ENTRY

◀︎ AI NEWS TOPへ

トヨタ北米の社内AI基盤。エージェント納期を6か月から4日へ

2026.09.14
トヨタ北米の社内AI基盤。エージェント納期を6か月から4日へ

米国のトヨタ・モーター・ノース・アメリカ(Toyota Motor North America)には、社内向けのエンタープライズAIチームがあります。人数の目安は約35人です。製造、供給網、金融、販売店、車載開発、研究開発などへ、共通の基準でAIを出す役割です。

ラングチェーン(LangChain)は2026年8月24日付のブログで、同チームがディープエージェンツ(Deep Agents)、ランググラフ(LangGraph)、ラングスミス(LangSmith)を使い、社内旗艦のトヨタジーピーティー(ToyotaGPT)を運用していると紹介しています。以下は、そのブログ上のトヨタ北米側の説明です。案件ごとに土台を作り直すのではなく、再利用スキルと権限連動の検索を共通化し、新規エージェントの納期を縮めました。

何が起きたか

トヨタジーピーティーは、社内データに根拠を置いた分野別エージェントの集まりです。製造文書、研究開発の報告、供給網の記録などに答えます。権限は元データに連動します。たとえば、ある人がシェアポイント(SharePoint)上の資料を見る権限を持たないとき、エージェントもその内容を出しません。

本番のエージェントは50を超えます。ディープエージェンツとランググラフによるいまの開発基盤の前は、新規エージェントに6か月と6人の技術者がかかりました。いまは4日と1人です。

分野の知識は、エージェントごとに埋め込まない方針です。製造、供給網、研究開発、ブランドなどの再利用スキルをライブラリにし、実行時にディープエージェンツへ注入します。ラヴィ・チャンドゥ・ウマディセッティ(Ravi Chandu Ummadisetti)氏(エージェントAIと製品調査のディレクター)は、「create deep agent の一文でハーネスと周辺が揃う」と言います。ハーネスは、エージェントを動かす土台一式です。

製造現場向けのギアパル(GearPal)は、ライン上のロボットや設備について、技術者が自然言語で「なぜ止まったか」「どう直すか」を尋ねるアプリです。診断情報、過去の修理記録、修理の案内を出します。

以前は診断に5〜6時間かかることがあったものが、2〜3分で片付きます。熟練者の引退に備え、機械の知識をスキルとして残す狙いもあります。提供者の障害に備え、別のモデルへ自動で切り替える仕組みも載せています。

研究開発向けのアールアンドディージーピーティー(R&D GPT)は、社内の研究開発資料を横断して尋ねるエージェントです。塗料の配合のように、何年もかけて試験するテーマでも、手作業の読み込みを短くします。研究のタイムラインは、およそ3年から1年になりました。

初期は、塗料の問いが腐食の資料へ誤って寄るなど、領域の重なりで検索がずれました。チームは、主ツールで見つからないとき副ツールを同時に呼び、結果をまとめて返すランググラフの仕組みを入れました。

監視にはラングスミスを使います。コーデル・フランス(Kordel France)氏(AIエンジニアリング担当ディレクター)は、工場のアンドンボード(異常が見える掲示)のように、エージェントの動き、失敗したツール呼び出し、利用者の使い方を見る、と言います。経営側への説明にも、この監視が必要だ、と言います。

何が変わったか

公表されている説明 こちらで確認できていないこと
本番エージェント50超 内訳、稼働率、利用者数の第三者確認
新規エージェント:6か月・6人 → 4日・1人 計測の定義(要件定義〜本番の区間)、プラットフォーム構築そのものの工数
GearPal:診断5〜6時間 → 2〜3分 計測サンプル、工場名、第三者の再測定
R&D GPT:研究タイムラインおよそ3年 → 1年 対象テーマの範囲、比較前後の定義
権限連動(SharePoint権限がないデータは出さない) 実装の監査ログ公開
再利用スキルを実行時に注入 スキル本数、自動生成の有無の一次詳細(本ブログ外の二次情報は未採用)
製造ユースケースはライン/ショップ/プラントあたり年10万ドル以上(6桁ドル)の節約を見込む 実績の会計数値、第三者監査
将来は施設あたり数百万ドル規模の節約を見込む、との発言 予測の前提と実績

出典はラングチェーン自身の顧客紹介です。数字と効果は、同社ブログに載ったトヨタ北米側の説明です。

誰に関係するか

病院の設備保全では、権限のある担当だけが手順と修理履歴を同じ検索口から見られるようにすると、現場の待ちが減ります。ホテルチェーンでは、店舗別マニュアルを権限連動で横断検索し、本部と店舗で見える範囲を分けたまま答えられます。自治体では、部署別の文書を主検索と副検索で同時に当て、領域の重なりによる取り違えを減らす使い方ができます。

まとめ

共通化する中身は、権限、監視、再利用スキルです。50超の本番エージェント、6か月・6人から4日・1人への変化、ギアパルとアールアンドディージーピーティーの時間短縮は、いずれもラングチェーンブログ上の数字です。

Tags

タグ一覧へ ▶︎

Kamone
著者 Kamone

30歳で学者志望からITエンジニアに転身。通信・金融業界におけるインフラ領域を中心に、オンプレミスからクラウドまで幅広く経験。AWS学習コミュニティでは公認メンターとして教材制作や講師を務める。現在はリツアンSTCにて事業推進に携わり、AI活用とエンジニア支援の高度化に取り組んでいる。

Kamone
著者 Kamone

株式会社リツアンSTC社員。

1984年 東京都中野区生まれ。

大学中退後、工場や警備員などを経て、何もスキルが身についていないことに危機感を覚える。
2014年 何か手に職をつけなければと思い、電子専門学校からエンジニアになった弟を見て「コイツにできるなら俺もできる」と安易な考えで未経験からIT業界に飛び込む。
そこは「まともな案件に入れなければ営業としてこき使われるか中国に送られるらしい」と恐ろしい噂が飛び交う会社だった。
「とんでもないところに来てしまった…」と戦慄するも、運よく大手新聞社系のインフラチームから声がかかり、エンジニアとしてのスタートを切る。

その後、SESを転々としながら通信・金融業界のオンプレ・クラウド案件を中心にインフラエンジニアとして経験を積む。

2021年 AWS学習サービス「Cloudtech」に参加し、公認メンターとして書籍出版プロジェクトや教材制作・講師などのコミュニティ・サービス運営に関わる。

2023年 ゆとりーマンのYoutube動画で新興SESの闇とリツアンの存在を知り、転職。(当時所属していたSES企業が動画で紹介されていた特徴に当てはまっていて愕然)
その後、CloudTechとリツアンの橋渡し役を担い、合同プロジェクト「テラコヤテック」の運営に関わる。
2025年 リツアンの「エンジニアに一円でも高い報酬を」「会社は社員に使われるためにある」「出入り自由」といったスタンスに共鳴。エンジニアから転向し、リツアンの事業推進に参画。
現在に至る。

他人の文体を真似たり、他人が書いた文章を手直しするのが得意、という若干嫌な気持ちにさせる特技を持つ。
AI活用を鋭意研究中。
(リツアンいいとこ一度はおいで。)