まず紹介したいのが、ＥＮＥＯＳグループが手掛ける新物質開発・材料探索を高速化する汎用原子レベルシミュレータ Matlantis™ （マトランティス）というクラウドサービスだ。こちらは、ＥＮＥＯＳとAIサービスを手掛けるスタートアップのプリファードネットワークス（PFN）の共同出資によって2021年に設立されたPreferred Computational Chemistry（PFCC）が提供している。
Matlantisは、原子スケールで材料の挙動を再現して大規模な材料探索を行うことのできる汎用原子レベルシミュレータ。従来の物理シミュレータにAIの深層学習モデルを組み込むことで、計算スピードを従来の数万倍に高速化するとともに、領域を限定しないさまざまな物質への適用を可能にした。深層学習モデルの訓練には、PFNのスーパーコンピュータを使って物理シミュレーションした膨大な量の原子構造データを使用。マテリアルズ・インフォマティクス（情報科学を用いた材料開発の高速化）のコアツールとなるMatlantisは、さまざまな分野において素材の開発を加速させ、イノベーションの創出・実現を目指している。

Matlantisの主な特徴のひとつは汎用性だ。未知の材料を含む、分子や結晶など任意の原子の組み合わせにおいてシミュレーションが可能で96の元素をサポートしており、現在までのところ、ここまでの汎用性を持つものは世の中にない。
もうひとつが高速性。従来のDFT（Density Functional Theory：密度汎関数法）では高性能なコンピュータを用いて数時間～数カ月かかった原子レベルの物理シミュレーションを数秒単位で実施できる。さらに使いやすさも加わる。学習済み深層学習モデル・物性計算ライブラリ・高性能な計算環境をパッケージにして提供することで、ユーザーはハードウェアの準備や環境構築をすることなく、すぐにブラウザ上でシミュレーションによる材料探索が可能となっている。ＥＮＥＯＳ中央技術研究所・デジタル研究所副所長の尾野 秀樹さんは次のように語る。

「材料開発の現場から言えば、これまで実験者の経験や勘に頼り、時間やコストもかかっていたものが、Matlantisを使えば、実験の前段階のシミュレーションによってスクリーニングできるため、より有望そうな材料だけを選んで実験することができるようになります。また、さまざまな材料特性が発現するメカニズムを原子・分子レベルで解明できることも大きな利点です。これら研究開発の高速化による成果は社内でも出てきています」

ＥＮＥＯＳグループでは現在、Matlantisを触媒開発のほか、潤滑油・ポリマー分野にも活用している。同社では以前から触媒などの材料開発に時間がかかるという課題があり、早くからAI活用を検討してきた。そのようななか、研究開発でPFNとの連携話が持ち上がる。両者共同でのマテリアルズ・インフォマティクスの勉強会を立ち上げ、進めていく過程でＥＮＥＯＳの材料開発の知見とPFNの世界トップクラスのAI領域の技術を組み合わせることでMatlantisが生まれた。尾野さんが続ける。

「当初は社内だけで活用していくつもりでした。しかし、非常に汎用性の高いツールができたので、社内に限らず、社外にも提供することが検討されました。むろん私たちの知見も含んでいるため、敵に塩を送ることになるという意見もありました。ただ、世の中の材料開発から見れば、当社が手掛けている分野は限られている。ならば、広く使ってもらった方が社会貢献になるし、巨大な材料開発市場で他社との連携につなげることもできる。そこでPFNとの合弁会社であるPFCCを通してクラウドサービスとして提供することになったのです」

外販では幅広い業種からニーズがあり、バッテリー材料や半導体、セラミック、金属、高分子関連などで利用が拡がっている。PFCC技術営業部の浅野 裕介さんも「汎用性が高いがゆえに、今後、想定している以上に利用が拡大していくと考えています」と言う。PFCCでは2023年より海外へのサービス提供も開始、すでに国内外90以上の機関で導入されているが、さらなる海外での販売強化に向け、豊富なグローバルネットワークを有する三菱商事との資本業務提携を開始した。日本発のAIシステムを活用し、世界中で新たなプロダクトが花開く日もそう遠くはない。

「個社でできる領域は限られています。生成AIをはじめ、これだけデジタル領域が発達していくなかで、社内に閉じこもっているより、互いの強みを持ち寄って、オープンイノベーションを進めたほうが、より社会のためになる。各社の知見融合により、世界を驚かすような材料開発に貢献したいと考えています」（尾野さん）

三菱ＵＦＪ信託銀行でも今年5月から学習型AIネガティブニュースラベリングシステム「NEWS AI SEARCHER」というクラウドサービスを展開している。ニュースベンダーなど複数の情報ソースから配信されるさまざまなビジネスニュースからネガティブニュースを抽出し、AIを活用して特定の情報の抽出や優先順位付けを行う。金融機関のほか、事業法人でもニュース分析、デューデリジェンスなどに活用されつつある。
そもそも同行では市場運用業務での投資意思決定やデューデリジェンスにおいて、ネガティブニュースを活用してきた。最近では、アンチマネーロンダリングやテロ資金供与対策のルール厳格化によって、ネガティブニュースの重要性がより高まっていた。本プロジェクトのリーダーである、同行市場デジタル推進部次長の橋本 育子さんがこう語る。

「既存のツールでは、キーワードで検索すると、ネガティブワードに突合させる機能しか搭載しておらず、大量のニュースがヒットしてしまいます。投資判断に影響を与える重要なネガティブニュースを抽出し、分析・吟味するプロセスにおいて業務効率性の点から大きな課題感があったのです」
しかし、世の中には自分たちが望むようなツールがない。そこで自社の知見やノウハウをもとにAIベンチャーのMILIZEと共同で2019年から開発をスタートさせた。

NEWS AI SEARCHERは、ニュースベンダーや監督当局など、複数の情報ソースから配信・発信されるさまざまなビジネス関連情報から、重要なネガティブニュースを見逃すことなく抽出・収集することができる。また、汎用性のある学習型AIを搭載し、国内外のニュースに対して、顧客の要望に応じてラベリング（優先順位づけ）でき、基本的には前日までに抽出し収集したニュースを翌日ラベリングしたかたちで見ることができる。もちろん翻訳も可能だ。
ニュースベンダーは、ダウ・ジョーンズ、時事通信社、ロイターニュースを配信しているLSEGの大手3社と契約締結しているほか、監督当局のニュースリリースなど欧米系、日系のニュースを広くカバーしている。

「2021年の銀行法改正によって、銀行本体でも自社アプリやITシステムを外販できるようになりました。まだ、NEWS AI SEARCHERのようにコンプライアンスや市場領域で大手行が外販した例は現状ほとんどありませんが、今後は、各社で蓄積してきた業務知見をツールに落とし込んで、外販する事例は増えていくと見ています」
そう橋本さんが話すように、ここで注目すべきは、金融機関が業務として蓄積してきた知見やノウハウをAIで形式知化することによって、売れるものになると気づき始めたことだ。同社ジュニアフェローの菊地 剛正さんもこう述べる。
「AI技術が民主化し、クラウドによって外販できるチャネルが生まれたことで、金融機関でも外部市場に進出しうる状況が整いました。AIの開発というと机上の話だと思うかもしれませんが、対象業務のノウハウを持っているのはあくまで現場です。自社の現場のノウハウを起点にプロダクトを開発し、外部に提供することができるようになった。現場発のイノベーションにチャレンジしやすい環境が整いつつあるのではないかと感じています」

これまで国内の金融機関は当局のガイドラインに従い、さまざまな要請に厳格に対応してきた経験がある。同社でも、そこで蓄積された知見やノウハウを使い、AIを鍛え上げた。
「NEWS AI SEARCHERは、当社のノウハウであるコンプライアンス業務の一連のワークフローを再現していることが大きな特徴となっています。実際に業務を行っている現場の担当者独自の知見が取り入れられているのです。このワークフローに基づくニュースラベリングシステムについては、特許査定を受けています」（菊地さん）
NEWS AI SEARCHERの開発過程でAIに対する認識も深まったと橋本さんは言う。

「銀行は100％正確でなければならない生業であり、本当にAIを使っていいのかという意見もありました。しかし、AIは完璧ではなく8割程度できているものを現場に投入し、常に修正しながら完璧なものに近づけていくものと理解しています。だからこそ、我々が創り出すプロダクトは必ず人を介在させる。最終的に人が判断するから安心できるという部分は重要だと考えています」

三菱総合研究所では 「匠AI ®（たくみAI）」という枠組みを展開している。こちらの特徴を簡単に言えば、ベテランの知識・ノウハウを抽出し、AIに取り込むことで高精度なAIを構築するというものになる。ベテランの持つ、いわゆる暗黙知を形式知化してAIで活用することで、組織内での技術伝承や業務効率化を促進していく狙いがある。開発を担当したビジネス＆データ・アナリティクス本部 AIイノベーショングループ主任研究員の板倉 豊和さんは次のように語る。

「開発の背景には、ベテランが退職する一方で、若手が現場になかなか入ってこないという人手不足の課題があります。とくに製造業や物流業の現場ではベテランの知識やノウハウで業務が回っていることもあり、ベテランの持つ暗黙知を形式知化してAIで活用することで業務の効率化や技術伝承を図っていきたいというニーズがあるのです」
ただ、ひと口にベテランの暗黙知をデータ化しようとしても、簡単にできるものではない。三菱総研では、知見を持った担当者が過去のデータをもとにベテランに気づきを促し、ノウハウを引き出しながら、AIに形式知として取り込んでいく手法をとる。

「ベテラン自身がこれまで気づかなかったノウハウもデータとして抽出できるため、AI導入の取り組み自体が企業の技術伝承にもつながっています。ベテランが退職しても組織に形式知として残すことができ、業務効率化に活用することができるのです」（板倉さん）
技術伝承と言えば、従来からOJTや徒弟制度があるうえ、今でも映像やマニュアルとして残すことも可能だ。だが、同社の取り組みがひと味違うのは、必ずしも技術伝承にフォーカスしているわけではないことだ。狙いは、あくまでベテランの暗黙知をAIに取り込むことで、AIを日々のワークフローやプロセスに導入し、AIと業務を統合的に運用していくことにある。

では、「匠AI®」を使えば、どんな企業課題が解決できるのか。三菱総研が匠AI®の枠組みで提供するAIは、主に「予測探索AI」「設計資料活用AI」「匠最適化AI」の3種に分類される。
例えば、食品や化学などプロセス産業の新商品開発は、原材料や条件を変えながら試作を繰り返すため、コストもかかる。しかし「予測探索AI」を使えば、実際に試作する前に、入力条件に応じた結果を予測し、狙っている完成品を実現する条件を探索することができる。例えば、キリンホールディングスと進めた「醸造匠AI」では、ビールのレシピ（原材料・醸造条件）から、スペック（ビール成分値）を予測することで、試作時間を減らし、業務の効率化・コスト減・売上増につなげるという3つの効果をもたらしている。

「キリンホールディングスの持っている試作のデータベースとベテランの暗黙知を融合させてつくった予測探索AIとなります。機能として特徴的なのは予測だけでなく、つくりたいビールをもとに最適な原料や醸造条件を探索することもできるのです」（板倉さん） 同じく三菱総研AIイノベーショングループ研究員の柴垣 和広さんもこう語る。
「この機能は広義のマテリアルズ・インフォマティクスという文脈のなかにも位置付けることができます。醸造匠AIでは原料だけでなく、発酵温度や時間によってどんな苦みや色、味ができるのかを予測・探索します。データの量や質の問題で不足した情報を、現場のベテランの暗黙知を取り入れて補うことで、さらに精度の高い予測ができるということなのです」

ほかにも設計資料（図面、文書）の特徴を抽出し、過去資料の参照の効率化を実現する「設計資料活用AI」。また、形式知化したベテランの業務知識を最適化処理の定式化・効率化に利用できる「匠最適化AI」では、配送業の配車計画や製造業の生産計画など日々行われる計画立案業務に対して、人件費削減だけでなく、業務の属人化の解消にも貢献できるというメリットがあり、物流の2024問題の解消にも活用が期待されている。

最近では「社内の資料活用を何とかしたい」という相談が多いと板倉さんは言う。
「その背景には当然ながら生成AIの一般化があります。しかし、すべての資料を生成AIで取り込んだとしても、うまく機能しないでしょう」
実は生成AIへの期待が高まる一方で、「こんなものか」「使えない」といった生成AIの幻滅期に入った企業も出てきている。しかし、それは「生成AIは何でもできる」と皆が過度な期待をしていることに理由がある。今後課題となってくるのが、生成AIの使い方だ。

「やはり生成AIは使い方次第なのです。私たちも生成AIが役立つ技術であることは肌感覚で分かっています。今回、ご紹介した事例に生成AIは含まれていませんが、やはり生成AIを取り込んでいくことは不可欠であり、私たちも事例を積み上げているところです。例えば、専門的なAIのインターフェースとして生成AIを組み合わせれば、今後、新たなイノベーションが生まれるかもしれません。AIと人間でいかに相乗効果を生んでいくか。暗黙知をAIで形式知化し、そこに生成AIを組み合わせていく。将来的に私たちはノウハウを持ったAIとやりとりしながら、業務を進めていく世界を経験することになるでしょう」（板倉さん）

日本TCSの“AI 博士”の三澤さんは、AIの利用には3段階があると指摘する。第1段階は人間が主導し、AIがサポートする段階。第2段階が人間とAIが一緒に働いていく段階、さらに第3段階はAIが主導し、人間がレビューする段階だ。
「段階が上がるごとにAIの関与度は高まっていきます。しかし、どれだけ段階が上がろうと人間のレビューは欠かせません。今後は、このレビューをいかにルーティン化していくのか。それによってAIをうまく活用できるかどうかが決まってくるでしょう」
今、企業がAIサービスを始めようと思えば、データに適したモデルを選択することができるし、AIツールもベンダー各社から続々と登場している。その点で、今はAIの民主化が進んでいると言える。これから現場の暗黙知をAIで形式知化していくことは、ますます加速していくだろう。

極端な言い方をすれば、どんな業態であろうとAIの形式知を利用すれば誰もが起業できるようになり、その中から将来、破壊的イノベーションを起こすプレイヤーが生まれてくるかもしれない。AIを活用して、いかに新たなイノベーションを積み重ねていくのか。そこがこれからの競争を勝ち抜くための分岐点になるだろう。三澤さんもこう強調する。
「日本はAIの規制が柔軟でイノベーションを促進する環境があります。
日本のAI活用は加速しており、今やAIは企業の競争力を左右する重要な要素となっています。AIに投資するのか、しないのか。そこが企業間競争に大きな差をもたらしていくとみています」。