定資格者数 400+ 案件数 導入実績 500+ 19

More Decks by Nagai Takafumi

Other Decks in Technology