日本IBMは新たに、企業が材料開発を行う際に人工知能（AI）を活用する「IBM Material DX」という伴走型サービスを開始すると発表しました。このサービスでは、データ収集やモデル構築のプロセスにおいて、日本IBMのコンサルタントやエンジニアが企業と協力し、膨大な文献情報を学習させたAIを利用して、企業の研究データをカスタマイズします。これにより、材料開発にかかる時間とコストを10分の1以下に削減することを目指しています。

サービスは、特定の物性を持つ材料を逆算的に探索する「逆設計」にも対応しており、ユーザーが求める材料特性を入力することで、高精度に合致する化合物や分子構造を予測し、自動的に材料を設計できます。さらに、効率的な実験プロセスを提案することで、開発の迅速化が実現します。

また、対話型のインターフェースを持つ大規模言語モデル（LLM）を搭載しており、ユーザーはまるで科学者と会話をしているかのように材料を設計できます。この伴走サービスは、短いケースで半年から、長いケースで3～5年が想定されており、企業にとっては実用的かつ効率的な材料開発の支援が期待されています。

AI（人工知能）エージェントは、ものづくりの現場での劇的な変革をもたらしています。例えば、生産拠点全体のサプライチェーンを確認し、材料や部品の適切な発注を行ったり、設備保全の技術者が熟練者の技能をタブレットで確認できるようにし、作業の効率化と生産性の向上を実現しています。

具体的な応用例として、ロート製薬と大阪のAIベンチャー、フツパーが共同開発した「リアラボAI」による創薬のプロセスがあります。このAIエージェントは、情報収集から設計、製造に至るまでの業務を支援することでリードタイムを大幅に削減しました。リアラボAIは、研究者の指示に基づき、自動的に1万件以上の原料カタログや1,000件を超える処方データベースから情報を収集し、研究者の要求に応じた提案を行います。

このAIによるシステムの導入により、研究者は実験手順の作成やプログラムの実装といった手間から解放され、むしろ新たな化合物の設計や疾患メカニズムの仮説構築に専念できます。このように、専門的なツールや実験ロボットの操作がより多くの研究者にアクセス可能になることで、科学的発見が加速することが期待されます。AIエージェントは、ものづくり現場の効率化と革新を促進し、産業全体に恩恵をもたらす存在となっています。

コカ・コーラシステムは、製造現場においてAI技術を活用し、節水やロス削減に取り組んでいます。日本コカ・コーラの守山工場では、米国スタートアップのLaminar社の先進技術を導入し、2026年には本格的な実証実験を予定しています。この技術は、海外のフランス工場では実験を通じて約10％の節水効果を確認しています。

特に、守山工場で水を大量に使用するCIP（Cleaning In Place）プロセスに着目しています。このプロセスでは、タンクや配管の自動洗浄が行われますが、過剰洗浄が課題となっています。Laminar社の技術により、最悪のケースを想定したCIPの時間を50分から25分に短縮できるため、水や化学薬品の使用量も大幅に削減可能です。さらに、製品の切り替えもスムーズになり、品質が良い状態で廃棄せずに済むタイミングを精密に検知できるのです。

Laminar社の技術は、分光センサーとAIによる機械学習モデルから成り、リアルタイムで流動液の特性を判別し、洗浄プロセスを最適化します。海外では、北米や欧州での導入事例により、水使用量の平均削減が44％、時間の削減が31％、洗浄液の削減が20％といった成果を上げています。守山工場は、国際的な水資源管理認証AWSを取得しており、持続可能な運営を目指しています。

レゾナックは、材料検査にAI画像解析を導入し、解析精度を大幅に向上させた。この取り組みは、電子材料メーカーがAI（人工知能）やMI（マテリアルインフォマティクス）を活用して業務のデジタルトランスフォーメーション（DX）を進めている一環である。研究開発の効率化、高精度な解析、そして新素材の迅速投入を目指すことで、競争力の強化が図られている。

具体的には、ファンクショナルマテリアルの開発で従来の試作手法に代わり、MI技術を用いることで試作回数を大幅に減少させることが可能となった。これにより、開発時間とコストの削減が実現されている。また、ディープラーニングを活用した材料検査技術は、精密な解析を通じて品質管理の向上に貢献している。

さらに、複数のAIを組み合わせたマルチモーダルAI技術により、複雑な材料のデータを高速・高精度で処理し、多様な機能を予測することが可能となった。これにより、従来は手が届かなかった複雑な材料系の開発も進展している。

加えて、生成AIを活用して競合製品の技術分析を行い、将来の協業先の探索にも役立てられている。製造現場では、AIを利用した故障予防や品質異常分析によって、プロセスの最適化とリスク低減が図られている。このように、AIの導入は業界全体の効率化と品質向上に寄与している。