AI Agent Column 6 2025.2.28 AI Agent導入の進め方 前回のコラムでは、AI Agent導入の一つの事例を紹介しました。では、これからAI Agentを導入しようと考えたとき、どこから始めるべきでしょうか？ 本稿では、AI Agent導入する際に必要となる４つのステップを紹介し、どのように進めるべきかを整理します。 ―――― AI Agent 導入前の4ステップ AI Agentは従来のAIに加えて新たな難しさがあります。そのため、まずはAI Agentを「理解」することから始めることが重要です。その上で、適用する業務を「選定」し、運用を含めた to-beを「設計」し、そのto-beに向けたステップを「計画」します。 (1) 理解 (Understand) : AI Agentの特性を知り、できること・できないことの感覚を養う (2) 選定 (Prioritize) : AI Agentの強みを活かせる業務を見極める (3) 設計 (Design) : AI Agentの業務への組み込み方のto-beを設計する (4) 計画 (Plan) : 設計で描いたto-beの実現に向けた具体的なステップを計画する (1) 理解 (Understand) これまですでに AIの導入を経験している方の中には、「AI AgentもAIの一種だ」と考える方もいらっしゃるかもしれません。しかし、AI Agentは従来のAIより格段に便利になった部分もあり、だからこそ新たな難しさも見えてきています。まずは十分な理解が必要です。 AI Agentは、技術そのものが複合的 で、従来のAIよりも構造がはるかに複雑です。 従来のAIは多くの場合、「教師あり学習」を用いた回帰や分類の問題として定式化し、データを集め、学習・評価し、適用する、という流れで進めることができました。しかし、AI Agentは 生成AI・タスク分解・自律実行・外部ツール連携 など、複数の技術が組み合わさるため、単体のモデルとして扱うことができません。 また、AI Agentのメリットの「自律性」を享受するために、多くの場合LLMの能力を活用することになります。LLMは自然言語を扱い、確率的に動作し、状況に応じて動的に判断するため、従来のシステムのように明確なルールを定めて設計することが難しくなります。事前にすべての挙動を想定できるわけではなく、「どう運用すれば意図通りに動かせるのか？」を深く理解しないまま導入を進めると、想定通りに進まず、行き詰ることになります。 このようにAI Agentを導入する際には、まず 「何ができるのか」「何ができないのか」「どう動くのか」 について感覚を養うことが重要です。 (2) 選定 (Prioritize) AI Agentは万能ではなく、得意不得意があります。適用する業務によって効果が大きく異なるため、業務との相性を見極めることが重要です。 従来のAIは、「十分なデータが揃っていて、明確な判断基準がある業務」なら適用しやすい傾向がありました。しかし、AI Agent は技術自体も複合的であり、タスク分解や実行まで担うため、ある業務に適用したときに、うまくいくかどうかを見極めるのがより難しいと言えます。 適用業務を選定する際には、次の3つの軸 で評価するのが有効です。 ビジネスインパクト : 導入による業務改善の効果が大きく、企業戦略とも合致するか 技術的な実現可能性 : 必要なデータやシステム環境が整い、実装が可能か 業務適用の実現可能性 : 法的・倫理的な問題なく、利用者・関係者にも受容されるか これらの視点を押さえ、実現可能性が高く、導入の効果が見込める業務から適用することが重要です。 (3) 設計 (Design) AI Agentは現時点ではまだ、箱から出してそのまま業務に適用できるようなパッケージ製品にはなっていません。実業務に組み込むには、次のような課題に対処する必要があります。 不確実な挙動 AIには確率的 (stochastic) な性質がつきものです。従来のAIでは、人が「判断」を担うのが定石でしたが、AI Agentの場合は「判断」も自律的に行うことが期待されています。確率的機構、決定論的 (deterministic) 機構、人の介入のバランスを設計する必要があります。 知識の不足 LLMは膨大な公開情報から学習することで、豊富な知識を獲得しました。しかし、多くの業務は現場の暗黙知に依存しており、LLMもそのままでは上手く対処することができません。これは短期的に解決できるものではなく、長期的な知識獲得の設計が不可欠です。 要件・環境の変化 業務要件やデータ、外部環境は常に変化し続けます。導入時に最適な設計をするだけでは、そのパフォーマンスを持続することはできません。業務で継続的に利用するには、変化に適応できる仕組みをあらかじめ組み込む必要があります。 これらの課題は、システム設計だけで解決できるものではありません。システムと運用の両面を統合的に設計するアプローチが求められます。 (4) 計画 (Plan) AI Agentの適用業務を決めto-beのシステム・運用の形が描けたら、そのto-beの実現に向けたステップを計画する必要があります。従来のITやAIの導入と共通の部分もありますが、AI Agentならではの注意点もあります。 不完全であることを前提に計画する AI Agentの動作には確率的な要素が含まれるため、導入前にすべてのケースを想定することは不可能です。最初から「完璧な状態」を目指すのではなく、スモールスタートし、フィードバックを活用しながら適応させていくことが重要です。 リスクの取り方を計画する 不完全なAI Agentにすべてを任せるのは難しいため、最初は範囲を限定し、段階的に広げるのが現実的です。 ただし、一度「人が判断」する仮運用を始めると、後から変えにくくなります。リスクとリターンを総合的に評価し、本運用への移行基準を事前に定めることが重要です。 問題発生時の対応を計画する AI Agentは確率的で複合的な技術のため、問題発生時の原因特定や対処が非常に困難です。未知の問題が起こる前提で、柔軟に対応できる環境を整える必要があります。また、問題発生はAI Agentにとって貴重な学習の機会でもあります。問題の解決だけでなく、継続的改善につなげられることが重要です。 ―――― まずは全体を4ステップに整理してみました。次回は、(1) の「理解」についてもう少し詳しく見ていきたいと思います。 お楽しみに！ 前の記事へ AIエージェントページへ 次の記事へ

シミュレーションを行うには、知識や膨大な試行回数が必要になり、結果が出るまで数カ月を要します。シミュレーション✕AIで解析を高速化し、水災リスク低減の一助となります。 浸水AI Flood Risk Assessment AI AI技術×シミュレーションで 圧倒的に速い解析時間を実現 お問い合わせはこちら こんなお悩みありませんか？ シミュレーションを扱える人が 属人化している 専門知識やシミュレーションの取り扱い、結果の解釈など様々な知識が必要で、シミュレーションを実施できる人材が属人化していませんか？ シミュレーションの 計算コストが高い シミュレーションを実施する際には多くのパラメーターを入力することがあります。そのため、計算コストをかけておりませんか？ 大量のデータ シミュレーションが必要 シミュレーション結果を得るために大量のデータ、大量の試行回数が必要になっており、結果出力まで膨大な時間を要していませんか？ これらの課題は浸水AIで解決できます 浸水AIの特長 パラメーター推定にAIを 活用することで属人化の排除 計測された実測値を元にパラメーター推定をAIで実施するため、属人化を解消することが可能です。 AI×シミュレーションで 計算コストの大幅削減 計測されたデータがあれば、あとはAI技術とシミュレーションにお任せすることで、結果の取得が可能となります。 少ないデータ、 試行回数で解析を実現 指定されたエリアのいくつかの計測されて少ないデータを入力することが可能となり、データの準備の省力化に寄与できます。 浸水被害予測・推定。その他、ガス拡散元同定 / 炭素排出量の見える化など数少ないデータでもさまざまなインフラのシミュレーションに活用できます。 少ないインプットデータ/ パラメータ で結果を得ることが可能 従来とは異なる高度数学を用いた手法を採用しているため、解析時間の高速化を実現 インプットデータがあれば、発生前に予測を行うことが可能 ※画像はイメージです 河川氾濫前の浸水高予測 河川氾濫の発生前に、気象データなどから〇時間後に河川氾濫が起こる可能性を予測し、防災・減災にお役立ていただいております。 INPUT ・気象データ ・観測データ ・地形データ 水害前 浸水高予測 AIシステム OUTPUT 指定された地域の ・浸水高情報 ・浸水エリア情報 河川氾濫後の浸水被害推定 河川氾濫発生後の水害状況を把握し、保険金支払いの迅速化などにお役立ていただけます。シミュレーションイメージはこちら （熊本県人吉市球磨川の氾濫活用事例） INPUT ・実測された浸水高情報地形データ 水害後 浸水高予測AIシステム OUTPUT 指定された地域の ・浸水高情報 ・浸水エリア情報 ※画像はイメージです ※画像はイメージです 炭素排出量の見える化 計算コストが高かったシミュレーション負荷を高度数学を用いて軽減し、炭素排出量を計測します。 INPUT ・地図情報 ・環境情報 ・気象情報 ・電力消費情報 AIシステム 高度数学を用いた炭素排出量算出アルゴリズム OUTPUT 指定された地域の炭素排出量の可視化 導入事例 三井住友海上火災保険株式会社様 浸水シミュレーションにより保険金支払いのリードタイムを最大1/5短縮可能に より詳しく ※画像はイメージです 株式会社エヌ・ティ・ティ・データ様 別府市とNTTデータのまちづくり推進のための連携協定締結においてAIシミュレーション技術を提供 より詳しく 導入までの流れ ヒアリング 現状についてヒアリングを行い、弊社のソリューションで課題解決できるか確認致します。 要件定義/本契約 カメラの仕様、1日あたりの撮影回数・カメラ台数など運用に必要な条件を確認。その後、見積提出・本契約になります。 システム構築 要件定義に基づきシステム構築を行います。 運用開始 構築したシステムを提供し、お客様にて運用を開始いただきます。安定稼働を目指し、弊社にてアフターサポートを行います。 Arithmerではさまざまな業種の課題を解決できるソリューションがあります。 紹介事例以外でも、お気軽にお問い合わせください。 お問い合わせはこちら

AI Agent Column 5 2025.1.30 AI Agent導入の一例 これまでAI Agentの特徴やできることについて解説してきましたが、実際にそれを活用できるようになるまでのイメージがまだ付いていないという方もいらっしゃるかもしれません。そこで今回は、ある会社様に物品輸送を最適化するシステムを導入した時の経験談を書きたいと思います。 その会社様は当時、ある部門が抱える大きな業務において属人的な作業が多く、効率化が求められていました。 その効率化が求められていた業務を簡単に説明すると以下のような流れです： ①集められた情報の精査（不備の確認など） ②条件に基づく交渉 ③複数の選択肢から 「最適な」サービスを選定 最初にこの課題について相談を受けた時点では、その会社様もArithmerも具体的にどのようなデータを入力し、どのような結果を出力するシステムが必要なのか、あるべき姿をまだ掴めていない状況でした。 そこで、まずはコンサルティング的なアプローチで、データの活用方法について先方と議論することからプロジェクトをスタートしました。過去のデータをお借りし、数理的な分析を行うことで、業務の中で暗黙知となっていた重要なポイントを明確化しました。このプロセスは、AIエージェントの文脈で言うと、RAGに必要なデータを選別し、効果的に活用するための基盤を整備する作業です。 次にシステム開発を進めるにあたり、対象とする機能の範囲を絞ることが重要となります。今回のケースでは、上記①〜③に対応する機能のスコープを次のように設定しました。 ①初期段階のデータ精査をシステムで自動化 ②交渉については自動化はせず、交渉のための材料を提供する機能を設ける ③最終的な意思決定は人が行うが、その支援のためにシステムが「レコメンド」をする ここで「レコメンド」とは、入力されたデータを総合的に分析し、その結果をもとに選択肢を比較することを指します。条件が理想的に揃っている場合（例えば、コストが低く、スピードが早く、安全性が高いなど）を最適な選択肢とし、それとは対極の条件を低評価とします。各選択肢には多くの数値データやテキストデータが含まれています。このため、複数の選択肢を分析・比較する際の情報量は非常に膨大になります。従ってこのプロジェクトの中核は、この膨大な情報をいかに効率的に処理し、適切な評価を行う仕組みを実現するかという点でした。 案件ごとにモデルを柔軟に構築・調整できることは、Arithmerの大きな強みです。今回のケースでは、出力されるレコメンドに説明可能性が求められたため、確率論的（Stochastic）なアプローチではなく、決定論的（Deterministic）なモデルを採用しました。これにより、各条件がバランスよく反映されるパラメータ設定を行い、実用性の高いシステムを提供することができました（もちろん、他の案件では確率論的手法や両者を組み合わせたハイブリッドアルゴリズムが有効となる場合もあります）。 現在、このシステムは会社様に継続的にご利用いただいており、大変嬉しい限りです。また、近年のAI技術の進歩により、当初は人が担っていた交渉業務の自動化も実現可能な段階に近づいています。私たちとしても、このシステムのさらなる発展が非常に楽しみであり、引き続き改良を重ねていきたいと考えています。 ―――― 次回は、これから AI Agent の導入を検討しようという方々に向けて、検討すべきことやそのステップについて整理していきたいと思います。お楽しみに！ 前の記事へ AIエージェントページへ 次の記事へ

Arithmer株式会社はプライバシーマークを取得しております。　　　　　　　　　　　　　　　　　　　 Privacy プライバシーマーク Arithmer株式会社はプライバシーマークを取得しております。 証明書はこちら 事務所 Arithmer 株式会社 事業所 東京都文京区本郷一丁目24番1号 ONEST本郷スクエア3階 認証機関名 一般財団法人日本データ通信協会 認証登録番号 第21004668(04)号 有効期限日 2026年8月17日～2028年8月16日

Arithmer（アリスマー）が提供するヒューマノイド、ドッグ、アーム＆ハンド、インスペクションの4種のフィジカルAIを紹介します。 Robot-as-a-Service (RaaS) From Hardware to Operations ハードの販売から稼働の販売へ 「言葉」 を理解し、「身体」 で応える。 Arithmerのフィジカ ルAIが、ビジネ ス現場に新たな労働 力をもたらしま す。 人間の意図や状況を察知する高度な「認知能力」と、物理的に作用する「身体」の融合が、深刻化する人手不足や業務効率化の課題を根本から解決します。 人と対話し、手を動かし、空間を見守る。それは単なる自動化ツールではなく、人間に寄り添い、共に働く「自律型スタッフ」です。 オフィス、商業施設、工場、物流まで、リアルなビジネスの最前線で即戦力として活躍します。 テクノロジーをリアルの世界へ解放し、労働のあり方を次のステージへ。 貴社の現場に変革をもたらすソリューションの全貌を、ぜひスクロールしてご確認ください。 ARIQ Concierge （アリック・コンシェルジュ） 話すだけでなく、手で応える。現場で活躍するAIヒューマノイド。 受付や案内といった「対話」の領域にとどまらず、 五本指ハンドを駆使して物を受け渡すなどの物理的なサポートまでこなす新時代のスタッフです。 最先端のVLA（Vision-Language-Action）技術により、周囲の状況を自律的に理解し、安全に行動。 ショールームやオフィス、イベント会場など、上質なおもてなしと確かな実務力が求められる現場で、 人手不足を解消する即戦力として機能します。 HACHICLE （ハチクル） 話せる、運べる、見守れる。縦横無尽に駆け巡る犬型AIエージェント。 単なる巡回ロボットの枠を超え、人と高度なコミュニケーションが取れる画期的なパートナーです。 優れた走破性で階段や悪路をクリアし、昼は施設案内や物資の運搬、夜は警備巡回や設備点検、 メーター読み取りなど、1台で何役もの業務を自律的にこなします。 人が入りにくい環境の監視から、親しみやすい顧客対応まで、24時間体制で現場を支えます。 当社コンサルタントが、課題にあったソリューションを テーラーメイドで提案いたします。 下のボタンからお問い合わせください。 お問い合わせ

ダウンタイムの発生や、故障・事故による社会的影響、メンテナンス人材の不足など、課題の多い風力発電業界。AIエンジンを駆使して「スマート保安」に貢献します。 Wind Power AI 脱・事後処理 「まさか」を検知し事前に通知 風車の故障におけるダウンタイムの発生や、故障・事故による社会的影響、メンテナンス人材の不足など、対処すべき課題の多い風力発電業界。 ArithmerはAIによる画像解析技術を用いて「スマート保安」に貢献します。 お問い合わせはこちら 風力AI こんなお悩みありませんか？ 発電機故障による ダウンタイムの発生 風力発電の事故における 社会的影響 メンテナンス人材の不足 風力AIはそんなあなたの課題を解決します 風力AIの特長 風力に画像検査のAIを活用 機器異常の予兆を検知します 風力発電のナセル内部にカメラを設置し、常時、画像データを取得します。 常時画像を取得しているので故障に至る前の予兆を発見することができます。 正常状態を学習 あらゆる「異常」を検知します。 計測されたデータがあれば、あとはAI技術とシミュレーションにお任せすることで、結果の取得が可能となります。 カメラとAIシステムが常に監視 人材不足を解消できます。 カメラから取得した画像データはAIシステムが常に監視するため、人による作業工数を減らすことができ、業務の効率化を図ることができます。 ※画像はイメージです 風力発電設備の 予兆保全・異常検知 月次巡視を、AIによるリアルタイム監視に置き換えて「スマート保安」を実現します。 INPUT 監視カメラ映像 AIシステム 教師なし学習 学習モデルから推論までワンストップ OUTPUT 日次レポート 異常報告レポート 導入事例 ※画像はイメージです 株式会社ユーラスエナジーホールディングス様 カメラを用いた予兆AIが風車の月次巡視を一部代替 より詳しく Arithmerではさまざまな業種の課題を解決できるソリューションがあります。 紹介事例以外でも、お気軽にお問い合わせください。 お問い合わせはこちら

高度数学のビジネス活用を目指し、様々な分野でイノベーションの実現を推進しています。 形式科学である数学、自然科学である物理学など、様々な分野の研究者がシナジーを生み出し、 それらを活用したプロジェクトが同時進行しており、その適応領域は拡大しています。 Solutiuons 事業内容 フィジカルAI ボタン AIエージェ ン ト ボタン 製造AI ボタン インフラAI ボタン リテールAI ボタン 風力AI ボタン 物流AI ボタン ボタン バイオAI ボタン 浸水AI ボタン

Arithmerでは7領域においてAIシステムを導入しています。一気通貫の対応力でお客様の課題解決に貢献いたします。 Contact お問い合わせ 当サイトでは実在性の証明とプライバシー保護のため、SSLサーバ証明書を使用し、SSL暗号化通信を実現しています。 お問い合わせは下記にご記入ください。 オプションを選択 * サービス詳細のお問い合わせ 採用について その他（詳細は下記にお願いします） 採用ページはこちら 会社名 メールアドレス 氏名 電話番号 お問い合わせ内容詳細 メルマガ配信に登録する 個人情報の取り扱いについて同意する 詳細はこちら 送信

数学で社会課題を解決し、世界に希望を　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　 Philosophy 経営理念 Mission 数学で社会課題を解決する Arithmetics focus on Social Challenges Vision 最先端数学とAIで、お客様と社会の持続的成長を加速するグローバルイノベーターへ To become a global innovator that accelerates the sustainable growth of our customers and society through cutting-edge mathematics and AI Value Customer Growth First 顧客価値を最大化する Always Frontier 世界最先端の数学・AI 技術を最速で実装し続ける Math for Better Society 公益性と長期視点で意思決定する

Arithmer（アリスマー）株式会社は、数学で社会課題を解決することをミッションとし、顧客とパートナーのDX化に寄り添うAI開発会社です。AIエージェント、浸水AI、予兆AIなどさまざまなソリューションを提供します。 ARI = Arithmer / Q = Question + Quest 問いから始め、探究し、現場の仕事へつなぐ名前です。 会話が行動に変わり、 知識が現場を歩き出す。 人の意図を受け取り、状況を確かめ、 承認された仕事を現場でつなぐフィジカルAI。 ● 会話を、安全な実行へ 人の確認・修正・停止権限を中心に ● 座標を、仕事の意味へ 空間と権限、現在の状態を重ねる ● 一台の知能を、チームへ 人の監督のもとで役割をつなぐ News Toshiba OPEN INNOVATION PROGRAM 2026のパートナー企業に選出されました ニュースリリース 5 日前 鳴門教育大学附属小学校とArithmerは、AIに関する連携授業を実施しています ニュースリリース 7 日前 PHPの脆弱性について当社のサービスに影響はありません ニュースリリース 10月23日 ARIQ（AIヒューマノイド）の阿波踊りがテレビで放送されました メディア掲載 7月30日 ARIQ（AIヒューマノイド）の阿波踊りについて新聞に掲載されました メディア掲載 7月30日 お知らせ ニュース一覧へ Arithmer News for magazine Arithmer News Lette r （ 8 月 号） 最新の動画ニュースレター プロダクト Products プロダクト いま、 AI は 画面の中で 答える 存在 から、 現実の世界 を見つめ、考え、語り、 自ら動く存在へと進 化しています。 2050年には、世界で約10億体のヒューマノイドが稼働すると言われています。それは、人類の知識と技能が身体を持ち、あらゆる現場で人とともに働き始める、大きな転換です。 MIRAXIOMの目が現場を捉え、ALATISの耳と鼻が変化を感じ、MoirAIの頭脳が専門知を対話させ、WazaNoaの口が知恵を伝える。そしてZa-ARIQの手とHACHICLEの足が、判断を確かな行動へ変えていきます。 これらの知能をARIQがひとつにつなぎ、人が創造、共感、責任ある決断に集中できる時間を生み出します。しかし、すべての仕事に、すべての機能や人の身体が必要とは限りません。貴社の業務や課題に合わせ、必要な知能だけを個別のプロダクトとして、無理なく柔軟に導入し、未来に向けて拡張できます。 私たちがつくるのは、人に代わる未来ではなく、人の力を広げ、技能を次代へつなぐ未来です。見る、感じる、考える、伝える、動く。その知能を、必要な場所から、ひとつずつ。 10億体の先にある新しい社会を、Arithmerは数学とAIの力で、いま現場から創り始めます。詳しくは、各プロダクトのロゴをクリックして、ぜひご覧ください。 プロダクトの資料をお求めの方は下記にメールアドレスをご記入ください。 送信ボタンを押すと、資料のダウンロードページに遷移します。 メールアドレス メルマガ配信に登録する 個人情報の取り扱いについて同意する 詳細はこちら 送信 AIは数学でできている。 画像を理解し、言葉の意味を捉え、未来を予測し、ロボットを動かす。その知能の根幹には、確率、幾何、解析、最適化といった数学があります。Arithmerは、複雑な課題の本質を数学で捉え、現場で働くAIへと変える会社です。 2016年、東京大学大学院数理科学研究科から誕生。創業者の大田は2014年から同研究科で教授として研究と教育に携わり、現在も客員教授を務めています。社内には博士号エンジニアなどが20名以上在籍。最先端の数理研究と、独自のAIエンジンを構築する開発力を結集し、理論を事業の力へと磨き上げています。 企業ごとに、データの質も、設備の特性も、業務の手順も異なります。Arithmerは、お客様とともに課題と制約を整理し、何を認識し、予測し、最適化すべきかを明確にします。目指す成果から逆算し、AIの中核からシステム構成、業務への組み込み方まで設計する。現場の複雑さに向き合えることが、私たちの強みです。 独自性の中心にあるのは、世界の最先端AIを基盤に、その上へ特化型の独自数理AIを重ねる技術です。進化を続ける生成AIやVision AIなどを評価し、用途に適した技術を選択。その認識・理解能力に、企業固有の条件を捉える数理モデルや最適化技術を組み合わせ、知能をつくり込みます。 設計を支えるのが、複雑な現象から本質的な関係を見いだす数学です。課題に応じて重要な変数を絞り、少ない変数で現象を表す効率的な関数を設計することで、精度、計算負荷、運用コストの両立を追求します。先端AIの豊かな能力に、独自数理AIの精密さを重ねる。この融合が、費用対効果に優れ、現場で使い続けられるAIにつながります。 特定の業務・データ・評価条件では、99％以上の精度を確認した事例もあります。導入時にはお 客様と評価指標 を定め、 現場で性能と効果を検証 。 処理速 度、 安定 性、 安全 性、 説明可能 性、既存システムとの連携まで見据えて仕上げます。 画像による検査で、確認作業の負担と品質判断のばらつきを抑える。設備データの解析で、異常の兆候を捉え、早期の対応を支える。予測や最適化で、人員、設備、在庫を有効に生かす。AIの性能を、生産性向上、品質の安定、リスク低減、意思決定の高度化へとつなぎます。 この統合力は、現実世界で判断し、行動するPhysical AIにも広がっています。ヒューマノイドをはじめとする自律型AIロボットには、認識、理解、判断、制御、検証を一体化した知能が必要です。Arithmerは、Vision AI、空間認識、生成AI、数値シミュレーション、最適化、ロボティクスを統合し、知能と身体をつなぎます。 工場の作業支援、物流の搬送、インフラの巡回・点検、医療やサービスの業務支援へ。用途に必要な機能と、人による監督や安全確保の仕組みを設計し、人がより価値の高い仕事に集中できる環境づくりを進めます。 AIの価値は、日々の業務に定着し、成果が積み重なることで確かになります。Arithmerは、課題整理から技術検証、開発、導入、運用改善までを支援。データや業務の変化に対応し、評価結果を次の改善へつなげます。実証で得た可能性を、継続的な事業成果へ育てる。それが、私たちの実装力です。 各業界の大手企業20社以上と資本提携・業務提携を結び、創業以来、100社を超える導入実績を積み重ねてきました。培った技術と経験を基盤に、現在はグローバル展開と上場準備を進めています。 数学からAIを設計し、現場を変え、企業の競争力を高める。未来を予測するだけでなく、未来を動 かす。それが、Arithmerです。 「観測が知性になる。知性が、現場を動かす。」 NOESYRAを、本質を捉える知性を表すNoesis、分散した情報を結ぶSynthesis、判断を成果へ移すRealization／Actionを重ねた名と解釈します。NOESYRA by Arithmerは、見る、読み解く、考える、伝える、動くを一つの循環へ統合し、企業の経験を次の成果を生む知的資産に変えるThe Embodied Enterprise Intelligence Suiteです。 可視化、課題発見、対策比較、実行、効果検証を一続きにし、設定した権限内で自律的に循環。人が介入する局面を明確にし、速さと説明可能性を両立します。 例えば、工場の設備に、微細な変化が現れたとします。MIRAXIOMの「目」は、高精度なビジョンAIで、人が見落としやすい外観の違いや作業の変化を捉え、品質管理と現場観測を支えます。画像と言葉を結ぶVLMなどのマルチモーダルAIを活用し、映像を意味のある記録へ変換。何が、いつ、どこで起きたのかを整理し、画像付きの作業日誌や点検記録、報告書を自動作成します。現場を知るための記録が、日々の仕事の中で自然に積み上がります。 ALATISは、その画像や文書に、IoT、機器、センサー、POS、業務システムから生まれる膨大な数値を重ねます。形式も時間軸も異なる情報を、設備や作業、商品などの意味でつながる統合データベースへ再構築。リアルタイム解析によって、故障や事故、品質低下、需要変動の予兆を探り、アラートと次に取るべき行動を届けます。例えば、外観の変化に温度上昇や振動の増加が重なれば、点検の優先度を引き上げる。複雑な分析結果はニュース動画にもなり、現場と経営が同じ事実を共有できます。 課題が浮かび上がると、MoirAIの「頭脳」が動き始めます。保全、生産、安全、経営などの専門AIが、マルチエージェント会議で原因の仮説と対策を多角的に検討。互いの見落としや矛盾を問い直し、追加の分析が必要ならデータを確かめ、根拠、不確実性、推奨する対応を人へ報告します。「点検を急ぐべきか」「生産計画をどう調整するか」まで判断材料を具体化。人は情報集めや会議準備の負担を減らし、責任ある意思決定に集中できます。 そこで得られた専門知と、熟練者が受け継いできた技能は、WazaNoaが企業固有の知識空間へ整理・蓄積します。作業手順だけでなく、なぜその判断をしたのか、どこに注意すべきかという背景まで残す。足りない知識は関連資料や専門家の確認によって補い、Noaの「口」が、その場の状況に合った知恵を対話で届けます。一度の解決が、次の担当者を支える組織の強みになります。 判断は、画面の中にとどまりません。Za-ARIQの「手」が作業を担い、HACHICLEの「足」が巡回・点検へ向かい、ヒューマノイドARIQが会話、移動、作業を全身でつなぎます。視覚と言語を動作へ結ぶVLA、そしてPhysical AIの技術を生かし、人の監督と安全制御のもと、承認された仕事を実行。人が入りにくい現場や負担の大きい環境でも、機体の適用条件に合わせて、人の判断を確かな行動へ近づけます。 実行後は、結果を再び観測し、効果を評価します。成功も失敗も記録し、検証した知識や改善策を次の判断へ反映。これが、高速な閉ループ型PDCAを支える、評価駆動のデータフライホイールです。回すほど、分析・報告・実行の量と質が向上します。必要な製品から導入し、製造、インフラ、物流、小売、医療・介護、研究へ。NOESYRAは、知性と行動をつなぎ、現場の経験を競争力へ変えます。 事業内容 Solutions フィジカルAI ボタン AIエージェント ボタン 製造AI ボタン インフラAI ボタン リテールAI ボタン 風力AI ボタン 物流AI ボタン ボタン バイオAI ボタン 浸水AI ボタン 主な取引先 ※正式にロゴ掲載許可をいただいたお取引先様のみアルファベット順に掲載しております。

AI Agent Column 8 2025.8.21 AI Agent導入step2 “選定” 前回（第7回）は、AI Agent導入の最初のステップとして「理解」についてご紹介しました。 今回は AI Agent の適用する業務の選び方についてお話します。 ―――― 業務選定の3つの軸 AI Agentは急速に進歩してはいますが、まだ万能なわけではありません。その得意不得意を理解し、得意な領域の範囲で適用することが極めて重要になります。 前回の「（1）理解」でお伝えした通り、「AI Agent」は「従来のAI」以上の難しさがあります。従来のAIなら、「十分なデータがあり、判断基準が明確な業務」であれば、比較的適用の見通しが立てやすい側面がありました。しかし、AI Agentは、LLMを中核とし、タスクの分解や自律的な実行、ツール連携といった複数の技術が組み合わさった複合的なシステムです。そのため、ある業務に適用した場合に期待通りの成果が得られるかどうかの見極めは、従来よりも格段に難しくなっていると言えるでしょう。 たとえ AI Agentの適用が技術的に可能であったとしても、その労力に見合う成果が得られなければ、意味がありません。AI Agentの適用の労力は比較的大きいため、メリットの明確化が今まで以上に重要になってきます。 また、技術的な実現可能性もあり、ビジネスインパクトも十分大きい場合でも、実現できないことがあります。特に AI Agentはタスクの実行をAI に委ねる部分があるため、それが許容されるか、注意が必要なのです。 従って、次の3つの軸で評価するのが有効です。 1. ビジネスインパクト: 導入による業務改善の効果が大きく、企業戦略とも合致するか 2. 技術的な実現可能性: 必要なデータやシステム環境が整い、実装が可能か 3. 業務適用の実現可能性: 法的・倫理的な問題なく、利用者・関係者にも受容されるか 1. ビジネスインパクト (Business Impact) AI Agentを導入することで、どれだけのビジネス価値が見込めるか、という観点です。 1-1 明確なニーズ (Clear Demand): 解決すべき具体的な業務課題が存在し、当事者がその解決を切実に求めているか？ 1-2 定量的な価値 (Quantifiable Value): 課題解決の効果を、売上増やコスト削減といった金額で示すことができるか？（※ AI Agentの効果には、創造性支援など定量化しにくい価値もありますが、敢えて定量的に示すことが重要です。価値を定量的に示せない取り組みは組織から長期間継続的にサポートを得るのが難しいからです。） 1-3 ビジネススケーラビリティ (Business Scalability): その取り組みが特定の部門だけでなく、広く応用可能で、投資に見合うだけの効果拡大が期待できるか？ 1-4 戦略との整合 (Strategic Alignment): 取り組みが、自社の中長期的なビジネス戦略やDX戦略と方向性が合っているか？ 2. 技術的な実現可能性 (Technical Feasibility) 次に、AI Agentを実際に構築・実装できるか、という技術的な観点から評価します。 2-1 適度な難易度 (Appropriate Difficulty): 難しすぎず、現実的な期間・コストで実現が見込めるか？（※AI Agentの適用について事前に期間・コストを見積もることは非常に難しいですが、技術動向や事例を基にあたりを付けることが重要です。） 2-2 ドメイン知識に非依存 (Domain Knowledge Independent): AI Agent技術者主体で検討を進められるか？（※ もちろんドメイン知識を扱うことは避けては通れませんが、下記の2点のようにドメイン知識をデータ化・形式知化によって、モジュラー化できることが重要です。それができない場合、AI Agent技術者自身がドメイン知識を習得するまで、プロジェクトが進まなくなってしまいます。） 2-3 入出力のデータ化 (Data Availability): 判断や評価に必要なインプット・アウトプットデータが、利用可能な形で記録されているか？ あるいはすぐ記録して蓄積できるか？ 2-4 手順の形式知化 (Documented Procedures): 従来の人の業務プロセスが文書化されていたり、ログに記録されていたり、または、ヒアリング等で明確化できるか？ 3. 業務適用の実現可能性 (Operational Feasibility) インパクトがあり技術的に作れても、実際の業務で利用され、定着しなければ意味がありません。最後に、現場での運用面から実現可能性を評価します。 3-1 コンプライアンス (Compliance): 法規制、社会倫理、業界ルール、自社のポリシー等に適合しているか？ 3-2 非クリティカル (Non-critical): AI Agentの誤動作リスクを考慮し、致命的な問題に繋がらない業務か？ あるいは、クリティカルな判断については人間が介入するような運用設計が可能か？ 3-3 関係者の受容 (Stakeholder Acceptance): 現場担当者をはじめ、関係者の協力が得られ、業務プロセスの変更も受け入れられるか？ 3-4 システム連携可 (System Integration Ready): 当該業務の前後の業務が既にシステム化済みで、かつ、API等で容易に連携できるか？ 選定を進める際の注意点 最後に、選定を進める上で特に心に留めておきたい点を3つ補足します。 第一に、これら3つの評価軸は、単に平均点が高ければ良いというものではなく、どれか一つでも致命的な問題があれば、その業務への適用は現実的ではありません。インパクト・技術・業務適用の全ての軸で、最低限の基準を満たしているか、という視点を持つことが重要です。いわば、掛け算のように、一つでもゼロに近い要素があれば、全体としての価値は生まれないのです。 第二に、「技術的な実現可能性」は時間と共に変化しうる、という点です。AI技術の進歩は非常に速いため、現時点では難しいと判断された課題が、近い将来には解決されている可能性も十分にあります。常に最新の技術動向にアンテナを張り、時間軸も考慮に入れて判断していく必要があります。 第三に、「業務適用の実現可能性」は見落とされがちだが、極めて重要である、という点です。特に、企画担当者とAI技術者だけで検討を進めていると、現場の運用実態、関係者の協力や受容度、コンプライアンス上の課題などを見過ごしてしまうことがあります。検討の初期段階から、現場や関連部署を巻き込み、多角的な視点を取り入れることが鍵となります。 これらの点を踏まえ、多角的かつ現実的な視点で業務を選定すること。それが、AI Agent導入プロジェクトを成功に導くための、最初の、そして極めて重要な関門と言えるでしょう。 ―――― さて、次回（第9回）は、ステップ3「設計」です。選定した業務に対して、AI Agentをどのように業務プロセスに組み込み、システムとして、また運用としてどのようにデザインしていくべきか、その具体的な考え方について解説します。ぜひご期待ください。 前の記事へ AIエージェントページへ 次の記事へ

製造や加工の工程で発生する部品のばらつき判定や、自動運転のサポートなど、現場の暗黙知を組織知に変えるAIを開発・提供します。 製造AI Manufacturing AI 製造や加工の現場で起きるさまざまな困りごとをAIを用いて最適化する 製造や加工の工程で発生する部品の不良品判定や、自動運転のサポートなど、現場の暗黙知を組織知に変えるAIを開発・提供しています。 お問い合わせはこちら こんなお悩みありませんか？ 工場内カートや大型トラックの 巻き込みによる接触事故 機械のトラブルによる 作業の停止時間をを短縮したい 加工後の検査精度を高め不良品出荷リスクを抑制したい 製造AIはそんなあなたの課題を解決します 製造AIの特長 動画解析技術を用いて 危険状態を検知 車体に取り付けたカメラで車両周辺や監視車両側面、後方を監視し、障害物を検知すると注意を喚起します。 画像検査のAIを活用し 機器異常の予兆を検知 機器の動きを動画像データで取得することで、異常（故障に至る前の予兆）を発見します。大きなトラブルを未然に防ぎ、作業ロスを低減します。 画像解析エンジンを活用し不良品の見逃しリスクを改善 既存の検査装置とAI画像解析エンジンを組み合わせることで、不良品の見逃しを削減。不良品出荷リスクと再検査工数の削減に貢献します。 ※画像はイメージです 生産設備の予兆保全 製造装置の通常サイクルを学習し、人の目では気付きにくい「いつもと違う変化」を察知します。これにより設備異常を早期に発見し、結果的に甚大な被害を予防します。 INPUT 通常動作の 動画 AIシステム 生産設備の 異常検知 OUTPUT 異常箇所の通知 自動運転システムにおける 予兆保全・異常検知 AGVやフォークリフトなどのシステムと実装することで、危険エリアを自動的に調整・監視。接触事故を未然に防ぎます。 エッジコンピュータを活用し、移動に合わせて監視エリアを自動的に調整することができ、リアルタイム検知が可能となります。 INPUT 動画像 OUTPUT 異常箇所の通知 AIシステム 自動運転システムとの組み合わせ ※画像はイメージです 導入事例 トヨタ自動車株式会社様 工場内運搬カートの後方安全に関する特許を共同で出願 より詳しく Arithmerではさまざまな業種の課題を解決できるソリューションがあります。 紹介事例以外でも、お気軽にお問い合わせください。 お問い合わせはこちら