# 運用知見からエージェント型産業AIへ――IFS CTO ヴァイバヴ・クマー氏に聞く

- 番組: [The AI in Business Podcast](https://ai-curator.jp/podcasts/shows/cmv3z5c32001o5o100ot70lmn)（Daniel Faggella）
- 元のタイトル: From Operational Insight to Agentic Industrial AI - with Vaibhav Kumar of IFS
- 配信日: 2026年10月30日
- 長さ: 22分
- 要約作成日: 2026年10月30日
- トピック: [#産業AI](https://ai-curator.jp/topics/%E7%94%A3%E6%A5%ADAI) [#AIエージェント](https://ai-curator.jp/topics/AI%E3%82%A8%E3%83%BC%E3%82%B8%E3%82%A7%E3%83%B3%E3%83%88) [#Human-in-the-loop](https://ai-curator.jp/topics/Human-in-the-loop) [#AIリテラシー](https://ai-curator.jp/topics/AI%E3%83%AA%E3%83%86%E3%83%A9%E3%82%B7%E3%83%BC) [#エンタープライズソフトウェア](https://ai-curator.jp/topics/%E3%82%A8%E3%83%B3%E3%82%BF%E3%83%BC%E3%83%97%E3%83%A9%E3%82%A4%E3%82%BA%E3%82%BD%E3%83%95%E3%83%88%E3%82%A6%E3%82%A7%E3%82%A2) [#LLM](https://ai-curator.jp/topics/LLM)
- URL: https://ai-curator.jp/podcasts/cmvtoro4300025d11xd6snvi0

## 要約

IFSのグローバルCTOであるVaibhav Kumar氏が、製造・エネルギー・公益事業などで進む熟練労働者の退職と知識流出、使いにくい業務システムという課題を語った回。会話型AIで入力・検索の摩擦を減らし、知見を活用できるようにするという考えを示した。エージェントの制御は人が握るべきだとし、データ基盤の整備とAIリテラシー向上が経営層の第一歩だと述べている。

## ポイント

- 産業界の三大課題として、高齢化による技能・暗黙知の流出、計画外停止などの未解決の業務課題、地政学による供給網の混乱を挙げている。
- 業務ソフトの使いにくさが摩擦となり、熟練者は知識を入力せず、入力済みのデータも活用されていないと指摘している。
- IFS Intelligenceは、ChatGPTやClaudeのような消費者向けAI体験を企業の業務文脈に重ねるものだと説明している。
- エージェントは常に人が主導し、バックグラウンドで動かす場合も、いつ人を関与させるかを利用者が決められる設計だと述べている。
- データが100%完璧である必要はなく、LLMで重複検出やクレンジングもできるため、意味のあるデータを持つシステムにAIを重ねるべきだとしている。
- 経営層から現場まで全員のAIリテラシーが重要で、対応しない企業はAIが当たり前になる段階で遅れると警告している。

## 章立て

- [01:01] **産業界が直面する三つの圧力** — 高齢化する労働力、計画外停止などの未解決課題、供給網の混乱という三つのマクロトレンドが語られる。
- [03:04] **知識流出とソフトの摩擦** — 熟練者は使いにくいシステムに入力せず、入力済みデータも活用されない問題と、AIによる解消の可能性を述べる。
- [06:15] **現場向けAI体験とIFS Intelligence** — 現場には用途特化で使いやすい体験が必要で、消費者向けAIの体験を業務文脈に重ねる考えを説明する。
- [07:18] **人が制御するエージェント設計** — エージェントは人が主導し、バックグラウンド実行時に人を関与させるタイミングも利用者が決められると説明する。
- [09:21] **AI導入前のデータ基盤と選別** — 基盤となるシステムの重要性、データ品質への向き合い方、MCP等の流行語に流されずAI製品を選ぶ姿勢を語る。
- [11:35] **AIリテラシーと乗り遅れのリスク** — クラウド普及期との類比で、経営層から現場までAIの基礎を学ぶ必要性と、将来AIが前提になるという見方を示す。
- [15:46] **組織内の温度差と生産性向上** — 経営層と中間管理職の温度差に触れ、AIは仕事を奪うのでなく生産性を高めるものだと述べる。CFOの質問の例も紹介。

## 解説記事

IFSのグローバルCTO、Vaibhav Kumar氏が、The AI in Business Podcastで産業分野のAI活用について語った。聞き手はEmerjのEysan Yazici氏。熟練労働者の退職に伴う知識の流出と、使いにくい業務システムに埋もれたデータという二つの問題を軸に、会話型AIが何を変えうるか、導入に向けて経営者が何をすべきかが議論された。なお本回はIFSがスポンサーであり、Kumar氏は同社の製品を前提に語っている点には留意したい。

#### 産業界が直面する三つの圧力

Kumar氏は、製造、エネルギー、公益事業、航空などに共通するマクロトレンドを三つ挙げた。第一に労働力の高齢化である。熟練者が退職すると組織の暗黙知も一緒に失われ、世界的な技能不足を招いていると述べる。第二に、技術で解決できる可能性があるのに、企業が「そういうものだ」と受け入れてしまっている課題である。例として計画外停止を挙げ、航空や製造、石油・ガスでは実損や罰金につながると指摘した。第三に、地政学的な状況による供給網の混乱である。企業にはより柔軟で素早い意思決定が求められ、不十分なデータでの判断はリスクが高いという。

#### 知識が使われない理由は「摩擦」

知識流出の背景としてKumar氏が強調したのは、企業向けソフトウェアの使いにくさである。データを入力する作業そのものが摩擦であり、周囲から尊敬される最も経験豊富な労働者ほど、その画面を使いたがらない。一方で、真面目に入力された情報も、画面操作が面倒で探しにくく意味づけも難しいため、活用されないまま眠っている。同氏は「知識を共有したくないのではなく、ソフトに対するいら立ちが大きいのだ」と説明する。AIによって消費者向け水準の体験を提供すれば、入力の摩擦が減り、蓄積済みのデータも新しく入る人材が使えるようになるというのが主張だ。具体例としては、技能不足でBoeingが整備要員不足により機体が地上に留まる事態を予測していると、同日の講演で触れられた話題を挙げている。入力しやすくすることと、知識を引き出しやすくすることの両方が揃えば好循環が生まれるとし、そうでなければ数百万ドル、場合によっては数十億ドル規模の損失になるとの見方を示した。

#### 人が操縦するエージェント設計

現場向けには、役割に特化し、摩擦のないソフトが必要だとKumar氏は述べる。IFS Intelligenceは、ChatGPTやClaudeに慣れた体験を企業の業務文脈の上に重ねるもので、消費者向けの体験なら現場も使うはずだという考えが根底にある。規制の厳しい産業でのHuman-in-the-loop（人の関与）については、基本思想として「人がエージェントを制御する」ことを挙げた。エージェントは常に人が主導して動かし、バックグラウンドで動かすかどうかも利用者が選ぶ。その場合も、どの時点で自分を関与させるかを利用者が指定できる。人がエージェントを使いこなす力を高め、さらに進んで自らバックグラウンドエージェントを構築できるようにする、という設計である。

#### データ基盤と製品選別、そしてリテラシー

準備については、まず土台となるシステムが必要だとKumar氏は語る。IFS Intelligenceも、IFSのシステムが存在して初めて機能する。データ品質については、LLMが重複データの認識やクレンジングを助けられるため、「100%の品質になってからAIを載せる」必要はないという立場だ。その上で、どのAIを使い、何を使わないかを慎重に選ぶべきだと促した。業界ではバズワードが先行し、連携APIをMCPとして包んで売る動きが見られるが、汎用的で消費者水準の体験を実現できるかを見極めるべきだという。データ選定の考え方としては「データには重力がある」と述べ、会社の中で最も意味のあるデータを持つシステムにAIを重ねることを勧めた。

数か月内に取れる実践的な一歩として挙げたのが、AIリテラシーである。公的な議論から「AIは使えない」と誤解する人がいるが、イノベーションは主に下位レイヤーで起きており、業務アプリケーション層に入ってこそ価値が生まれると説明する。コンテキストとは何か、なぜ新しいスレッドを立てるのか、入力トークンと出力トークンの違いは何か、といった基礎を、エンジニアに限らず経営層から現場まで理解すべきだとした。2010年頃に新しかったクラウドが、数年後には経営幹部にも語られるようになった流れと同じ段階にあるという比喩も用いている。

#### 組織内の温度差と「民主化」

どの業種が先行しているかを問われると、取締役会がCEOにAI戦略を求めるため、大企業から小企業まで検討は進んでいると答えた。ただし、経営層は意欲的でも、将来への不安や新技術への冷めた見方から、中間管理職には温度差があるという。これに対しKumar氏は、個人的な意見と断った上で、「AIが仕事を奪う」という物語が機会を損ねたと述べ、ChatGPTやClaudeのように仕事を代行するのでなく人を強力にするツールとして位置づけるべきだと語った。プレゼン資料作成を例に、詳細なプロンプトを書けば約15分で草案が出て、残りの時間で仕上げられるという自身の使い方を紹介している。

企業内での応用例としては、CFOの質問がVP、マネージャー、アナリストと伝言ゲームのように下りていき、Excel資料が戻るころには意図とずれる、という状況を描いた。CFOがAIに直接尋ねれば1分で答えが得られ、この知識と洞察の民主化が事業の生産性を大きく高めるとの見方だ。

#### まとめ

本回の核心は、AIを新しい自動化の道具として語るのでなく、使いにくい業務システムの摩擦を取り除き、退職で失われる知見と眠っているデータを活用する手段として位置づけた点にある。エージェントの制御権を人に置く設計思想や、データを完璧にしてからではなく、意味のあるデータを持つシステムから始めるという助言は、慎重な組織にとって実践的だろう。ただし、スポンサー企業のCTOによる発言であり、効果の数値的な裏付けは示されていない。日本でも熟練者の退職と技能継承は共通の課題であり、まずは経営層を含めたAIリテラシーの底上げと、自社で最も価値あるデータの所在の把握から着手するという示唆は参考になる。

> この要約・解説記事は、元の音声の文字起こしをもとに AI（Claude）が日本語で作成したものです。出典: The AI in Business Podcast「From Operational Insight to Agentic Industrial AI - with Vaibhav Kumar of IFS」