Anthropic、UST提携で物理AIに本格参入

結論

ITサービス企業のUSTは7月上旬、Anthropicと戦略提携を結び、Claudeを設計検証や工場運用の現場に組み込むと発表した。半導体の検証工程では、従来4日かかっていた作業が48時間に圧縮され、検証サイクル全体で50%から70%の時間短縮を実現したという。USTは今後、建築や自動車、製造業向けの現場でこの仕組みを広げ、世界の従業員2万人にClaudeの認定教育を行う計画だ。ものづくりの現場でAIを使う企業にとって、具体的な数字を伴う導入事例として参考になる。

いつ、誰が、何を発表したか

USTとAnthropicは、半導体や自動車、通信、組み込み機器、IoT分野の企業が使う設計検証プラットフォームにClaudeを統合すると発表した。中心となるのは「UST-iDEC」という基盤で、Claude Codeが半導体のピン配置や回路図を直接読み取り、これまでエンジニアが手作業で書いていた回帰テストのスクリプトを自動生成する。あわせてClaudeの推論モデルが、稼働中の機器から得られる実データとデジタルツインを突き合わせ、ファームウェアの不具合や信号の異常を検知する。

USTはこの技術を設計検証や半導体の品質確認、工場の運用、現場でのサービス対応にも広げる方針だ。金融分野でも、USTの子会社FinXがClaudeを使い、銀行の業務にAIエージェントを組み込み、問い合わせ対応や審査業務を支援する。教育面では、建築士やエンジニア、コンサルタント、業界専門家、常駐型のエンジニアまで含め、世界2万人の従業員をClaude認定者として育成する計画も明らかにされた。物理AIの分野ではNeura Robotics、最大14億ドル調達のようにロボット企業への投資も続いており、AIを現実の設備に応用する動きは加速している。

従来、半導体の検証工程では、設計担当者が回路図を読み込んでテスト項目を洗い出し、テストスクリプトを手作業で書き起こす必要があった。この工程は専門知識を要するうえに時間がかかり、開発全体のボトルネックになりやすかった。Claude Codeが回路図やピン配置を直接解釈してスクリプトを生成することで、この工程を大幅に圧縮できるとUSTは説明している。加えて、稼働中の機器から得られる実データとデジタルツインを突き合わせる仕組みにより、これまで見落とされがちだった信号の異常や部品の劣化を早期に検知できるようになるという。

USTはグローバルで9万人規模の従業員を抱えるITサービス企業で、半導体や自動車、金融など幅広い業界の顧客基盤を持つ。今回の提携でAnthropicは、チャット型のAI活用にとどまらない産業応用の実例を手に入れた形になる。Claudeを使ったサービスはClaude、7月8日から本人確認。一部利用で身分証提出ものように利用者側の信頼性確保にも力を入れており、機密性の高い設計データを扱う今回のような産業用途では、こうした本人確認や監査の仕組みが導入の前提条件になっているとみられる。

現場の実務にどう効くか

製造業や設計部門の担当者は、検証工程のどこにAIを組み込めば時間短縮につながるかを具体的に検討できる段階に入った。UST-iDECの事例が示すのは、AIが担うのは判断そのものというより、これまで人がスクリプトを書いていた繰り返し作業の自動化と、大量のセンサーデータからの異常検知だ。自社の検証プロセスで、同じように定型化できる作業がないかを洗い出すことが最初の一歩になる。導入効果を測る際は生成AI導入の費用対効果の考え方で紹介した測定方法も参考にできる。

実際に検討を進める際は、いきなり全工程を置き換えるのではなく、回帰テストのスクリプト生成のように、仕様が明確で検証しやすい業務から着手するのが現実的だ。効果を確認できた工程から段階的に対象を広げていくことで、想定外の不具合が発生した場合の影響範囲を限定できる。認定教育のような人材育成プログラムを提供するベンダーと組む場合は、自社のエンジニアが実際に使いこなせるようになるまでの学習期間も導入計画に組み込んでおく必要がある。金融業務への応用を検討する担当者は、FinXの事例のようにAIエージェントが担う範囲を審査や問い合わせ対応など具体的な業務単位で定義することが、導入の混乱を避ける鍵になる。

想定される影響

検証時間の短縮効果は、UST-iDECという特定の基盤での数値であり、すべての企業がそのまま同じ効果を得られるとは限らない。導入を検討する企業は、自社のデータ量や設備の種類が近い事例かどうかを確認したうえで判断する必要がある。物理AIの分野では国内でも国産AI「Noetra」始動、経産省が3873億円支援のように公的支援を伴う取り組みが進んでおり、海外ベンダーとの提携と国産開発の両輪で検討する企業が増えるとみられる。

物理AIという分野そのものが、チャット型のAI活用と比べて導入のハードルが高い点にも注意が必要だ。工場の設備データやセンサーの出力形式は企業ごとに異なり、AIに読み込ませる前のデータ整備だけで相応の工数がかかる場合が多い。UST-iDECのような基盤を導入する場合も、初期の効果測定期間を短めに区切り、想定した時間短縮が得られるかを早い段階で検証する進め方が現実的だ。効果が限定的だった場合に軌道修正しやすいよう、契約形態も段階導入型を選んでおくとリスクを抑えやすい。

出典

• UST is bringing Claude to physical AI — Anthropic公式
• UST Partners with Anthropic to Bring Claude into UST’s Platforms, Engineering, and Operations — PR Newswire