📜 要約
### 主題と目的
本調査は、三菱重工業株式会社（以下、三菱重工）における生成AIの具体的な活用状況、導入事例、および関連ニュースを網羅的に把握することを目的としています。調査の焦点は、同社が生成AIをどのように戦略的に位置づけ、業務効率化やコスト削減といった「守りのDX」から、防衛やエネルギーといった中核事業での新たなソリューション創出という「攻めのDX」に至るまで、いかに多角的に展開しているかを明らかにすることです。また、イノベーションを支えるガバナンスやリスク管理体制についても分析し、巨大企業におけるAI活用の先進的なモデルを提示します。
### 回答
#### 全社DX戦略の中核としての生成AI
三菱重工のデジタルトランスフォーメーション（DX）は、全社横断でDXを推進する「デジタルイノベーション本部（DI本部）」が司令塔となり、強力に推進されています [4](https://productzine.jp/article/detail/3185)。その先進的な取り組みは、2024年の「DXグランプリ」受賞によっても外部から高く評価されています [0](https://aws.amazon.com/jp/blogs/news/mitsubishi-heavy-industries-genai-challenge/)。
この戦略の中核として、同社は生成AIの活用を早期から探索。その第一歩が、2023年6月に試験公開された社内向け対話型AI「TOMONI TALK」です [1](https://www.mhi.com/jp/technology/review/sites/g/files/jwhtju2326/files/2025-05/613080.pdf)。Microsoftの「Azure OpenAI Service」を基盤とし、情報漏洩のリスクを排したセキュアな環境で利用できる点が特徴です [12](https://www.mhi.com/technology/review/sites/g/files/jwhtju2326/files/2025-05/604030.pdf)。
社内試行では、文章推敲などで有効性が確認された一方、生成AI特有の課題も浮き彫りになりました [1](https://www.mhi.com/jp/technology/review/sites/g/files/jwhtju2326/files/2025-05/613080.pdf)。
| 課題の種類 | 具体的な内容 |
|---|---|
| **専門性** | 自社固有の技術情報や専門用語に対応できない。 |
| **信頼性** | 回答の引用元が示されず、情報の正確性を検証できない（ハルシネーションのリスク）。 |
| **データ制約** | 長文の技術文書など、大量の情報を一度に入力・処理できない。 |
三菱重工はこれらの課題に対し、既存の社内検索エンジンと生成AIを組み合わせる「RAG（Retrieval-Augmented Generation）」アーキテクチャの導入を検証しています [13](https://www.mhi.com/technology/review/sites/g/files/jwhtju2326/files/2025-05/604030.pdf)。これにより、社内の信頼できる情報を基に、出典を明記した回答を生成し、AIの信頼性を高めることを目指しています。
#### IR業務から製造現場まで：コスト削減と効率化を実現する導入事例
三菱重工は、生成AIを実用的なツールとして事業に根付かせ、具体的なコスト削減と劇的な業務効率化を実現しています。
| 導入領域 | 導入ソリューション | 目的と成果 |
|---|---|---|
| **IR業務（バックオフィス）** | exaBase IRアシスタント [0](https://exawizards.com/archives/29003/) | **目的**: 議事録作成などを自動化し、担当者がより付加価値の高い戦略的対話に注力できる体制を構築 [4](https://exawizards.com/archives/29003/)。<br>**成果**: 定型業務をAIに任せ、人的リソースを分析や戦略立案といった高度な業務へシフト。 |
| **航空機部品製造（製造現場）** | Google Cloud Vertex AI [1](https://cloud.google.com/customers/intl/ja-jp/mhi) | **目的**: 特殊シール材の需要をAIで高精度に予測し、廃棄コストを削減。<br>**成果**: **年間6,000万円**に上っていた廃棄コストを**ゼロ**に達成 [1](https://cloud.google.com/customers/intl/ja-jp/mhi)[3](https://www.sbbit.jp/st/article/sp/147113)。需要予測にかかる作業時間も**月40時間から10分へ**と大幅に短縮 [1](https://cloud.google.com/customers/intl/ja-jp/mhi)。 |
特に、製造現場の事例は、AIの予測を信じて業務プロセス自体を変革するという、現場主導の強い意志と文化変革が成功の鍵となった点で注目に値します。
#### 中核事業におけるソリューション創出と事業化
三菱重工は、社内効率化に留まらず、防衛やエネルギーといった国の基盤を支える中核事業において、AIを新たなビジネス創出の原動力と位置付けています。
- **防衛分野：未来の安全保障を拓く**
- AIを搭載し、有人戦闘機と連携して飛行する「**戦闘支援無人機**」のコンセプトモデルを公開 [7]。これは、パイロットの生存性を高め、戦闘力を向上させる「チーミング」という未来の運用構想を実現するものです [10]。
- この開発で培われるAI技術は、ミサイルの自律的な目標識別能力の向上など、他の防衛装備品へも応用される見込みであり、「無人アセット防衛事業」という新たな事業の柱を確立しようとしています [6, 8]。
- **エネルギー分野：AIを使い、AIを支える**
- **AIを使う**: 発電プラントの安定稼働を支援するソリューション「TOMONI®」に生成AIを組み込み、顧客向けの高度なサービスとして事業化を目指しています [0, 11]。
- **AIを支える**: 生成AIの普及で急増するデータセンターの電力需要に応えるため、AIでエネルギー運用を最適化する次世代データセンター向けソリューション事業を強化。米Modius社との提携により、自社のハードウェア技術とAIソフトウェアを融合させたワンストップソリューションを提供します [1, 9]。
#### 堅牢なAIガバナンスとリスク管理
三菱重工は、イノベーションの追求と、社会インフラを支える企業としての責任を両立させるため、多層的なガバナンス体制を構築しています。
1. **セキュリティの徹底**: 中国製AIの利用を禁止するなど情報漏洩リスクに厳格に対応する一方 [0]、安全な「Azure OpenAI Service」を選択し、セキュアな活用環境を整備しています [6, 47]。
2. **信頼性の確保**: AI特有のハルシネーション（もっともらしい嘘）のリスクに対し、前述のRAG技術を用いて、社内の信頼できる情報源に基づいた回答生成を目指しています [4, 24]。
3. **データガバナンスの重視**: AI活用の成否を分けるのは、基となるデータの品質であると明確に認識しています。
> 「生成 AI は与えられた情報からのみ“生成”できるのであって、誤った情報を正して提示することはできない。」 [1](https://www.mhi.com/technology/review/sites/g/files/jwhtju2326/files/2025-05/604030.pdf)
この認識の下、高品質なデータを継続的に収集・整備する仕組みの構築をDXの最終目標の一つに掲げています [1, 23]。
### 結果と結論
三菱重工の生成AI活用は、単なる技術導入の段階を越え、企業全体の変革を駆動する戦略的なエンジンとして機能しています。そのアプローチは、以下の3つの特徴に集約されます。
1. **全社的・戦略的推進**: DI本部という司令塔の下、経営層のコミットメントと現場のアイデアを融合させ、価値創出に直結するユースケースを体系的に生み出しています。
2. **「守り」と「攻め」の両輪**: IR業務や製造現場での徹底的なコスト削減・効率化（守りのDX）と、防衛・エネルギーといった中核事業での新たなソリューション創出（攻めのDX）を同時に推進しています。
3. **堅牢なガバナンス基盤**: セキュリティ、信頼性、データ品質を最優先する厳格なガバナンス体制が、すべてのAI活用の土台となっています。
結論として、三菱重工は、自社の強みである高度なエンジニアリング技術と生成AIを掛け合わせることで、既存事業の競争力を強化すると同時に、未来の社会課題を解決する新たな事業を創出しようとしています。この多角的かつ体系的なアプローチは、日本の製造業におけるAI活用の先進的なモデルであり、今後の展開が非常に期待されます。
🔍 詳細
🏷 全社DXの中核、対話型AI「MHI-GPT」の導入と戦略
三菱重工のデジタルトランスフォーメーション（DX）は、単なる業務効率化に留まりません。その中核には、全社の知識と経験を集約し、新たな価値を創造するための強力なエンジンとして、生成AIの活用があります。ここでは、社内で「MHI-GPT」とも称される対話型AIの導入背景から、その具体的なアプリケーションである「TOMONI TALK」、そして全社展開に向けた戦略までを深く掘り下げていきます。
#### 全社DXの司令塔「デジタルイノベーション本部」の挑戦
三菱重工は、エネルギーから航空・宇宙まで、広範な事業領域でビジネスを展開していますが、各事業部門が独立して運営される中で、デジタル技術開発の重複やナレッジのサイロ化といった課題を抱えていました [4](https://productzine.jp/article/detail/3185)。この状況を打破し、全社横断でDXを推進するために設立されたのが「デジタルイノベーション本部（DI本部）」です [3](https://www.mhi.com/jp/recruit/shinsotsu/recruit/download/pdf/digital_innovation_headquarters.pdf), [4](https://productzine.jp/article/detail/3185)。
DI本部は、グループ全体のDX推進の司令塔として、生成AIの可能性を早期から探索していました [8](https://aws.amazon.com/jp/blogs/news/mitsubishi-heavy-industries-genai-challenge/)。この動きは、2024年に「DXグランプリ」を受賞したことからも、その先進性が外部からも高く評価されていることを示しています [0](https://aws.amazon.com/jp/blogs/news/mitsubishi-heavy-industries-genai-challenge/)。
#### セキュアな対話型AI「TOMONI TALK」の誕生
生成AI活用の具体的な第一歩として、2023年6月に社内向けに試験公開されたのが、対話型AIウェブアプリケーション「TOMONI TALK」です [1](https://www.mhi.com/jp/technology/review/sites/g/files/jwhtju2326/files/2025-05/613080.pdf)。このアプリケーションは、Microsoftの「Azure OpenAI Service」を技術基盤としており、入力情報が社外に流出する懸念なく、セキュアな環境で生成AIを利用できる点を大きな特徴としています [12](https://www.mhi.com/technology/review/sites/g/files/jwhtju2326/files/2025-05/604030.pdf)。
「TOMONI TALK」は、同社のデジタルイノベーションブランド「ΣSynX（シグマシンクス）」を体現する中核的ソリューション「TOMONI®」の一環として位置づけられています [1](https://www.mhi.com/jp/technology/review/sites/g/files/jwhtju2326/files/2025-05/613080.pdf)。これは、単なるチャットボットではなく、三菱重工が長年培ってきたエンジニアリングの知見とAIを融合させ、事業全体のスマート化を目指す壮大な構想の一部なのです。
#### 試行で見えた「リアルな課題」と次なる一手
「TOMONI TALK」の社内試験では、文章の推敲などで有効性が確認される一方、実用化に向けた具体的な課題も浮き彫りになりました [1](https://www.mhi.com/jp/technology/review/sites/g/files/jwhtju2326/files/2025-05/613080.pdf)。
| 課題の種類 | 具体的な内容 | 背景・ニーズ |
|---|---|---|
| **専門性への対応** | 自社固有の技術情報や専門用語に対応できない。 | 経験の浅い担当者から「社内の技術文書を情報源として回答してほしい」という声が多数。知識データベースとしての活用ニーズが高いことが判明 [13](https://www.mhi.com/technology/review/sites/g/files/jwhtju2326/files/2025-05/604030.pdf)。 |
| **信頼性の担保** | 情報の引用元が示されず、回答の正確性を検証できない。 | 業務利用において、生成された情報の正しさを確認できることは必須条件。 |
| **入力データの制約** | 長文の技術文書などを一度に入力できない。 | 数百ページに及ぶ仕様書（ITB）の読解や、複数ファイルにまたがる過去の議事録調査など、現実の業務では大量の情報を扱う必要がある [1](https://www.mhi.com/jp/technology/review/sites/g/files/jwhtju2326/files/2025-05/613080.pdf)。 |
これらの課題は、生成AIを単に導入するだけでは業務に深く根付かせることができない、という現実を示唆しています。三菱重工の慧眼は、この課題に真正面から向き合い、次なる戦略へと昇華させた点にあります。
注目すべきは、これらの課題解決のために、既存の社内向け検索エンジン「スマート検索」と生成AIを組み合わせる技術検証を進めていることです [13](https://www.mhi.com/technology/review/sites/g/files/jwhtju2326/files/2025-05/604030.pdf)。これは一般にRAG（Retrieval-Augmented Generation）として知られるアーキテクチャであり、社内の膨大な文書データを参照して回答を生成することで、ハルシネーション（もっともらしい嘘）を抑制し、出典を明記した信頼性の高い回答を可能にします。
#### 全社展開に向けた包括的な戦略：AI-CoEの設立と価値創出プロセス
技術的な課題解決と並行して、三菱重工は生成AIを全社的に展開し、事業価値を最大化するための組織的・戦略的なアプローチを推進しています。その象徴が、AWSとの連携による「AI Center of Excellence（AI-CoE）」体制の策定です [8](https://aws.amazon.com/jp/blogs/news/mitsubishi-heavy-industries-genai-challenge/)。
この戦略のポイントは、以下の3ステップで構成される実践的なプロセスにあります。
1. **Step 1: 戦略と体制の策定**
DI本部が主導する中央集権型でスタートし、将来的には各事業会社と連携する分散型モデルへと移行する計画を立てました [8](https://aws.amazon.com/jp/blogs/news/mitsubishi-heavy-industries-genai-challenge/)。これにより、全社的なガバナンスと各事業部門の自律的な活用を両立させることを目指しています。
2. **Step 2: 事業価値起点のユースケース特定**
Amazon流のイノベーション創出手法「Working Backwards」を用いたワークショップを実施 [0](https://aws.amazon.com/jp/blogs/news/mitsubishi-heavy-industries-genai-challenge/)。特筆すべきは、経営層（全CxO、全事業本部長）と実務者層がそれぞれ参加し、事業目標から逆算して「本当に価値のあるユースケース」を特定した点です [0](https://aws.amazon.com/jp/blogs/news/mitsubishi-heavy-industries-genai-challenge/)。これにより、技術のための技術開発に陥ることなく、費用削減や売上向上に直結するアイデアが創出されました。
3. **Step 3: 俊敏なプロトタイピング**
特定されたユースケースの実現可能性を検証するため、2ヶ月という短期間でプロトタイピングを実施。事業部門のメンバーがプロダクトオーナーを務め、DI本部の開発者と共に自ら手を動かすことで、計画以上の機能を持つプロトタイプを完成させ、次のプロダクション段階への移行を決定しました [8](https://aws.amazon.com/jp/blogs/news/mitsubishi-heavy-industries-genai-challenge/)。
この一連のプロセスは、三菱重工が生成AIの導入を、単なるツール導入ではなく、組織文化や働き方までをも変革する「企業変革の旅」と捉えていることを明確に示しています。「ファースト・ペンギンとして実験に挑戦する」[0](https://aws.amazon.com/jp/blogs/news/mitsubishi-heavy-industries-genai-challenge/)という姿勢と、トップダウンのビジョンとボトムアップのアイデアを融合させる戦略こそが、巨大企業におけるイノベーション推進の鍵と言えるでしょう。
「MHI-GPT」こと「TOMONI TALK」の導入は、三菱重工のDX戦略における序章に過ぎません。技術的課題の克服と、事業価値に根差した全社展開戦略という両輪を回すことで、同社は生成AIを真の競争力へと昇華させようとしています。
🖍 考察
### 調査の本質：巨大製造業の変革モデルとしての三菱重工
ユーザー様の「三菱重工の生成AI活用ニュース・導入事例」というご依頼の背後には、単なる情報収集を超えた、より深いニーズが存在すると考察いたします。それは、**「日本の伝統的な巨大製造業が、『生成AI』という破壊的技術をいかにして自社のDNAに組み込み、未来の競争力へと転換しようとしているのか、その戦略と実践の全貌を解き明かしたい」**という知的好奇心とビジネス上の要請です。
この調査の本質は、三菱重工を一つのケーススタディとして、以下のような多角的な視点を持つステークホルダーに価値を提供することにあります。
* **競合他社・同業他社にとって**: 自社のAI戦略を策定・見直す上での貴重なベンチマークとして。
* **AI導入を検討する企業にとって**: 成功と失敗から学ぶ、実践的な導入ロードマップとして。
* **投資家にとって**: 同社の将来性やイノベーションへの本気度を測る、重要な評価指標として。
* **AI関連企業にとって**: 協業やソリューション提供の可能性を探るための、具体的な事業機会として。
したがって、本考察では単なる事実の羅列に留まらず、三菱重工の取り組みを「企業変革のモデルケース」として分析し、皆様の意思決定に資する戦略的な洞察を提供することを目指します。
### 分析と発見事項：両利きの経営を体現する「守り」と「攻め」のAI戦略
調査結果を分析すると、三菱重工の生成AI活用戦略は、既存事業の効率化を図る**「守りのAI」**と、新たな価値を創出する**「攻めのAI」**を見事に両立させる「両利きの経営」を体現していることが明らかになりました。
| 戦略の方向性 | 具体的な取り組み | 主な目的 | 活用事例 |
|---|---|---|---|
| **守りのAI**<br>（業務効率化・コスト削減） | **バックオフィス・製造現場の最適化** | ・定型業務の自動化<br>・コスト構造の変革<br>・生産性向上 | ・社内対話AI「TOMONI TALK」によるナレッジ共有 [1]<br>・IR業務での議事録作成・分析自動化 [0]<br>・製造現場での需要予測による**廃棄コスト年間6,000万円削減** [1] |
| **攻めのAI**<br>（新規事業創出・ソリューション化） | **自社の強みを活かした事業モデルの創出** | ・高付加価値ソリューション提供<br>・新規市場の開拓<br>・ビジネスモデル変革 | ・防衛分野での**戦闘支援無人機**開発 [7]<br>・エネルギー分野ソリューション**「TOMONI®」の高度化** [0]<br>・データセンター向けエネルギー最適化事業 [9] |
さらに、これらの戦略を支える土台として、以下の2つの特徴的な動きが見られます。
1. **トップダウンとボトムアップの融合**:
* 経営層を巻き込んだ「AI-CoE」の設立と、Amazon流の「Working Backwards」手法を用いた事業価値起点のユースケース創出は、全社的なビジョンと現場のニーズを直結させる強力な推進力となっています [0, 8]。
2. **現実的な課題認識と着実な技術適用**:
* 社内試行で「専門性への未対応」「信頼性の欠如」といった生成AIのリアルな課題を直視し、その解決策としてRAG（検索拡張生成）アーキテクチャの検証を進めるなど、地に足のついたアプローチを取っています [1, 13]。
これらの発見事項は、三菱重工が単なる技術の流行を追うのではなく、自社の事業課題と強みを深く理解した上で、戦略的にAIを活用していることを明確に示しています。
### より深い分析と解釈：「成功のストーリー化」と「強みの再定義」
発見された事実の背後にある本質的な意味を、「なぜ？」を繰り返すことで掘り下げます。
#### なぜ、「守りのAI」における劇的な成功事例（江波工場）がこれほど重要なのか？
1. **（第1のなぜ）** なぜ成功事例が必要なのか？
* AI導入の効果を、誰もが理解できる「コスト削減」という具体的な金額で示すためです。年間6,000万円の廃棄コストをゼロにしたというストーリーは、AIの価値を社内に浸透させる上で極めて強力な説得力を持ちます [1]。
2. **（第2のなぜ）** なぜ「ストーリー」が重要なのか？
* それは、技術導入が単なるツールの導入ではなく、「人間のマインドセットとプロセスの変革」を伴うことを示すためです。江波工場の事例には、「当初はAIの予測を信じきれず、かえって混乱した」という失敗談が含まれています [1]。このリアルな試行錯誤の物語こそが、他の部門が同様の変革に踏み出す際の心理的なハードルを下げ、実践的な教訓を与えるのです。
3. **（第3のなぜ）** なぜマインドセットの変革が本質なのか？
* 巨大な組織、特に安全と品質を第一とする製造業においては、既存のやり方や「熟練の勘」への信頼が根強く、変化への抵抗が生まれやすいからです。江波工場の成功は、**「AIは人間の経験を代替する脅威ではなく、人間の能力を拡張するパートナーである」**という新しい価値観を組織に根付かせるための、最高の「社内マーケティング教材」と言えます。この成功体験の横展開こそが、全社的なAI活用の起爆剤となるのです。
#### なぜ、自社ソリューション「TOMONI®」への生成AI組み込みにこだわるのか？
1. **（第1のなぜ）** なぜ自社ソリューションなのか？
* 汎用的なChatGPTのようなツールをそのまま提供するだけでは、他社との差別化が困難だからです。
2. **（第2のなぜ）** なぜ「TOMONI®」が差別化の核となるのか？
* 三菱重工の真の競争力は、個々の製品（ハードウェア）ではなく、長年の事業を通じて蓄積された**発電プラント等の運用ノウハウや膨大な技術データ（OTデータ）**にあるからです。この独自の「暗黙知」を、生成AIという「形式知化」するツールと組み合わせることで、他社には決して模倣できない、極めて専門性の高いソリューションが生まれます。
3. **（第3のなぜ）** なぜそれが戦略的に重要なのか？
* それは、同社が目指す**「モノ売り（製品提供）」から「コト売り（課題解決型サービス提供）」へのビジネスモデル変革**を、生成AIが決定的に加速させるからです。「TOMONI®」に生成AIを組み込むことは、単なる機能追加ではありません。それは、三菱重工が持つ「見えない資産」を収益化し、顧客との関係を継続的なパートナーシップへと深化させるための、極めて戦略的な一手なのです。
### 戦略的示唆：三菱重工の変革モデルから学ぶべきこと
上記の分析と解釈から、ユーザー様のビジネスに直接役立つ、以下の実践的な示唆を導き出しました。
* **示唆1：AI導入は「文化変革プロジェクト」として捉えよ**
* 最も重要なのは技術選定ではなく、**測定可能で分かりやすい成功事例（Quick Win）を意図的に作り出し、それを社内にストーリーとして共有すること**です。江波工場のように、「コスト削減」といった経営インパクトのある成果を足掛かりに、AIへの心理的抵抗を解消し、全社的なムーブメントを醸成することが成功の鍵です。
* **示唆2：「自社の金脈」とAIを掛け合わせよ**
* 他社の真似をして汎用AIツールを導入するだけでは、競争優位は築けません。三菱重工が「TOMONI®」の知見を核にしたように、**自社にしか存在しない独自のデータ、ノウハウ、顧客接点といった「金脈」は何かを再定義し、それを生成AIでどう増幅できるか**を考えるべきです。そこから、模倣困難な新しいビジネスモデルが生まれます。
* **示唆3：ガバナンスは「ブレーキ」ではなく「アクセル」である**
* 三菱重工が中国製AIの利用を禁止し、Azureのようなセキュアな環境を早期に選択したことは示唆に富んでいます [0, 12]。AIガバナンスやセキュリティへの投資は、リスクを管理する「ブレーキ」であると同時に、**従業員が安心してAIを試行錯誤できる「安全な遊び場」を提供する「アクセル」**でもあります。データガバナンスの確立を後回しにせず、活用戦略と一体で推進することが、中長期的な成功を左右します。
### 今後の調査：変革の真価を問うネクストステップ
今回の分析を踏まえ、三菱重工のAI戦略の真価と今後の展開をさらに深く理解するために、以下のテーマに関する継続的な調査を提案します。
- **定量的成果の拡大と深化**
- 「TOMONI TALK」導入による全社的な生産性向上効果（例：資料作成時間の削減率、社内問い合わせ件数の変化など）の定量的な測定結果。
- 江波工場の成功モデルが、他の製造拠点へどのように展開され、どのような財務的インパクトを生んでいるかの追跡調査。
- **「攻めのAI」の事業化と収益性**
- 防衛分野における「戦闘支援無人機」の実証実験の進捗と、将来的な事業規模・収益貢献の見通し。
- 顧客向けに提供される「TOMONI®」生成AIソリューションの具体的な価格体系、導入企業数、そして顧客にもたらした価値（例：プラントの稼働率向上、予期せぬダウンタイムの削減率など）。
- **人材と組織の変革**
- 全従業員を対象としたAIリテラシー向上プログラムの具体的な内容と、それによる従業員のスキルセットの変化。
- AI活用を前提とした業務プロセス改革（BPR）の進捗と、それに伴う組織構造や評価制度の見直しの有無。
📚 参考文献
参考文献の詳細は、ブラウザでページを表示してご確認ください。