東大発スタートアップ燈のAIエージェント「Spica」提供開始：工場レイアウトの初期検討を1カ月から1日に短縮

東京大学発のAIスタートアップ、燈株式会社は2026年11月5日、建設業や製造業の現場で設備レイアウトや生産計画、人員配置を最適化するAIエージェント「Spica（スピカ）」の提供を開始しました。半導体工場の建設計画では、工場の設備レイアウトの初期検討が1カ月から1日に短縮されたという実証結果も出ています。日本のものづくりの現場が抱える人手不足と技能継承の問題に、AIがどう向き合うのか。発表内容をもとに解説します。

Spicaとは何か

Spicaは、建設業や製造業などのものづくりの現場を対象にした最適化AIエージェントです。工場の設備レイアウトや生産計画、人員配置といった、現場の計画業務を支援します。開発したのは、東京大学発のAIスタートアップである燈株式会社です。同社は東京都千代田区に本社を置き、代表取締役社長兼CEOは野呂侑希氏で、2021年2月に設立されました。「日本を照らす燈となる」という使命を掲げ、建設業、製造業、物流業、卸売・小売業など日本の基幹産業の生産性向上や技術継承に取り組んでいます。

Spicaの最大の特徴は、「判断基準を引き出す」という考え方にあります。現場の熟練者は、配置や人数といった決めるべき項目、安全基準や稼働率といった守るべき条件、コストや作業効率といった評価の基準を照らし合わせながら意思決定しています。しかし、その多くは言葉にされていない暗黙知に委ねられてきました。従来の最適化ツールでは、こうした条件を人があらかじめ定義する必要があり、言語化されていない暗黙知を反映することは難しかったといいます。

Spicaは、AIが案を出し、人が修正や承認を繰り返すことで、熟練者自身も意識していなかった判断基準を明らかにしていきます。さらに、熟練者がどのような根拠で判断したのかを言語化して蓄積するため、属人化していたノウハウを組織の資産として次の世代へ引き継ぐことができるとしています。

AIの提案と人の承認を繰り返す仕組み

Spicaが最適解を導く流れは、工場の設備レイアウトを最適化する例で説明されています。まずSpicaは、顧客から提供された資料やデータをもとに、現場で発生しうる制約条件を整理し、最適案を提示します。たとえば「配置できる区画」「設備同士の干渉」「柱の回避」といった制約条件を示し、その中で生産量が最大となるレイアウトを提案します。

次に、第一案を見た顧客のフィードバックを取り入れます。発表では、製造課長の意見をもとに「裏面工程は北棟にまとめる」、保全担当の意見をもとに「斜めの壁に面した区画には生産装置を置かない」といった制約条件が新たに提案された例が紹介されています。顧客は示された中から正しいものを承認し、Spicaは承認された条件を考慮してレイアウトの再検討を行います。

この例では、承認された条件を反映した再計算の結果、1日あたりの製品の生産量が860枚から1,010枚に向上したとされています。AIによる提案、顧客の承認、再計算のサイクルを繰り返すことで、現場で実際に運用できる最適解に近づけていく仕組みです。Spicaはメタヒューリスティクスなどを用いて短時間で解を求めるため、比較案をすぐに提示できる点も特徴とされています。

実証結果で示された数字

発表では、検討のスピードと最適化結果の質について、従来の方法とSpicaを比較した実証結果が示されています。配置案や計画案1件の作成時間は従来の1カ月から1日に、一度に比較できる案の数は3案から100案に、条件変更から再検討までの時間は2週間から半日に短縮されたとしています。最適化結果の質では、設備投資額が従来比で5パーセント削減、稼働率が従来比で7パーセント向上したとされています。

これらの数字は、あくまで発表された実証結果に基づくものです。導入する現場の条件によって結果は変わる可能性があります。ただ、半導体工場などの建設計画で実際に導入が進んでいること、そして初期検討の期間が大幅に短縮されたという結果は、計画業務の進め方が変わりつつあることを示しています。

なぜ今、現場のAIなのか

燈がSpicaを開発した背景には、日本のものづくりの現場が直面する3つの大きな変化があります。1つ目は働き手の減少です。現状のまま推移した場合、2040年には日本全体で約1,100万人の働き手が不足し、建設職では必要な人手の22.0パーセントが不足すると試算されています。製造業の就業者数は2024年の1,046万人から2025年には1,033万人へと減少し、34歳以下の若年層は258万人にとどまっています。

2つ目は熟練者の引退と技能継承です。建設業では就業者の約4割を55歳以上が占め、29歳以下は約1割にとどまっています。製造業では、技能継承がうまくいっていると回答した企業は合わせて33.3パーセントにとどまり、85.4パーセントの企業が将来の技能継承に不安を抱えているといいます。

3つ目は国内の工場投資の拡大です。政府は「AI・半導体産業基盤強化フレーム」に基づき、2030年度までの7年間に10兆円以上の公的支援を行い、10年間で50兆円を超える官民投資を促す方針を掲げています。半導体やデータセンターなど、国内で大型の設備投資が進むなか、工場の早期稼働と国際競争力の確保に向けて、熟練者の判断に宿る暗黙知を言語化し、次の世代へ引き継ぐことが業界全体の課題となっています。

今後の注目点

Spicaの提供開始は、AIエージェントがオフィス業務だけでなく、工場や建設現場といった物理的な現場の計画業務に入り込んできたことを示す事例です。特に注目したいのは、AIが人を置き換えるのではなく、熟練者の判断基準を引き出し、組織の資産として残すという設計です。人手不足が進む現場では、ベテランの退職とともにノウハウが失われることが大きな問題になっています。判断の根拠を言葉にして蓄積する仕組みがどこまで現場に根付くかが、今後の評価の分かれ目になるでしょう。

一方で、実証結果の数字がどの程度の現場で再現できるのか、導入にかかるコストや期間はどうなるのかといった点は、まだ明らかになっていません。発表された内容は、提供開始時点の情報です。半導体工場の建設計画での導入実績が今後どのように広がるのか、他の業種への展開があるのかにも注目が集まります。

Frequently Asked Questions

Spicaはどのような現場で使えるのですか

Spicaは建設業や製造業などのものづくりの現場を対象にしています。設備レイアウトや生産計画、人員配置の最適化を支援します。発表時点では、半導体工場などの建設計画で導入が進んでいるとされています。

Spicaの導入でどれくらい時間が短縮されるのですか

発表された実証結果では、工場の設備レイアウトの初期検討が従来の1カ月程度から1日で完了したとされています。一度に比較できる案の数も3案から100案に増えたとしています。ただし、これらは実証結果であり、現場の条件によって変わる可能性があります。

Spicaは熟練者の仕事を置き換えるものですか

発表によると、Spicaは熟練者を置き換えるのではなく、熟練者の判断基準を引き出して言語化し、組織の資産として次の世代へ引き継ぐことを目的にしています。AIが提案し、人が修正や承認を繰り返すことで最適解を導く仕組みです。