研究開発・生産技術でAIが浸透しない理由要約だけでは足りない
現場が求めるのは正確な探索と確認

浅く広い情報と
深く狭い情報の違い

講演の冒頭、笹木氏は「AIを全社導入したのに使われない、というご相談をよくいただきます」と述べた。背景には「現場が消極的」「AI製品が業務に合っていない」といった見方があるという。業務で扱う情報は「浅くて広い情報」と「深くて狭い情報」に大別される。営業活動では顧客情報や市場動向を幅広く集め、全体像をつかむことが求められる。一方、研究開発や生産技術では、仕様書や試験結果を正確に読み取り要求への適合を確認する必要がある。笹木氏は「開発や生産技術の仕事で必要なのは、明快な要約ではなく、正確な探索と突合です」と強調した。

仕様書の許容値と試験結果の数値を照らし合わせ、適合を判断する業務では、わずかな誤差が大きな問題につながる。「営業活動では多少の揺らぎが許容されますが、開発・生産技術においては誤差が致命的になることがあります」と笹木氏は説明した。

一般的な生成AIは、要約や発想、文章化、幅広い情報収集に強みを持つ。しかし、開発現場では外部情報が混ざる点や、回答が抽象的になりがちな点、最終判断は人が行う必要がある点が課題となる。笹木氏は、「AIは回答を誤る可能性があります。だからこそ、重要事項は人が確認する前提で、確認作業を支援するAIが必要になるのです」と述べた。

資料を横断検索し
変更点をつかむ

笹木氏は、研究開発や生産技術におけるAI活用では「文書全体を知識資産として扱うこと」が重要だと説明した。技術者が「過去に同じ不具合はあったか」と質問した際に、AIが関連資料を横断的に探し出し該当箇所とともに提示できれば、業務効率は大きく向上する。複数資料の比較により変更点や傾向を把握しやすくなる。

そこで紹介されたのが、「グラウンディング」「精密な情報抽出」「ファクトチェック」という3つの特徴を持つ「Adobe Acrobat Studio」だ。「グラウンディング」は対象文書を指定し、外部情報を参照しない仕組み。「精密な情報抽出」では複雑なPDF内の表や数値を読み取り必要な情報を提示し、「ファクトチェック」ではAIの回答が文書のどこに基づくかをワンクリックで確認できる。

最後に笹木氏は、「AIの回答だけに頼らず、根拠にすぐたどり着けることが非常に重要です。そうした現場の業務で、Adobe Acrobat Studioは非常に便利に活用いただけると考えております」と紹介した。