産業ソリューションの未来を支えるAI：HexagonがAWSの生成系AIサービスを活用して開発したAIアシスタントの全貌
現代のテクノロジー分野では、生成系AI（Generative AI）の進化が目覚ましく、各業界でその活用方法が模索されています。中でも製造業やエンジニアリング分野における適用は、多くの可能性を秘めており、現場ワーカーの生産性向上や意思決定支援に大きな貢献が期待されています。今回は、グローバルなインダストリーソリューションプロバイダーであるHexagonが、Amazon Web Services（AWS）の生成系AIサービスを活用して、どのようにして革新的なAIアシスタントを構築したのかをご紹介します。
Hexagonとは？
Hexagonは、製造業、建設業、鉱業、農業、公共安全など、幅広い分野でテクノロジー主導のソリューションを提供する多国籍企業です。同社の強みは、センシング、ソフトウェア、オートメーションにおける深い専門知識であり、製品開発から運用管理までエンドツーエンドでの支援を可能にしています。こうした複雑でデータ量の多いインダストリアルな業務において、情報をより迅速かつ効率的に活用するための新たな手段が求められていました。それが、生成系AIを活用したバーチャルアシスタントの開発につながりました。
プロジェクトの目的：熟練技術者の知識を誰でも活用できるように
HexagonのAIアシスタント開発プロジェクトの核となるアイデアは、現場で活躍する熟練技術者が持つ暗黙知や経験則を、AIの力で誰もが簡単に利用できるようにすることです。これまではドキュメントやマニュアル、そして対面でのトレーニングにより情報を共有していた部分を、対話型インターフェースを通じてリアルタイムに引き出すことができるようにする構想です。
このようなアプローチにより、新人社員の立ち上げを早めるだけでなく、現場での意思決定スピードを上げ、より安全かつ効率的な運用を実現できるとしています。
AWS生成系AIサービスの活用
そんなHexagonのプロジェクトを支えたのが、AWSの一連の生成系AIサービス群でした。実際にこのAIアシスタントの構築に用いられた主要なサービスは以下の通りです。
Amazon Bedrock：主要な生成系AIモデルをAPI経由で手軽に利用可能とする、フルマネージドなサービスです。Hexagonでは、特定のタスクにおいてベストフィットな基盤モデル（Foundation Model）を選択し、ベッドロック上で実装しました。これにより、過度なインフラ構築の手間をかけずに、迅速なプロトタイプ開発とスムーズなスケーリングを可能にしました。
Amazon SageMaker：データサイエンスおよび機械学習のワークフローを簡素化する高機能プラットフォームです。このプロジェクトでは、過去の運用データや技術文書などのテキストデータをもとに、AIモデルの微調整（ファインチューニング）やカスタムモデルの構築に利用されました。
Amazon Kendra：企業ドキュメントを自然言語で検索できる知識探索サービス。AIアシスタントにおいて、ユーザーが特定の製品マニュアルや技術ガイドに質問をした際、それに対応する最適なドキュメント情報を提示するためにKendraが使われました。
機能的なユースケース
Hexagonが開発したAIアシスタントは、さまざまなニーズに対応可能な機能を備えています。その主なユースケースをいくつか紹介します。
1. オペレーション支援
現場の技術者が装置やシステムの不具合に直面した際、AIアシスタントに問いかけることで、可能性の高い原因や解決策を提示してもらうことができます。これは、蓄積された歴史的なトラブルデータやFAQ、技術文書をもとに推論されたものです。
2. ナレッジ共有とトレーニング
新しい社員や契約ワーカーが、熟練の技術職員と同じレベルで装置について理解し、業務を遂行するためのトレーニングとしても活用可能です。会話ベースで学びを進められるため、ユーザーの積極的な関与が得られやすく、学習効率も高まります。
3. 効率的な調査・分析支援
製品開発部門やマーケティング部門では、AIアシスタントを用いて技術資料や市場情報などを横断的に参照し、インサイトを掘り起こす作業も行われています。
導入から運用までのプロセス
AIアシスタント開発においては、以下のような段階的なアプローチを取ったとされています。
ステップ1：問題の特定
ユーザーグループとのインタビューを通じて、「どのような場面で情報が必要とされているのか」「既存のドキュメントやシステムに対する課題は何か」といった現状分析を行いました。
ステップ2：プロトタイピングとフィードバック
Amazon Bedrockを活用して、短期間でプロトタイプのAIアシスタントを開発。その後、ユーザーとのPoC（実証実験）を繰り返しながら、やり取りの精度や使いやすさを高めていきました。
ステップ3：拡張と統合
ある程度フィードバックが収束した段階で、社内の既存システムやドキュメント管理システムと統合し、業務内での実運用を開始しました。
この段階ではセキュリティや権限管理も重要なテーマとなりますが、AWSの高度に制御されたデータ管理機能がこれを支えました。
AIと人との協力による新たなワークスタイル
HexagonのAIアシスタントが提供するのは、あくまで「人を助けるAI」です。最終的な判断や現場での対応は人間が行うものの、それに至る過程の「情報アクセス」や「意思決定支援」の部分をAIが補完します。
これは、いわゆる「ヒューマン・イン・ザ・ループ（Human in the loop）」の思想とも一致しており、技術を現場に根付かせるためには、人間中心で設計されたユーザー体験が極めて重要であることを示唆しています。
今後への展望
Hexagonは今回の成功を起点として、AIアシスタントをさらに多様な業務プロセスへ展開していく予定です。例えば、機械学習モデルの予測情報と連携させてより高度な予防保全を実現したり、拡張現実（AR）技術と組み合わせて実際の作業空間にインタラクティブな操作ガイドを表示したりすることまで視野に入れています。
また、複数言語対応や文化適応を進めることで、グローバルでの活用も強化されるでしょう。こうした動きは、単なる業務効率化にとどまらず、「人とAIが共に働く社会」への道を開くものといえるかもしれません。
まとめ
HexagonがAWSの生成系AIサービスを活用して構築したAIアシスタントは、産業界における情報活用のあり方を大きく変えつつあります。専門知識へ瞬時にアクセスできるインターフェースを提供することで、現場の知見を民主化し、すべての作業者が最大限に能力を発揮できる環境づくりが実現可能になったのです。
生成系AIの可能性は、今後ますます広がっていくことでしょう。そして、それを最大限に活かすためには、テクノロジーだけでなく、「どう使うか」「誰のために使うか」にフォーカスした取り組みが必要です。
Hexagonの取り組みは、まさにその好例として、他分野への応用に向けた多くの示唆を与えてくれています。
今後も業界内外で新たなAI活用事例が登場することが期待されるなか、私たち一人ひとりがそのメリットと責任を見極め、テクノロジーと共に成長していく姿勢が求められているといえるでしょう。
