PR

工場内で完結するローカルAI、成果の出る環境はどう作る？　チャットとRAGの先を目指すCKDの挑戦

産業用機械メーカーのCKDは小型AIコンピュータとデジタルベースのAIエージェント基盤を組み合わせ、自然言語で搬送ロボットを動かす検証を進めている。同社の検証内容や、実際に構築したローカルAI環境を通して、製造業におけるAI活用のヒントを探る。

　日本の製造業において、労働力不足や技能継承が深刻化する中、多くの工場で現場作業の自動化推進が急務となっている。この課題を解決する手段として、生成AIやAIエージェントによる自動化への期待が高まる一方、機密データを外部クラウドへ送信することに対するデータ主権やセキュリティ上の懸念がある。

　また、AIエージェントによる自律的な多段階の判断・処理を繰り返す運用では、クラウド型APIの従量課金コストが読みにくい。これらの「現場データの保護」と「自律型AIの活用」を両立させる解として注目されているのが、オンプレミス環境で完結するローカルAI基盤だ。

　ソフトウェアベンダーのデジタルベースは、レノボの小型AIコンピュータ「ThinkStation PGX」向けにAIエージェント基盤「DigitalBase」を提供している。産業用機械メーカーのCKDはこの基盤を小型AIコンピュータ上で動かし、現場オペレーターによる自然言語の指示を基に、搬送ロボットの自律的な優先度判断や経路選択を行うローカルAI活用の初期検証に着手している。

　AIチャットbotやRAGのその先へ――この記事では、CKDのローカルAI活用についてCKD 生産技術統括部 フィジカルAIプロジェクトの石原昌季氏と、プロジェクトリーダーの遠藤英己氏、デジタルベース代表の今井康之氏へのインタビューを通して、製造業におけるAI実装のヒントを探る。

「あのエリアまで行って」　ロボットカーを言葉で制御

　現在CKDの工場では、生成AIを使った業務効率化に取り組んでいる。その一つが、手動搬送をAMR（自律走行搬送ロボット）へと置き換えていくための、ロボットカーを使った初期検証だ。小型AIコンピュータ上のDigitalBaseからMCP（AIと外部ツールをつなぐ標準規格）経由でロボットカーに接続し、人が自然言語で指示を出すとロボットカーが動くという。

　CKDの工場には工程間を運搬する自動搬送ロボットがいくつかあるが、小規模な導入に留まっている。少量多品種生産の背景により、重量や大きさ、稼働タイミング、停止位置などが複数ある。この状況をルールベースの自動化で網羅するのは困難だ。そんなとき、現場作業者の望む時に自然言語の指示出しで搬送ロボットが動けば、臨機応変な対応が可能になり、業務効率化が見込める。

　ロボットカーを制御するコードは石原氏自身が書いた。DigitalBaseにはMCPの基盤があらかじめ用意されているためAIの専門エンジニアでなくても、どう動くかを記述すれば制御を組める。

　「初めは、オープンソースのPythonのツールを使って、MCPやAPIゲートウェイをゼロから作ろうとしました。しかし機械系の出身であり、プログラミングには詳しくなかったため分からないなりに迷走しながら技術検証をしていました。そんな状況でもDigitalBaseを通すことで骨子が見えてきました」（石原氏）

　費用面でみたとき、ローカルAIのコストはどれほどかかるか。チャットとRAGだけの使い方ならトークンの消費量は少なく、クラウドのAIサービスでもAPI費用はそれほどかからない。

　一方、MCPでロボットを動かす使い方では、人間が1回指示を出すとAIが状態確認と動作指示を5〜6往復繰り返すため、トークン消費量が多くなる。複数人でエージェントとして使う場合、API従量課金が発生せず運用コストを予測しやすい小型AIコンピュータを置く方がコストパフォーマンスは高くなる。

　石原氏がこの検証を通して思い描くのは、専用の経路やステーションを設けずに、少数のAMRが工場内のさまざまな場所へ向かう使い方だ。各現場のオペレーターが「あのエリアまで行ってほしい」などと声で指示を出し、優先すべきタスクや経路はAIが判断する。そんな仕組みの構築を目指している。

　少量多品種の製品に融通を利かせて対応する仕組みは、従来のルールベースの自動機では実現が困難だ。また熟練者の判断に頼る作業の属人化も課題として残っている。CKDは生成AIによってこれらの課題を解決すべく、デジタルベースと連携して試行錯誤を重ねている。

オンプレミスでも高性能なAIを実現できる時代へ

　CKDの社内ではクラウドのAIサービスを利用しているが、工場の現場は別だ。「工場内の各設備には、生産加工や組み立てに関する製品の技術情報が含まれています。それをクラウド上のAIに組み込んで活用しようとすると、データ主権の観点でリスクがあります」（石原氏）

　今井氏によると、製造業の技術部門を中心に、小型AIコンピュータを購入して社内専用のAIエージェント構築に取り組む企業が増えてきているという。

　「モデルを動かしてチャットやRAGの構築まではできたが、その先、社内データとつなぎ、業務で使える形にしたいという相談が製造業を中心に増えてきています。米Broadcomが2026年6月に公表した調査レポート『Private Cloud Outlook 2026』によると、パブリッククラウドからプライベート環境への移行を検討している企業は83％と、2025年と比較して14ポイント上昇しています。また、オープンウェイトモデルの軽量化と性能向上、PGXのようなAIに最適化されたコンピュータにより、オンプレミス上でも高性能なAIモデルを安全に稼働させることが可能になっています」（今井氏）

ローカルAIをAIチャットやRAGで終わらせないために

　小型AIコンピュータの導入初期において、手軽にローカル推論を試せるツール「Ollama」やチャット型プラットフォーム「Open WebUI」はPoC（概念実証）の標準環境として広く活用されている。しかし、これら標準ツールのみの構成では、社内の基幹データや設備との連携、MCPによる自律的な機器制御、AIが手順を自ら実行するツールコーリングなどの高度な機能が不足している。

　その結果、せっかく導入したローカルAI環境が単なる社内チャットやRAGの域を出ないという壁に直面する。これらのAI活用が業務自動化や生産性向上に直結しなければ、投資対効果（ROI）が見えないためにプロジェクトが頓挫・放置されてしまう場合もある。

　「GPUを持っていても活用しきれない企業は、『パーツが足りていない』という状況にあると考えられます。チャットとOllamaによる簡易なRAGまでは手軽にそろえられますが、その先にあるAIエージェントの導入を実現するには、さらに別のソフトウェアが必要になります。それらを組み合わせて、自社にとって適切な環境を自前で構築するのは難易度が高いです。結果としてクラウドのAIと比べて見劣りする性能にしかならない、という状況に陥ってしまいます」（今井氏）

　DigitalBaseならば、こうした状況を打破できると今井氏は続ける。DigitalBaseは、（1）AIエージェント機能：MCPやRAG、APIゲートウェイ、（2）データ連携：基幹システムや設備のデータをAIから使える形につなぐ基盤、（3）運用基盤：推論エンジン「vLLM」の稼働管理から認証・権限管理、監査ログまでの3層をインストールするだけで構築できるワンパッケージ構成を提供する。IT部門や現場エンジニアが複雑なミドルウェア構築に忙殺されることなく、最上層の自社アプリケーション開発や現場業務の自動化に集中できる環境を整えられる。

　実際CKDも、当初は標準ツールだけで検証を進めていたが、それだけでは社内データとの連携やMCPなどのエージェント機能が不足し、目指す環境の構築には至らなかったという。そこで同社は、必要な機能を一括で備えたDigitalBaseを活用し、環境構築に挑戦している。

　DigitalBaseは、全機能をユーザー企業自身が管理できるため、運用の監視やアップデートを外部ベンダーに委託せずに利用できる。「ユーザー企業が真に注力すべきなのは、現場業務に直結するアプリケーション層の改善です。それより下層のミドルウェアや推論基盤はパッケージとして固め、運用監視も外部委託せずにある程度社内で見られる状態にすることこそがAI活用のベストプラクティスになります」（今井氏）

　現在CKDでは、推論サーバやMCPなどの基盤層はDigitalBaseのパッケージをそのまま活用し、石原氏がその上でロボットの自律制御コードを記述することで、検証を進めている。

AIミニスパコンの中でも「PGX」を選んだワケ

　いざローカルAI環境を構築しようとすると、小型AIコンピュータの選定にはさまざまな選択肢がある。数あるハードウェアの中でThinkStation PGXを選んだ理由について、今井氏は「PoC環境での利用規模（10人以下）や現場での取り回しを考慮した際、高い適合性を備えているためです」と明かす。

　ThinkStation PGXは、デスクサイドにも設置できる小型サイズでありながら、「NVIDIA GB10 Superchip」を搭載しており、演算性能は1000TOPSに及ぶ。128GBのユニファイドメモリも備え、単体で2000億パラメータ規模の大型AIモデルをローカル環境でスムーズに推論させることが可能だ。

　10人以下のプロジェクトチームで同時利用・検証を行うPoC段階であれば、専用のデータセンターを構えずとも、本機1台で十分すぎる処理能力とコストパフォーマンスを発揮する。また、必要に応じて2台をクラスタ接続すれば、最大4000億パラメータの大規模LLMへ拡張できる柔軟性も備えている。

　性能面だけでなく、ハードウェアベンダーとしての手厚い保証とサポートを受けられる点も大きい。将来的に画像処理や複数モデルの同時稼働によってさらなるメモリ帯域が必要になった場合でも、同じレノボ製品のハイエンドワークステーションやサーバへスムーズにスケールアップできる安心感がある。

　「PoCの段階では大きな差は見えにくいかもしれませんが、将来的な商用化や事業全体のビッグピクチャーを見据えると、ベンダーのフルサポートを受けられるレノボ製品が最も信頼できると考えました」（今井氏）

　またレノボの社内にAIソフトウェアの専門部門がある点も、ソフトウェアベンダーとしての選定理由になった。一見同じスペックに見えるハードウェアであっても、機器ごとに最適化や検証が必要になる場合がある。レノボ側に専門の部隊があることで、顧客に対して事前にしっかりと検証された信頼性の高い環境を迅速に提供できるという。

　このローカルAI基盤の構築は、国内工場にとどまらない発展性も秘めている。石原氏は「工場内で完結するローカルAIの仕組みが確立されれば、当然ながら海外工場への水平展開も次のステップとして議題に上がります」と展望を語る。PC分野でグローバル首位を誇るレノボは製品の安定供給力に定評があり、海外拠点での保守サポートはもちろん、各国の電気・電波認証も取得済みだ。

　買い切り型で運用コストを抑えられるThinkStation PGX、グローバルで実績のあるレノボのサポート体制、DigitalBaseの柔軟なAIエージェント基盤。ハードウェアとソフトウェアが最適な形で統合されたことで、CKDは単なるチャット利用にとどまらない「現場で成果の出るローカルAI」の実現に向けて歩み始めている。今後、国内外の工場へ展開する際にも、レノボのグローバル供給力とサポートネットワークがその推進力となるだろう。

　「製造業のお客さまの間で、クラウドAIだけではなく機密情報を保持したまま活用できるローカルAIへの関心が急速に高まっています。レノボはThinkStation PGXからワークステーション、サーバまで一貫したAIポートフォリオを提供しており、お客さまのPoCから本格展開まで伴走できることが強みです」（レノボジャパン）