GienTechでは、AI技術の業務活用を推進するため、社内でインテリジェント・エージェント・イノベーション大会を開催しています。

大会には、研究開発、グリーン・低炭素、サプライチェーン、運用高度化など、多様な業務領域から数十件のソリューションが集まりました。生成AIの活用は、モデルの規模や性能を競う段階から、実際の業務プロセスをどう変えるかという段階へ移りつつあります。

その中でも、実際の業務課題の解決に高い効果が期待される取り組みとして、

• 車載ソフトウェア開発におけるテスト自動化
• エネルギー・カーボンマネジメント支援
• サプライチェーン最適化

の3つのAIエージェント活用事例が高く評価されました。

本記事では、それぞれの取り組みを紹介いたします。

人手では追いつかない複雑化する現場業務、その先にある課題

製造業やエネルギー業界では、デジタル化の進展に伴い、業務プロセスがますます高度化・複雑化しています。

一方で、多くの領域では、大量のデータ分析や専門的な判断が必要となり、重要業務は依然として担当者の経験や専門知識に依存しています。

しかし、業務量の増加や環境変化のスピードが加速する中、人手による対応だけでは十分な効率や精度を維持することが難しくなっています。

企業には、専門知識を活用しながらも、より効率的かつ再現性の高い業務運営を実現する新たなアプローチが求められています。

人とAIが協働する次世代オペレーションへ

こうした課題に対し、GienTechはAIエージェント技術を活用した業務高度化を進めている。AIエージェントは単なる自動化ツールではありません。

業務データや専門知識を理解しながら、

• 分析
• 判断
• 実行

を支援し、担当者と協調しながら業務を遂行します。

これにより、

• 業務負荷の軽減
• 意思決定の迅速化
• 業務品質の向上

を実現することが可能です。

以下では、その具体的な活用事例を紹介いたします。

ユースケース①

車載ソフトウェア開発におけるテスト自動化

車載ソフトウェア開発では、アプリケーションの高度化に伴い、テストコード作成や品質検証に多くの工数が必要となっています。

GienTechが開発したAndroid車載アプリ向けUT自動化プラットフォームは、マルチエージェント協調と大規模言語モデルを活用し、単体テスト工程の自動化を実現します。

本ソリューションは、

• コード解析
• 依存関係分析
• テストコード生成
• 実行検証
• カバレッジ最適化

を複数のAIエージェントが連携し、一貫して実施する。実機の車載ハードウェアを必要とせず、単体テストの全工程を自動化できる点が特長です。無人運用によるテストプロセスを実現します。

導入効果として、

• 単体テスト開発時間を8時間から3時間へ短縮
• 品質保証効率を35〜40％向上
• 1クラスあたり約5分でUTコードを生成

することが可能となりました。

ユースケース②

エネルギー・カーボンマネジメントの高度化

脱炭素経営への取り組みが加速する中、多くの企業ではエネルギー消費量やカーボン排出量の管理業務が増加しています。

しかし、

• データ収集
• 排出量算定
• レポート作成
• 改善施策立案

には多くの専門知識と人的リソースが必要となります。

GienTechのエネルギー・カーボン最適化AIエージェントは、

• エネルギー・カーボン算定
• レポート生成
• 省エネ診断
• 最適解の継続探索

の4つの専門エージェントによって構成されている。

既存のエネルギー・カーボン管理システムと連携可能であり、算定から意思決定までをワンストップで支援し、大規模なシステム刷新を必要としません。

導入効果として、

• 算定・レポート作成期間を数週間から数分へ短縮
• 算定精度99％以上
• 炭素排出量8〜12％削減
• 5〜10％の省エネルギー効果を実現
• 定型業務にかかる工数を80%以上削減

などが期待されます。

ユースケース③

サプライチェーン最適化と需給協調

市場環境の変化や需要変動が激しくなる中、サプライチェーン運営にはより高度な予測と意思決定が求められています。

一方で、多くの企業では依然として経験則に基づく判断が行われており、

• 在庫過多
• 欠品リスク
• 調達効率の低下

などの課題が存在しています。

GienTechのサプライチェーンAIエージェントは、

• 需要認識
• 需要予測
• 在庫最適化
• 調達判断
• サプライヤー協調
• 異常対応

を統合し、需給計画から実行までを支援する。

基盤技術として、オペレーションズ・リサーチ（OR）アルゴリズムと大規模言語モデルを融合しており、高精度な数値計算を実現すると同時に、それぞれの補充提案に対して明確な推論根拠を提示します。

複数の需要予測モデルを搭載し、需要特性を自動分析。安定型、季節型、トレンド型、間欠型、急増型の各需要パターンに応じて最適なモデルを適用します。

 導入効果として、

• 需要予測精度95％以上
• 在庫コスト25％削減
• 欠品リスク60％低減
• 需要予測誤差を40％削減
• 調達判断効率80％向上

などが期待されます。

今後の展望

GienTechは、AIエージェント技術をさまざまな業界・業務領域へ展開し、企業の業務変革を支援しています。

今回紹介した事例は、それぞれ異なる業務領域に適用されているが、共通しているのは、人手や専門人材への依存を低減し、業務知識をデジタル化することで、より高度で持続可能な業務運営を実現している点です。

今後もGienTechは、製造業やエネルギー業界をはじめとする幅広い分野において、AI技術と業務知識を融合したソリューションの提供を通じて、企業の生産性向上とデジタルトランスフォーメーションの推進に貢献してまいります。各ソリューションの詳細、導入相談、デモのご希望については、ぜひ弊社へお問い合わせください。