月刊 AWS 製造 2026年3月号

みなさん、こんにちは。AWS のソリューションアーキテクトの山田です。本ブログでは、製造関連のイベントや最新情報をお届けします。今月は、製造業における Agentic AI の活用を特集します。

Agentic AIは、自律的にタスクを実行するAIシステムで、製造分野での具体的な適用事例が増加中です。例えば、BMW Groupは、AWS上のAgentic Searchを利用して、20PBのデータからのインサイトを自動的に抽出します。この技術により、製品品質データの分析が簡素化され、データ駆動型の意思決定が促進されます。

また、Amazon Bedrock AgentCoreを使用した調達ワークフローの自動化により、コンプライアンス検証やサプライヤー推薦などの複雑なタスクが効率化されます。メック株式会社では、AIエージェントがベテラン社員の知識を活用し、研究開発の効率化を実現しました。

物流面では、シンガポールのA*STARとAWSが共同開発した物流エージェントが、リアルタイムデータを統合し、手動検索の作業負荷を最大50%削減しました。この技術は、製造業のサプライチェーン管理において直ちに適用可能です。

これらの具体的な事例は、製造業におけるAIの活用が持つ大きな利益を示しています。AWSとともに最新の技術を取り入れることで、製造業はさらなる発展を遂げることでしょう。

富士通は、自律型AIエージェントを活用して小売業の課題を解決する新ソリューション「Uvance for Retail」を発表しました。2026年3月2日に提供を開始したこのサービスは、データのクラウド統合を実現し、店舗の運営効率を向上させることを目的としています。

核心にあるのは富士通のAIエージェント「Watomo」です。Watomoは、店舗で収集した売上、在庫、混雑状況、冷蔵庫の温度センサーなどのデータを分析し、自動的に店舗の課題を検知。これにより、特定商品の在庫不足や行列など、直ちに対処すべき問題をリアルタイムで店舗責任者に知らせます。具体的指示は、店員のスマートフォンに届き、業務の効率化を図る仕組みを提供します。

さらに、富士通は、リテール業界におけるデータ構造の知見を持つGK Softwareと、データサイエンスの専門家であるブレインパッドと提携。この三位一体の連携により、より精度の高いデータ分析とマーケティング支援を実現しています。

リテールテックJAPAN 2026では、複数のAIが連携して店舗運営やロイヤリティマーケティングを最適化する様子がデモされ、今後の小売現場への具体的な影響が展示されました。これにより、小売業は顧客体験を向上させるだけでなく、業務効率も大幅に改善されることが期待されています。

SCENTMATIC株式会社（本社：東京都、代表取締役：栗栖俊治）は、革新的な顧客体験を創出するため、株式会社東急ストアの「大森店」「鎌倉店」「中目黒本店」にソムリエAI「KAORIUM for Sake & Wine」を導入しました。このAI技術は、日本酒やワインの風味特性を言語化し、利用者が理想とするお酒を見つける手助けを行います。具体的には、利用者の気分や好みに基づいて、店舗扱いの酒とマッチングを行い、最適な提案をするシステムです。

店内に設置されたデバイスを使って簡単な質問に回答することで、来店客は自分の気分に合ったワインをAIから提案されます。これにより、特にリッチシニア層のお客様に向けて、より高い満足度を実現する購買体験が提供されます。

この新しいシステムは、選択肢が多い中で理想の飲み物を見つける際のストレスを軽減し、初心者から愛好家まで幅広い層が日本酒とワインの楽しみを深められるよう設計されています。また、SCENTMATICは、この技術を通じて「香りの体験」をデジタル化し、国際的な評価を受けながらビジネスシーンでも大きな革新をもたらしています。

生成AIによるサプライチェーンの自律化は、実験室レベルで現実のものとなっている。最新の推論モデルを用いたエージェントは、人間の学生チームを上回るコスト削減率を実現し、適切なデータ共有とオーケストレーションが成功の鍵となっている。この研究では、生成AIが自律管理にどのように寄与するかを探り、未来の運営システム構築に向けた具体的な戦略を提示する。

わずか1年前、サプライチェーンの自律化は遠い未来の話に思われていた。しかし、生成AIはすでに実験室内でそれを可能にしている。最近の研究によると、最先端の生成AIモデルを使用したシステムは、需要予測や在庫計画を最小限の人間の監視で調整し、サプライチェーンを自律的に管理できる。その結果、在庫不足や過剰在庫によるコストを最大67％削減したことが示されている。

この研究は、既存のAIモデルを使用するための効果的な導入戦略を中心に展開されている。用途としては、在庫管理や物流の最適化を実現し、複雑なサプライチェーンの運営を効率化するものだ。具体的には、環境からの学習やボトルネックの予測、戦略のリアルタイムでの調整を行えることが、生成AIの優れた特性である。これは、現在のサプライチェーン管理者が直面する複雑性をAIが如何に処理できるかを示す重要な証拠である。