株式会社高志インテック

使用可能ツール・システム

高志インテックは、生成AI・画像解析・映像解析・エッジAIなどのAI技術を活用した業務改善／省力化・省人化について、課題整理からPoC（概念実証）、本番導入、運用定着、全社展開まで一貫して支援します。既存の業務システムとの連携や、現場で継続利用される運用設計まで含め、「使われる仕組み」として実装することを重視しています。 また、AIに限らず各種業務パッケージの導入・運用支援にも対応しています。 ・AI類似図面検索システム 　高志インテックのAI類似図面検索システムは、図面に含まれる形状からAIが学習した特徴を抽出し、類似する図面・形状を高速に検索できるシステムです。 形状検索に加え、図面に紐づく属性情報やキーワード検索にも対応しています。シンプルな部品形状に適した「シングル版」と、表題欄・寸法線を含む三面図など複数図形の図面からAIが形状を自動認識し、その形状で検索できる「マルチ版」を用意しており、お客様の業務特性に合わせて選択いただけます。 導入形態は、図面を外部に出さずに運用できるオンプレミス構築と、自社サーバー構築が不要なクラウド構築の両方に対応。 さらに、他システム連携など、既存運用に合わせたカスタマイズも可能です。 ・生成AI(LLM) 高志インテックでは、生成AI（LLM）を活用した業務支援にも対応しています。 文章要約・作成、FAQ／問い合わせ対応の自動化、社内ナレッジ検索、議事録作成など、用途に合わせた活用方法をご提案します。セキュリティや情報管理に配慮し、既存業務・システムとの連携も含めて導入から運用まで支援します。 ・Salesforce CRM／SFAプラットフォームであるSalesforceを活用した業務支援に対応しています。 顧客情報や商談・案件管理の一元化をはじめ、問い合わせ管理、レポート／ダッシュボードによる可視化、業務フローに合わせた設定・改善まで、運用を見据えてご提案します。既存システムとの連携やデータ移行のご相談も可能です。 ・mitoco 　コミュニケーションを活性化し、業務の生産性を高めるクラウドベースのグループウェアです。 全社への周知連絡、スケジュール共有、社内申請、資料管理などを一元化し、日々の業務をスムーズにします。Salesforce基盤を利用しているため、短期間で導入でき、権限管理や監査性も含めてセキュアに運用できる点も特長です。 　高志インテックではさらに、mitocoを単なるグループウェアとしてではなく、mitoco＋SkyVisualEditorによる基幹システム周辺ツールの開発基盤として活用するご提案も行っています。部門ごとに作られてきた業務ツール（Microsoft Access等）をクラウドへ置き換えることで、端末依存や属人化を抑え、保守・改修を継続しやすい運用を実現します。データと画面をクラウドに集約できるため、拠点・在宅を問わず同じ環境で利用でき、リモートワークでも業務を止めない体制づくりにつながります。

支援実績

高志インテックでは、製造業を中心にさまざまな業種のお客様に対し、業務改善・省力化／省人化の支援を行ってきました。
近年はAI導入にも注力し、課題整理からPoC（概念実証）、本番導入、運用定着まで一貫して対応しています。
主な支援実績は以下のとおりです。


1）AIで設計資産を最大限に活用：AI類似図面検索システム導入（設計DX）

■対象：製造業（設計部門）
■背景・課題
過去図面が大量に蓄積されている一方で、ファイル名や管理ルールが統一されず検索に時間がかかり、「似た形状の図面があるはずだが見つからない」状態が発生。結果として類似部品を一から設計してしまい、設計工数増大や標準化の遅れにつながっていた。
■取り組み・技術
登録図面をAIが解析し、形状の特徴量を自動学習・データ化。ユーザーが指定した形状から類似図面を高速検索できる仕組みを構築。部品情報・仕様・管理番号等の属性検索にも対応し、複数の切り口で目的図面にアクセス可能とした。図面ファイルの自動取り込み機能や、PDM等の既存システム連携にも対応し、現場運用に合わせてカスタマイズ。
■導入効果
過去図面探索時間を大幅に削減し、流用設計・標準部品活用を促進。設計工数の削減、設計品質の平準化、属人化の解消に寄与。既存システム連携により、特別な運用負荷を増やさず安定した図面管理・検索環境を実現。


2）生成AI×図面解析による購買（調達）業務の高度化（PoC～段階導入）
対象：製造業（購買/調達部門）

■背景・課題
設計図面から材質・加工方法・板厚・公差・精度等を読み取り、発注先を選定する業務が熟練者の経験に依存し、属人化・業務集中・育成負荷が課題。

■取り組み・技術
生成AIを活用し、図面内の文字情報・図形情報を解析して、調達判断に必要な項目（材質、加工方法、板厚、公差、精度等）を自動抽出・判別する仕組みを検証。図面データ数百枚で学習・評価を行い、PoC段階で約80％程度の認識精度を確認。まずは購買部門の１部門へ適用し、業務適合性を検証。

■導入効果／今後
図面読解負荷の軽減と初期判断の支援により、経験の浅い担当者でも一定水準の判断が可能となる見通しを確認。今後は全購買部門へ展開し、サプライヤー選定補助、見積回答の妥当性確認（条件齟齬の検知等）へ適用拡大予定。さらにAI類似図面検索と連動し、設計～購買を横断して効率化する構想。


3）AI×画像解析で石灰炉の原料投入を自動化（24時間稼働設備の省人化・品質均一化／本番導入）
■対象：製造業（プロセス設備）
■背景・課題
24時間365日稼働する重要設備において、炉内の原料量を適切に保つことが品質維持の鍵。導入前は作業員が現場で目視確認し経験や勘で原料投入しており、長時間監視による負荷、判断差による品質ばらつき、属人化による安定運用不安が課題。

■取り組み・技術
石灰炉周辺に設置した複数カメラ映像をAIで解析し、炉内原料量を自動判定する監視システムを開発。判定結果をPLCと連携して投入装置へ直接送信し、人の判断を介さず一定基準に基づく投入制御を実現。既設設備を活かした実運用に即した自動化を構築。

■導入効果
常時監視が必要だった現場作業の負担を大幅に軽減。原料投入のばらつきを抑え稼働状態が安定し、製品品質の均一化と設備運用の信頼性向上を両立。AIによる24時間自動監視により、省人化と品質向上を同時に実現。


4）AI画像解析で繊維径測定を自動化（品質管理の省人化・標準化／PoC）
■対象：製造業（品質管理）
■背景・課題
電子顕微鏡の拡大画像をもとに担当者が目視で繊維径を測定しており、専門性が必要で作業負荷が高い。担当者ごとの判断差により測定結果のばらつきも発生し、人手不足を見据えた安定運用が課題。

■取り組み・技術
顕微鏡画像内の繊維をAIが自動認識・抽出し、定義ルールに基づいて繊維径を自動測定する仕組みを構築。AIモデル検証を重ね、一定精度で安定した測定結果が得られることを確認し、適用可能性を評価。

■導入効果
測定作業にかかる人手・時間の削減可能性を確認し、担当者負荷軽減に寄与。測定ロジックのシステム化により判断ばらつきを解消し、品質評価の安定化・標準化に寄与。


5）AI映像解析で人流・交通量・駐車状況を可視化（都市・施設運営のリアルタイム監視基盤／実用化・継続運用）

■対象：自治体・施設運営等
■背景・課題
人流や交通量、駐車状況の把握は安全管理や運営改善に直結するが、従来は目視確認や現地調査が中心で、人手と時間がかかる／リアルタイム把握が難しい／エリア全体を継続監視できないことが課題。
■取り組み・技術
既存カメラ映像を活用したAI映像解析システムを構築。人物・車両検出、人流カウント、交通量計測、駐車エリア指定による駐車台数算出、指定区域内の駐車違反検出を実装し、解析結果をリアルタイムで可視化。実証に留まらず実運用として継続利用。

■導入効果
自動監視により常時把握できる環境を実現し、確認作業の省人化と負荷軽減に寄与。混雑や違反兆候のリアルタイム把握、データに基づく運営・対策判断を可能とし、運営効率化と安全性向上を支える基盤として活用。


6）AIによる本人確認書類判定でeKYC業務を高度化（不正検知・省人化）
■対象：金融機関・オンラインサービス等（eKYC）
■背景・課題
本人確認書類画像の種類判別や、コピー・紙焼き等の不正書類の見極めが人手依存で、担当者負荷増大、判断ばらつき、確認時間の長さが課題。eKYC拡大やマネロン対策の観点でも、厳格かつ効率的な確認プロセスが求められていた。

■取り組み・技術
ユーザーがアップロードした画像をAIが解析し、免許証・マイナンバーカード等の書類種別を自動判定。加えて、コピー紙等の不正書類を検知する仕組みを実装。オプションとして、顔写真付き書類と本人顔画像の照合機能等へ拡張可能な設計。

■導入効果
一次チェック作業を大幅に削減し、省人化と効率化を実現。判断基準の統一によりチェック品質の平準化と不正リスク低減に寄与し、迅速かつ信頼性の高い本人確認プロセスを実現。


7）現場撮影だけで型番判別：CG×エッジAIによるアルミ材識別PoC
■対象：製造業（現場）
■背景・課題
形状が似た製品が多く、目視や資料による型番確認に時間と手間がかかり、作業中断や確認ミスが課題。AI活用にあたり学習用画像データの確保、照明・汚れ等の現場条件への対応がハードル。

■取り組み・技術
iPadで撮影した映像を端末内で解析し、その場で型番を表示するエッジAIを検証（クラウド通信なし）。学習には実写に加え、2D断面図から生成した3Dデータを活用し、光源・汚れ・背景等を再現したCG画像を大量生成して学習データとして使用。処理速度、認識精度、照明条件差の影響を評価。

■導入効果
撮影から短時間で型番表示できる見通しを確認し、照合作業削減・確認ミス低減の可能性を示した。CG画像活用により、実データが限られる条件下でも現場に近い環境で安定識別を目指せる知見を獲得。