ABEJAとヤマザキマザック、加工工程と生産計画のAI共同開発へ

ニュースの要点

ABEJAと工作機械メーカーのヤマザキマザックは2026年10月16日、製造現場向けAIの共同開発を始めると発表しました。加工工程の設計、生産スケジュールの策定、ロボットの行動学習環境を開発します。

ABEJAのAI基盤「ABEJA Platform」を使い、ヤマザキマザックの設備や現場の作業データと組み合わせます。人が確認・修正に関与しながらAIを改善し、将来は工作機械や関連する自動化システムへの実装を目指します。

目的は、熟練者の経験に依存する工程設計や段取りを支援し、人手不足や技能継承の課題に対応することです。顧客ごとの生産環境に合わせ、導入後もデータと現場の知見を使う方針です。投資額、実証工場、商用提供日、料金、効果の実測値は公表していません。

ニュース出典：ABEJA：ABEJA、ヤマザキマザックと製造現場のフィジカルAI実装に向けた業務連携を開始（2026年10月16日）

イノベーション総研の考察

加工方法を決めることと、工場でどの仕事を先に行うかを決めることは別の仕事です。今回の連携は、その両方と実機の動作をつなぎ、AIの提案を製造現場で使えるものにする取り組みとして読むことができます。

加工を速くしても、生産順序が合わなければ納期は縮まらない

工作機械は、金属などを削り、部品をつくる設備です。加工方法には、どの機械を使い、どの順番で削り、どの条件で動かすかという判断があります。一方、生産計画では、複数の注文、設備の空き、部材の在庫を見ながら仕事を割り当てます。

一つの部品を速くつくれる方法が見つかっても、必要な設備が別の注文で埋まっていれば、顧客に届く日は早まりません。今回、加工工程と生産スケジュールをそれぞれAIの開発対象にしたのは、作業の効率と工場全体の流れを合わせる狙いがあると考えられます。

製造向けAIの価値は、一つの加工を速くすることに加え、設備・在庫・注文を踏まえて納期を守れるかで変わります。

発表は、突発的な部材不足や特急注文への対応も課題に挙げています。平常時の計画だけでなく、予定が崩れたときにどの判断を支援できるかが、現場での使い道を具体化します。

マザックの機械・作業データと、ABEJAのAI基盤を結ぶ

ヤマザキマザックは、複数の加工を一台で行う機械や、加工プログラム作成を支援する制御装置を開発してきました。既に機械の使い方と顧客の作業を理解する立場にあります。ABEJAは、データを蓄積し、AIを学習・評価して運用へつなぐ基盤を持ち寄ります。

AI企業だけでは、机上で妥当な加工条件が実機でも安全か、顧客がどの例外を重視するかを判断しにくい場合があります。機械メーカーだけでなくAI基盤の企業も参加することで、現場の情報を継続的な改善へ回す分担が生まれると読めます。

機械メーカーとAI企業の共同開発では、設備を動かせる条件と、学習・評価を続ける仕組みの両方を持ち寄ります。

ただし、データを共有できることは自動的に決まりません。顧客の加工情報や生産計画をどこまで使うか、学習した結果を他社へ展開できるかは、共同開発で決めるべき範囲です。権利や提携終了時の扱いは、今回の発表からは分かりません。

人が修正した理由を残せるかが、導入後の改善を左右する

発表は、人が関わりながらAIを改善する方針を示しました。工程設計や計画の提案が出ても、そのまま採用できない場面は想定できます。例えば、機械の状態や現場の作業制約を担当者が知っているのに、AIへ渡す情報に含まれていない場合です。

人が提案を直すだけで終わると、同じ修正を繰り返す可能性があります。修正の理由と結果を残せれば、入力情報の不足なのか、提案方法の問題なのかを切り分けられます。これは今回の効果として確認された実績ではなく、運用方針から考えられる評価の観点です。

人が関与するAIは、修正できるだけでなく、修正した理由を次の提案へ反映できるかで評価します。

担当者の方が導入を試すなら、提案の採用率と修正時間、修正が必要だった理由を、現場の判断者と確認する方法が考えられます。高い採用率だけを目指すと、難しい注文を対象から外した影響を見落とすため、対象の仕事もそろえて比べます。

工作機械への実装判断は、実機検証と顧客ごとの運用費用で行う

共同開発では、作業データの収集から学習・評価、実機の動作検証までを一貫して行う環境をつくる予定です。現実の状況を認識して機械を動かす「フィジカルAI」では、画面上の提案が正しいことと、設備が安全に動くことを別に確かめなければなりません。

次に追うのは、検証する加工や工場、対応できる設備、導入条件が具体化するかです。顧客ごとの調整に多くの人手が必要なら、導入先が増えても提供側の費用が同じ割合で増える可能性があります。学習する機能があるだけで、横展開の採算が証明されたとは言えません。

工作機械へのAI実装は、実機での安全確認と、顧客ごとの調整費用を含めた採算がそろってから広げます。

試験前には、品質を落とさず納期や計画変更の時間を改善できるかという基準値を用意します。継続時には、導入後の利用率と手直しの負担を確認し、対象を広げるか、用途を限定するかを決めることが実務への転用になります。

まとめ

ABEJAとヤマザキマザックの共同開発は、加工条件、生産順序、機械の動作をつなぐ試みです。自社でAIの事業化を考える際も、一つの作業の正しさと、全体の納期・費用を分けて評価します。実機での検証と導入後の修正負担が、次の判断材料になります。

関連記事：PoCから事業化へ進む方法 ／ 新規事業フレームワークの選び方