AIエージェントを使った業務自動化の実例【製造業での活用】

はじめに
AIエージェントとは
AIエージェントの構成要素
製造業でのAIエージェント活用イメージ
Pythonでシンプルなエージェントを作る
AIエージェント活用の注意点
まとめ

はじめに

2024年ごろから「AIエージェント」という言葉をよく耳にするようになりました。ChatGPTやClaudeに「これをやっておいて」と指示するだけで、複数のタスクを自律的にこなしてくれるイメージです。

僕は製造業でDX推進を担当しています。Power AutomateやPythonによる自動化は以前から取り組んできましたが、AIエージェントの登場でさらに一歩進んだ自動化が実現できると感じています。この記事では、AIエージェントの基本的な考え方と、製造業での具体的な活用イメージを紹介します。

AIエージェントとは

AIエージェントとは、与えられた目標に向かって自律的に行動するAIシステムです。人間が手順を細かく指定しなくても、AIが状況を判断しながらタスクを進めます。

従来のRPAやスクリプトは「決められた手順を繰り返す」ものでしたが、AIエージェントは「状況に応じて判断して行動する」点が大きく異なります。後輩に仕事を任せる感覚に近いです。わからなければ聞いてくるし、問題が起きれば報告してくれます。

AIエージェントの構成要素

AIエージェントは主に以下の要素で構成されます。

LLM（大規模言語モデル）：判断と推論の中核。Claude・GPT-4など
ツール：ブラウザ操作・ファイル読み書き・API呼び出しなど
メモリ：過去のやり取りや情報を記憶する仕組み
オーケストレーション：複数のエージェントや処理を調整する仕組み

製造業でのAIエージェント活用イメージ

① 日報・週報の自動生成

生産ログデータを読み込ませ、「今週の生産状況を要約してメールで送る」と指示するだけで、データを分析→レポート作成→メール送信まで自動化できます。

② 異常検知と自動アラート

センサーデータを定期的に監視し、異常を検知したら「担当者へのSlack通知→原因の仮説リスト作成→対策案の提示」まで自動でこなすエージェントが実現できます。

③ 調達・在庫の最適化提案

在庫データと発注履歴を参照し、「来月の発注推奨リストを作成してください」という指示に対して、過去のトレンドを分析しながら提案を出してくれます。

Pythonでシンプルなエージェントを作る

LangChainを使えばシンプルなエージェントを作れます。

from langchain.agents import initialize_agent, AgentType
from langchain.tools import tool
from langchain_anthropic import ChatAnthropic

# ツールの定義
@tool
def check_inventory(product_id: str) -> str:
    """指定した製品IDの在庫数を確認する"""
    # 実際はデータベースに接続
    inventory = {'A001': 50, 'A002': 10, 'A003': 0}
    count = inventory.get(product_id, '不明')
    return f"{product_id}の在庫: {count}個"

@tool
def create_order(product_id: str, quantity: int) -> str:
    """発注を作成する"""
    return f"{product_id}を{quantity}個発注しました"

# エージェントの作成
llm = ChatAnthropic(model='claude-sonnet-4-20250514')
tools = [check_inventory, create_order]

agent = initialize_agent(
    tools,
    llm,
    agent=AgentType.ZERO_SHOT_REACT_DESCRIPTION,
    verbose=True
)

# エージェントに指示
result = agent.run(
    "A001とA002とA003の在庫を確認して、在庫が20個以下のものは30個発注してください"
)
print(result)