　その中の1つである原料情報検索エージェントは、コスト情報データベース、配合データベース、互換情報データベース、化学物質調査データベースを参照し、原料情報の検索や商品仕様書情報検索タスクに対応する。コスト情報データベース、配合データベース、互換情報データベース、化学物質調査データベースは2026年度に完成予定だ。同エージェントは現在、一般工業用塗料分野でトライアルを行っている。

　津島氏は「原料情報検索エージェントを使えば、『今安価で安定的に入手できる代替原料は何か？』『それに置換した場合のコスト削減効果はいくらか？』を即座に計算できる。さらに画期的なのは、ただコストを弾き出すだけでなく、技術情報検索エージェントと連携し、『その原料に変更した場合に生じ得る技術的リスク』もAIが同時に提示してくれる。2026年からトライアルを開始し、間もなく正式なローンチを迎える予定だ」と効果を示す。

最終目標は自律型AIによる業務プロセスの完全自動化

　NP Assistantの利用者数は、運用を開始した2023年10月から約2年半が経過した2026年2月までに約8倍になっており増加傾向にある。

「NP Assistant」の利用者数／利用回数の推移（2023年10月を1としたとき）［クリックで拡大］出所：日本ペイントホールディングス

　一方、日本ペイントグループはNP Assistantの最終的な目標として「自律型AIによる業務プロセスの完全自動化」を掲げている。

　丸山氏は「現在のNP Assistantで採用しているWebブラウザベースのユーザーインタフェースを介した検索は、結局のところ『人間がAIに質問する』というプロセスが介在している。このプロセスの自動化を目指す。例えば、顧客から深夜にトラブルの問い合わせメールが届いた際、AIが自動的に対象のRAG型検索ツールを参照し、過去の事例から適切な対応策を導き出して返信の下書きを作成するような環境を構築したい。ロボットによる物理的な自動化まではいかずとも、間接部門的な問い合わせ対応や情報処理において、『AIが自動で判断して情報を届けてくれる世界』はそう遠くはない」と展望を明かした。

　加えて、「生成AI特有のハルシネーション問題については、現在もガイドラインの整備とフィードバックを通じた辞書のアップデートで精度を上げ続けている。今後も進化し続ける基盤モデルに遅れることなく、技術伝承と業務効率化の最前線を切り開いていきたい」と付け加えた。

⇒その他の「マテリアルズインフォマティクス最前線」の記事はこちら

10万原子のシミュレーションを1週間で、富士通MI技術の「異次元の高速化」
本連載ではマテリアルズインフォマティクスに関する最新の取り組みを取り上げる。第7回は、全固体電池界面などの構造解析を高速、高精度で予測できる分子動力学シミュレーション技術「GeNNIP4MD」の開発背景や特徴、今後の展開について聞いた。
MI-6のソリューション　素材開発工数「4分の1」と期間を「10年から半年」に
本連載ではマテリアルズインフォマティクスに関する最新の取り組みを取り上げる。第6回は、MIやロボティクス技術などを応用したサービスとソフトウェアの研究、開発、提供を行うMI-6の取り組みを紹介する。
MIの船出を後押しするデクセリアルズの伴走手法とは？
本連載ではマテリアルズインフォマティクスに関する最新の取り組みを取り上げる。第5回は、光学材料部品事業や電子材料部品事業を展開するデクセリアルズの取り組みを紹介する。
JSRや出光はマテリアルズインフォマティクスのプロ人材をどのように育成したのか
本連載ではマテリアルズインフォマティクスに関する最新の取り組みを取り上げる。第4回は、国内化学メーカー向けにマテリアルズインフォマティクスのコンサルティング実績を積み重ねてきたEnthoughtを紹介する。
スーパーコンピュータを活用した新規塗材探索手法を開発、塗材開発を高速化
東京大学は、日本ペイント・インダストリアルコーティングスとの共同研究により、スーパーコンピュータを活用した新規塗材探索手法の開発に成功した。実用的な塗材開発の高速化に役立つことが期待される。