|
製造業向けに生成AIソリューションを提供するスタートアップ、ストックマーク株式会社(本社：東京都港区、代表取締役：林 達、以下：当社)は、製造業向けAIエージェント「Aconnect」の技術探索エージェントにおいて、社内に蓄積された技術文書を自動で紐付ける「社内情報連携機能」を、本日2月19日よりPoC形式で提供開始いたします。 |
|
|
|
本機能により、ロジックツリー型で構造化された技術課題や市場課題解決の要因仮説や解決策に、論文や特許といった社外情報に加えて、社内の報告書や実験データが自動連携されます。これにより「自社技術と親和性があるか」を早期に判断可能になります。 |
|
|
|
また、過去の類似事例を参照することで再検討や再発明を防止し、社内技術の再利用率を高め知見が循環する仕組み作りが可能になります。 |
|
|
|
|
|
|
|
背景：R&D現場に眠る「未活用ナレッジ」の課題 |
|
|
|
製造業のR&D現場では、過去の実験報告書や不具合解析資料など、「宝の山」とも言える膨大な社内情報が存在しています。 |
|
|
|
しかしながら、これらの社内情報は以下の理由により、実務において十分に活用しきれないという根深い課題を抱えています。 |
|
|
|
・情報の散在と検索性の低さによる「知見の埋没」 |
|
技術調査報告書や実験データが各部署や個人ストレージに分散しており、ファイル名から中身が推測できないことも多いため、必要な時に必要な情報に辿り着けません。結果として、社内に知見があるにもかかわらず参照されない「未活用ナレッジ」が大量に発生しています。 |
|
|
|
・自社技術との「親和性」の判断が困難 |
解決策の着想は、自身の経験や自部署の知見、身近なベテランへのヒアリングといった社内の知見を起点とするのが一般的です。しかし参照範囲が自分や所属部署内に留まりやすく、他部署を含めた全社的な設備・技術・ノウハウとの適合性判断は属人的になりがちです。
社内知見と紐づかないまま検討を進めることで、実装段階での手戻りや外注コストの増大といったリスクを招いています。 |
|
|
|
・過去事例の参照漏れによる「技術の再発明」の常態化 |
|
類似の不具合対策や材料検討が過去に行われていたとしても、現在の探索プロセスと過去資料が分断されているため、同じ仮説の検証や評価試験を繰り返してしまう「車輪の再発明」が頻発しています。これにより、時間・コスト・人材の貴重なリソースが重複投資される構造になっています。 |
|
|
|
|
|
|
|
「社内情報連携機能」の概要 |
|
|
|
本機能は、技術課題や解決策を構造化する「ロジックツリー型UI」上で、AIが関連度の高い社内技術文書(報告書、実験データ等)を自動で紐付ける機能です。 |
|
これにより、外部の論文・ニュースから得た「世の中のトレンド」と、社内に眠る「自社の実績」を同時に参照しながら、極めて精度の高い技術探索が可能になります。 |
|
|
|
本機能がもたらす技術探索プロセスの進化 |
|
|
|
■「実行可能性」の早期判断 |
|
解決策の仮説立案段階で、自社に蓄積された過去の成功・失敗事例が自動提示されるため、自社との親和性を即座に評価可能になります。 |
|
|
|
■過去事例を起点とした探索の「深化」 |
|
過去資料が単なるアーカイブから、現在の課題を解くための「検討資産」へと昇格。当時の失敗を、今の技術でどう乗り越えるかという一段上の検討が可能になります。 |
|
|
|
■“点在情報”から“循環資産”へ |
|
技術が個人や部署に閉じることなく、テーマに紐づいて再利用されることで、拠点間や世代間での知見の循環が始まります。 |
|
|
|
■ナレッジマネジメントの「実務フロー化」 |
|
意識的な「共有」作業をしなくても、日々の探索業務の中で自然と社内知見が活用される仕組みが構築されます。 |
|
|
|
|
|
|
|
新機能がもたらす「恩恵」 |
|
|
|
■自社技術を活かした最適解の選定 |
|
外部技術を参照した仮説の良し悪しだけでなく、「自社環境で実現できるか」を含めた現実的な判断ができ、実装段階での手戻りを劇的に削減します。 |
|
|
|
■開発リードタイムの短縮とコスト抑制 |
|
類似の検討や評価試験といった工程をショートカットできるため、時間・コスト・人材における重複投資を排除し、スピード感のある製品開発・改善を実現します。 |
|
|
|
■社内技術の再利用率向上 |
|
過去の対応案件が全社の共有資産として可視化され、知見が循環する仕組み作りが可能になることで、組織全体の技術力が底上げされます。 |
|
|
|
■意思決定の納得度・説明性の向上 |
|
「外部環境」と「社内実績」の両面から裏付けのある根拠を提示できるため、上層部や関係部門との合意形成がスムーズになります。 |
|
|
|
|
|
|
|
Aconnectについて |
|
|
|
「Aconnect」は、あなたの業務を理解したAIが、あなたの代わりに情報を探し、気づきを届け、リスクとチャンスを逃さず検知します。 |
|
ビジネスニュース・論文・特許・社内文書など、幅広い情報源から必要な情報をまとめ、開発現場のより早く・確かな判断を支えます。 |
|
|
|
・Aconnect：https://aconnect.stockmark.co.jp
|
|
|
|
|
|
|
|
ストックマークのソリューションについて |
|
|
|
AI活用は競争力維持のために不可欠な要素となっています。しかし、多くの企業が「データが整備されていない」「現場への定着が進まない」「具体的な成果に繋がらない」といった課題に直面しています。ストックマークは、こうした課題を包括的に解決するため、以下の6つソリューションを提供しています。 |
|
|
|
|
|
|
|
ストックマーク株式会社について |
|
|
|
ストックマーク株式会社は「価値創造の仕組みを再発明し、人類を前進させる」をミッションに掲げ、最先端の生成AI技術を活用し、多くの企業の企業変革を支援しています。 |
|
|
|
製造業向けAIエージェント「Aconnect」及び、あらゆるデータを構造化し企業の資産に変える「SAT」を運営しています。さらに、企業特化生成AIの開発や、独自システムの構築も支援しています。 |
|
|
|
会社名 ：ストックマーク株式会社 |
|
所在地 ：東京都港区南青山一丁目12番3号 LIFORK MINAMI AOYAMA S209 |
|
設立 ：2016年11月15日 |
|
代表者 ：代表取締役CEO 林 達 |
|
事業内容：最先端の生成AI技術を活用した、 |
|
企業のナレッジマネジメント・生成AIの業務適用を支援するサービスの開発・運営 |
|
URL ：https://stockmark.co.jp/
|
|
