ダイキン工業と日立製作所が設備故障診断AIエージェントを2025年4月発表し、原因と対策を10秒以内・90%以上の精度で回答しています。 ダイキン公式プレスで公開されています。
「大手製造業の話だから関係ない」と読み飛ばすにはもったいないです。 中小製造業で「ベテラン保全員の暗黙知が継承されない」で悩んでいる構造そのものだからです。 この事例は、「過去保全ログRAG+図面PDFベクトル検索+10秒回答」の枠で整理できます。
僕が注目したのは、「対応時間半減見込み」という踏み込みです。中小製造業にそのまま応用できます。
中小製造業の保全課題
中小製造業にありがちな構造はこうです。
- 保全はベテラン1〜2名に集中
- 暗黙知は頭の中にしかない
- 故障対応は経験頼り
- 結果、ベテラン退職で現場が止まる
汎用ChatGPTには自社設備の保全履歴は入っていません。「過去保全ログRAG+図面PDFベクトル検索+10秒回答」が必要、というのが本事例の骨子です。
ダイキン×日立故障診断AIの整理
公表情報で示されている内容は以下です。
- 対象: 空調機器の故障原因特定+対策案提示
- 基盤: 日立Lumadaの生成AI技術+ダイキン保全データ
- 成果:
- 回答速度: 10秒以内
- 精度: 90%以上
- 対応時間: 半減見込み
- 設計思想: 保全員の知識を生成AIに集約しベテラン依存解消
考察:
- 故障対応は初動の質が9割
- 10秒で原因候補が出れば現場判断が変わる
- 中小ほど暗黙知継承の崖が近い
何が真似できるか
大手の話ですが、設計思想だけ抜き取るとこうなります。
- 過去の保全ログをCSV化してRAG投入
- 設備図面PDFはベクトル検索で参照
- 現場質問はチャット形式で受付
- 効果は「故障対応時間×初動正解率×ベテラン依存度」で測る
特に「過去ログ集約」が秀逸です。中小製造業ほど「紙の日報・口頭引き継ぎ」となりがちですが、CSV+RAG構成で桁違いに継承しやすくなります。
中小製造業で再現するなら
ここからが本題です。社員5〜100名の中小製造業で同じ思想を取り入れるならどう削るか。
構成
| 項目 | ダイキン×日立像 | 中小製造業(社員5〜100名) |
|---|---|---|
| 対象 | 空調機器全シリーズ | 自社主要設備1〜3台 |
| ツール | Lumada+専用AI | Claude/ChatGPT+ベクトルDB(Pinecone等) |
| 月額費用 | (大規模) | 推定 月3〜10万円 |
| 初期費用 | (大規模) | 推定 30〜80万円(ログ整備+RAG構築) |
| 体制 | (専門部隊) | 経営+保全1名+SIer連携 |
| 期間 | (継続) | 3〜6ヶ月で保全AI運用化 |
評価軸スコア
| 評価軸 | スコア |
|---|---|
| ROI(投資対効果) | ★★★★★ |
| 再現性(中小製造業) | ★★★★☆ |
| 難易度(低いほど簡単) | ★★★☆☆ |
(難易度=数字小さいほど簡単)
スコア根拠は以下です。
- ROIは最高。ベテラン1名分=年500〜700万円代替
- 再現性は高。過去ログがCSV化できれば導入容易
- 難易度は中。ログのデジタル化が初期の山
前提条件・必要データ
- 過去3年分以上の保全記録
- 設備図面PDFの電子化
- 故障原因の分類タグ設計
- 月次で対応時間+初動正解率を計測
失敗条件・適用しないケース
- 保全ログが紙のみでデジタル化されていない
- 故障パターンが毎回新規で過去データ無効
- 現場がチャット入力を嫌う
- 効果測定をせず「AI保全入れた気がする」で終わる
「RAG構築すれば即故障即答」のではありません。
ログCSV化→図面電子化→RAG構築→現場運用→月次測定→精度改善、という流れが3〜6ヶ月で回って初めて、本事例が描く「保全AI」像が中小製造業にも見えてきます。
特に「故障原因の分類タグ設計」を省くと、似た故障を別物として扱いRAG精度が出ません。
出典・参考
市野
愛知県岡崎市でAI活用支援を手がける一人社長。 中小企業の現場でAIを実装してきた経験から、他社事例を「うちで再現するには」の視点で読み解いて発信中。
愛知県岡崎市を拠点に、中小企業向けのAI活用支援を提供。ChatGPT・Claude Code等を活用した業務自動化やSEO・広告運用の内製化を支援。経営者が自らAIを使いこなせる体制づくりをサポートしている。
＞＞詳細なプロフィールはこちら
