インタビュアー：
それではインタビューをはじめさせていただきます。はじめに住友電工様として、研究開発のデータ活用マテリアルズ・インフォマティクス（MI）を本格的に推進された背景を教えてください。
高桑様：
住友電工は、自動車・エネルギー・情報通信など幅広い領域で事業を展開しており、属性で言うとインフラに近い事業が中心で、人々の暮らしの根幹を支える事業をしています。昨今、インフラ領域で特に課題になっているのが、深刻な消費電力の問題です。そういった課題の解決や、クリーンな環境対応型の商品を積極的に打ち出していくことは、非常に重要なミッションだと考えています。
そのためには材料開発を加速させる必要があります。従来、材料開発は数十年単位で時間がかかっていましたが、それでは競争力が遅れてしまう。そこでMIなどを活用して材料開発を加速し、新しいものを早く出していこう、という方針で推し進めています。
インタビュアー：
続いて、従来の研究プロセスやデータ管理において、属人化、探索効率、再現性など、どのような課題を感じておられましたか。
高桑様：
MIを進める上で、実は研究プロセス自体は大きくは変わりません。AIに学習させる生データをよく見ること、先人の研究知見を掘り起こして理解し、その上で課題設計して取り組む。この座組みは変わらないです。ここはやっぱりAIでは難しく、一般知識は答えられても、研究の前提に根ざした判断は答えられないことが多い。
なので過去データを掘り起こして考える必要があるんですが、現状、過去データの保存状態が「再利用しよう」と思える形になっていない。
例えば同じ数値でも前提が違う、実験事実が違う、ということが結構あります。バラバラな状態だとそれを掴み取るのが難しく、間違った状態でデータを扱ったり、都合よく解釈してしまったりすると、研究方針がかえって悪くなる。MIで加速しよう、AIで効率化しようとしているのに逆行する可能性があります。こういう状況は結構見てきました。
だから本当の意味で過去データを使い込もうと思うと、保存状態を何とかしないといけないと感じていました。
インタビュアー：
ありがとうございます。次に、生成AIやLLMに可能性を感じたきっかけと、エムニをどのように知ったのかを教えてください。
高桑様：
はい、わかりました。生成AIの可能性については、生成AIを「マルチモーダルな大きなデータベース」と捉えたところから、かなり可能性を感じました。
先ほどの通り、過去データはWordやExcelなど、形式がバラバラに存在しています。さらに、人間が1つの資料にまとめきれないので情報を圧縮して保存しがちです。Excelだと視覚的制約もあって、短くまとめてしまう。結果として、本当に大事な情報が漏れ出ている可能性があります。
そうすると、当時の状態に復元できない形でデータが蓄積されてしまう。そこで生成AIを活用できれば、生データを直接取り込んでマルチモーダルに貯めていけるし、圧縮せずに貯められるので、復元するときも楽になるのではないか、と考えました。今は難しい部分もありますが、将来的にはできるようになると思って開発を進めたいと思っていました。
一方、生成AIは技術ハードルが高く、社内でゼロからやろうとすると準備や調査に時間がかかります。そんな時に、社内にエムニさんとつながりのある方がいて紹介いただきました。爆速で提案いただける会社があると知って、非常に心強いなと思い、関係が始まったという流れです。
インタビュアー：
初めてお声がけがあった時はどんな感じだったんですか？
下野：
お声がけは、もともと我々からご連絡しました。我々は製造業に特化してAI開発に取り組んでいます、というお話をしていて、カウンターパートの方がAIのお取り組みをされているというところで、ご紹介いただきました。
最初は、Webなどで「エムニが何をやっているのか」「どんな特徴があるのか」をお話ししつつ、その後、表にまとめながら「どれが実現可能性があるか」「どれがインパクトがあるか」を整理して、取り組む価値のあるテーマをディスカッションした、という流れだったと思います。
インタビュアー：
論文の実験結果などは、データが乱雑になりがちだと思いますが、その乱雑なデータを活用する上で、従来手法だと難しかった点と、LLMをどう活用して改善できる見通しがあったのかを伺います。
高桑様：
乱雑なデータをきちんと扱うには、本来は正規化が必要です。フォーマットルールを設けて守らせる、という運用が必要になります。
ただ、ルールを作ると嫌がる人もいて、文化的な側面から広がりにくい。電子実験ノートなど、フォーマットを強いる仕組みもありますが、それでも「AIに使える形」で蓄積できていないケースが多い。検索はできても活用に至らない、というのが製造業全体の課題だと思います。
だから、フォーマットを強いずに格納できる方法はないかと考えたときに、生成AIだなと思いました。Excelなどの形式でも、プロンプトを工夫すれば意図を汲んで「格納すべきデータかどうか」などを判断できる可能性がある。面倒くさくなく進められる形にできれば、従来と差別化できて、課題解決につながる見通しがあると考えていました。
下野：
そうですね。支援していく中の難しさとして、前提として「乱雑」とは具体的にどういう状態かを整理することが必要でした。
また、サンプルデータを用意すること自体にも難しさがありました。そういった点も想定しながら工夫し、やり取りをしつつ進めたと思います。
高桑様：
乱雑さの定義は難しいですね。「記録に残しづらいフォーマットって何だろう」と問われると、それも難しい。そこで、どういうシナリオで乱雑さが発生するのかを社内で議論しました。実際のExcelのフォーマットを見て、共通項を探したり、他人に見てもらって「これって分かる？」という観点で確認したりしながら、要件定義を固めていったと思います。
一方、テストできる範囲はカタログスペック通りになりがちで、提案しきれない部分や適用範囲の評価はまだ難しい課題です。作ったLLMの適用範囲をどう評価するかは、もう少し考えないといけないですね。
インタビュアー：
ありがとうございます。生成AIプロジェクトが立ち上がったと思いますが、生成AI活用を検討するにあたり、精度・再現性・スピードなど、特に重視された要件は何でしたか。
高桑様：
そうですね。課題設定が一番大事だと思っています。精度や再現性は日進月歩で良くなるので、「本当に解決したい課題が解決できているか」を大事にしました。そこがぶれなければ、今の技術でできなくても将来的にできるかもしれない、という議論になり、継続的に取り組めます。
あとは速度です。流れに置いていかれないためにも、思いついたことを直ぐに試す、爆速でアプリケーションを作って形にする、という点は重視しました。
インタビュアー：
受注した側として、苦労された点や気を使った点はありますか？
下野：
そうですね。何回かご一緒させていただいていますが、最初は「2ヶ月で作ろう」という形で進めたこともありました。最初の1ヶ月で週間報告のように進めた際、フィードバックをいただいて「このままだと理想とする課題解決に到達しない」という状況があり、仕組みをガラッと見直したことがあります。
個別特化になっていたものを汎用的な形に変え設計を組み直し、残り1ヶ月で回して最後に持っていきました。もっと最初からうまくできた部分もあると思いつつ、最後の1ヶ月で追い込めたのはスピード感を示せたのかなと思っています。
インタビュアー：
エムニ以外の他社様との取り組みもあると思うのですが、エムニとの進め方で印象的な点やエピソードがあれば教えてください。
高桑様：
AIを開発する会社はいろいろあると思うんですけど、エムニさんは圧倒的に早いのと、本気ですよね。LLMはキャッチアップも応用も障壁が高くて、要件定義だけで2回、3回、4回とかかって進まないことがあります。
一方でエムニさんは、要件が固まりきっていない状態でも、固まっている部分から作ってくださる。「ここがまだ分からない」「未知数です」「どうしていきましょうか」という形で寄り添いながら提案と実装をしてくださるので、こちらもイメージがつきやすい。二人三脚で、しかも爆速で進めてくれるところが他社との違いだと思いますね。
下野：
はい、ありがとうございます、大変嬉しいです。
インタビュアー：
ではその流れで、データ整備やLLMの設計思想など、お二人が苦労された点を伺います。まず高桑様から、苦労した点を教えてください。
高桑様：
はい。LLMは特性上すごくフレキシブルで良い一方、出力の安定性を上げるのが難しいと思っています。そこが一番の課題なので、どう安定させるか、その評価方法に苦労しました。どのようなプロンプトを書けば望ましいアウトプットになるのか、また逸脱の度合いをどう評価するのかが重要です。
エムニさんからも「こういう方法が良いのでは」と提案いただき、我々も知恵を出しながら進めました。出力を安定させるためのプロンプトチューニングは試行錯誤が必要で、本当に時間がかかる作業です。ただ、そこをご協力いただけたことで効率が上がり、今回のようにプロダクトとして形になったのだと思います。
インタビュアー：
実際に開発された下野さんからすると、どんなところが大変でしたか？
下野：
苦労した内容を少し具体化すると、電子実験ノートの領域では、汎用性がもとめられますが、あまり汎用的に設計しすぎると、業務に刺さらないということが起きます。
もう少し詳細にお話させていただくと、電子実験ノート自体はやはり多種多様なものが存在するため、ただ単純に汎用的にすると精度面の難易度が高くなってしまいます。そのため、「ここは前提にして良い」等の仮定を置きながら、上手く条件を設定して問題設定のバランスをとってPoCを成立させるところは、苦労した点であり頑張ったポイントになります。
ただ、社会実装とはそういうものだとも思っていて、我々にとって、とても良い経験になりました。
高桑様：
確かに「思ったよりうまくいった」取り組みでしたよね
インタビュアー：
続いて、MIと生成AIの検証プロセスについて伺います。 どのように検証を進めていったのでしょうか。
高桑様：
検証プロセスとしては、実際に研究者の方に使っていただき、「こういう機能があると便利だ」という評価をいただきました。エムニさんは本当に爆速でアプリができてくるので、社内で同じように使った時に本当に嬉しいのか、改めて確かめることもしました。
もちろん1クールの期間中はアプリを作るのが精一杯で、十分に検証できない時もあります。ただ納品後に使ってみて「ここはできた」「ここは早くなった」「ここは課題だ」と分かったら、また改善していく。そのサイクルを回せています。
結果として、当初は私のグループだけの取り組みだったのですが、今は社内で3組織くらいがPoCを始めています。技術検証だけでなく、社内の人を巻き込んで評価することは非常に大事だと思いますね。
インタビュアー：
では、フィードバックがあった際に、我々はどのように対応していったのか伺います。
下野：
そうですね。細かい改善と、機能追加のような大きめの改善の両方がありました。
細かい部分については、スピーディーに進めることが大事なので、できるだけ早くお答えする形で対応しました。
一方で、物性抽出からディープリサーチにつながるような、少し大きめのテーマについては、流れや方向性を整理しながら議論し、方針を決めていきました。求められている粒度感を意識しながら進めた、という形です。
インタビュアー：
ありがとうございます。従来と比べて、具体的に「ここが良かった」という成果があれば教えてください。
高桑様：
論文抽出はまだ完全にデータ化できていないので、やりたいことの半分くらいのイメージではあります。それでも、研究者が論文を手で見てデータを抽出し、転記していた時代と比べると、圧倒的に早くなりました。数十倍ではなく、数百倍早くなっていると思います。
文脈を理解して返してくれるので、数値以外の情報、例えば根拠も取れるのは、従来技術と比べて非常に良い点です。ハイライト表示されるのも面白いアイデアだと思いました。
さらに興味深かったのが、過去論文をLLMで扱った時に、グラフのプロットからLLMが値を読み取って「この数字だ」と返した値と、論文に書かれていた数値が違ったことがありました。よく見ると、LLMが読み取った方が正しかったんです。
人間だと、プロット上の表記を信じてしまいがちですが、LLMがメモリ上でカウントして正しい値を出していた。これは結構すごいことだなと思いましたね。
下野：
そうなんですね。それは初耳でした。
インタビュアー：
では、開発でうまくいかなかった時など、苦労した点について伺います。
高桑様：
どちらかというと下野さんが詳しいと思いますが、開発上の課題が致命的に大きかったというより、LLMが万能ではないことを前提に設計する必要がある、という点を強く痛感しました。
すべてを一発で投げるのは難しく、LLMの特性や挙動を理解して使う必要があります。例えば論文抽出でうまくいったポイントは、「言葉を定義するタスク」と「定義した上で論文から抽出するタスク」を分けたところです。これはLLMのチャンクなどの制約が背景にあると思っています。
LLMに詳しくないと、プロンプトだけで頑張ろうとしてしまいがちですが、エムニさんは経験があるので、タスクを分割してくださった。
一方で、分けすぎると逆に使いづらくなるので、その塩梅が大事です。中がどう回っているかを検証しながら設計していただいた結果、安定した出力や品質につながったのだと思います。
下野：
そうですね。最初は個別最適で作っていたものを、汎用的にする必要が出てきて、設計段階から見直す必要がありました。
先ほどの2段階の話でいうと、「事前設定」と「実行」を分ける設計です。定義部分をデータベース化し、必要な条件で必要なものを取ってくる、という形に分けていったのが肝だと思っています。
当時はGPT-4で、GPT-4oも出ていない時代だったので、精度改善を目的に「ヒント」という考え方を導入したことが効きました。
単に定義するだけだと字面通りになってしまうので、論文中でどう表現されるか、どう取ることが多いか、といったリーズニングに近い"考え方"を擬似的に先回りして取り入れました。結果として「どう取ればいいか」が分かるようになり、精度改善と汎用性・精度の両立につながったと思います。
もちろん他にも試行錯誤は多くて、最初はうまくいかないことも多かったです。ただ、ネガティブな点も含めて現実的な議論ができるので、開発側としては進めやすかったですし、課題があっても「こうやっていける」という感触を持てたと思っています。
インタビュアー：
では今後、MIや生成AIの活用をどこまで広げていくか伺います。
高桑様：
新製品開発、特に用途探索につなげていきたいと思っています。新製品開発は、製造業の中でも最も時間と体力、そして開発リスクを伴う行為です。
特に日本の製造業で、既存事業が順調な会社ほど、この部分に十分な重みを置かずに既存事業で頑張ろうとしてしまう傾向があります。その結果、新製品開発の機能が気づかないうちに衰退しているケースが多く、そこが日本の製造業の根本課題だと思っています。
この解決に、生成AIやMIは使えるのではないかと考え、そこを信じて進めていきたいと思っています。
インタビュアー：
では横展開について伺います。研究開発組織全体としての課題感や、今後こうしたいという点があれば教えてください。
高桑様：
課題感としては、「LLMの限界を理解して使ってもらうにはどうすればいいか」を非常に考えています。便利な一方、最近はLLMの回答を鵜呑みにして判断をやめてしまっている研究者も見受けられます。これは非常に危険ですし、研究者として無責任だと思います。
そういう風潮を作りたいわけではないので、横展開は慎重に考えています。LLMを使う上で研究者としての基礎的なリテラシーも教え込みつつ、信頼できる研究者が段階的に活用していくような設計が必要です。便利になる一方で、風土が崩れてしまわないかという懸念がありますね。
インタビュアー：
エムニとの協力を通じて感じた提案力・実装力・スピード感について、改めてエムニの特徴を伺いたいです。
高桑様：
エムニの下野さんとは起業1年目の時にお会いしたと思うのですが、その時の最初の提案が衝撃的でした。技術起点で「これができます」というより、こちらの課題をベースにリスト化して、「こう解決できます」と提案してくださった。最初からワクワクしました。
次の打ち合わせでは、要件整理くらいかなと思っていたら「モックができました」と持ってきてくださったんです。普通は要件定義で「難しいです」と言いながら伸びることもあると思うんですが、そうではなく、ここまで固めて持ってくる。最初だけじゃなく今でもそうなので、純粋にすごいと思いますね。
下野：
そこは我々もポリシーとして意識しているところです。特に製造業の方々は具体物が見えた方がより議論が進みやすい、という実感を持っています。
良いものを作るには協力関係が大事で、その歩み寄りとして我々ができることは「早く作って、ものを見ながら解像度を上げてディスカッションする」ことだと思っています。そこを大事にしていますので、改めて評価いただけて嬉しいです。
高桑様：
ありがとうございます。ご連携できてすごく嬉しいです
インタビュアー：
最後に、大企業とスタートアップが研究領域で協力する上で大切だと感じるポイントを伺います。
高桑様：
はい、わかりました。生成AI領域であれば外部と組むことは必ず考えていくべきですし、大手SIerさんと組む選択肢もあると思います。
ただ、現実としてはマージンとなる人材が多く、技術理解が十分でないまま提案が出てきて、戻ってきたら「エンジニアに無理と言われました」という形で提案が二転三転し、論点がぼやけるケースが多いと感じています。抑えるべきポイントがあやふやなケースもあります。SIerさん自体はもちろん素晴らしいのですが、「何をするか」より「誰とやるか」が重要だと考えています。優れたPMに当たれば良いのですが、必ずしもそうではなく、ランダム性がどうしてもリスクになってしまいます。
一方でスタートアップの場合は、できることが明確で、CEOに会える。小さいスタートアップであれば、その人がPMとして直接動くことも多い。優秀な人が多く、無駄がなく、人のランダム性も少ない。命がかかっているので本気でやる。その意味で先ほどの懸念が少ないと思います。
なので大企業側としては、自分たちに足りない機能を明確化し、スタートアップに支援いただくのが自然だと思います。
さらに、大企業もこれまでのようにSIerに丸投げしてパッケージで受けるのではなく、課題を分解した上で、スタートアップとどういう理由で一緒にできるか、どういうスキームなら継続できるかを考えることが大事だと思います。
インタビュアー：
ありがとうございます。最後に下野さんから、スタートアップ側の視点で、大企業と協力する上で大事なポイントを伺います。
下野：
そうですね、スピード感のところをご言及いただきましたが、ちゃんとやり取りをしていただけるのは本当にありがたいです。皆様お忙しい中で時間をいただいている一方で、どうしてもスピードの差が出てしまう場面もあります。その中で、スタートアップの特性をご理解いただいているのは、我々としても進めやすく、価値を最大化するために重要なポイントだと思います。
もう一つはセキュリティです。スタートアップと大手SIerの違いとして、セキュリティ面のハードルは大きいと思います。ここは高桑さんの方で、サンプルデータの用意やマスキングなどを工夫いただき、セキュリティ的な懸念点を予め取り除いていただいていると認識しています。もちろん我々も考慮しますが、ご協力いただける体制は大変有り難いです。