Amii、AI導入支援パートナーシップを拡大し、さらに25社を支援

Amii（Alberta Machine Intelligence Institute）は、カナダの地域経済開発機関PrairiesCanとのパートナーシップを拡大し、中小企業25社が実用的なAI活用能力を身につけられるよう支援します。10月27日の発表では、連邦政府からの支援が250万カナダドル追加され、この取り組みへの連邦政府の総投資額は560万カナダドルとなりました。

今回の拡大により、対象地域はアルバータ州、サスカチュワン州、マニトバ州に広がり、エネルギー、農業、製造業ではすでに初期の取り組みが始まっています。Amiiによると、2024年の開始以来、このプログラムは地域企業30社を支援してきました。企業を機械学習の専門家と結びつけ、各社の業務データを活用したシステムを構築するとともに、導入後も企業自身がシステムを保守できる専門知識を身につけられるようにするのが、このプログラムのアプローチです。

実装を重視した研究パートナーシップ

エドモントンを拠点とするAmiiは、独立系の非営利団体であり、全カナダAI戦略の下に設置されたカナダの3つの国立AI研究機関の一つです。その歴史は、2002年に設立されたAlberta Ingenuity Centre for Machine Learningにさかのぼります。2017年にはAmiiの名称で独立系非営利団体となりました。研究、人材育成、商業分野での応用を結びつける活動を行っています。

Prairies Economic Development Canada（PrairiesCan）は、参加する3州の経済開発を支援する連邦政府機関です。海外の読者にとって、このパートナーシップは、中小企業が単独では確保しにくい専門的な技術力を利用できるよう、公的投資が後押しする事例といえます。

AmiiのAI開発モデルでは、機械学習の常駐研究員が企業のプロジェクトにフルタイムで参加し、Amiiの研究者がその活動を監督します。常駐研究員は企業のチームと協力してモデルの開発やテストを行い、プロジェクト終了後に企業が本人を採用することもできます。標準的なプログラムの参加期間は12～15か月とされていますが、個々のプロジェクトの範囲や費用は異なります。

企業は、プロジェクトを通じて開発された知的財産を保持できるほか、文書一式と知識移転を受けられます。そのため、このパートナーシップの目的は、外部委託で試作品を納品するだけの場合とは異なります。外部の研究チームが離れた後も、企業がシステムを自ら適応させられるようにすることが目指されています。

Croptimistic：実際の圃場に対応するコンピュータービジョン

Croptimistic Technologyは、土壌、水、地形の情報を組み合わせて圃場管理に役立てる精密農業エコシステム「SWAT MAPS」を開発しています。同社の製品「SWAT CAM」は、通常の散布作業中に画像を収集し、機械学習を使って作物や雑草を分析します。

Amiiとの共同プロジェクトでは、小麦やオート麦など、生育初期の穀物作物に取り組みました。葉が細く、互いに重なり合うため、個々の株を見分けるのは困難です。チームは、葉が密集した作物の群落や、ほこり、まぶしい光、風など、画像の取得が難しい条件にも対応できる専用の画像認識モデルを開発しました。

Croptimisticの製品情報では、散布機に取り付けたカメラが、圃場の密度の高い画像データを管理ゾーンに結びつける仕組みが説明されています。作物をより正確に検出する実用上の価値は、圃場内の状況を詳細に把握できることです。生産者は、わずかな地点での手作業による観察だけに頼らず、圃場全体にわたる生育のばらつきや雑草の状況を確認できます。

Carson Integrated：環境記録から予測を導く

Carson Integratedは、環境および林業分野のコンサルティング会社で、天然資源に関するプロジェクト向けの地理空間情報を扱っています。同社が取り組んだのは河川の分類です。これは、水路の周囲に設ける保護緩衝帯の範囲を決める際に役立ちます。

AmiiのCarsonの事例研究では、現地での測定値やリモートセンシング情報など、約20年にわたって収集されたデータを使ってモデルを構築したと説明されています。特徴量の開発では地形や環境の特性を検討し、集水域の流出口の規模がとりわけ有用だと分かりました。この研究によると、適切なデータが利用できる場合、分類精度は平均で約75％でした。

この活用例は、有用な機械学習を実現するうえで、対象分野の専門知識がいかに重要かを示しています。画像内の水路を特定することと、その水路が規制上どの分類に当たるかを予測することは、別の作業です。予測結果は、遠隔地での評価作業に優先順位をつける際に役立つ可能性がありますが、支援対象となる意思決定に適しているか、また精度が十分かどうかは、引き続き評価する必要があります。

Visionstate：制約付き最適化問題としてのスケジュール管理

Visionstateは、施設の運用、点検、作業の実施確認に使うソフトウェアを開発しています。現在のウェブサイトでは、報告、点検、作業指示、監督を結びつけるプラットフォーム「MIRA」を中心に紹介しています。Amiiとの取り組みでは、同社の施設管理プラットフォーム「WANDA」を対象としました。

詳細な事例研究では、清掃ルートとスケジュールを制約付き最適化問題として定式化したと説明されています。システムは、固定された人員を割り当てながら、施設の配置、サービス要件、コンプライアンス規則を守り、効率性と公平性のバランスを取る必要があります。

この取り組みは、リソース計画製品のTidyLogicと、医療施設の清掃コストを見積もるツールも支援しました。事例研究の執筆時点では、TidyLogicはベータ版で、モデルは統合に向けて進められていると説明されていました。この違いは重要です。商用製品の開発と、最適化システムの全面的な導入は、それぞれ別の段階です。

Ambyint：強化学習の専門性を構築

Ambyintは、石油・ガス事業者向けに生産最適化ソフトウェアを提供しています。同社の既存プラットフォームは、物理法則に基づくモデルと自動制御を組み合わせており、産業用監視インフラを通じた設備の設定値調整などを行います。

Amiiのプロジェクトでは、プランジャーリフト方式の油井を対象に強化学習を検討しました。この方式では、圧力のしきい値を変えることで、蓄積した液体をどのように除去するかが変わります。地下深部の状況に関する知見が限られているため、シミュレーションと制御は困難です。チームは、意思決定の改善に向けて、過去のデータを活用する手法と物理法則に基づく手法を検証しました。

事例研究では、結果が明確に示されています。実験モデルはAmbyintの既存の自動化システムを上回る効率を実現できず、本番運用に必要な信頼性や応答性もまだ備えていませんでした。成果として得られたのは、社内チームの能力向上と、今後さらに研究すべき領域への理解の深まりです。すぐに導入可能なモデルが生まれなくても、これはAI導入における有意義な成果です。

Riva：企業データをAIに活用

Amiiは、エドモントンを拠点とするRivaも早期の支援先として挙げ、具体的なモデルのアーキテクチャは明らかにせずに、本番運用可能なソリューションの実現に向けた進展を紹介しています。

Rivaのプラットフォームは、メール、カレンダー、連絡先、会議に関する情報を顧客関係管理システムと連携させます。AIが生成する会話の要約や、チームが確認してCRMの記録に関連付けられる、構造化された会議の成果物などを利用できます。これにより、現場の画像処理や産業用制御とは異なる導入上の課題が生じます。すなわち、ガバナンスと人による確認を維持しながら、ビジネス上のやり取りを活用可能にすることです。

カナダを越えてこのモデルが重要な理由

参加企業の事例は、AIの導入がコンピュータービジョン、予測モデリング、制約付き最適化、強化学習、企業情報を扱うワークフローにまたがることを示しています。それぞれに、異なるデータ、評価手法、運用上の専門知識が必要です。

このパートナーシップがより広い意味で重要なのは、企業の主体性と技術力の向上を重視している点です。自社のスタッフがモデルの構築方法や検証方法、そしてその予測をいつ信頼すべきかを学べば、企業はモデル以上のものを得られます。中小企業にとって、こうした能力の移転は、最初のソフトウェア導入と同じほど大きな意味を持つ場合があります。