モビテック独自の強みを活かし、
AI×ドメイン知識で新たな価値を創造する

事業推進部/2012年入社

#IT領域 #コンサル

INDEX

INTERVIEW

自主学習から始まった挑戦――事業誕生の軌跡

――2019年の自主学習から始まり、2022年にデータサイエンス事業を設立

大学では土木系を専攻し、新卒で入社した会社ではため池の設計業務を担当していました。
しかし、残業や休日出勤が多く、家庭との時間を確保できない環境に限界を感じ、転職を決意。2012年にモビテックへ入社しました。入社後はトランスミッション（CVT）の信頼性評価業務を担当。前職で培った調整力や折衝力を活かせるポジションで、ワークライフバランスも大きく改善しました。

2019年頃からは自己研鑽としてプログラミングを学び始め、HP制作に必要な言語を習得後、Pythonへと学びを広げました。次第に機械学習にも興味を持ち、「この技術を業務に活かせるのでは」と考えるようになりました。学習を続けながら営業活動を行い、初めて受注したのは“トランスミッションの要因調査”の案件。当時は一人での挑戦でしたが、大学の先生方やデータサイエンス協会、社外ネットワークなどの協力を得ながら知識を深め、実績を積み重ねていきました。

そして2022年、「データサイエンス事業」を立ち上げました。現在ではAIエンジニアやデータサイエンティストが集まり、AIコンサルティングからAIシステム開発、研究開発まで幅広く手掛ける組織へと成長しています。近年は新卒社員の配属も始まり、次世代人材の育成にも力を入れています。

技術革新と自己研鑽を支えるチーム文化

私たちの事業は、技術提供にとどまらず、コンサルティング要素が強い点が特徴です。お客様の課題を解決する“答え”につながる「きっかけ」を提供することを大切にし、いかに魅力的な形で提示できるかに力を注いでいます。
事業内容は、データ収集を効率化するRPAの開発、データ分析・AIモデル開発に加え、生成AIを活用したAIエージェントやRAG（検索拡張生成）システムの開発など、お客様の課題に合わせて幅広いソリューションを提供しています。

では、事業化の足掛かりとなった「要因調査システム」についてご紹介します。モノづくりの量産工程では、同じ図面から作られた製品の中に「異常品」が混入することがあります。異常の要因は刃具の摩耗など多岐にわたり、従来は関係者が議論を重ねて特定していましたが、経験則に頼るため正しい原因にたどり着けないケースもありました。
そこで、全影響因子の中からAIを活用して要因を特定する仕組みを開発。これが「要因調査システム」です。ただし、統計学や機械学習の知識だけでは不十分で、「構造物がどのような工程で作られるのか」「どの要素が異常品の発生につながるのか」といったドメイン知識が欠かせません。

現在では、この考え方をさらに発展させ、設備の異常予知保全AIや保全支援AI、設計業務を支援するAIなど、製造業に特化したさまざまなAIソリューションへ展開しています。AIを導入することが目的ではなく、お客様の業務や現場を理解した上で、本質的な課題解決につなげることを大切にしています。

モビテックの強みは、データサイエンスやエンジニアリングの知識に加え、長年の自動車開発で培った設計・解析・評価などのドメイン知識を活かせることです。AI技術と現場で培った知見を融合することで、他社にはない価値を提供しています。

振り返りが成長を生み、やりがいにつながる

案件完了後には必ずお客様アンケートを実施し、チーム全体で振り返りを行います。「終わったから次へ」ではなく、成果や課題を分析し、次に活かす――こうした積み重ねが、事業の安定化や品質向上、チームの成長につながっているのだと思います。
また「膨大なデータがあっても要因を特定できずにいたが、当社が技術提供することで数週間で成果が出た」といった声や、「生成AIを活用した業務改善が実現できた」といった声をいただくことも増えています。お客様の課題解決に直接貢献できた実感が技術者としての誇りや次へのモチベーションにつながっています。

こうした価値を継続的に生み出すためには、常に新しい技術を吸収し続ける姿勢が欠かせません。私自身はデータサイエンティスト協会の個人会員として最新の技術動向をキャッチアップし、自社で活かせるものを選定して取り入れています。
また、チーム内でも「情報収集担当」を設け、毎週のミーティングで最新トレンドや技術動向を共有するなど、情報アップデートを習慣化。さらに、業務全体の20％を自己研鑽に充てる仕組みを設け、隔週金曜日を“自己研鑽DAY”として各自が集中してスキルアップに取り組めるようにしています。メンバー一人ひとりに教育予算を設けているため、セミナー参加やオンライン講座の受講、資格取得、社外研修、機械学習コンペへの参加など、取り組むテーマもさまざまです。学びたいという意欲を後押しし、個々のスキルアップとチーム全体の成長を両立させる――それが私たちのチーム文化ですね。

ドメイン知識×AIで広がる未来

既存ソリューションに加え、研究開発にも注力しています。その一つが「サロゲートモデル」の開発です。
設計現場では、検討中の形状が最適かどうかをCAE解析でシミュレーションしますが、大規模な解析では結果が出るまで数週間かかることもあります。その間、検討がストップし、ボトルネックが生じてしまうため、この解析プロセスをAI化することで、“開発期間の短縮”と“パラメータの影響度の可視化”を実現するのがサロゲートモデルです。AIは“インプットに対するアウトプットの速度が速い”という特性を持つため、当社が取り組むサロゲートモデルでは、アウトプットの精度は6～7割とし、検討方向が「良い」か「良くない」かを即座に判断。結果待ちで開発が止まることなく、この方向で進めてよいかを即座に判断できるので「開発期間の大幅な短縮」につながります。

もちろん、サロゲートモデル以外の領域でも複数の研究開発を進めていますので、研究開発に取り組むメンバーは常に新しい技術の実装を追求しています。

要因調査システムやサロゲートモデルに象徴されるように、モノづくりの現場で培ったドメイン知識（設計ノウハウやCAE解析、NV（振動騒音）解析技術など）とAIを掛け合わせることで、他にはない価値を生み出せることが当社の強みです。

これからも、モビテックならではのモノづくりの知見とAI技術を融合し、お客様の課題解決だけでなく、新しい価値を生み出す技術にも挑戦し続けたいと考えています。これからも「ドメイン知識×AI」を強みに、製造業の未来を支える存在を目指していきます。

DAILY SCHEDULE