KnowBreWは、製造業に向けてAI・データ活用の支援を行っています。新しいシステムを導入するところから始めるのではなく、Excelの集計表や日報、検査記録、研究開発の現場に積み上がってきた実験データなど、すでに手元にあるデータと現場の知見を出発点にする点が大きな特徴です。大きな仕組みを作り込む前にまず小さく試し、技術的に成立するのか、業務のうえで効果が見込めるのかを見極めたうえで、現場で使い続けられる形へつなげていきます。専任のAI・データ分析の担当者がいない企業でも、課題やテーマが整理できていない段階から相談できる体制をとっています。
支援のテーマは、データ分析と生成AI活用の2つの系統に分かれています。データ分析では、手元のデータから狙う結果に近づく条件を逆算して絞り込む取り組みや、結果に効いている要因と効いていない要因を切り分ける要因解析・不良要因の可視化、モデルを作り込む前に予測が成立するのかを確かめる予測可否の見極め、次に何をどれだけ取るべきかを決める実験計画の設計、社内で分析を回し続けられるようにする内製化・活用定着まで扱います。生成AIについては、判定や抽出、記録といった作業を業務プロセスへ組み込めるかどうかを小さく検証し、構想を固めるところを担当しています。
扱えるデータの幅が広いことも、KnowBreWの分析支援を特徴づけています。ExcelやCSVの表形式データはもちろん、製品表面や断面の画像、打音や設備振動などの音・波形、工程ログのような時系列データ、文書や帳票まで対象に含めます。味や香り、触感、見た目のように人の感覚にもとづく官能評価も守備範囲で、評価者ごとの基準の違いを補正して数値として扱える形に整え、官能評価とAIを組み合わせた予測がどこまで成立するのかという検証にも踏み込みます。代表の影山 祐介様は、機械の据え付けや保守まで担った現場経験と、住友ゴム工業の設計部門での開発リーダー、前職での分析実務を重ね、理学博士（非線形物理理論）の学位を九州大学大学院で取得しています。対応地域に制限は設けず、打ち合わせから報告までオンラインだけで進めることもできます。
KnowBreWが大切にしているのは、分析結果を出すことにとどまらず、現場で実行できるところまで考え抜く姿勢です。設備や工程の制約から実際には動かせない案は候補から外し、判断の根拠を特定の人の経験に委ねず、データと客観的な事実にもとづいて話し合える状態を組織へ残すことを目指しています。データだけでは判断しきれない場面では、物理や化学の原理原則から仮説を立て、次に確かめるべきことを示します。予測が難しいと分かること自体も、無理に作り込まないための大切な成果として扱われます。
進め方は、業務テーマを一緒に進めるハンズオンOJT、分析を任せる受託分析・調査、成立の見込みを確かめるスポット診断、月1回のレビューを中心とする顧問・フォローアップの4つから選べます。支援先は製造業を中心に約20社、累計の支援テーマは30件超、経験のある業界は11業界にわたります（いずれも代表が前職で担当した支援を含む数字です）。着手の時点で専任のAI・データ分析担当者は求められず、現場の言葉とデータの言葉の両方を話せる「二言語人材」が社内に育つところまで伴走します。
製造業のデータ活用やAIの導入で迷っている方は、公式サイトで支援のテーマや進め方を確認してみてください。
実際に利用した感想をお聞かせください。投稿は他の利用者の参考になります。
