eBOOK　製造業のAIエージェント活用はどこから始めるべきか

製造業のAIエージェント活用は どこから始めるべきか IBM Bob ×IBM watsonx Orchestrateが描く “AI by Design” IBM Bob × IBM watsonx Orchestrate

はじめに 製造業におけるAI活用が急速に広がる一方、「部門ごとにバラバラに導入されたAI INDEX をどう統合管理するか」「部門をまたいだAI活用をどのように推進するか」という新 製造業のAI活用、今何が起きているか 〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮3 たな課題が浮上しています。 AIの乱立から統合AI基盤へ 〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮4 個別最適の積み重ねは、やがて全体最適を阻む要因となります。この課題を解決す IBM Bob / IBM watsonx Orchestrate るために、アルゴグラフィックスとIBMが提案するのが、AIエージェント開発パートナ IT開発の全フェーズで共に協働するAIパートナー 〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮7 ー「IBM Bob」とエージェント基盤「IBM watsonx Orchestrate」の組み合わせです。 コーディング前（Planフェーズ）〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮9 本eBOOKでは、製造業特有の課題とその解決策を、具体的な製品機能と導入 コーディング後（レビューフェーズ）〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮 10 シナリオを通じて解説します。 エージェントの「司令塔」〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮 11 IBM Bob ×IBM watsonx Orchestrateで製造業の何が変わるか IBM Bobを用いたエージェント開発〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮 13 様々な分野で実証が進むIBM watsonx Orchestrate 〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮 �� 製造業における不良予測に活用 〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮 15 アルゴグラフィックスの支援体制 IBM Bobに製造業の知見を乗せる 「ツールを触って人間がデータを作る」時代から、 「人間がAIを使い、AIがツールに指示してデータを作る」時代へ〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮 17 まとめ 〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮〮 �� �

製造業のAI活用、今何が起きているか 生成AIの普及とともに、製造業でもAI活用の取り組みが本格化しています。 しかしその実態を見ると、さまざまな課題を抱えている企業も少なくありません。 Agent LLM 企業における生成AI・AIエージェント活用の課題 AI Backend DB GPU • 部門ごとにバラバラに導入される生成AIシステム、AIエージェント。 AI Frontend AWS Agent Azure IBM Cloud A社 Cloud Agent Agent B社 Cloud 設計部門はあるクラウドのLLMを活用し、生産 管理部門は別のAIダッシュボードを独自に構築 LLM� LLM�-v� LLM�-v� Agent し、品質保証部門はまた別のエージェントを走 LLM� LLM� LLM� LLM� らせているなど、現場判断での導入。 Agent Webブラウザ VPN 専用アプリ • AI利用の状況把握が実施しづらく、ガバナンスや 社内環境 LLM� セキュリティの確保、利用コストの把握が困難。 専用アプリ Agent Project A Project D 企業側は「どのシステムがどのAIを使い、何を出 力しているかを誰も把握できていない」状態で、 Project B LLM- Tuning Webブラウザ LLM-Tuning コマンドライン 専用アプリ 情報システム部門からすると複数のツールが LLM� LLM� 各所に点在し、部門間での統合管理が追いつか ない状態。 Project G GPU Project C Project G GPU Project E Project F �

AIの乱立から統合AI基盤へ AIが乱立した状態を放置すればどうなるか。どのAIが何を判断しているかを誰も把握できず、また問題が発生したときに 責任の所在を特定できず、企業としての説明責任を果たせない状態になりかねません。 IBMはこの状況を「AI by Default」と呼びます。これに対してIBMが提唱するのが「AI by Design」です。 AI活用のアーキテクチャ進化：AI by Default から AI by Design へ AI by Default AI by Design ガバナンスやセキュリティを標準的に個々に取り込み、各部門がその時々のベスト 最初からアーキテクチャ設計としてAIを組み込む考え方。 ツールを個別に採用している段階。 ガバナンスやセキュリティを後付けで個別に追加するのではなく、初期段階から体系的・構造 的に取り込むことで、生成AIをより迅速かつ安全に活用できる状態。 AIアプリケーション/AIエージェント基盤 AIGW AIデータ管理 Webブラウザ LLM� AWS 接続方式 接続方式 Bedrock Webブラウザ Agent LLM � AWS Bedrock 社内NWから 社内NWから 専用アプリ LLM� VPN経由 専用アプリ Agent LLM � VPN経由 Microsoft 社外NWから Microsoft AIゲートウェイから Azure インターネット経由 AI Azure インターネット経由 Webブラウザ LLM� Webブラウザ Agent ゲ LLM � 社内NWから ー インターネット経由 ト Agent ウ ェ LLM � Google 専用アプリ LLM� Google Vertex AI 専用アプリ イ Vertex AI IBM コマンドライン LLM� IBM watsonx.ai コマンドライン Agent LLM � watsonx.ai 専用アプリ LLM� 自社インフラ 専用アプリ Agent LLM � 自社インフラ 基盤環境 基盤環境 �

AIの乱立から統合AI基盤へ 「AI by Design」の具体的な形が統合AI基盤です。複数のAIモデルをAIゲートウェイ上で統合し、利用ルール・アクセス制御・ 監査情報を基盤側で一元的に管理します。 どのアプリケーションが、どのAIモデルを、どの条件で利用したかまでを可視化できるため、トレーサビリティ、コスト透明性、 セキュリティを設計段階から担保できます。これらを「後から追いかける」のではなく、AI活用の前提条件として基盤に組み込みます。 AI基盤は 【統合AI基盤 アーキテクチャ】 認証認可基盤 IdP 「全部を一度に作り直す必要はない」が AIアプリケーション基盤 AIエージェント共通基盤 AIゲートウェイ AIモデル管理（LLM）基盤 OAuth 認証・アクセス制御 LLM稼働環境 重要な考え方 スタンド • Chat UI 外部LLMサービス アロン型 • 文書Q&A（RAG） 汎用型LLM AI Pre-built • 人事 生成AI • 定型文書代筆 オエ Agent • 購買 流量制御 Llama Mistral Gemma パブリッククラウド アプリ • ロールプレイング ユーザー • コードアシスト、など ーー • 営業支援 ケジ • ファイナンス 出力検査・ガードレール 特化型SLM Azure OpenAI スェ まず、ユーザーが活用するChat UIやRAGなどのAIアプリ 業務 トン 監査ログ・利用記録管理 Granite Phi StableLM AWS Bedrock 連携型 レト TuneロントTunサe ービTスune ー 独自 ス 生成AI • 外部システム Google Vertex AI アプリ API連携用アプリ タ Agent 可視化ダッシュボード ケーション基盤を整備し、業務を効率化する。　　　 ー Tuning/プロンプト開発環境 AIモデルゲートウェイ IBM watsonx.ai 外部システム • モデル抽象化 チューニング/ • 次に、業務全体を横断して支援するAIエージェント共通 プロンプト • AIポータル Tuning 開発環境 A�Aゲートウェイ Data set 外部 A I Agent 基盤を構築し、複数タスクの連携や自動化を実現していく。 プロンプト管理 アプリ アプリ Agent統合 実行環境 実行環境 MCPサーバー基盤 社内システム エージェント MCPゲートウェイ アプリ アプリ アセット管理 アプリ MCP Server 稼働環境 ハイブリッドクラウド これと並行して、複数のLLMを管理・最適化するAIモデ アセット管理 開発支援環境 開発支援環境 MCP集約 Data接続MCP System接続MCP API CRM ゲ ー ERP ル管理（LLM）基盤を整備する。 ス AIデータ基盤 ト ウ 人事・経費 長期記憶/ ェ 履歴管理 キャッシュ データ基盤 文脈データ管理 構造デーータ管理 関係知識グラフ管理 データガバナンス データパイプライン イ グループ• ウェア • 最終的に、これらの基盤を統合するAIゲートウェイを構 • AIセキュリティー / AIガバナンス基盤 社内データ 築することで、タスクとモデルを最適に処理し、AIエージ 全社リスクの可視化と管理 リスクアセスメント フ AI目録と AI脅威検知と対策 トレーサビリティー管理 オンプレミス ライフサイクル管理 社内文書 ェントが自律的に判断・実行し、業務プロセス全体の最 AI運用基盤 社内データ 適化を実現する。 監視・アラート管理 バックアップ／災害復旧支援 ログ・イベント統合 リソース最適化／コスト制御 CICD／デリバリー自動化 （開発支援環境との連携） パブリッククラウド データサービス Red Hat Open Shif（t コンテナ基盤） |　HashiCorp Terraform （ IaC 自動化基 盤） ハイブリッドクラウド基盤（オンプレミス、パブリッククラウド、ソブリンクラウド、エッジ） �

IBM Bob / IBM watsonx Orchestrate �

IBM Bob IT開発の全フェーズで共に協働するAIパートナー 企業におけるAI活用のもう一つの課題が部門をまたいだAX（AIトランスフォーメーション）の実現です。 複数部門をまたいでAIを活用するには、業務プロセスやデータの分断といった課題が存在します。 特に製造業では以下のような課題があり、AIエージェントが新たな解決策を提示し始めています。 製造業固有の課題 AIエージェントによる解決 ？ 長年にわたり人の経験や判断に依存してきた工程が数多く残されている。 1次元の概念設計から3次元の詳細設計への移行、ベテラン技術者の暗黙 •設計BOMを工程BOMへ展開するプロセス 知のデジタル化、分断されたフェーズ間のデータ連携など、こうした複雑な •ベテラン技術者の暗黙知 など 工程に対して、AIエージェントの活用が始まっている。 このような取り組みを実現するには統合AI基盤が必要となり、その中で開発側の要となるのがIBM Bob �

IBM Bob IT開発の全フェーズで共に協働するAIパートナー IBM Bobには、従来からあった「AIコーディングツール」という括りでは捉えきれない設計思想があります。 AIエージェント駆動のエンタープライズ向け開発支援パートナー IBM Bobの3つの特長 � � � エンタープライズ志向 ハイブリッド拡張性 全方位モダナイゼーション 統制・安全性・監査性・再現性を オンプレミス、クラウド、API、MCP JAVAのみでなく、COBOLやRPGと 最優先に設計 （Model Context Protocol）に対応 いったレガシー言語も含めた幅広 し、既存システムとの連携を前提と い開発をカバー。 した構成が可能。 利用する基盤モデル（LLM or SLM） 利用者が意識することなく、タスクに応じた適切なモデルに自動的に振り分けることにより高い品質（正確性・性能・コスト）を実現 フロンティア・モデル: オープンソース・モデル: 専門モデル: Claude（ Anthropic社） Mistral, Devstral（ Mistral AI社） Granite（IBM）、カスタム・モデル 次のページからIBM Bobによる、コーディングの前工程と後工程への対応を見てみましょう。 �

IBM Bob コーディング前（Planフェーズ） 開発者が「XX業務アプリを作りたい」と話しかける デモ➀：AIエージェントによる要件整理・新規開発 と、Bobは目標の確認・技術スタックの確認・データ Planフェーズで実装前に要件を整理し、手戻りを削減して品質と開発スピードを向上 の保存要件・対象ユーザーの確認・その他の制約 ➀IBM Bobの提案を ➁整理した要件に基づき、 ➂SPEC 駆動開発で と、順を追って対話形式で要件を整理します。 確認しながら要件を整理 仕様書・設計書を作成 　Todo リストを生成 目標の確認 SPEC その上で要件定義書・技術仕様書・アーキテクチャ 要件定義書 設計書・実装計画書といったドキュメント類を生成 技術スタックの確認 SPEC 技術仕様書 XX業務アプリ し、具体的なToDoリストを提示してユーザーの 作って データの保存要件 SPEC アーキテクチャ設計書 承認を得てから実装に進みます。 対象ユーザの確認 SPEC API 設計書 その他の要件や制約 SPEC 実装計画書 「AIに雰囲気で指示する」バイブコーディングではな TO-DO LIST ・・・ SPEC ・・・ く、仕様を文書化した上でAIが動きます。エンタープ ライズが必要とする品質と再現性を担保するアプ 指示 Project Bob ローチです。 XX業務アプリ 作って 設計 計画 実装 レビュー 実装前の 指示を分解し 各タスクの生成・ 機能性・性能 計画と設計 ToDo を作成 テスト・再実行 セキュリティ改善 TO-DO SSPPEECC LIST SPEC 業務アプリ �

IBM Bob コーディング後（レビューフェーズ） ルールベースの静的解析によるコードレビューを デモ➁：AIエージェントによるコードのレビュー Bobが自動実施し、セキュリティ・パフォーマンス・機 開発初期段階での「Shift Left」を実現し、コード品質を向上させて運用リスクを最小化 能性・保守性の観点から問題を検出します。 「BOB FINDINGS」として問題箇所と説明・優先度・ 推奨修正案がまとめられ、AIが自動で修正を完了・ 最適化するところまで一連の流れで完結します。 レビュー コード・レビュー BOB FINDINGS 問題点修正 前コード Semgrepルールベース解析に レビュー済 レビュー結果サマリー  問題の詳細情報を よる多角的コードレビュー コード  問題箇所の特定 AIへシームレスに連携  セキュリティ  各問題点の説明  修正案をAI に提示し  パフォーマンス  問題の優先度提示 AI が自動で修正を完了・コードを最適化  機能性＆保守性  推奨修正案の提示 指示 Project Bob XX業務アプリ 作って 設計 計画 実装 レビュー 実装前の 指示を分解し 各タスクの生成・ 機能性・性能 計画と設計 ToDo を作成 テスト・再実行 セキュリティ改善 TO-DO SSP C LIST SP E PEECC 業務アプリ LLMはタスクの性質に応じて、高性能で最新のフロンティアモデル、安価で軽量なオープンソースモデル、特定要件に特化して学習した専門モデルを 自動で使い分けます。開発者はどのモデルを使うかを意識することなく、常に最適な品質・性能・コストのバランスで作業を進めることができます。 ��

IBM watsonx Orchestrate エージェントの「司令塔」 IBM Bobが開発フェーズの「現場担当者」だとすれば、watsonx Orchestrateはエージェント全体の「司令塔」にあたります。 watsonx OrchestrateはIBMが提供するAIエージェントの構築・利用・運用のためのプラットフォームで、3つの特長を持ちます。 特長 ➀ 特長 ➁ 特長 ➂ 業務ユーザーによる短期間での導入 幅広い業務と オープンで高い拡張性 エージェント・ライフサイクル全体のカバー •人事、調達、販売といった各領域で利用可 •自律的に業務を支援するエージェント •MCP(Model Context Protocol) や 能な定義済みの280以上のエージェント と、事前定義型のAIワークフローの Agent To Agent(A�A) 等の標準プロト と1,000個以上のツールを提供 両方のユースケースをカバー コルに対応し、外部の Tool や Agent、 LLM と柔軟に連携が可能 •業務ユーザーでもローコードでクイック •音声接続、UI、接続管理など、業務利用 にエージェントを構築し、これまで業務 に必要な機能を提供 •オンプレミスにも対応 システムでカバーできなかった領域の 効 率 化 を実 現 。開 発 ツール は 開 発 •開発だけでなく、テストやモニタリング シーンに応じて３種類を提供　　　 を含めた、ガバナンスも含めたライフ さらに、BobでAgent開発を支援 サイクル全体をカバー ��

IBM Bob ×IBM watsonx Orchestrateで製造業の何が変わるか ��

IBM Bobを用いたエージェント開発 IBM BobとIBM watsonx Orchestrateは、 使い分けるよりもセットで使うことでシナジーが最大化 IBM Bobでは、watsonx Orchestrate向けのエージェント開発モードを提供しています。 このモードを活用することで、watsonx Orchestrate MCPサーバーの設定が自動化されます。 watsonx OrchestrateのADK（Agent Development Kit）が提供するベストプラクティスは、IBM Bobに組み込まれています。これにより、エージェント 定義やPythonカスタムツールの実装が高速に行われ、修正・テスト・評価・デプロイまでの一連のサイクルを対話形式で完結させることができます。 IBM Bob エージェント/ツール開発の高速化、品質向上 ibm-watsonx- 生成AIを用いて、エージェント定義や、Pythonによるカスタム・ツールの実装を高速に実行します。また、ADKからのテンプレート取得、 orchestrate-mcp watsonx Orchestrate ADK SaaS/Onprem ドキュメント参照によりベスト・プラクティスに沿った実装が可能です。 CLI ADKの利便性向上 Skillの利用 ADKが提供する様々なコマンドを対話的に実行します。利用方法や実現方法などを質問、手順書の作成なども可能です。 運用、改善サイクルの効率化 watsonx Orchestrate Developer Edition 要件に応じた修正（エージェント定義、ツール）、単体テスト、エージェント評価、デプロイまでの一連のサイクルを対話ベースで 効率的に実行。また、テスト結果などのレポート生成への活用も可能です。 watsonx 容易な構成 ADKの利用方法の検索 Orchestrate watsonx Orchestrate用のWXO Agent ArchitectモードをIBM Bobのマーケット・プレイス経由で導入することにより、MCPサーバー 開発用PC Document MCP 構成やプロンプト設定を自動的に行うことが可能です。 Bobとwatsonx Orchestrateが提供するSkillやMCPサーバーを連携させることで、対話ベースでAgent/Tool開発・運用を効率的に行うことが可能に AX推進に向けた業務エージェントの開発・運用を効率化し、部門横断でのAI活用を加速 ��

様々な分野で実証が進む IBM watsonx Orchestrate 製造業向けの提案事例も着実に増えてきてい 業務 適用領域 ユースケース ます。 金融 営業 見込み顧客リスト作成 金融 カスタマーサービス クレジットカード審査 watsonx Orchestrateを用いた実証が進んでい 金融 業務部門 帳票入力作業の自動化 る主なユースケースとしては、以下があげられ 金融 営業 職員の窓口対応のガイド ます。 金融 人事 Workdayを使った人事業務支援 保険 IT COBOL開発改善（Copy句抽出、DB特定） 保険 カスタマーサービス 保険契約者からの問い合わせ対応 •過去の事故情報を学習した危険予知トレー 保険 営業 営業アシスタント（社内事務の対応） ニング（作業前のアラートや教育支援） ガス 人事・総務 通勤費申請の自動化 製造 人事 異動処理、再雇用/契約更新、給与・経費処理、住宅施策 •保全検討のサポートエージェント（設備保全 製造 人事 入社手続き（社員証、社宅） 計画の立案支援） 製造 人事 休暇申請・登録・カレンダー設定 製造 人事 休暇設定 •間接材購買の業務効率化 など 製造 購買 間接材購買の業務効率化 製造 労災防止 過去の事故情報を学習した危険予知トレーニング 製造 保全 保全検討のサポート 建設 その他（バックオフィス） 社内問い合わせ対応 ITサービス（BP様） 営業 Kintoneへの案件情報の登録 ITサービス（BP様） 人事 住所変更 ITサービス（BP様） 営業 会議後の業務効率化 ITサービス（BP様） 営業 提案支援 ITサービス（BP様） 人事 新入社員登録 / 社内規則問い合わせ / 出張申請 ITサービス（BP様） IT セキュリティシステムのアラートフィルタリング ��

製造業における不良予測に活用 たとえば、工作機械の予知保全を想定したデモでは、オペレーターが「加工ID ����の不良の可能性を調べてほしい」と 話しかけると、IBM watsonx Orchestrateのエージェントが加工データを分析して不良リスクを判定し、過去の対応履歴を 検索し、部品在庫システムに確認を取るまでの一連のプロセスを自動で実行します。 デモ：不良予測～過去問題対応調査や 工作機械予知保全エージェント オペレーター 部品在庫確認まで watsonx Orchestrate 異常検知から対応策の提示、部品調達の 加工ID ����の不良の可能性について 確認まで、従来は複数の担当者が複数の 加エデータ検索 加工不良予測 問題対応履歴検索 部品在庫確認 調べてください ツール 予測根拠提示ツール ツール ツール システムを操作して対応していた業務が、 素材タイプが「ステンレス鋼」かつ回転 自然言語での対話で動き出します。 加エデータ watsonx.ai 速度が292 rpm 以下であれは正常と 検査結果データ 過去の対応履歴 部品在庫システム 判断されますが、 今回の回転速度は ��� rpm (��� を超える）ため、 正常条 件を満たしていません。 部品在庫を確認しますか。 OCR OCR はい SPSS 【部品在庫状況】 品質の不良予測モデル作成 BRG-SPINDLE-���� 主軸ベアリング ー在庫数： 4 個、 単価： 60,000円、 保 品質検査 生産技術部 オペレーター 管場所：倉庫B-棚5、納期:5日（供給 元：ベアリング工業株式会社）。 ��

アルゴグラフィックスの支援体制 IBM Bobに製造業の知見を乗せる ��

「ツールを触って人間がデータを作る」時代から、 「人間がAIを使い、AIがツールに指示してデータを作る」時代へ 課題 仕様駆動開発による解決 •AIエージェントを企業で継続的に使い続けるには、エージェントへの •標準プロセス・成果物テンプレート・ルール・ガイド・コマンド（プロンプト） 「指示の質」を安定させる仕組みが必要 をあらかじめ定義 •個人がそれぞれ異なるプロンプトでAIに指示を出せば、品質はばらつき、 •それをBobに組み込むことで、AIが「その企業の開発標準に沿って動く」 社内ルールへの準拠も担保できない 状態を実現 「製造業で培った知見」こそがアルゴグラフィックスの強み アルゴグラフィックスでは、製造業で培った知見・ノウハウを元にお客様をご支援します。 「人間がAIを使い、AIがツールに指示してデータを作る」時代への移行を支える基盤を、アルゴグラフィックスはIBMとともに構築 ��

まとめ 製造業では、部門ごとにAIが乱立しガバナンスや品質管理の複雑化が課題に IBMは、この課題に対し統合AI基盤「IBM watsonx Orchestrate」と 開発支援AI「IBM Bob」を組み合わせた「AI by Design」を提唱しています。 Bobは要件整理・設計・レビューまで開発全体を支援し、 watsonx Orchestrateは複数AI・ツール・業務システムを統合管理します。 AIを“個別導入”から“統合活用”へ。 IBMは、企業全体で安全かつ継続的にAIを活用するための基盤づくりを推進しています。 ��

アルゴグラフィックスは創業期からIBMと協業し、製造業の設計・開発領域を長年支援してきました。 IBM Bob・IBM watsonx Orchestrateの取り組みでは、その現場知見をAI活用基盤へ展開しています。 AI by Design（AIを企業全体で安全・継続的に活用するための設計思想）の考え方 •AIの乱立を防ぎ、ガバナンスを設計段階から組み込む •エージェント基盤・データ基盤へ段階的に拡張 •AIゲートウェイを起点に利用状況を可視化 •製造業全体のAI活用を統合的に推進 IBM Bob IBM watsonx Orchestrate アルゴグラフィックス IT開発現場のAIパートナー AIエージェントの司令塔 製造業の現場知見を提供 要件整理・設計・レビューを支援 複数AI・システムを統合管理 IBM Bob・watsonx Orchestrate活用のご相談は、アルゴグラフィックスまでお問い合わせください。 株式会社アルゴグラフィックス 各種ご相談窓口 ��-����-���� 〒���-���� www.argo-graph.co.jp 東京都中央区日本橋箱崎町5-14 アルゴ日本橋ビル e-mail marketing@argo-graph.co.jp ��