✓ 大量のログ・データはたまっているのに、量が多すぎて人手では見きれていない

✓ 「いつもと違う動き」を見つける判断が、一部のベテランの経験に依存していて引き継げない

✓ 運用レポート・保全レポートの作成に時間が溶けて、本来の判断や打ち手の検討が後回しになっている

✓ AIに分析を任せたいが、「全部自動化」と「人がやる」の間でどう線を引くか分からない

もし一つでも当てはまるなら、

問題は「データが足りない」や「人手が足りない」ことではありません。

人がやっていた分析を「探す・突き合わせる・判断する・報告する」に分解すると、AIが下書きまで自走できる部分と、人が判断として残すべき部分が見えてきます。

この45分で、自社の分析業務のどこからAIに任せられるかを見極める観点を持ち帰ることができます。

■ こんな方におすすめです

────────────────────────────────

✓ 毎週・毎月の定型レポート作成に時間を取られていて、AIに下書きを任せられないか考えている方

✓ 大量のログ・データがたまっているが活かしきれず、何から手をつけるか分からない方

✓ 分析や異常検知の判断がベテランに依存していて、属人化・技能伝承を解消したい方

✓ AIエージェントに分析業務をどこまで任せられるのか、現実的な線引きを知りたい方

✓ DX推進・データ活用担当として、自社の分析業務のAI化を検討している方

■ セッション説明

────────────────────────────────

工場の設備が毎日吐き出す稼働ログは、週に数えると十数万件規模になります。これまでは、ベテランの保全担当やデータ担当が、その膨大なログから「いつもと違う動き」を探し、関連する事象を突き合わせて原因の当たりをつけ、定期の分析レポートにまとめてきました。しかし量が多すぎて人手では見きれず、判断が一部の熟練者に依存してしまうという課題が、多くの現場に共通して存在します。

本セッションでは、ある製造業のお客様と取り組んだAIエージェント開発の実例をもとに、この「人がやっていた分析」をAIがどこまで自走で代行できるかを具体的に示します。設備ログを読み解き、運用レポート・保全レポートの下書きまでをAIが書く。AIが「いつもと違う」を見つける観点、どこまで任せられて、どこに人が残るのかを、ビフォー・アフターの業務の変化として整理します。

今日のゴールは「AIに全部任せて人が要らなくなる」という話ではありません。AIが一次分析と報告書のドラフトを担い、人は確認と意思決定に集中する。その現実的な役割分担を、自社の分析業務に当てはめて考えられる状態を持ち帰っていただきます。

■ 今回話す内容

────────────────────────────────

1. 人がやっていた分析を「探す・突き合わせる・判断する・報告する」の4ステップに分解し、ボトルネックを見極める
2. 設備ログ十数万件を読み解き、運用レポート・保全レポートの下書きまでをAIが自走で書く仕組みを実例で見る
3. AIに任せられること・人が残ることを整理し、自社の分析業務への当てはめ方まで持ち帰る

■ 登壇者

────────────────────────────────

三好大悟（株式会社リベルクラフト 代表）

データサイエンティスト出身。製造業・大手ITを中心に、AI・データ活用のコンサルティングと社内研修を手がける。「技術を現場で動く施策に翻訳する」をミッションに、導入判断から構築・運用展開まで一気通貫でサポートしている。Python・SQLによる実装経験と、経営層へのプレゼン・合意形成の両方を持つ実務家。

X: 三好大悟, リベルクラフト