事例の概要
| 企業 | TulipとCogniteの連携ソリューション利用企業（社名非公表） |
|---|---|
| 地域 | 欧米 |
| 業種 | 機械 |
| 企業規模 | 大企業 |
| 用途 | 生成AI・ナレッジ |
| 使われた技術 | Tulipのノーコード現場アプリ＋Cognite Data Fusionの産業データ基盤（AI活用を前提に整備したデータ） |
| 関連する製品・サービス | Tulip（AI Composer・Authoring Agent）（Tulip Interfaces）、Cognite Data Fusion（Cognite AS（Schneider Electricが買収を発表）） |
成果
取り組みの内容
Tulipは、作業指示や検査記録などの現場アプリをノーコードで作れる米国のプラットフォームで、生成AIで手順書からアプリを作る機能も持っています。Cogniteは、設備・時系列・文書などの産業データをナレッジグラフとして整理する基盤を提供するノルウェーの企業で、2026年にSchneider Electricによる買収が発表されました。
両社は連携ソリューションを提供しており、Tulipの現場アプリで集めたデータと、Cogniteで整理した設備・工程のデータを組み合わせ、AIで使える状態に整えることを打ち出しています。
Cogniteのパートナーページは、この連携の成果として、不良70%削減、生産能力40〜45%増、支援スタッフの時間50%削減を掲げています。ただし、顧客名、業種、期間、比較の基準は示されていません。数値は第三者が検証したものではなく、ベンダーの主張です。
現場の記録をデジタル化し、設備データと結び付けてからAIを使うという順序は理にかなっていますが、成果の数値を自社の判断材料にするには条件の開示が必要です。
この事例から読み取れること
- 当サイトの見方では、顧客名と条件のない成果値は、効果の根拠ではなくテーマ選定の参考にとどめるべきである
- 現場の記録をデジタル化してから設備データと結び付けるという順序は、生成AIを工場データに載せる前段として妥当である
- 自社で検討する場合は、小規模な試行で不良率や作業時間を自ら測って確認することが前提になる
本ページは企業・提供元が公開した情報にもとづき、費用負担を受けずに作成しています。成果の数字は発表時点のもので、当サイトによる検証値ではありません。
