製造現場の知識を、根拠と承認のあるAIへ Chinobaプラットフォームを応用した「根拠付き業務AI」デモ

Books: Enterprise Al Gateway: Amazon Bedrockで実現する RAG・GraphRAG・AIガバナンス実装ガイド

製造現場には、設備保全、品質管理、技術問い合わせなど、多くの重要な判断が日々存在します。

しかし実際には、その判断に必要な知識が、熟練者の経験、過去の報告書、手順書、点検記録、個別のメールや口頭でのやり取りに分散していることも少なくありません。

必要な情報を探せる人が限られる。
過去に同じ問題が起きていても、再利用できない。
AIを導入しても、「なぜその回答になったのか」が分からず、現場で安心して使えない。

今回公開するデモ動画は、こうした課題に対して、Chinobaプラットフォームの考え方を製造現場へ応用した、根拠付き業務AIのイメージです。

AIに「答えさせる」だけでは、現場では足りない

生成AIは自然な文章で回答できます。しかし、製造現場で重要なのは、もっともらしい回答を得ることだけではありません。

たとえば、設備の異常、品質上の懸念、保全手順に関する問い合わせに対して、本当に必要なのは次のようなことです。

• どの文書や記録を根拠にしているか
• その情報は現場で使ってよいものか
• AIが自動で案内してよい範囲はどこまでか
• 誰が最終判断・承認を行うべきか
• 後から、判断と対応の経緯を確認できるか

このデモでは、AIを「最終判断を代替する存在」ではなく、根拠を探し、状況を整理し、人の判断につなぐ存在として設計しています。

Chinobaプラットフォームの応用として

Chinobaでは、組織内に散在する知識を、単なる検索対象としてではなく、判断に使える知識の流れとして捉えます。

製造現場への応用では、たとえば次のような文書や情報を対象にします。

• 設備保全の手順書・点検記録
• 品質管理基準・不適合報告
• 技術仕様書・過去の問い合わせ履歴
• 安全基準・承認ルール
• 部門や担当者ごとの責任範囲

重要なのは、文書をAIに大量に渡すことではありません。
それぞれの情報について、何に使えるのか、どこまでAIが扱ってよいのか、判断が必要なときは誰へ引き継ぐのかを明確にすることです。

この考え方は、Chinobaが扱ってきた Knowledge Flow、Evidence Graph、Decision Trace、Governance Boundary の発想を、製造業の業務支援へ具体化したものです。

対応レベルを分ける

すべての問い合わせを、同じようにAIが回答してよいわけではありません。

デモでは、AIの対応可能範囲をレベルとして分けています。

• 低リスク：公開済みの手順や一般的な確認事項を案内する
• 中リスク：根拠を提示しながら、確認すべき条件や注意点を示す
• 高リスク：AIは最終判断をせず、承認者または担当者へ引き継ぐ
• 対応不可：十分な根拠がない、または権限上扱えない場合は回答しない

たとえば、設備の油温上昇に関する問い合わせでは、AIは関連する手順書や過去記録を参照し、考えられる確認項目を提示できます。

一方で、運転停止の判断、保全作業の実施、品質上の出荷可否のような高リスクな操作については、AIが結論を決めるべきではありません。担当者と承認者が判断できるよう、根拠と状況を整理して引き継ぐことが重要です。

回答ではなく、「根拠付きの判断支援」へ

このデモでは、問い合わせに対してAIが回答を作る際、関連文書の箇所を確認できる形を目指しています。

つまり、利用者はAIの文章だけを受け取るのではなく、

• 何を根拠にしたのか
• どの条件に当てはまるのか
• 何が未確認なのか
• 次に誰が判断すべきなのか

を理解できます。

これは、AIを便利なチャットボットで終わらせず、現場で説明可能な業務支援システムにするための基本です。

すべての判断を記録する

現場でAIを使うとき、後から確認できることも欠かせません。

どの問い合わせがあり、どの文書を参照し、AIが何を提示し、誰がどの判断を行ったのか。こうした一連の流れを Decision Trace として残すことで、改善・監査・教育へつなげることができます。

これはAIを監視するためだけの仕組みではありません。

現場の判断を、個人の記憶だけに閉じず、次の担当者や次の改善へ受け渡すための仕組みです。

AIが判断を奪うのではなく、判断できる現場をつくる

製造現場におけるAI活用の本質は、人を置き換えることではないと考えています。

必要な根拠へ早く到達できるようにする。
判断の境界を明確にする。
経験を組織の知識として残す。
高リスクな場面では、正しい担当者へ確実に引き継ぐ。

Chinobaプラットフォームの応用として、このデモはそのための一つの形を示しています。

AIが答えることよりも、根拠に基づいて、人がよりよく判断できること。
そのための業務AIを、これから具体的な現場とともに設計していきます。

Chinoba

Chinoba

Intelligence as Relationship

Research Platform

founded by

Masao Watanabe

AI Systems Architecture
Decision Trace
Human–AI Coordination
Algorithmic Governance