デジタルツイン

施設の点検や保守管理は、現場を歩いて設備の状態を確認し、異常があれば対応を判断して指示します。ベテランの経験と勘が頼りの仕事です。その現場業務に、AIをどこまで入れられるか。2026年6月11日、リコーと米Thread AIが協業を発表し、国内リコーグループ内でAIを使った施設管理の社内実践を始めたと明らかにしました。 カメラ・センサー・設備データをつないだAIが施設点検・保守の現場で判断支援と業務実行を担う、リコーとThread AIの協業の構成を示しています。 ⚙️ 国内リコーグループ内で始まる社内実践 リコーと米Thread AIは、ファシリティマネジメント（施設管理）業務の高度化・自動化に向けた協業契約を締結しました。取り組みの対象は外部顧客ではなく、国内リコーグループ内の現場です。 具体的には、施設点検や保守などの現場業務でAIによる状況理解・判断支援・業務実行の自動化・半自動化を検証します。カメラ、センサー、設備データを統合して異常検知や作業最適化を試みるとしています。 今の段階では、読者がすぐ利用できるサービスではありません。リコーが自社の現場で有効性を試し、知見をためる段階です。なお、この取り組みはリコーが2025年9月に参画したシリコンバレー発のイノベーションプラットフォーム「Plug and Play」における活動の一環でもあります。シリコンバレーのネットワークが今回の技術パートナー発掘につながった、という流れなんですよね。 🔧 AIオーケストレーション・デジタルツイン・マルチモーダルAIとは このニュースには、普段聞き慣れない技術用語が3つ登場します。 🤖 AIオーケストレーション（複数のAIをつないで制御する仕組み） AIオーケストレーションとは、複数のAI・データ・業務手順をつないで制御する仕組みのことです。一つのAIに全部任せるのではありません。「カメラ映像を解析するAI」「設備データを判断するAI」「作業指示を生成するAI」などを連携させ、全体をコントロールします。 Thread AIが提供する「Lemma」が、この制御基盤の役割を担います。単純なチャットAIと異なり、複数のAIや業務システムを組み合わせて一つのワークフローとして動かすための基盤です。規制産業や重要業務での運用を想定し、制御・ガバナンス・信頼性を重視した設計とされています。 どのAIに何を任せて、どこで人間が確認するかを管理する「指揮系統」のような役割と言えば、イメージできますよね。 🏙️ デジタルツイン（現場をデータ上に再現する仕組み） デジタルツインは、現実の設備や現場をデータ上に再現する考え方です。ビルの各設備がどこにあって現在どういう状態かを、リアルタイムでコンピュータ上に映し出す仕組みをイメージしてください。 カメラやセンサーのデータをデジタルツインへ流し込むと、AIが現場の状態をリアルタイムで把握できる条件が整います。現場に足を運ばなくても、データを確認すれば状態がわかる。この点がデジタルツインの利点なんです。 今回は、リコーのデジタルツイン技術とThread AIのAIオーケストレーションを組み合わせます。現場に足を運ぶ回数が減れば、限られた人員で複数拠点を見られる可能性が広がります。 📸 マルチモーダルAI（複数の種類のデータを扱うAI） マルチモーダルAIとは、画像・センサー情報・テキストなど複数の種類のデータを扱うAIのことです。施設管理の現場では、カメラ映像・温度センサー・振動データ・点検記録が同時に存在するため、これらをまとめて処理できるAIが求められます。 今回の実行基盤は、デジタルツイン・マルチモーダルAI・ワークフローオーケストレーションの3つを統合した構成を目指しています。三つの技術を一つの業務基盤として動かすことで、「現場の状態を把握する」「判断を下す」「作業指示を出す」という一連の流れをAIが支援する形を想定しています。データを集めるだけでなく、判断と実行の指示まで担う設計という点が、これまでの施設管理ツールとは異なります。 🏢 施設管理・総務・工場現場に、何が変わりうるか 期待される変化は、大きく言えば一つです。AIの役割を「分析して報告する」から「判断を支援して実行する」方向へ広げることです。 人手不足が続く現場では、熟練者がいないと異常に気づけない、という状況が生じることがあります。カメラやセンサーを設置しても、そのデータを確認して優先順位をつける判断を誰かが担う必要があります。AIが「この設備の数値が閾値を超えたため、今週中に点検が必要」と判断・提示できるようになれば、その属人化が減る可能性があります。 公式発表の中に「AIの役割を分析から実行へ拡張する」という表現があります。これまでのチャット型AI導入では、AIが「答えを出す」役割を担い、実行の指示は人間が決める構造が多かったです。AIが作業指示まで生成して支援する方向は、AI活用の幅が一段階広がるサインとわたしは見ています。 どこまでAIが自動判断し、どこから人間が確認するかの境界が重要です。誤判断があった場合の責任の所在と、是正にかかるコストがそこで変わってくるからです。今回の社内実践では、まさにその境界を探ることが目的の一つと考えられます。 リコーが公式に挙げている期待効果は、現場状況のリアルタイム可視化、迅速な意思決定、異常検知・対応の高度化、属人化の排除、業務標準化などです。これらはどれも、人が判断する前段階をAIが肩代わりする話です。実際にどこまで機能するかは、今後の実践報告を待つことになります。 ❓ 実証中の段階で見えていないことと、担当者が見る点 発表では公開されていない情報もあります。社内実践の対象となる施設の規模、検証期間の目安、将来的な外部提供の有無は、今回の発表では明らかにされていません。 デジタルツインを活用した現場AIの国内事例と合わせて見ると、同種の取り組みが複数の国内大手で同時進行していることがわかります。一社単独の動きではなく、業界全体の方向として見るのが正確です。 施設管理・工場運営・総務の担当者にとっては、社内実践の成果報告が次の材料になります。自社で導入を検討するとき、設備データの種類、人の確認範囲、外部提供の条件を見比べられるからです。 🔎 参考 リコーグループ 企業・IR - リコーとThread AI、AIオーケストレーションによる価値共創を開始（https://jp.ricoh.com/release/2026/0611_1） Digital PR Platform - リコーとThread AI、AIオーケストレーションによる価値共創を開始（https://digitalpr.jp/r/136635） Thread AI - 公式サイト（https://www.threadai.com/）

道路の点検や橋の補修計画を、現地に行かずに3Dデータで確認できたら。そんな話が、日本のインフラ現場では数年前から出ていました。技術的には可能でも、データが重すぎて一般的なパソコンやタブレットでは開けない。それがずっと壁になっていたのです。 NECが2026年5月11日に発表した技術は、その壁に正面からぶつかるものです。 独自のAIと「ガウシアン・スプラッティング」という3D表示技術を組み合わせ、大容量の3D点群データを90%以上削減する変換技術を開発したと発表しました。まだ商用提供は始まっていません。2027年度中の実用化を目指す段階ですが、インフラ点検の現場にとって何が変わりうるかは、今の時点で考えておく意味があります。 🏗️ 4.4GBが0.3GBになる意味 NECが発表した数字は具体的です。 4.4GBの3D点群データを0.3GBに変換できると説明しています。元の容量比で約93%の削減です。数字だけ見ても実感がわかないかもしれませんが、4.4GBというのはフルHD動画で40分以上に相当するデータ量です。それが動画1〜2分分程度のファイルサイズまで圧縮されるイメージです。 3D点群データとは、レーザー測定などで建物や道路・橋などの構造物を多数の点として記録した立体データのことです。現実空間を精密に再現できますが、広い範囲を高精度で記録すると容量は際限なく膨らみます。従来は高性能な専用機器や専用サーバーがないと扱えず、それがデジタルツイン（現実の設備を3Dデータで再現し、パソコン上で管理・確認できる仕組み）の現場導入を難しくしていました。 0.3GBまで小さくなれば、タブレットや一般的なPCでリアルタイムに表示できるとNECは説明しています。軽くなるだけでなく、ボルトなど細かな構造の凹凸も表現できる精細さを維持しているのが技術の核心だといいます。点検現場でボルトやひび割れのような細部まで確認できるかどうかが、この技術の評価の基準になります。 🔬 AIが「現場写真の撮り直し」を省く仕組み この変換技術で見ておきたいのが、入力データの部分です。ここに、現場へ持ち込むときのコストに直結する判断が隠れているからです。 通常、ガウシアン・スプラッティングという3D表示技術を動かすには、現場で多方向から大量の写真を撮影する必要があります。3D空間を「小さなぼんやりした点の集まり」として表現し、それらを重ね合わせることで自然な立体映像を作る技術ですが、そのためのデータを現場で新たに収集しなければならない。この撮影工程が従来の手間でした。 NECが開発したのは、この撮影工程をAIで代替する仕組みです。既存の3D点群データから、ガウシアン・スプラッティングに必要な視点のシミュレーション画像をAIが自動生成します。つまり、すでに点群データを持っているインフラ事業者であれば、現場に行って撮り直す作業なしに、手元のデータをそのまま変換できるというわけです。 点群データを持っているインフラ事業者なら既存の資産をそのまま入力として使えるという設計は、実際の導入判断に響く部分です。自治体や道路管理事業者が過去にレーザー測定で蓄積してきたデータが、そのまま活用できる入り口になる可能性があります。 🏛️ 自治体と現場担当者にとっての話 NECが想定する対象顧客は、自治体、エネルギー業界、高速道路事業者などのインフラ事業者です。 日本では橋や道路、設備の老朽化が進んでおり、点検の必要件数は増え続けています。一方で、現場に足を運べる人員には限りがあります。デジタルツインはこの状況への一つの答えとして注目されてきましたが、重いデータを使いこなすには専門的な環境が必要で、小規模な自治体では機材費やサーバー費が導入の壁になっていました。 一般的なタブレットで3Dデータをリアルタイムに表示できるようになれば、現場と離れた場所にいる担当者がデータを見ながら遠隔で指示を出す場面が増えてきます。自治体の担当者と工事事業者が同じ3D画面を共有しながら補修の優先順位を確認したり、住民説明会でプロジェクターに投映したりする使い方も出てきます。 NECは「点検・計測業務のリモート化、問題の早期発見、遠隔判断、関係者間の合意形成を支援できる」と説明しています。移動コストの削減だけでなく、同じ3D画面を見ながら判断できることが大きい。現場、自治体、工事会社の認識合わせに使えるなら、点検後の会議や説明の時間も変わります。 📅 2027年度中の実用化、今は動向を追う段階 この技術は現時点で購入・導入できるサービスではありません。NECは2027年度中の実用化を目指すとしており、今は技術発表の段階です。2027年度というのは、2027年4月から2028年3月までの期間です。今から1年半〜2年後を目安に商用化を進めていくということになります。 実用化に向けては、まだわからない点もあります。変換後のデータ品質が実際の点検業務の基準を満たすかどうかは、フィールドでの検証が積み重なっていく部分です。自治体調達への対応や、既存の点検業務システムとの連携の作り方も、これから詰めていく話です。 インフラ点検に関わる仕事をされている方にとっては、現場データを軽く扱う技術がどこまで進むかを追う段階です。AI活用というと対話型のサービスが目立ちますが、現場データを軽く整える技術開発も着実に進んでいます。 参考 NEC「NEC、独自AIを用いて、大容量3D点群データを軽量で高精細な3Dデータに変換する技術を世界で初めて開発」（https://jpn.nec.com/press/202605/20260511_01.html） MONOist「NECが独自AIを活用した「軽量」の変換技術を開発　3D点群データを90％軽量化」（https://monoist.itmedia.co.jp/mn/articles/2605/12/news045.html）