工場の朝。設備が止まってラインが止まり、ベテランが見当たらない。新人が探すのは、三年前の作業標準書と、どこかのエンジニアの端末に眠る保守マニュアル。クラウドに全部集めればAIが賢くなる——そう信じて数年、資料は山のように増えたのに、肝心の一枚を引き出すほど面倒になった。それどころか、図面や配方（製法）が外部のモデルに触れた瞬間、もう戻ってこないのではないかという不安が消えない。
製造現場はソフトウェア企業と勝手が違う。工場の知識は最初から散っている。設計図面はエンジニアのノートPCに、工程カードは現場の文書庫に、検査記録はスキャン画像に、設備マニュアルはPDFに、取引先との契約はまた別のシステムに。形式はバラバラ、バージョンは混ざり、その大半がセンシティブだ。IDCの推計では、2028年までに世界のデータ総量は約394 ZBに達し、その80〜90%が非構造化データである。工場のスキャン図面や設備ログ、メールの添付ファイルは、まさにその多数派の中にある。Kompriseの調査はもっと直接的だ。大企業の70%超が5 PB以上の非構造化データを抱え、40%は10 PBを超え、ITリーダーの85%が来年のストレージ支出の増加を見込んでいる。資料は少なくない。金を食い始めるほど、太っている。
とはいえ、量が多いことは知識が多いことと同値ではない。新入社員が一晩でベテランになると考える工場長は少なくないが、その飛躍は三つの壁を飛び越えている。順に現実味を増す。
手前に立つのは怖さだ。設計図面、工程パラメータ、配方——製造業にとってこれらは命の根っこであり、中核となる知的財産だ。IBMの「2025年データ漏洩コスト調査」に、筆が止まる数字がある。漏洩したデータのうち知的財産が占めたのは33%。しかも知財は全カテゴリ中で1件あたりの損害が最も高く、最大178米ドルに達する。こうした資料を外部のSaaSモデルに丸投げするのは、命の根っこを他人に預ける行為だ。何かあれば、178米ドルどころの話では済まない。「データは内網を出ない」は、製造業ではスローガンではなく床（フロア）だ。
もう一つ、届かなさという壁がある。設備マニュアルのPDFともなれば100 MBを軽く超え、検査のスキャン画像は何百枚も積み上がる。これをそのままモデルに放り込めば、トークン代が飲み込まれる前に爆発する。だから先に痩せる。独自の圧縮エンジンが重複した情報や空白ページ、過大な埋め込み画像を取り除くと、ファイルサイズは通常60〜80%小さくなる。同じ予算で、何倍もの資料が扱えるようになる。100 MBのマニュアルが20数MBになるだけで、実際に食わせられる範囲の計算が変わる。肝心なのは、この工程がローカルで終わることだ。ファイルは自社のネットワークを出ず、センシティブな内容は知識ベースに届く前にそもそも建物の外へ出ていない。
目に見えない奥の壁は探せなさだ。文書はライブラリに入ったのに、検索がファイル名頼みなら、ベテランが記憶でつけた風変わりな名前の森を新人は歩けない。本当の検索は文字列一致ではなく、意味を読む。それがRAG——検索拡張生成（Retrieval-Augmented Generation）の役割だ。資料を意味でタグ付けされた断片に切り、索引を組み、あなたが「去年、あの射出成形機がよく警報を出していたのはどの配管だっけ」と普通の言葉で尋ねると、三百のファイル名をめくらせるのではなく、内容から該当の段落を引き出す。
この一式が実際に何をするか、平たく言えばこうだ。資料を取り込み、清浄し、まとまった断片に切り、置き場所ではなく意味で索引する。質問が来ると、本当に関係ある断片を引いてから、はじめてモデルに回答を頼める。しかも出典付きだ。答えは訓練記憶からの憶測ではなく、自社のファイルからの引用になる。トレーサビリティが全ての工場にとって、この違いは「役立つ」と「危険」の境界だ。
ここで一つ、はっきり言っておきたいことがある。上の「先に痩せ、私有で検索」という土台は、最近、配置の形を変えた。UglyPear データのRAGデータエンジニアリング基盤は、管理用コンソールと内網（オンプレミス）展開の機能を備え、製造業が自社の機械室でこの一式をどう動かすか悩む必要がなくなった。コンソールと内網への展開により、検索と圧縮のスタック全体が自社サーバー上に立ち上がり、データは端から端まで内網を出ない。コンプライアンスもスループットも必要とする工場にとって、資料を他者のクラウドに送るより、はるかに気が楽だ。
それと密接に絡む、見くびられがちなコンプライアンス機能がある。機微情報の扱いだ。規制環境向けに作られた私有基盤は、資料がパイプラインを流れる際、十数カテゴリにわたるセンシティブな内容を自動で秘匿化（マスキング）し、守る。秘密も個人データも、知識ベースの中で丸見えにはならない。検索は自由に。リスクのある部分は、望みではなくポリシーで処理する。
では、道はどう選ぶか。多くの工場が「外部モデルを使うか、自前で組むか」で立ち止まる。三つの経路を並べてみる。
| 比較項目 | 外部SaaSモデル | 自前オープンRAG | 私有RAG＋圧縮 |
|---|---|---|---|
| データは内網を出るか | 出る（第三者へ送信） | 出ない（自前運用要） | 出ない、完全ローカル |
| 中核知財の漏洩リスク | 高 | 低 | 低 |
| 大ファイル・スキャン | 送信とトークンに上限 | 自前で解決 | 格納前に圧縮、60〜80%削減 |
| 導入の手間 | 低、すぐ使える | 高、専門チーム要 | コンソール＋内網展開、中程度 |
| 検索の基準 | 汎用、現場用語に弱い | カスタム可 | 内容の意味で検索 |
| コンプライアンス保管 | 保証が難しい | 自社責任 | アーカイブ管理と組み合わせ可 |
M-Filesの調査が、工場が痛感している別の点を突く。96%の従業員が「最新版の文書を探し出せない」とし、83%が「後で既存と気づくファイルを作り直した」という。工場なら、これは正しい改訂版の作業手順書が回り続け、正しい方が埋もれることを意味する。バージョンと権限を尊重する意味検索こそが、そのズレを止める。
現場で、この組み合わせは何をほどくか。毎日起きる幾つかを挙げよう。
設備が壊れ、保守マニュアルが誰かのローカルドライブに眠っている——新人は何分探しても見つからないが、私有検索なら内容で該当ページを引く。工程が変わり、古い作業手順書が今も回っているから、不良の根がたどれない——意味検索はバージョンを見分け、権限ある最新を出す。取引先契約が数百件、法務が一つの保証条項を探したい——午後を捧げてめくるのではなく、内容で秒単位に特定する。シフト日誌や設備履歴が誰かの受信箱にあったものが、圧縮されて索引される瞬間、問い合わせ可能になる。小さなことだ。一ヶ月分を足せば、それは本物の人件費だ。
締めくくりに、率直に。工場の資料ガバナンスに「AIを繋げば終わり」などというおとぎ話はない。散った資料を圧縮して痩せさせ、自社の内網で内容検索する私有知識ベースを立ち上げ、図面や配方の中核資産を使える状態のまま建物の中に留める——そこでAIは初めて役に立つ。具体的な落とし所は、下のリンクから。
製品一覧はこちら: https://www.uglypear.com/ja/products/
現場の実践や技術解説はブログで: https://www.uglypear.com/ja/blog/
よくある質問
Q: 製造業が図面や配方を外部モデルで処理しても安全ですか？
A: リスクの観点から、直接のアップロードはお勧めできない。IBMの調査では知財が漏洩データの33%を占め、1件あたりの損害も最大。安全な道は、データが企業ネットワークを一切出ない私有・オンプレミス展開だ。AIの恩恵は受けつつ、中核資産を第三者に渡さずに済む。
Q: スキャンやPDFが大きすぎてモデルに食わせるコストが高い場合は？
A: 格納前に圧縮する。冗長な情報を除けば、ファイルサイズは通常60〜80%小さくなり、同じ予算で扱える資料量が大きく広がる。しかも圧縮はローカルで済ませ、センシティブな内容を外に出さない。
Q: RAGはモデルにそのまま尋ねるのと何が違う？
A: そのまま尋ねるのは記憶からの回答。RAGは「まずあなたの資料で調べ、それから答える」。内容の意味で検索し、出典を示せるから作り話をしない。トレーサビリティが命の工場では効き目が大きい。
Q: 自社の機械室で動かせますか？
A: 動かせる。UglyPear データのRAG基盤は管理コンソールと内網展開を備え、製造業は自社サーバー上に検索と圧縮の一式を素早く立ち上げられる。資料を外に送る必要も、専任の運用チームをずっと抱える必要もない。
今すぐ試す
UglyPear データのSmartSlimとMagiFiler、そしてRAGデータエンジニアリング基盤は、すべて「データは内網を出ない」という一つの流儀で作られている。
- 製品総覧: SmartSlim / MagiFiler
- 現場の実践と技術解説: UglyPear データ ブログ
- もっと知る: UglyPear データ