製造業の生成AI活用事例として、上海電気が設計・製造・保全の3領域に51の産業AIモデル・エージェントを展開したという人民日報の記事を読んだ。数字が並ぶ記事だが、中身を分解すると、成果の数字の多くはLLMではなく、時系列予測・数理最適化・画像検出といった従来型のモデルが出していることがわかる。ここでは、受託開発とAIエージェント事業をやっている立場から、この事例を「自社で作るとしたら何が要るか」に読み替える。
要点 (出典の事実のみ)
- 上海電気はスマート工場を19カ所整備し、うち3カ所が2025年度の「卓越級智能工場」に選ばれた。研究開発設計・生産製造・運用保守の3領域で、「星雲智造」シリーズのAIモデル・エージェントを51件展開している。
- 設計では、「非構造化図面解析エージェント」が機械加工でよく使う30余種の製図記号を識別・抽出し、図面1セットの構造化にかかる時間を30分から1分に短縮した。翼 (ブレード) の工程設計エージェントは工程知識グラフと大規模言語モデルを組み合わせ、研究開発期間を月単位から週単位に縮めたとしている。
- 製造では、生産計画・スケジューリング向けのエージェントが大規模言語モデルと時系列予測・数理最適化 (運筹最適化) の小モデルを連携させ、工程内の流動期間を12%短縮、受注の納期遵守率100%を達成したとしている。溶接欠陥検出モデルは小目標・少サンプル検出のアルゴリズムで、欠陥検出率98%以上とされる。
- 保全では、風力発電の主要部品向け運用保守エージェントで運用保守コストを約10%削減し、故障停止時間と計画外停止回数をいずれも20%減らしたとしている。
- 記事中の数値の出所は上海電気 (企業提供値) と明記されている。
51モデルのうち、成果を出しているのはどこか
記事を読んで最初に引っかかったのは、生産計画エージェントの説明だった。「大規模言語モデルと、時系列予測・運筹最適化などの小モデルの協調連携を通した」とある。流動期間12%短縮という数字を出しているのは、需要や工程時間を予測し、制約条件のもとで並べ替える予測・最適化のエンジン側であって、LLMは人と計画システムをつなぐ入口の役割だと読むのが自然だ。溶接欠陥の検出率98%も、少サンプル学習の画像検出モデルの成果であり、生成AIの成果ではない。
LLMが本当に中心にいるのは、図面の構造化と工程知識の扱いである。図面解析が30分から1分になったのは、対象が「機械加工でよく使う30余種の記号」という閉じた語彙だからだと私は見ている。読み取る対象と正解の形が先に決まっているので、評価ができ、業務に載せられる。図面全体を読ませて何でも答えさせる使い方とは別物だ。図面AIがどこまで業務に使えるかは、図面AI・OCRの適用範囲を整理したページでも同じ線引きをしている。
つまりこの事例は「生成AIで製造業が変わった」話ではなく、LLMを入口と構造化に使い、判断の中身は予測・最適化・検出モデルに任せるという役割分担の話である。MonotaROの購買エージェントが全部をLLMにしなかった設計と同じ構造が、工場の中でも成り立っている。
自社で同じものを作るとしたら、どこが難所か
作る側から見ると、難しいのはLLMの部分ではない。
- 計画・最適化の制約データ。 生産スケジューリングを最適化するには、設備ごとの能力、段取り時間、工程の前後関係、納期の優先度が、機械が読める形で揃っている必要がある。多くの現場では、これが計画担当者の頭とExcelの中にしかない。ここを起こす作業が、案件の工数の大半になる。
- 図面の「正解データ」。 記号を30余種に絞っても、抽出結果が正しいかを判定する検証用データが要る。ここを作らずにモデルを回すと、精度を議論できないまま現場に出すことになる。
- 出力をどこに差し込むか。 流動期間や納期遵守率が改善したということは、最適化の結果が実際の計画に反映され、実績が記録されているということだ。AIの出力が基幹側の計画データに戻る経路が無ければ、数字は出ない。この順番は永洋特鋼の事例から整理した製造業AIの土台の順番と同じ話になる。
外観検査も同様で、検出率98%は入口にすぎない。判定より「排除」まで設計できるかで成否が分かれるという論点は、この事例でも変わらない。
開発会社・SIerにとっての含意
同業として実務的に効くのは、製造業のAI案件で受注を分けるのは、プロンプトの腕ではなく、最適化・統計・画像処理の技術者と、基幹データにつなぐ力だという点だ。LLMアプリだけを作れる体制では、この事例の成果が出ている部分 (計画・検査・保全の数字) に手が届かない。
体制の面では、数理最適化や時系列予測ができる人材を「LLM以前の技術」として案件から外さないことが大事だと私は考えている。LLMは、それらのモデルを現場の人が使える形にする入口として足す。見積もりも、LLM部分よりデータ整備と最適化モデルの構築・検証を厚く積むのが実態に合う。工程管理のどこから手を付けるかは、工程管理システムの考え方をまとめたページも参考になる。
数字の読み方について
51モデル、図面構造化30分→1分、流動期間12%短縮、納期遵守率100%、保全費約10%減は、いずれも記事が上海電気の提供値として載せているものだ。対象期間、比較の基準、母数は記事からは確認できない。特に納期遵守率100%は、どの期間・どの受注範囲での値かがわからなければ評価できない。
モデルの数は成果ではない。51という数字より、どの業務のどの判断に、どの種類のモデルを当てたかという対応表として読むほうが、自社の企画には役に立つ。成功事例の数字をそのまま目標にせず条件付きで読む姿勢は、河北省の成功例と失敗例を並べた記事や、予測精度70%のAIを本番業務に載せた厦門の事例でも書いた。
なお、記事の後半にある人型ロボット (具身智能) や中国の産業政策の文脈は、私の実務からは評価できないため、ここでは扱わない。
