製造業 7 社が率直に語った AI エージェント全社基盤の実践と課題：生成 AI 基盤・活用推進 ラウンドテーブル 2026年10月 開催報告

製造業のお客様を支援しているソリューションアーキテクトの西田です。

2026 年 10 月 26 日に AWS 麻布台ヒルズオフィスにて「製造業 生成 AI 基盤・活用推進 ラウンドテーブル」を開催しました。本記事ではイベントの概要と当日の様子をお伝えします。

▲ 会場の様子

開催の背景

製造業のお客様の生成 AI の使い方は、一部の部門で試して効果を確かめる段階から、AI エージェントを基幹業務に組み込み、全社で使える基盤として整える段階に進んできました。この段階では、利用者ごとの権限をどう扱うか、社内のデータをどう整えるか、増えていく AI エージェントの品質とコストをどう管理するかという課題に、どの企業も向き合うことになります。

こうした課題は、サービスの機能だけでは解決せず、各社が自社の組織やデータの状況に合わせて判断を重ねる必要があります。同じ段階にいる企業同士が、判断の根拠や試した結果を率直に交換できる場があれば、各社の検討が早く進むと考え、2026 年 3 月に大阪で開催した生成 AI ラウンドテーブルに続いて、AI エージェントを全社で使うための基盤づくりをテーマに、製造業のお客様 7 社にお集まりいただきました。

イベント概要

開催日： 2026 年 10 月 26 日（月）13:00 〜 18:10 + 懇親会
会場： AWS 麻布台ヒルズオフィス
形式： クローズド・ラウンドテーブル形式（各社発表 + 質疑応答）
参加者数： 20 名
参加企業（発表順）：

• 三菱重工業株式会社
• ブラザー工業株式会社
• 株式会社ミスミグループ本社
• パナソニック インダストリー株式会社、パナソニック エナジー株式会社
• キユーピー株式会社、キユーピーデジタルイノベーション株式会社
• 株式会社村田製作所
• 株式会社リコー

各社 30 分の持ち時間で、自社の取り組みと課題を共有し、質疑応答で他社の経験を聞く形式です。

各社の発表テーマ

各社の発表タイトルとご登壇者、取り組みの概要をご紹介します。

権限が増えるほど検索できない？ 〜全社 RAG で遭遇した権限フィルタの制約と分割検索の実践〜 ／ AI 駆動開発の拠点展開とプロトタイプ開発の実践

三菱重工業株式会社 デジタルイノベーション本部 システムインテグレーション部 石田 裕亮 氏、岩渕 宏樹 氏

全社の社内情報検索（RAG）で利用者の閲覧権限を反映させる仕組みの工夫と、各拠点の開発者が担当案件を題材に進める AI 駆動開発のワークショップが紹介されました。

▲ 三菱重工業株式会社 石田 裕亮 氏、岩渕 宏樹 氏

一つの生成 AI 事例を全社の資産に変える 〜エージェンティック RAG 開発から始まる AI プラットフォーム構想〜

ブラザー工業株式会社 システムプロセス開発部 坂野 雄治 氏、脇本 拓歩 氏、渡邉 航平 氏

技術者の知識に頼ってきたサポート業務に AI エージェントを適用した事例と、その効果を全社に広げる AI プラットフォーム構想が紹介されました。

▲ ブラザー工業株式会社 脇本 拓歩 氏、渡邉 航平 氏、坂野 雄治 氏

デジタル技術を活用したサービスデスク改善 〜問合せ削減への取り組みについて〜

株式会社ミスミグループ本社 DX プラットフォーム・ハブ グローバル統括 データ分析室 吉田 哲史 氏
株式会社ミスミグループ本社 DX プラットフォーム・ハブ 基幹システム統括 Digital Platform 室 清野 博之 氏

社内サービスデスクの問い合わせを段階的に減らしてきた経緯と、調査と一次回答を AI エージェントが担う仕組みを作っている現在の取り組みが紹介されました。

▲ 株式会社ミスミグループ本社 吉田 哲史 氏、清野 博之 氏

「名もなき業務」を減らす Agentic BPR とエージェンティックワークフロープラットフォーム

パナソニック インダストリー株式会社 DX 戦略センター DX アーキテクチャ構築部 データドリブン基盤課 西村 佳 氏

様々な業務で行われる転記・照合などの細々した「名もなき業務」を全社横断で束ね、AI エージェントが実行するワークフローにして自動化する取り組みが紹介されました。

▲ パナソニック インダストリー株式会社 西村 佳 氏

生成 AI は「使う」から「業務・経営を変える」段階へ 〜エージェントの価値をどう説明するか？〜

キユーピー株式会社 デジタル推進本部 IT 推進部 データ戦略チーム 内田 海登 氏

購買データなどをもとに人物像を設定した仮想の「生活者エージェント」を商品開発担当者の対話相手にする取り組みと、全社の AI エージェントの稼働状況を一元的に把握する仕組みが紹介されました。

▲ キユーピー株式会社 内田 海登 氏

村田製作所の AI 活用基盤

株式会社村田製作所 データ戦略推進部 AI イノベーション推進課 鈴木 健太 氏

業務の中で生まれる知識を会社の資産として循環させる考え方と、AI エージェントの権限設計や人の承認を組み込んだ基盤の設計が紹介されました。

▲ 株式会社村田製作所 鈴木 健太 氏

「AI の活用」から「AI サービスの提供」へ 〜AI エージェント量産に向けた基盤開発と社内実践〜

株式会社リコー DX 本部 データマネージメントセンター デジタル基盤開発室 宮本 篤 氏

業務部門ごとの AI エージェント開発に共通する機能を標準提供する AI エージェント基盤の設計と、社内実践で使えることを確かめながら少人数で進めた工夫が紹介されました。

▲ 株式会社リコー 宮本 篤 氏

AWS セッションの紹介

Agent 活用環境の構築・運用のための AWS サービスのご紹介 〜統制とセキュリティ・自社の知識（データ / コンテキスト）・品質とコスト〜

アマゾン ウェブ サービス ジャパン合同会社 AI スペシャリスト 石坂 唯、AI スペシャリストソリューションアーキテクト 鯨田 連也

前半では石坂が、AI エージェントを事業で使うには、基幹業務に組み込み、部門ごとに分かれたデータをつなぎ、エージェントに適切な権限を与えることが要点であり、AWS が多くのお客様を支援する中で「統制とセキュリティ」「自社の知識（データとコンテキスト）」「品質とコスト」の 3 つが壁になっていると述べました。後半では鯨田が、AI モデル以外のエージェントの構成要素（Agent Harness）に求められる機能をビルディングブロックとして提供する Amazon Bedrock AgentCore について、前述の 3 つの観点で紹介しました。具体的には、利用者ごとの認証・認可、社内のエージェントと MCP サーバーの統制・管理、MCP を介した社内システム・文書への接続、エージェントの回答品質の評価・改善、レート制限による利用量の制御などを解説しました。

▲ アマゾン ウェブ サービス ジャパン合同会社 鯨田 連也、石坂 唯

質疑応答では、エージェントが参照するナレッジベースへ利用者の権限をどう引き継ぐか、単一のエージェントが多くのタスクを担う方向と複数のエージェントが連携する方向のどちらに進むのか、という質問をいただきました。前者について登壇者は、AgentCore Gateway のインターセプターで利用者を識別する情報をナレッジベースに渡し、その利用者に許可された文書だけを検索させる方法を紹介しました。この方法は、登壇者が公開している記事「Bedrock Managed Knowledge Base を MCP Tool として利用する際のテナント分離・アクセス制御まとめ」で詳しく解説しています。

「ここだけの話」はどうつながったのか？

各社の発表では、資料には書きにくい失敗や未解決の課題が率直に語られ、質疑応答では「うちも同じところで困っている」「こう割り切った」というやり取りが続き、質問が尽きずに時間で区切ったセッションもありました。ここでは、各社の発表と質疑応答から、複数の企業に共通していた点を 3 つの観点でまとめます。個々の企業の取り組みが分かる書き方は避け、複数の企業に共通していた傾向として書いています。

共通して効果があったこと

• 共通部品は基盤側で持ち、業務ごとの差分だけを各部門が作る。認証・認可、ログ、ガードレール、評価の仕組みを基盤として提供し、各部門は業務ごとのワークフローやナレッジだけを作る分担にすると、エージェントが増えても運用の負荷が増えにくいという考え方が、複数の企業の基盤設計で共通していました。
• 使う人とユースケースを先に決めてから、基盤の要件を固める。利用部門へのヒアリングで要件を確定し、少人数で範囲を絞って動くものを早く出し、使ってもらいながら直す進め方が「結果的に早かった」と複数の企業から報告されました。
• RAG で止まっていた問い合わせが、エージェントで解けるようになった。文書検索だけでは答えられなかった社内システムの照会や、複数の情報源を組み合わせる質問に、エージェントが検索をやり直したりツールを呼び出したりして答えられるようになった事例が複数ありました。
• 定着には、利用者が必ず通る導線と、体験の場が効く。人に問い合わせる前にチャットボットを通す導線を作って自己解決を促す、開発者が自分の担当業務を題材に手を動かすワークショップを開く、社内で活用している人を表彰して見せる。こうした定着の工夫が、それぞれ別の企業から共有されました。

率直に語られた、難しかったこと

• 権限を検索条件で表現すると、権限が増えるほど検索が難しくなる。社内文書を検索する RAG では、利用者が閲覧できる文書だけを検索の対象にするために、閲覧権限を検索の絞り込み条件（メタデータのフィルタ）として渡す方式がよく使われます。閲覧できる文書の範囲が広い利用者ほど絞り込み条件が長くなり、検索の回数や処理時間が増えるため、権限の持ち方と検索の設計を合わせて考える必要があるという指摘がありました。アンケートでも認証・認可の設計を最も大きな課題に挙げた参加者が最も多く、質疑でも権限の管理の仕方が繰り返し話題になりました。
• 最初から全部を生成 AI に任せると、結果が揺らぐ。定型の事務作業を自動化するとき、処理の組み立てから実行までを生成 AI に任せると出力が揺らぎやすいため、固定できる手順はあらかじめ決めておき、生成 AI には部品の組み合わせや判断が必要な部分だけを任せる形に見直したという経験が共有されました。問い合わせ対応の自動化では、回答の精度より、届いた依頼を AI で答えられる問い合わせと人に引き継ぐべき案件に仕分ける判断の設計が難しいという指摘もありました。
• ガードレールと評価の調整に時間がかかる。不正な利用を防ぐ設定を強くしすぎると、製品の使い方を尋ねる通常の質問まで止めてしまう。新しいモデルに切り替える前に、回答の品質を人が確かめる作業に時間がかかる。回答の精度を上げるために検索と生成を繰り返すと、応答時間と利用料が増える。こうした調整の難しさは、複数の企業に共通していました。

参加企業に共通する、これからの課題

• 認証・認可と人の関与をどう設計するか。利用者本人の権限をエージェントとナレッジベースまで引き継ぐこと、書き込みを伴う操作をどこまで許すか、人の承認をどの操作に組み込むか。全社の ID 基盤を管理する部門との調整も含めて、複数の企業がこれからの設計課題として挙げていました。
• 品質・コスト・成果をどう測るか。評価データの量と評価者の確保、LLM による評価と人手の評価の分担、利用量とコストの制御、削減時間などの成果を算出して経営に説明する方法。エージェントの価値をどう定量的に説明するかという問いは、複数の企業に共通していました。
• データの準備と統制のバランスをどう取るか。データの準備にかかる時間をどう見込むか、非構造化データのオーナーをどう決めるか、市民開発で生まれるエージェントと CoE の統制をどう両立させるか。AWS のマネージドサービスは機能の追加が速く、自前で作った機能が後からサービスとして提供されることもあるため、基盤はできるだけマネージドサービスで構成して自前で保守する範囲を小さくするという方針も語られました。どれも 1 社では答えが出ない論点として、懇親会まで議論が続きました。

▲ 参加者の皆様との集合写真

アンケート結果と参加者の声

参加者 20 名全員からアンケートの回答をいただきました。全体の満足度は 5 段階で平均 4.85、各社の発表をめぐる意見交換の満足度は平均 4.9 でした。「他社の取り組みで参考になった発表」というアンケート項目では、1 人あたり平均 3.7 社が選ばれ、7 社すべての発表が複数の参加者から選ばれました。

他社の発表を聞いて、自社の方針を決める参考になったという声が多くありました。

• 「エージェント導入の前段階のプロセスに各社いろいろなアプローチがあり、感銘を受けた」
• 「基盤の持ち方や基盤のあるべき形など、今後の方針を決めるうえで大変参考になった」
• 「各社の実際の課題と、それに対応するアーキテクチャの関係で理解できた」
• 「エージェント開発の課題と、その乗り越え方や付き合い方が勉強になった」
• 「各社ともプラットフォームづくりで同じ課題を抱えていることが分かった。孤独な戦いのように感じていたが、勇気をもらえた」
• 「製造業ではアプローチが違っても似たような悩みがあると分かった。別の業界の話も聞きたくなった」

「いま自社の生成 AI 活用で最も課題に感じていること」というアンケート項目では、認証・認可の設計と、人材と組織の変化がそれぞれ 20 名中 5 名で最も多く、ガバナンス（4 名）が続き、データの整備、コストと投資対効果の説明も複数の方が挙げました。ほかに、エージェント基盤を自社で持つ範囲の見極め、業務での実践先の見つけ方、先進性と全社展開のバランスが挙がっています。

AWS への期待としては、新しいサービスや機能の情報を早めに共有すること、データの源泉から RAG、AI エージェントまで一気通貫で認可を扱える機能、各社の知見を共有する場を続けることが挙がりました。

おわりに

今回のラウンドテーブルを通じて改めて感じたのは、お客様だからこそ答えられるお客様の悩みがあるということです。「この判断をどう割り切ったか」「社内のどこから手を付けたか」という実践知が企業間の対話で共有され、参加各社が次に取り組む判断の材料になっていました。

アンケートには「これだけの企業が同じ悩みを抱えているのに、なぜベストプラクティスが整備されないのか」という率直な問いもありました。認証・認可やガバナンスの設計は、サービスの機能だけでは決まらず、各社の組織とデータの状況に合わせた判断が必要です。その判断の材料を各社が持ち寄り、繰り返し使える形にしていくために、AWS では今後もこうした企業間の対話の場を企画してまいります。

ご参加いただいた皆様に、改めて御礼申し上げます。生成 AI や AI エージェントの活用でお悩みの方は、ぜひ担当のソリューションアーキテクトにご相談ください。

このブログは AWS Japan のソリューションアーキテクト 西田 光彦 が執筆しました。