📜 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 。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 。
productzine.jp
amazon.com
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 。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 。
mhi.com
mhi.com
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 。
mhi.com
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 。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。
mhi.com
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 exawizards.com | 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 exawizards.com |
航空機部品製造(製造現場) | Google Cloud Vertex AI google.com | 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 google.com sbbit.jp google.com |
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 。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amazon.com。amazon.com
- 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 。impress.co.jp
- 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
-
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 。mhi.com
- 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 。mhi.com
- 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
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。
- 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 、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mhi.com。impress.co.jp
- 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 。enterprisezine.jp
- 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。」mhi.com
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 。
mhi.com
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。
- 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。
- 「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。
- 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。
コード実行
import React from 'react';
import { BarChart, Bar, XAxis, YAxis, CartesianGrid, Tooltip, Legend, ResponsiveContainer } from 'recharts';
const CaseStudyCard = ({ title, partner, description, outcome, sourceUrl, children, badge }) => (
<div className="bg-white rounded-lg shadow-lg p-6 mb-6 hover:shadow-xl transition-shadow duration-300">
<div className="flex justify-between items-start mb-4">
<h3 className="text-xl font-bold text-gray-800">{title}</h3>
{badge && <span className="bg-red-600 text-white text-xs font-semibold mr-2 px-2.5 py-0.5 rounded-full">{badge}</span>}
</div>
<p className="text-sm text-gray-500 mb-2"><strong>パートナー/技術:</strong> {partner}</p>
<p className="text-gray-700 mb-3"><strong>概要:</strong> {description}</p>
<p className="text-green-700 font-semibold mb-4"><strong>目的・成果:</strong> {outcome}</p>
{children}
<div className="text-right mt-4">
<a href={sourceUrl} target="_blank" rel="noopener noreferrer" className="text-blue-600 hover:text-blue-800 text-sm font-medium transition-colors duration-300">出典を見る →</a>
</div>
</div>
);
const CostReductionChart = () => {
const data = [
{ name: '従来 (勘と経験)', '年間廃棄コスト': 60000000 },
{ name: 'AI導入後', '年間廃棄コスト': 0 },
];
return (
<div className="my-4">
<h4 className="text-md font-semibold text-gray-700 mb-2 text-center">航空機シール材の年間廃棄コスト削減効果</h4>
<p className="text-xs text-gray-500 text-center mb-2">※「年換算で数千万円」を6,000万円と仮定して表示しています。</p>
<ResponsiveContainer width="100%" height={250}>
<BarChart data={data} margin={{ top: 5, right: 20, left: 20, bottom: 5 }}>
<CartesianGrid strokeDasharray="3 3" />
<XAxis dataKey="name" tick={{fontSize: 12}} />
<YAxis tickFormatter={(value) => `${value / 1000000}百万円`} tick={{fontSize: 12}} />
<Tooltip formatter={(value) => [`${value.toLocaleString()}円`, 'コスト']} />
<Legend wrapperStyle={{fontSize: '14px'}} />
<Bar dataKey="年間廃棄コスト" fill="#E60012" />
</BarChart>
</ResponsiveContainer>
</div>
);
}
const App = () => {
const challenges = [
{ type: '技術開発', content: '各事業部門が個別に技術開発を進めることによる二重投資の懸念', source: 'https://xtech.nikkei.com/atcl/nxt/column/18/02897/071900003/' },
{ type: '組織連携', content: '事業部門やシステムが個別に最適化され連携が取れていない「システムのサイロ化」', source: 'https://active.nikkeibp.co.jp/atcl/wp/b/24/11/07/05066/' },
{ type: '生成AI特有', content: '事業価値のあるユースケースの特定、投資効率の向上、安全な利用のためのガバナンス整備', source: 'https://aws.amazon.com/jp/blogs/news/mitsubishi-heavy-industries-genai-challenge/' },
{ type: 'グローバル', content: '全世界のグループメンバーが連携するためのIT基盤変革や情報共有の効率化', source: 'https://www.mhi.com/jp/news/25052001.html' },
];
return (
<div className="bg-gray-100 font-sans p-4 md:p-8">
<div className="max-w-6xl mx-auto">
<header className="mb-8 text-center">
<h1 className="text-4xl font-extrabold text-gray-900 mb-2">三菱重工の生成AI・DX活用事例</h1>
<p className="text-lg text-gray-600">多様なパートナーと連携し、全社的なデジタルトランスフォーメーションを推進</p>
</header>
<section className="mb-12">
<h2 className="text-2xl font-bold text-gray-800 border-b-4 border-red-600 pb-2 mb-6">主要な活用事例</h2>
<div className="grid md:grid-cols-2 gap-8">
<CaseStudyCard
title="航空機製造の需要予測最適化"
partner="Google Cloud (Vertex AI, BigQuery)"
description="広島の江波工場にて、有効期限が短い航空機用シール材の需要をAIで予測。従来は熟練作業員の経験に依存し、多大な廃棄コストが発生していた課題に取り組んだ。"
outcome="需要予測の算出時間を40時間から10分に短縮し、年間数千万円に及んだ廃棄コストをゼロに削減。"
sourceUrl="https://cloud.google.com/customers/intl/ja-jp/mhi"
badge="コスト削減"
>
<CostReductionChart />
</CaseStudyCard>
<CaseStudyCard
title="全社的な生成AI活用と企業変革"
partner="Amazon Web Services (AWS)"
description="グループ全体のDXを推進するDI本部と事業会社が共同で、AWSのフレームワークを活用。戦略策定からユースケース特定、プロトタイピングまでを短期間で実践。"
outcome="事業価値に直結する3つのユースケースを特定し、プロトタイプを開発。本番環境への移行が決定し、他事業への横展開も計画中。"
sourceUrl="https://aws.amazon.com/jp/blogs/news/mitsubishi-heavy-industries-genai-challenge/"
badge="企業変革"
/>
<CaseStudyCard
title="戦闘支援無人機の開発"
partner="自社開発 / 防衛装備庁"
description="有人の次期戦闘機と連携して任務を遂行する「チーミング」を実現するため、高度なAIを搭載した戦闘支援無人機を開発。ステルス設計や損耗許容性を特徴とする。"
outcome="2024年にコンセプトモデルを公開。2025年中には実機による初の飛行試験を計画しており、日本の防衛技術高度化に貢献。"
sourceUrl="https://news.yahoo.co.jp/expert/articles/e5915a9ab6626c0ebaeeaf61c5e094cabc5b495b"
badge="防衛・安全保障"
/>
<CaseStudyCard
title="IR業務の効率化と高度化"
partner="エクサウィザーズ (exaBase IRアシスタント)"
description="IR(投資家向け広報)業務において、面談の議事録自動生成や想定問答作成を支援するIR業務特化型の生成AIサービスを導入。"
outcome="定型業務を効率化し、担当者がより付加価値の高い戦略的な情報開示や、資本市場との対話の充実にリソースを集中させる体制を構築。"
sourceUrl="https://exawizards.com/archives/29003/"
badge="業務効率化"
/>
<CaseStudyCard
title="エネルギー・サービス「TOMONI®」の強化"
partner="自社開発"
description="自社ソリューションブランド「TOMONI®」にて、生成AIを活用し、火力発電プラント等のスマート保全と遠隔監視を強化。"
outcome="蓄積された保全・運転データを基に、顧客の保全業務を強力に支援。将来的には顧客向けの新たなサービスとして展開予定。"
sourceUrl="https://www.mhi.com/jp/technology/review/abstract-60-4-30"
badge="サービス高度化"
/>
<CaseStudyCard
title="データセンター運用の最適化"
partner="米国Modius社"
description="データセンターのインフラ管理(DCIM)において、Modius社のAI/MLモジュールを統合。リアルタイムでの異常検知やエネルギー効率の最適化を行う。"
outcome="データセンターの可視性を高め、エネルギー効率の改善とダウンタイムの最小化を支援。持続可能なデータセンター構築に貢献。"
sourceUrl="https://www.mhi.com/jp/news/25072901.html"
badge="事業連携"
/>
</div>
</section>
<section>
<h2 className="text-2xl font-bold text-gray-800 border-b-4 border-red-600 pb-2 mb-6">DX推進における認識された課題</h2>
<div className="bg-white rounded-lg shadow-md overflow-hidden">
<table className="min-w-full divide-y divide-gray-200">
<thead className="bg-gray-50">
<tr>
<th scope="col" className="px-6 py-3 text-left text-xs font-medium text-gray-500 uppercase tracking-wider">課題の種類</th>
<th scope="col" className="px-6 py-3 text-left text-xs font-medium text-gray-500 uppercase tracking-wider">具体的な内容</th>
<th scope="col" className="px-6 py-3 text-left text-xs font-medium text-gray-500 uppercase tracking-wider">出典</th>
</tr>
</thead>
<tbody className="bg-white divide-y divide-gray-200">
{challenges.map((challenge, index) => (
<tr key={index} className="hover:bg-gray-50">
<td className="px-6 py-4 whitespace-nowrap text-sm font-medium text-gray-900">{challenge.type}</td>
<td className="px-6 py-4 whitespace-normal text-sm text-gray-700">{challenge.content}</td>
<td className="px-6 py-4 whitespace-nowrap text-sm text-blue-600">
<a href={challenge.source} target="_blank" rel="noopener noreferrer" className="underline hover:text-blue-800">Link</a>
</td>
</tr>
))}
</tbody>
</table>
</div>
</section>
<footer className="mt-12 text-center text-sm text-gray-500">
<p>この情報は提供されたコンテキストに基づき生成されています。</p>
<p>最終更新日: 2025-08-05</p>
</footer>
</div>
</div>
);
};
export default App;
このレポートが参考になりましたか?
あなたの仕事の調査業務をワンボタンでレポートにできます。
🔍 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 。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 , 。
productzine.jp
mhi.com
productzine.jp
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 。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 。
amazon.com
amazon.com
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 。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 。
mhi.com
mhi.com
「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 。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。
mhi.com
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 。
mhi.com
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 mhi.com |
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 mhi.com |
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 。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。
mhi.com
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 。
amazon.com
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。
-
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。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。amazon.com
-
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。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amazon.com。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。amazon.com
-
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。amazon.com
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」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。
amazon.com
「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。
調査のまとめ
三菱重工のデジタルトランスフォーメーション(DX)および生成AI活用に関する外部からの評価や戦略上の課題について、調査結果を基に以下の通りご報告します。
#### 外部評価
三菱重工業は、...
調査のまとめ
三菱重工の生成AI活用に関する外部評価と展望
三菱重工の生成AI活用は、経営層から高い評価を得ており、具体的なプロジェクトも進行中です。大手クラウドベンダーとの連携を通じて、先進的な取り組...
🏷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

はい、承知いたしました。
ご依頼のありました、三菱重工の生成AI活用ニュース・導入事例に関するレポートのうち、「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」のセクションを、調査結果に基づいて作成します。
#### 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
三菱重工業(MHI)は、生成AIの活用を単なる技術トレンドとして捉えるのではなく、事業運営の根幹に関わる課題解決の強力な手段として位置づけています。特に、IR(インベスター・リレーションズ)のような専門的なバックオフィス業務から、航空機製造という同社の中核をなす製造現場に至るまで、具体的なコスト削減と劇的な業務効率化を実現する事例が報告されています。これは、同社がAIを実用的なツールとして着実に事業に根付かせていることを示唆しています。
バックオフィスの変革:IR業務の高度化と効率化
三菱重工は、エナジーから航空・防衛・宇宙まで多岐にわたる事業を展開しており、幅広いステークホルダーとの対話が不可欠です 。限られたリソースの中で資本市場との対話をさらに充実させるという課題に対し、同社はIR業務に特化した生成AIサービス「exaBase IRアシスタント」の導入を決定しました 。
exawizards.com
exawizards.com
exawizards.com
項目 | 内容 |
---|---|
導入サービス | exaBase IRアシスタント |
導入目的 | IR業務のDXを推進し、担当者がより付加価値の高い情報開示に注力できる体制を構築する exawizards.com |
主な活用機能 | ・IR面談の議事録自動生成<br>・想定問答の作成支援<br>・質問傾向の分析 exawizards.com exawizards.com |
この導入が意味するのは、単なる作業時間の短縮に留まりません。議事録作成のような定型業務をAIに任せることで、IR担当者は株主や投資家との対話内容の分析や、より深い戦略的コミュニケーションの準備といった、人間にしかできない付加価値の高い業務へリソースを集中させることが可能になります。これは、生成AIを「コストセンター」から「バリューセンター」へと変革する戦略的な一手と評価できるでしょう。
製造現場の革新:年間数千万円の廃棄コストを「ゼロ」に
三菱重工のAI活用の真骨頂は、製造現場における劇的なコスト削減事例にあります。特に、広島にある民間航空機部品を製造する江波工場の取り組みは、AIがもたらすインパクトを象徴しています。
航空機製造のシール材廃棄問題とAIによる解決
同工場では、航空機の製造に用いる特殊なシール材の管理が長年の課題でした。この材料は有効期限が短く、従来は熟練作業員の「勘と経験」に頼った管理が行われていたため、月平均で数百万円、年換算で6,000万円もの廃棄コストが発生していました 。
google.com
sbbit.jp
この深刻な課題に対し、現場主導でDX活動を開始。Google CloudのAIプラットフォーム「Vertex AI」とデータウェアハウス「BigQuery」を活用し、需要予測システムを構築しました 。その成果は目覚ましく、以下の通りです。
google.com
- コスト削減: AIによる高精度な需要予測に基づいた材料手配により、廃棄額は従来の50分の1以下に激減。最終的に2023年7月には廃棄量ゼロという画期的な目標を達成しました 。google.com
- 効率化: 従来、毎月40時間を要していた需要予測の算出作業が、AI導入後はわずか10分に短縮されました 。google.com

注目すべきは、この成功が単なるツール導入の成果ではない点です。当初、AIの予測値に人間が経験則で手を加えた結果、かえって混乱を招いたという試行錯誤がありました 。この経験から、AIの予測を信じて予実管理を徹底する方針に転換したことが成功の鍵となりました。パンデミックによる減産という危機を「デジタル化を進める好機」と捉えた現場の強い意志と、Googleが提唱する「10X思考(10倍の成果を目指す思考)」といった文化の導入が、この変革を後押ししたのです 。
google.com
google.com
sbbit.jp
目視検査の自動化による労働集約型作業の効率化
さらに江波工場では、人手に依存していた労働集約型の作業の効率化にも着手しています。同じくGoogle CloudのVertex AIを活用し、リベットの穴あけ時に発生する「切粉」の残置検知や、作業者の離脱状況をWebカメラで把握するシステムの開発を進めており、一部は既に稼働を開始しています 。これらは、品質の安定化と生産性向上に直結する取り組みであり、今後の本格展開が期待されます。
impress.co.jp

これらの事例から浮かび上がるのは、三菱重工がAIを「業務効率化」と「コスト削減」という明確な目的達成のために、戦略的に活用している姿です。バックオフィスでは特化型AIサービスを、製造現場では汎用的なAIプラットフォームを柔軟に使い分けることで、具体的な成果を着実に積み上げています。江波工場の成功体験を基に、今後は塗料の使用量予測にもAI活用を広げる計画があり 、AIによるコスト構造の変革と競争力強化は、今後さらに加速していくものと考えられます。
google.com
調査のまとめ
三菱重工業(MHI)は、事業の多岐にわたる分野で生成AIの活用を積極的に推進しています。主要なクラウドベンダーやAI専門企業と連携し、IR業務の効率化から製造現場の課題解決、全社的な企業変革まで、具体...
調査のまとめ
三菱重工の生成AI活用戦略と導入事例
三菱重工グループは、企業変革を目指し、生成AIの全社的な活用を推進しています。その戦略は、AI専門組織「AI Center of Excellence...
🏷防衛・エネルギー分野におけるAIソリューションの事業化

三菱重工の生成AI活用は、社内業務の効率化に留まらず、同社の中核事業である防衛やエネルギーといった、国の基盤を支える重要分野での新たなソリューション創出と事業化へと大きく舵を切っています。これは、生成AIの普及による電力需要の急増や緊迫する地政学リスクといった現代社会が直面する課題に対し、同社が持つ高度なエンジニアリング技術と最先端のAIを融合させることで、具体的な解決策を提示しようとする戦略的な動きと言えるでしょう。
#### 防衛分野:AIが拓く、未来の安全保障
近年の国際情勢の緊迫化を受け、日本の安全保障環境は大きく変化しています。これに対応すべく、三菱重工は防衛分野におけるAI技術、特に自律化・知能化技術の開発を加速させています。
その象徴的な取り組みが、2024年10月の「2024国際航空宇宙展」で初めてコンセプトモデルが公開された「戦闘支援無人機」です。この無人機は、AIを搭載し、将来的に日英伊で共同開発される次期戦闘機と連携して飛行する「チーミング」という運用構想を視野に入れています。チーミングとは、有人機と複数の無人機が協調して任務を遂行する技術であり、数で劣る状況を補い、パイロットの生存性を高める切り札として期待されています。
amazon.com
amazon.com
enterprisezine.jp
今回公開されたモデルは2種類あります。
- 戦闘型の戦闘支援無人機: 敵機との戦闘や偵察など、多様な任務に対応可能な再利用型。
- ミサイル技術転用型の戦闘支援無人機: 「ARMDC-20X」と名付けられた、ミサイル技術を応用した使い捨てタイプのコンセプトモデル。

yahoo.co.jp
これらの無人機は、高度なAI技術に加え、ステルス性や損耗しても許容される低コスト性(アトリタブル)を特徴としており、2025年中には実機による初の飛行試験が計画されています。
amazon.com
注目すべきは、こうした無人機開発で培われるAI技術が、他の装備品にも展開される可能性です。例えば、射程を大幅に延伸する「12式地対艦誘導弾能力向上型」のようなスタンドオフ防衛能力の中核となるミサイルにも、この無人機で実用化を目指すAI技術が応用される見込みです。これは、AIによる目標の自律的な識別や状況判断能力が、防衛装備全体の高度化に繋がることを示唆しています。
impress.co.jp
これらの動きは、三菱重工が「無人アセット防衛事業」を新たな柱として確立しようとしていることの表れであり、AIを核とした防衛ソリューションの事業化が本格的に進んでいることを示しています。
enterprisezine.jp
#### エネルギー分野:AIで支える安定供給と脱炭素社会
エネルギー分野は、脱炭素化と電力の安定供給という二つの大きな課題に直面しています。特に、生成AI自体の普及がデータセンターの爆発的な電力需要を招いており、エネルギーの効率的な利用は喫緊の課題です。三菱重工は、この分野でもAIを活用したソリューション事業を積極的に展開しています。
enterprisezine.jp
インテリジェントソリューション「TOMONI®」の進化
三菱重工は、発電プラントなどの安定稼働と効率的な運用を支援するインテリジェントソリューション「TOMONI®」を長年提供してきました。そして今、このTOMONI®に生成AIを組み込むことで、サービスを飛躍的に進化させようとしています。
mhi.com
その具体的な試みが、社内向けに試験公開された「TOMONI TALK with ChatGPT」です。これは、Microsoft社の「Azure OpenAI Service」を活用し、セキュアな環境で生成AIを利用するものです。社内試行を通じて、文章の推敲といった利便性が確認される一方で、
mhi.com
mhi.com
- 自社固有の情報に対応できない
- 情報の引用元が不明で正確性を検証できない
- 長い文章の入力が難しい
といった、生成AI特有の課題も明らかになりました。mhi.com
しかし、三菱重工はここで立ち止まりません。これらの課題に対し、既存の文書検索システム「スマート検索」と生成AIを組み合わせる、いわゆるRAG(検索拡張生成)のアプローチで解決の目途を立てています。これは、自社の膨大な技術文書や保全記録といった「正確な情報」を基に、生成AIが回答を生成する仕組みです。この取り組みは、単に流行りの技術を導入するのではなく、現場の課題解決に直結する実用的なソリューションとして生成AIを事業化しようという強い意志の表れと言えるでしょう。最終的には、この技術を顧客向けのトータルソリューションとして提供することを目指しています。
mhi.com
amazon.com
AIの普及を支えるデータセンターソリューション
三菱重工は、AIを「使う」だけでなく、AIの普及を「支える」ビジネスも強化しています。2025年7月には、データセンターのインフラ管理(DCIM)で実績のある米国Modius社との提携を発表しました。
amazon.com
この協業の核となるのが、Modius社が提供する「OpenData® AI/MLモジュール」です。このモジュールは、AIと機械学習を活用してデータセンターのエネルギー運用をリアルタイムで監視し、異常検知やエネルギー効率の最適化を行います。三菱重工が持つ発電・配電・冷却といった高い信頼性を持つハードウェア技術と、Modius社の先進的なAIソフトウェアを組み合わせることで、エネルギー効率と信頼性を両立させた次世代データセンター向けのワンストップソリューションを提供するのです。これは、生成AI時代における電力需要の増大という社会課題に直接応える、極めて戦略的な事業展開です。
mhi.com
amazon.com
mhi.com
このように、三菱重工は防衛とエネルギーという事業の根幹において、AIを単なるツールではなく、新たな価値とビジネスを創出する原動力と位置づけています。ハードウェアの強みを活かしつつ、AIというソフトウェアの力でソリューションを高度化させる——。この動きは、同社が掲げるソリューションコンセプト「ΣSynX®(シグマシンクス)」の下、今後さらに加速していくと考えられます。
mhi.com
🏷AIガバナンスとリスク管理

AIガバナンスとリスク管理
三菱重工は、生成AIの活用を全社的に推進する一方で、その導入に伴うリスクを深く理解し、堅牢なガバナンス体制の構築に細心の注意を払っています。特に、エネルギー、航空・防衛・宇宙といった国家の安全保障や重要インフラに関わる事業を多数展開する同社にとって、情報セキュリティとAIの信頼性確保は、単なる技術的な課題ではなく、事業継続の根幹をなす最重要事項と位置づけられています。
外部リスクへの断固たる姿勢とセキュアな環境選択
三菱重工のAIガバナンスにおける厳格な姿勢は、利用するAI技術の選定方針に明確に表れています。象徴的なのは、中国の新興企業が開発した生成AI「DeepSeek」に対する対応です。同社は、トヨタ自動車やソフトバンクなど他の大手企業と同様に、中国政府への情報漏洩の懸念を理由に、DeepSeekの社内利用を禁止する方針を固めています。これは、潜在的なセキュリティリスクを未然に防ぎ、機密情報を保護するという断固たる意志の表れと言えるでしょう。
mhi.com
リスクのある技術を排除する一方で、同社は安全な活用環境を積極的に構築しています。その中核となるのが、マイクロソフト社が提供する「Azure OpenAI Service」の採用です。2023年1月から提供が開始されたこのサービスは、入力した情報が社外に流出する心配なく利用できるため、セキュリティを重視する大企業にとって最適な選択肢の一つです。このセキュアな基盤の上で、三菱重工は2023年6月に社内向けの試行アプリケーション「TOMONI TALK with ChatGPT」を公開し、管理された環境下で従業員が生成AIを安全に試用し、その有効性と課題を検証する機会を設けています。
impress.co.jp
note.com
この取り組みは、同社が推進するソリューションコンセプト「ΣSynX®(シグマシンクス)」にも通底しています。これは、三菱重工グループの製品群を知能化・自律化する構想であり、その基盤となる「TOMONI」プラットフォームでは、IT(情報技術)とOT(制御技術)を適切に分離し、セキュリティを確保した上でデータを収集・活用する仕組みが構築されています。この思想は、生成AIの活用においても、事業の根幹を揺るがしかねないサイバーセキュリティリスクを徹底的に管理するという、同社のガバナンス哲学を反映していると考えられます。
amazon.com
内部リスクの特定と信頼性確保への挑戦
外部からの脅威だけでなく、生成AIが内包する本質的なリスクに対しても、三菱重工は冷静な分析と対策を進めています。前述の社内試行「TOMONI TALK with ChatGPT」を通じて、現場のユーザーから次のような生成AI特有の課題が明らかになりました。
enterprisezine.jp
- 自社固有の情報に対応できない: 公開情報のみを学習しているため、社内の専門的な文書やノウハウに基づいた回答ができない。
- 情報の引用元が示されず正確性の検証ができない: いわゆる「ハルシネーション(もっともらしい嘘をつく)」のリスクがあり、回答の真偽を確かめることが困難。
- 長い文章の入力ができない: 大量の文書を一度に読み込ませて分析することが難しい。
これらの課題、特に「正確性の検証ができない」点は、AIの出力を鵜呑みにすることの危険性を示しており、ガバナンス上の重大な懸念点です。三菱重工は、この課題を解決するため、自社開発のソリューション「TOMONI」が持つ既存のスマート検索機能と生成AIを組み合わせるアプローチを検証しています。これは、社内に蓄積された信頼性の高い技術文書やデータを情報源としてAIに回答を生成させる「RAG(Retrieval-Augmented Generation)」と呼ばれる技術に通じるもので、AIの回答に引用元を明記させることで、ユーザー自身がファクトチェックを行えるようにし、信頼性を担保する狙いがあると考えられます。
enterprisezine.jp
データガバナンス:AI活用の成否を分ける礎
三菱重工は、生成AIを真に活用するための最も重要な前提条件として、「正確な情報を、システムが利用しやすい形式で、簡単に蓄積・管理する仕組み」の構築、すなわちデータガバナンスの確立を挙げています。
mhi.com
「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。」mhi.com
この認識は、AIガバナンスの核心を突いています。AIの性能がいかに向上しても、その基となるデータの品質が低ければ、誤った意思決定を導き、ビジネスに深刻な損害をもたらしかねません。三菱重工は、高品質なデータを継続的に収集・整備する仕組みこそが、AI活用の成否を分ける礎であると理解しており、これをデジタルトランスフォーメーションにおける最終目標の一つに掲げています。
mhi.com
このように、三菱重工のAIガバナンスとリスク管理は、外部脅威の排除から、セキュアなプラットフォームの選定、内部リスクの統制、そして根幹となるデータ品質の確保まで、多層的かつ体系的に構築されています。これは、同社が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重い責任を両立させようとする、成熟した姿勢の表れと言えるでしょう。
🖍 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 mhi.com mhi.com mhi.com |
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 amazon.com mhi.com amazon.com |
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。
- 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 。mhi.com
- 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
- 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 。mhi.com
- 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
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?
-
(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 。mhi.com
- 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
-
(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 。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。mhi.com
- 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
-
(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?
-
(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。
-
(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。
-
(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 。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。mhi.com
- 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
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。
このレポートが参考になりましたか?
あなたの仕事の調査業務をワンボタンでレポートにできます。
📖 レポートに利用された参考文献
検索結果: 20件追加のソース: 8件チャット: 4件
133件の参考文献から32件の情報を精査し、約160,000語の情報を整理しました。あなたは約14時間の調査時間を削減したことになります🎉
調査された文献
133件
精査された情報
32件
整理された情報量
約160,000語
削減された時間
約14時間
🏷 全社DXの中核、対話型AI「MHI-GPT」の導入と戦略
三菱重工グループが挑戦する企業変革 ~生成AI戦略から価値 ... - AWS
その旅路は、Step1 : 生成 AI の全社活用を推進する戦略や AI Center of Excellence (AI-CoE) 体制の策定、Step2 : 事業価値ある生成 AI のユースケースの ...
[PDF] ΣSynXを核としたTOMONI基盤技術の全社展開
生成 AI 活用事例では,AI・デジタルの進歩をいち早く社内業務に取り込む取組みを推. 進している。生産設備データの収集においては,様々なデータをクラウドに一元取集する ...
[PDF] MHI REPORT 2024
また、新たな取り組みとして、生成AIや. クラウド活用などのデジタル技術を業務で適切に活用でき. る人材の育成を開始するなど、デジタルの活用を加速して. います ...
[PDF] DIGITAL INNOVATION HEADQUARTERS
三菱重工グループの事業を加速させるために. 全体DXの最適化について戦略を立てる。 経営基盤システムを構築し、DX化を加速。 ビジネスデジタル人材を育成する。 4.
そしてプラットフォーム戦略へ 三菱重工業のデジタル内製組織の ...
現在は、全社のデジタル化を推進しつつ、横断的な課題解決に取り組んでいる。 三菱重工が顧客接点を重視する背景には、その製品特性がある。 同社の製品 ...
三菱重工に学ぶDX推進、事業部門と力を合わせて成果を得るために ...
本資料では、DX推進の妨げとなる「システムのサイロ化」を解決する方法としてERP(統合業務パッケージ)を提案する。「ERPは大企業向け」と考える人も多いだ ...
AI の本質を見極め、顧客と共に未来を目指す。Azure OpenAI Service を活用した独自アーキテクチャ構築に取り組む、三菱重工業のデジタル イノベーション | Microsoft Customer Stories
三菱重工業株式会社は 1884 年の創業以来、「エンジニアリングとものづくりを通して人々の暮らしを支える総合インフラ企業」として、エネルギー、エンジニアリング、防衛・宇宙、機械システムなどのさまざまな...
AI・DX | 三菱重工
AI・DX | 三菱重工
Sorry, you need to enable JavaScript to visit this website.
メインコンテンツに移動
Header Menu
ニュー...
三菱重工グループが挑戦する企業変革 ~生成AI戦略から価値創出までの実践記録〜 | Amazon Web Services
[Amazon Web Services ブログ](https://aws.amazon.com/jp/blogs/news/)
# 三菱重工グループが挑戦する企業変革 ~生成AI戦略から価値創出ま...
三菱重工業株式会社 の導入事例
[BigQuery](https://cloud.google.com/bigquery?hl=ja) に航空機製造に必要なシール使用料のデータを格納し、[Vertex AI Workbench](h...
調査のまとめ
#### 三菱重工の生成AI活用に関する外部評価と展望
三菱重工の生成AI活用は、経営層から高い評価を得ており、具体的なプロジェクトも進行中です。大手クラウドベンダーとの連携を通じて、先進的な取り組...
調査のまとめ
三菱重工のデジタルトランスフォーメーション(DX)および生成AI活用に関する外部からの評価や戦略上の課題について、調査結果を基に以下の通りご報告します。
### #### 外部評価
三菱重工業は、...
🏷 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
三菱重工が「exaBase IRアシスタント」を導入 ~生成AI x IR業務特 ...
exaBase IRアシスタントは、IR面談の音声・動画データからAIによる面談議事録の生成からAIエージェントによる議事録の定量分析、質問傾向分析などを行う ...
三菱重工業株式会社 の導入事例 | Google Cloud
三菱重工: Vertex AI で航空機製造における生産材料の需要予測を最適化し、廃棄量の大幅な削減に成功. 無料で開始. Google Cloud 導入の効果. BigQuery に航空機 ...
航空機製造工場の目視検査をAIで自動化─三菱重工のGoogle Cloud ...
#### 三菱重工の航空機製造工場におけるAI目視検査自動化プロジェクトの概要
三菱重工業は、航空機製造工場の目視検査をAIで自動化する2つのプロジェクトをGoogle CloudのVertex AIを用いて推進しています。Vertex AIは、機械学習を使ったAI判定モデルを簡単に作成できるマネージド型のクラウドサービスです。これらの取り組みは、航空機製造における労働集約型の作業を効率化し、自動化の範囲を広げることを目指しています。
#### プロジェクトの背景と課題
航空機の製造現場は、未だ人手に依存する労働集約型の作業が多く、自動化が進んでいないのが現状です。例えば、航空機のドアなどの組み立ては職人による手作業が残っており、自動組立ラインでの製造が困難でした。
[図1:三菱重工の江波工場における課題認識(出典:三菱重工業)](https://it.impress.co.jp/mwimgs/a/d/-/img_ad356b259771d4f8bcad1ceff218afc4196358.jpg)

#### 具体的な導入事例1:リベット切粉の残置検知システム
1つ目のプロジェクトは、航空機製造工程でリベットの穴を開けた際に出る「切粉(きりこ)」の残置をAI画像認識で検知するシステムです。現在、オペレーターが手動で切粉の残置を検知し、エアノズルで排除していますが、この作業をAIで自動化します。切粉の残置は1000穴につき1回(1カ月に3回)程度発生し、1回あたり最大120秒の排除時間が必要とされており、AI導入により作業効率の向上が期待されます。このシステムは現在実証段階であり、今後の本稼働が予定されています。
#### 具体的な導入事例2:作業者の現場離脱状況リアルタイム把握システム
もう1つのプロジェクトは、Webカメラ映像から作業者が現場を離脱しているかどうかをリアルタイムに把握できるシステムです。このシステムでは、作業エリア内の作業員を検知するAIモデルが作成され、検出した作業者を途切れなく追跡する技術も開発されました。この事例はすでに稼働を開始しており、現場の状況把握と管理に貢献しています。
[図2:AIを活用し、作業者の離脱状況をWebカメラ映像からリアルタイムに把握する(出典:三菱重工業)](https://it.impress.co.jp/mwimgs/8/7/-/img_8771889a809cf26f6f1b25afa0224c1a197119.jpg)

#### 将来の展望
三菱重工の江波工場では航空機の主翼から後ろの胴体構造を製造しており、航空機製造市場はコロナウイルス感染症の影響で減少していましたが、2024年頃には2019年と同等の需要回復が見込まれています。同社は、今後の需要回復に向けて、AI/IoTと自動化の高度化、デジタル人材の育成などを重点的な取り組みとして挙げています。
三菱重工 江波工場の現場発AI活用、廃棄コスト「年6,000万円」を約9割 ...
#### 三菱重工 江波工場の現場発AI活用、廃棄コスト「年6,000万円」を約9割削減
三菱重工の江波工場では、現場主導のAI活用により、年間6,000万円に上っていた生産材料の廃棄コストを約9割削減するという画期的な成果を上げています。この取り組みは、従来の「勘と経験」に頼っていたプロセスをデジタル化し、効率と品質の向上を実現しています。
#### AI活用に至る背景とDX推進の契機
2019年頃、民間航空機市場は今後20年で2.5倍に拡大する見通しで、江波工場では飛行安全を最重要視しつつ、組織横断で生産安定・安定供給を目指し、日々増産に向けた改善活動を進めていました。三菱重工業 民間機セグメント 工作部 工務課 主任の松田 達也氏は、当時の状況を「愚直に改善活動を実施していました」と説明しています。
しかし、2020年に発生したパンデミックにより事態は一変し、メーカーからの減産要請で生産は一気に落ち込みました。この危機的な状況を逆手に取り、江波工場のメンバーは「今まで手を付けられなかったデジタル化をこの機会に進めるべき」との強い思いから、現場主体でのDX活動を開始することを決定しました。
#### 廃棄コスト削減への具体的な取り組み(AI×需要予測)
江波工場が直面していた大きな課題は、生産材料の廃棄にかかるコストでした。これは、主に従来の「勘と経験」に基づいた管理が原因で、年間6,000万円もの廃棄コストが発生していました。
この課題を解決するため、江波工場では「AI×需要予測」を活用した「廃棄ゼロ」を目指す4ステップのアプローチを導入しました。これにより、廃棄コストの大幅な削減に成功し、年間6,000万円の約9割削減という具体的な成果に繋がっています。
#### 詳細情報と会員登録の案内
本記事では、この「現場発」のAI活用が成功した「3つの秘訣」についても触れられています。これらの詳細な導入事例や成功の要因、具体的な4ステップは、記事の続きで詳しく解説されており、ビジネス+ITの会員向けに提供されています。会員登録することで、2万本以上のオリジナル記事、動画、資料が無料で閲覧可能となります。
* 関連リンク:[いいね!した記事一覧をみる](https://www.sbbit.jp/auth/register)
三菱重工が「exaBase IRアシスタント」を導入 ~生成AI x IR業務特化型を活用し、資本市場との対話をより充実したものに~ - 株式会社エクサウィザーズ
# 三菱重工が「exaBase IRアシスタント」を導入 ~生成AI x IR業務特化型を活用し、資本市場との対話をより充実したものに~
株式会社エクサウィザーズのグループ会社である株式会社Exa ...
調査のまとめ
#### 三菱重工の生成AI活用戦略と導入事例
三菱重工グループは、企業変革を目指し、生成AIの全社的な活用を推進しています。その戦略は、AI専門組織「AI Center of Excellence...
調査のまとめ
三菱重工業(MHI)は、事業の多岐にわたる分野で生成AIの活用を積極的に推進しています。主要なクラウドベンダーやAI専門企業と連携し、IR業務の効率化から製造現場の課題解決、全社的な企業変革まで、具体...
🏷 防衛・エネルギー分野におけるAIソリューションの事業化
[PDF] 生成AIを活用したTOMONI®のスマート保全と遠隔監視
TOMONI®のスマート保全では,保全業務に必要なデータを蓄積,ユーザ目線で分かりやすく. 情報提供することで,お客様の保全業務を強力に支援する。
米国Modius社とDCIMソリューションの提供で契約締結AIを活用した ...
米国Modius社とDCIMソリューションの提供で契約締結. AIを活用したデジタルサービスでデータセンターの最適な運用を支援. 2025-07-29.
東大発AIスタートアップ 株式会社Spark+、三菱重工業 ... - PR TIMES
東大発AIスタートアップ 株式会社Spark+、三菱重工業株式会社の宇宙事業に関する設計業務におけるLLM活用を目的とした協働プロジェクトを開始 · <Spark+> ...
JALが三菱重工の発雷推定AIを導入、「年数億円に上る被害の半減を ...
日本航空(JAL)は2024年5月7日、三菱重工業の被雷回避判断支援のクラウドサービス「Lilac(ライラック)」を国内の一部空港に導入したと発表した。
三菱重工、AI搭載の戦闘支援無人機の模型初公開 2025年中に実機の ...
三菱重工、AI搭載の戦闘支援無人機の模型初公開 2025年中に実機の飛行試験を初実施へ ... 日本の防衛最大手企業の三菱重工業は10月16日に東京・有明の東京 ...
三菱重工業株式会社 | Vol. 62 No. 1 (2025) 新製品·新技術特集
生成AIを活用したTOMONI®のスマート保全と遠隔監視 :現状と将来展望 · 横浜市との共同研究におけるAI遠隔監視·運転支援システムMaiDAS®による自動運転の取組み · 遠隔監視 ...
令和7年4月、我国周辺での中露軍活動と我国/同盟諸国の対応
図9:(三菱重工)有人戦闘機に随伴する戦闘支援無人機「ARMDC-20X」の実物大モデル(2024年10月公表)。2025年11月に初飛行予定。搭載する高度な人工頭脳 [AI ]技術 ...
都内で航空宇宙の展示会 海外勢、自衛隊向けに売り込み
... 戦闘支援無人機」の模型(16日、東京・江東). 日本から開発に参加する三菱重工業は「戦闘支援無人機」のコンセプトモデルを初めて一般に公開した。次期戦闘機と連携し ...
[PDF] 2024事業計画(FY2024~2026) - Mitsubishi Heavy Industries
▫ 遠隔監視(TOMONI®)を通じて得たデータを活用し. 効果的なメンテナンスを提案. 当社の強み. ▫ 高性能な大型機種. ▫ 市場投入前の実機検証による高い信頼性. ▫ CO2回収 ...
米国Modius社とDCIMソリューションの提供で契約締結A
米国Modius社とDCIMソリューションの提供で契約締結AIを活用したデジタルサービスでデータセンターの最適な運用を支援 | 三菱重工
Sorry, you need to enable JavaS...
三菱重工、AI搭載の戦闘支援無人機の模型初公開 2025年中に実機の飛行試験を初実施へ(高橋浩祐) - エキスパート - Yahoo!ニュース
# 三菱重工、AI搭載の戦闘支援無人機の模型初公開 2025年中に実機の飛行試験を初実施へ
 サービス技術特集 技術論文 ENGLISH 生成AIを活用したTOMONI®のスマート保全と遠隔監視 :現状と将来展望 Smart Mainten...
🏷 AIガバナンスとリスク管理
トヨタや三菱重工が中国AIディープシークの利用禁止 情報漏洩を ...
ディープシークを巡っては、中国政府への情報漏洩が懸念されており、企業の間で利用禁止の動きが広がっている。 ディープシークは低コストで生成AI開発に ...
📖 レポートに利用されていない参考文献
検索結果: 44件追加のソース: 0件チャット: 0件
生成AIを活用したTOMONI®のスマート保全と遠隔監視
今後は,課題解決に取り組むとともに,TOMONIに蓄積された保全,運転データを活用し,既存アプリと生成AIを組合せ,お客様向けにもサービス展開する予定である。 三菱重工技報 ...
三菱重工業株式会社 | 横浜市との共同研究におけるAI遠隔監視
MHI流サービス進化論- 顧客価値を最大化する三菱重工グループのサービス - · 生成AIを活用したTOMONI®のスマート保全と遠隔監視 :現状と将来展望 · 横浜市との共同研究 ...
AI の本質を見極め、顧客と共に未来を目指す。Azure OpenAI ...
生成 AI の本質を見抜き、よきパートナーを得て未来へつながるアプリ開発を成功させた三菱重工業。プロジェクトの中心を担った後藤氏は「今回の ...
生成AIを相棒のように使いこなせ!三菱グループ各社の社内活用事例
担当する同社デジタル戦略部に所属し、データサイエンティストの川村 雅之さんは次のように語る。 「生成AIを使うメリットを一口で言えば、汎用性です。
三菱重工がIR業務に特化した生成AIサービス導入
会社の概要や戦略などを、幅広いステークホルダーに理解してもらうための施策を行っているという。そこで、より重要な業務にリソースを割けるよう、IR業務に特化した同 ...
三菱重工、米Modius社と提携、AI活用でデータセンター運用を最適化
生成AI に “選ばれる” ための新戦略。企業の情報発信力を AI 時代に最適化する「 LLMOA(エルモア)」を提供開始. 5. グラッドキューブ. manus de dx 各 ...
IR業務の効率化を目的に、生成AI「exaBase IRアシスタント」を導入
IR業務を効率化することで付加価値の高い業務にリソースを振り向けることを目的に、Exa Enterprise AIの生成AIサービス「exaBase IRアシスタント」を採用 ...
【AWS×三菱重工×freee】生成AI開発の現在地とこれから ...
ASCII.jp:三菱重工、Google Cloud「Vertex AI」で工場の生産性改善に ...
AI・DX | 三菱重工 - Mitsubishi Heavy Industries
開発事例. 1.生産システムの知能化. 三菱重工のさまざまな製品をお客様への納期を守って生産するには、原材料の入手時期や、設備、作業者、作業場所等の制約条件を考慮 ...
三菱重工マリンマシナリ株式会社様: 導入事例 | NEC
三菱重工、米Modius社と提携、AI活用でデータセンター運用を最適化
両社はAI技術を活用した統合ソリューションを通じて、データセンターの可視性向上やエネルギー効率の改善に取り組む。 三菱重工は、発電・配電・冷却・ ...
三菱重工 | 米国にデータセンター事業の新たな推進力となる拠点を ...
米国にデータセンター事業の新たな推進力となる拠点を設立最先端技術を活用してグローバル市場に向けた次世代の製品開発を加速. 2025-05-16.
航空機落雷回避にAI活用 日航、三菱重工と共同開発:ニュース:中日BIZナビ
次世代宇宙用MPUを活用したオンボードAI物体検知機を開発革新的衛星 ...
次世代宇宙用MPUを活用したオンボードAI物体検知機を開発 | 三菱重工業 ...
かしこく・つなぐ”でお客様のビジネスモデルを変革「デジタル ...
年6000万円のムダ削減した三菱重工の工場DX 元社会人野球選手が主導 ...
2025/3/6 AWS Innovate: Generative AI + Data(T3) - Zenn
①表形式のレポート、熟練者が作成していた · ②ドラッグ&ドロップのダッシュボードで簡単になったが、まだまだ専門家が分析 · ↓これから · ③生成AI.
「本当の高配当」企業ランキング【機械・重工80社】独自推計した ...
「本当の高配当」企業ランキング【機械・重工80社】独自推計した“実力値”よりも多めに出している会社は…三菱重工、ダイキン、クボタは何位? ダイヤモンド ...
企業価値研究所 – 株式会社QUICK
当研究所ではAIの時代にあえて「人」にもこだわり、経験豊富なアナリストによる丹念な取材・分析に基づいた、公正・中立を旨とする企業調査レポートと、株式・金融相場の ...
三菱重工業 (7011) : 企業情報・決算短信AI要約 [MHI] - みんかぶ
三菱重工業 (7011) 2025年度3月期の決算短信AI要約。決算資料を元にAIが経営成績や財政状態、今後の見通しや配当などの情報を要約しています。
ユーザーがデータ加工・分析できる仕組みを整備 - Tableau
複数のユーザーが分析レポートを共有するケースも増えています。今後はデータ分析に AI なども活用すると共に、分析結果をフィードバックできるシステムインフラも確立して ...
金融分析の常識を覆す革新。数量モデル評価レポート作成AIエージェント ...
三菱重工業、グループ全体のデータを統合する「データ統合マネジメント ...
三菱重工の業績はどうだった?今後を見通す際に注目すべきポイントも ...
調査レポート生成AIエージェント「ベビリサ」 無償デモサイトを公開 ...
三菱重工業株式会社 | Vol. 61 No. 3 (2024) マテリアリティ特集 ...
「デジタルトランスフォーメーション(DX)銘柄2025」に選定
また、全世界の三菱重工グループのメンバーと共に、IT基盤の変革、海外との情報共有の効率化なども含め、グローバルな視点でのDXに挑戦しています。今後は ...
新たな人事システム導入時の課題と解決ポイント【三菱重工業株式 ...
次に、三菱重工業さま全体、グローバルでの人事DXを進めていく上で、SmartHRが検討候補に挙がった背景や導入理由を教えていただけますでしょうか。
「製品のデジタル化」から「デジタルサービスが主体」へ、三菱 ...
しかし、製品のデジタル化が進むにつれて新たな懸念が生まれた。技術開発の重複だ。「各部門が個別に技術を研究・開発すれば類似のサービスが生まれ、二重 ...
社会インフラ事業のDX推進に向けたビジョン策定支援
「DXによる解決策を物語りでビジョン化」 DX推進によって、現状の課題がどのように解決されていくのかをストーリーに仕立て、視覚化し、ビジョンに落としました。 DX前と ...
4兆円企業のDXはどう進んだ——三菱重工が挑戦するデジタル化の ...
デジタルトランスフォーメーション(DX)推進の裏側と、その組織づくりについてお伝えします。
三菱重工流のDXとは? わずか4年で約1000個の業務改善アプリを内 ...
「顧客からの問い合わせ対応履歴の情報共有とフィールドサービス員の管理に課題があった。また、複数部門が関係する整備案件のステータスがExcelで管理 ...
知の蓄積と多様性を軸に - 三菱重工業が進めるDX | TECH+(テックプラス)
デジタルトランスフォーメーション(DX)注目企業2023に選定 | 三菱重工
三菱電機戦略分析①】産業DXとエネルギー事業で築く強みと課題|戦略 ...
三菱重工業株式会社の人事DX事例をご紹介!新たな人事システム導入時の ...
三菱重工業株式会社 | 脱炭素社会の達成を目指す水素製造技術の開発
... TOMONI®導入事例 · 長期的な制御システム保全計画による火力発電プラント安定稼働実現へ:DIASYS Netmationの最新ソリューション · 風車実測データに基づく主要構造部材の ...
新装備開発 - 日本安全保障戦略研究所 SSRI
なお、防衛装備庁は2024年11月に開催した「防衛装備庁シンポジウム2024」において、「戦闘支援無人機 ... 三菱重工が設計していると付け加えた。 広報担当者は車両 ...
三菱重工業株式会社|顧客体験を革新する戦略的エントランス展示 ...
その傍らに遠隔モニタリングサービス「Tomoni」の特徴・魅力を伝える訴求エリアを設け、発電プラントの高効率・高稼働を支える遠隔監視・アフターサポートソリューションの ...
[PDF] 三菱重工の概要と 経営戦略
▫ 遠隔監視(TOMONI®)を通じて得たデータを活用し. 効果的なメンテナンスを提案. 当社の強み. ▫ 高性能な大型機種. ▫ 市場投入前の実機検証による高い信頼性. ▫ CO2回収 ...
(解説ワイド)日英伊が共同開発する次期戦闘機 - 公明新聞
#防衛力整備計画. 7月に英南部ファンボローで開かれた国際航空ショーで展示 三菱重工の戦闘支援無人機のコンセプト模型(右)。 ... GCAPの進捗状況や、日英伊が共同開発 ...
重要インフラの高度保守運用を実現するインテリジェントソリューション ...
📊 ドメイン統計
参照ドメイン数: 41引用済み: 14総文献数: 133
1
引用: 10件/ 総数: 30件
引用率: 33.3%
2
引用: 2件/ 総数: 19件
引用率: 10.5%
3
引用: 2件/ 総数: 5件
引用率: 40.0%
4
引用: 2件/ 総数: 4件
引用率: 50.0%
5
引用: 2件/ 総数: 3件
引用率: 66.7%
6
引用: 2件/ 総数: 3件
引用率: 66.7%
7
引用: 1件/ 総数: 9件
引用率: 11.1%
8
引用: 1件/ 総数: 4件
引用率: 25.0%
9
引用: 1件/ 総数: 2件
引用率: 50.0%
10
引用: 1件/ 総数: 2件
引用率: 50.0%
11
引用: 1件/ 総数: 1件
引用率: 100.0%
12
引用: 1件/ 総数: 1件
引用率: 100.0%
13
引用: 1件/ 総数: 1件
引用率: 100.0%
14
引用: 1件/ 総数: 1件
引用率: 100.0%
15
引用: 0件/ 総数: 6件
引用率: 0.0%
16
引用: 0件/ 総数: 5件
引用率: 0.0%
17
引用: 0件/ 総数: 5件
引用率: 0.0%
18
引用: 0件/ 総数: 4件
引用率: 0.0%
19
引用: 0件/ 総数: 3件
引用率: 0.0%
20
引用: 0件/ 総数: 2件
引用率: 0.0%
21
引用: 0件/ 総数: 2件
引用率: 0.0%
22
引用: 0件/ 総数: 2件
引用率: 0.0%
23
引用: 0件/ 総数: 1件
引用率: 0.0%
24
引用: 0件/ 総数: 1件
引用率: 0.0%
25
引用: 0件/ 総数: 1件
引用率: 0.0%
26
引用: 0件/ 総数: 1件
引用率: 0.0%
27
引用: 0件/ 総数: 1件
引用率: 0.0%
28
引用: 0件/ 総数: 1件
引用率: 0.0%
29
引用: 0件/ 総数: 1件
引用率: 0.0%
30
引用: 0件/ 総数: 1件
引用率: 0.0%
31
引用: 0件/ 総数: 1件
引用率: 0.0%
32
引用: 0件/ 総数: 1件
引用率: 0.0%
33
引用: 0件/ 総数: 1件
引用率: 0.0%
34
引用: 0件/ 総数: 1件
引用率: 0.0%
35
引用: 0件/ 総数: 1件
引用率: 0.0%
36
引用: 0件/ 総数: 1件
引用率: 0.0%
37
引用: 0件/ 総数: 1件
引用率: 0.0%
38
引用: 0件/ 総数: 1件
引用率: 0.0%
39
引用: 0件/ 総数: 1件
引用率: 0.0%
40
引用: 0件/ 総数: 1件
引用率: 0.0%
41
引用: 0件/ 総数: 1件
引用率: 0.0%
このレポートが参考になりましたか?
あなたの仕事の調査業務をワンボタンでレポートにできます。