熟練者の「思考」をどうAIに落とし込むか。鉄道インフラの運用負荷軽減に向けた、日立のAIアンバサダーの視点

私たちの日常は、蛇口をひねれば出る水、途切れることのない電気、そして定刻通りにやってくる列車といった、目立たない「当たり前」に支えられています。
24時間止まらないインフラ領域での障害対応の判断は、1分1秒が重いもので、熟練者の引退で「暗黙知」が失われつつあると言います。

この難題に対して、株式会社 日立製作所（以下、日立）の生成AIサービス開発部は、業務特化型LLMの構築支援やRAGのチューニング支援を行いながら、現場適用のリアリティに踏み込んだ生成AIの活用を推進しています。

今回お話を伺ったのは、同組織でクライアント企業への生成AI活用推進を担当しつつ、日立の「AIアンバサダー」にも任命されている細包 愛子（ほそかね あいこ）さん。

鉄道分野、とりわけ運行管理システム周辺の障害対応支援を題材に、生成AIを活用した仕組み作りを進める細包さんは、具体的にどんな点に注意して機能実装やPoC等を進め、熟練者の思考をシステムへと落とし込み、また、日々進化する生成AIと向き合っているのか。じっくりとお話を聞いてきました。

プロフィール

細包 愛子（ほそかね あいこ）

株式会社 日立製作所
マネージド＆プラットフォームサービス事業部 AIサービス本部 生成AIサービス開発部

2016年、日立製作所入社。自然言語処理を中心としたデータ分析案件に従事。報告書などのテキストデータを活用した障害対応支援のAIサービス開発に参画。2024年10月より生成AIサービス開発部に異動し、業務特化型LLMの開発や適用を推進中。

日立のAIアンバサダーとして

――現在の業務内容について教えてください。

細包： 今は「生成AIサービス開発部」という部署に所属しています。そこで業務特化型LLMの構築・運用を支援したり、RAG（Retrieval-Augmented Generation）のチューニング支援を行ったりしています。
具体的には、お客さまの社内にある様々なデータを整理し、必要なものについてLLM（Large Language Models、大規模言語モデル）に取り込みやすい形に加工した上で効果的なモデル学習を行い、業務特化型LLMを構築する技術や、回答精度を評価する技術やLLMとRAGを適切に組み合わせる技術などを通じて、お客さまのユースケースに合わせた生成AI活用を支援しています。

担当プロジェクトでは、フロントラインワーカー（顧客や製品・サービスに直接関わる最前線で働く従業員）として活躍している方の障害対応業務の効率化やノウハウ継承などをご支援しています。

専門的な業務に適したLLMの構築や継続的な改善を支援する「業務特化型LLM構築・運用サービス」と、実行環境の構築・運用を担う「生成AI業務適用サービス」の概要図。詳細はこちらをご参照ください。

――AI活用ど真ん中ですね。これまで、どのようなキャリアを歩まれてきたのでしょうか？

細包： 学生時代に情報工学科にいたこともあり、新卒でSEとして日立に入社しました。日立のSEは、お客さまとフロントで対応するSEと技術やサービスに特化したSEの2つに大きく分類されます。私は後者の技術特化型SEとして、データ分析案件を中心に従事していました。

業種としては、公共分野から金融領域まで幅広く担当しており、報告書などのテキストデータを活用した障害対応支援のAIサービス開発など、自然言語処理を中心とした案件に参画していました。

その後、2024年10月から現在の生成AIサービス開発部に異動し、今の業務に携わっています。

――日立のAIアンバサダーにも任命されていますよね。こちらはどういった活動なのでしょうか？

細包： AIアンバサダーは、「日立のAIの取り組み」を社内外に発信して認知を広げ、仲間を増やすだけでなく、 AI活用の最前線に立って、社内外のムーブメントをリードしていくことを目的としています。お客さまの中には、日立がAIを扱っていることをご存知でない方も少なくありませんから。
私は 「2期生」 としてジョインしたのですが、面白い取り組みをしている方ばかりなので、自社のことながら「日立のAI領域が面白くなっているな」と実感しています。

AIアンバサダー特設ページ。2期生として実績豊富な海外グループ会社のCTOや新進気鋭の若手エンジニア21名がAIアンバサダーに加入し、1期生とともに、AIの提供価値や可能性をタイムリーに伝えるメッセンジャーとして活動している。

24時間365日体制で運用される「鉄道業務」の運用負荷を生成AIで軽減

――先ほどおっしゃった、フロントラインワーカーの障害対応業務の効率化やノウハウ継承などの担当プロジェクトについて、詳しく教えてください。フロントラインワーカーにも様々な領域があると思うのですが、具体的にどの分野でしょうか？

細包：分野は鉄道で、東日本旅客鉄道株式会社さま（以下、JR東日本さま）との、首都圏の鉄道運行管理・保守業務におけるAIエージェントの効果測定を目的とした共同検証事業です。
首都圏の運行管理を担っている「ATOS*¹」という大きなシステムがありまして、そこで発生した障害対応業務の効率化やノウハウ継承などを進めています。

共同検証の概要図。JR東日本さまのドキュメント）や、日立のインフラ制御システム事業部が保有する制御機器のドキュメント（形式知）、運用ノウハウ（暗黙知）といった両社の知識資産を取り込むことで、鉄道運行管理に特化したLLMを構築。加えて、熟練者の思考プロセスを再現した故障対応シナリオに基づくAIエージェントも開発し、LLMと組み合わせることで、故障個所の特定や対応方針の提案を自動的に行い、指令員の判断を支援できるかどうかを検証する想定。ニュースリリースはこちら

*¹ATOS（Autonomous decentralized Transport Operation control System）：2～3分間隔で列車が走る首都圏の高密度線区において、列車の自動進路制御を可能にし、その運行状況をリアルタイムに把握することができる世界最大規模の運行管理システム。ダイヤ管理機能や運転整理機能、自動進路制御機能、旅客案内機能、保守作業管理機能などが搭載されている。詳細はこちら

――ATOSというシステムを初めて知りました。

細包：例えば、電車がホームに近づくと電光掲示板に「まもなく到着」と表示されますよね。そのような案内の制御や、線路内の信号制御など、運行を支える制御の大枠をATOSが担っています。実は、日立の別チームが開発に関わっているシステムでもあります。

――障害対応というのは、具体的にどのような体制で、判断はどう行われているのでしょう？

細包：：基本的に鉄道の状況は24時間体制で監視が行われているのですが、例えば「◯◯駅の〜〜装置で異常発生」といったエラーが発生すると、指令員と呼ばれる方々が「電車を止めるべきか」「そのまま運行を継続して問題ないか」を現場で判断し、必要に応じて対応します。
指令員は通常、膨大なマニュアルを参照しながら調査作業を行うのですが、高度な専門知識とノウハウが必要とされるので、事象によっては対応に時間を要します。

また「このエラーが発生しているが、どうすればいいか」と、日立に問い合わせが来ることもあります。

そのようなエラーに対して、お客さまの中でも熟練者の方であれば「この可能性があるから、こことここをチェックすればいい」と瞬時に判断できることが往々にしてあります。
ただ、そうした方々が第一線を退かれる際に、これまで個人に蓄積されてきたノウハウをどう組織に引き継いでいくかが現在の課題になっています。

鉄道は終電後も保守作業があるのですが、そこで何か障害が発生して対応が遅れてしまうと、始発までに対応が完了しない可能性があります。
深夜で人が少ない時間帯ほど油断ができないわけですが、問い合わせ先である日立も、常に即対応できるとは限りません。

――深夜帯は特にキツいですね…。担当の方だけで判断できないケースもありそうです。

細包： そのような背景があり、「緊急度の判断を早くしたい」ことと「熟練者への依存度を下げたい」ことの2軸を中心に、生成AIを活用して運用負荷を軽減する取り組みを進めている状況です。

今回の共同検証は2025年の秋からスタートしているのですが、実はJR東日本さまとはそれ以前から、鉄道信号システム故障時のAIによる復旧支援システムの開発・運用でご一緒していました。

こちらはATOSにまつわるものではないのですが、鉄道信号システムの故障時に知得した状況や指令員による調査結果について、時系列で報告書を作成していくと、AIが過去の故障対応記録から類似事象を自動的に抽出し、原因の推測と対策を提案してくれるというものです。

従来から行っていた「報告書作成業務」を進めるだけで、AIが自動的に「過去の類似事象の抽出」、「原因の推定」、「対策の提案」を行う仕組み。復旧作業に携わる社員等の負荷の減少になるほか、将来は効率的な事前予防の計画支援など、さらなる活用の広がりが期待される。
取組概要は こちら

――検索支援のような形ですね。

細包： はい、考え方としてはRAGに近いです。
障害発生時の対応は、時系列や詳細が記録されています。詳細として「どのようなアラートが出たか」などの状況も記録されているため、システムにアラート文などを入力すると、キーワード一致だけでは拾えない「近しい過去事例」を見つけて提示することができます。
過去事例を手がかりに、「今回はどうするか」を考える支援でした。

ATOSを対象にした今回の取り組みでは、生成AIやエージェント的な機能を活用して、そこからもう一段踏み込みました。
まずアラート情報と、該当するシステム構成（どの装置がどう繋がっているか）を入力として、原因になりうる箇所の候補（どの装置に原因がありそうか）や、影響判断（ユーザー側が使えない装置があるのか／冗長構成で実は使えるのか）、類似の過去事例とそれらに基づく対策、そして、さらに絞り込むために「次にどこを確認すべきか」（マニュアルからチェックポイントを提示）といった情報をまとめて出すようにしています。

――アラート情報からそこまでわかるのですね。アラート情報は、どのように入力するのでしょう？

細包： PoCでは画面を撮影して、その画像ファイルを、OCRで読み込んで解析する形にしました。
毎回細かい情報を入力する必要をなくす、指令員さんの負担を減らす工夫の1つです。

AIが出す情報をどう使うか、最終判断はあくまで人間がする

―― 生成AIというと、ついチャット型のUIを想像しますが、チャット形式ではないのですね。

細包： 1画面に整理して出力できるよう、入力内容をあらかじめ最適化しているためです。

障害対応時は入力に迷っている時間も惜しく、テキストの自由入力で全パターンを網羅することは現実的ではありません。
このような場合は、入力と出力を明確に定義した上で設計する手法が、対応時間の最小限化と結果の精度の向上に直結します。

――なるほど。このプロジェクトの肝は、まさに「暗黙知をどう入れ込むか」ですよね。細包さん自身はもともとドメイン知識をお持ちだったわけではないと思うのですが、どのように進めていったのでしょうか？

細包： 試行錯誤は本当に多かったです。
熟練者にどう聞き出して、それをどうアウトプット化し、生成AIのインプットに落とすか、全部が手探りでした。

日立の「エスノグラファー」の方々にも入ってもらい、業務やオペレーションなどを整理していただきました。

――エスノグラファーというと、文化人類学などでよく使われるエスノグラフィー的な手法を扱う方々、ということですか？

細包： そうです。日立の中の保守部隊に入り、熟練者が事象を見たときに「何を考え、どんな順番で判断するのか」を聞き出して、思考フローとして整理してもらいました。
その整理された思考フローをプロンプトやロジックに落とし込むことで、システムとしての精度を高めていきました。日立の中にノウハウを持っている人がいて、その知見を入れ込めたのも大きいです。

――今のお話は日立側が持っているノウハウを入れ込んでいく話だと思いますが、例えばJR東日本さま側が持っている暗黙知、たとえば「止める／止めない」の判断の知識は、今回入っているんですか？

細包： 今回は入れていません。将来的にはそこも踏まえて入れ込んでいきたいとは考えています。

――あともう1つ、業務特化型LLMの構築を支援とのことですが、汎用LLMとの違いなど含めてどういう使い分けをしているのかを教えていただきたいです。

細包： LLMの選択肢としては大きく2つあります。オンプレミス環境でも動かせるオープンソースLLMと、GPTシリーズのような商用LLMがあります。

精度は商用LLMが高いことが多いのですが、業務固有の知識は学習には基本的に入っていません。そこに関しては、RAGを使う方法があります。
ですが、RAGだけでは精度が足りなかったり、長い指示が無視されたりといった課題も出ます。

また商用LLMは進化が速く、同じプロンプトでも挙動が変わることが多々あります。サービスが終了してしまうリスクもゼロではない。
さらに、クラウドに情報を出せないお客さまもたくさんいらっしゃいます。そういう場合はオープンソースLLMを使って特化型のLLMを作ることになります。

* ここではオープンウェイト型のものも含めて「オープンソース」と表現しています。

――オープンソースLLMは、以前は扱いづらい印象もありましたが、最近は随分とよくなったという話も聞きます。今のお話を踏まえると、業務特化型LLMを採用することもあれば、商用LLMを活用することもありそうですね。

細包： そうですね。実際、私がこれまで担当してきたプロジェクトでも、ハイブリッドで設計するケースが多々ありました。

――商用LLMを活用する場合、進化が速いので、説明責任や再現性が難しくなりませんか？

細包： 実運用で使う場合は、基本的にAPIやモデルの種類を固定しています。
ただ、ツールや環境によっては、テスト時と本番で出力が変わってしまった例も聞きます。そういう可能性があることはお客さまに認識してもらう必要がありますし、結局は継続的なチューニングが必要になるなと感じています。

だからこそ「確実に正解を求めたい領域」はロジックで組む、という判断にもなりますね。

――生成AIは「正解を差し出す装置」ではない、という前提を共有する必要があると。

細包： そうですね。高い再現性と説明可能性は常に求められますが、生成AIの特性上、確率的な要素を含むため、出力が変わる場合や誤った回答をする場合もあることはしっかりとお伝えするようにしております。
AIが出す情報をどう使うか、最終判断はあくまで人間がする。そのために根拠を出す、過去事例を出す、といった工夫は重要だと考えています。

――お客さまからのフィードバックはいかがでした？

細包： 「精度をより良くしたい」という前提はありつつ、改善できれば実際に使える、使っていきたいという声はいただいています。
鉄道のようなインフラ業界は一般的に意思決定含め慎重にプロジェクトが進められることが多いと思いますが、今回は動き始めてから半年くらいで作り、改善も回していきました。スピード感を持ってやれそうだという感触を強く持っています。

日立の、みんな真面目なところが好き

――ここからはキャリアについても教えてください。細包さんが日立に入社した理由は何だったのでしょうか？

細包： 私が日立に入社した2016年はビッグデータやクラウドが盛り上がり始めた時期でした。
大学卒業後は研究の道に進むことも考えましたが、研究室で扱うようなデータだけではなくリアルなデータを扱いたい、社会実装に近いところに携わりたいと思いました。また特定のお客さまだけでなく、多業種に関われる会社が良かったというのもあります。

それらを総合して企業を見ていったときに、日立は社内に様々な業種・領域があり、お客さまも多様なので魅力を感じ、入社を決めました。

――日立のどんなところが好きですか？

細包： みんな、真面目なところですね。
「とりあえず使える状態にすればOK」ではなく、「どう使うのか」「どう実現するのか」をすごく真面目に考える。お客さまにいいものを提供するために妥協しない人が多いです。

――今後、どんなことに取り組んでいきたいですか？

細包： 今はかなり特化した形でLLMを作り込んでいますが、これを他にも適用できるようにしたいです。
全く同じものを適用することは出来ないとしても、どのデータがあれば成立するのか、どこが業務固有で、どこが再利用できるのか。熟練者の思考が混ざる部分はお客さまによって違うので、そこはヒアリングが必要になると思うのですが、一方で「どういうプロセスで作ったか」という進め方自体は標準化できる可能性があると思っています。

――「成果物の汎用化」より「作り方の標準化」が現実的、というのは納得感がありますね。一緒に働きたい人物像も教えてください。

細包： 技術に興味を持って自分で動かしてみる人、AI活用の経験がなくても勉強して前向きに取り組める人、ですね。この領域は「どう実現すればいいか」を考え続けることが必須になるので、考えるのが好きな人だとフィットすると思います。

自分が思いつかなかった案を出してくれる方がいると、チームとしても前に進めるので、そういう方にジョインいただきたいですね。

――ありがとうございます。それでは最後に、Qiita読者の皆さまにメッセージをお願いします。

細包： 最近チームに転職してきた人が何名かいるのですが、みんな「誠実な方が多い」と言っています。技術の知識が完璧でなくても、優しく教えてくれる人がいるので心配しすぎなくて大丈夫です。

「AIをやりたい」「挑戦したい」というモチベーションがある方なら、協力してくれる環境があると自信をもって言えます。ぜひご一緒しましょう。

編集後記

僕自身、システムの保守を担当していて深夜のトラブル対応を余儀なくされたことがあったのですが、深夜であるが故に社内のサポート体制が充実しておらず、泣きそうになりながら対応したことを覚えています。今回伺った仕組みは、鉄道業務の運用を担当する多くの方々にとって、非常に心強いものなんだろうなと、話を聞きながら感じていました。エスノグラファーなど、日立ならではのユニークなチームとの連携もあるとのことで、AIの社会実装に興味のあるかたにとっては最高の環境なのではないでしょうか。なお、今回お話を伺った細包さんも加入するAIアンバサダーについて、過去に私がQiita公式コラムで取材担当した方も複数いらっしゃいました。ぜひ、以下も併せてご覧ください。（カッコで囲った人物が、記事に登場するAIアンバサダーです）
 
▶︎（諸橋 政幸さん）「GPUを止めない！」精神でKaggleと向き合う。日立製作所メンバー x カレーちゃんによるKaggler対談
▶︎（照屋 絵理さん）日立のマテリアルズ・インフォマティクスを支える若手データサイエンティスト・研究者3名が語る、世の中の理(ことわり)への探究談義120分
▶︎（渡邉 理沙さん、片渕 凌也さん）22年卒メンバーが生成AIで大活躍。日立製作所のデジタルネイティブ世代が考える最新技術との付き合い方
* いずれの記事も、所属や業務内容等は取材当時のものになります

取材／文：長岡 武司
撮影：法本 瞳