キャディの事業と4レイヤー構想
Product AI Talks。この番組は、ITスタートアップで事業づくり、プロダクトづくりに取り組まれている 経営層の方をゲストにお招きし、
昨今のAI対等も踏まえた、AI時代のプロダクト戦略を深掘りする番組です。
今回は、10月8日木曜日開催予定のプロダクトAIコンフにもご登壇いただく、 キャディ株式会社上級執行役員CPO、白井洋介さんをお迎えします。
イベントにご関心のある方は、ぜひ概要欄の申し込みリンクからご応募ください。
キャディは8月上旬、製造業AIデータプラットフォームキャディとして、 プロダクトの大きな刷新を発表しました。
図面を中心に据えてきたこれまでの形から、より多様なデータを扱うデータ基盤と、 そのデータに身付けをするセマンティックレイヤーを切り分け、
その上にエージェントや業務特化のアプリケーションを載せる4層の構造へ。
なぜ今、作り直しに踏み切ったのか。 その背景にあるAI時代のデータとプロダクトの見立てを伺いました。
コストは私、Globis Capital Partnersプリンシパルの工藤真由と、 TechTouch CFO兼CPO、中田雅也さんでお届けします。
本日はキャディ上級執行役員CPO、白井洋介さんをお招きしてお届けします。 白井さんよろしくお願いいたします。
よろしくお願いします。
ではまず簡単に白井さんの自己紹介とキャディの事業紹介というところをお願いできますでしょうか。
はい、改めまして白井と申します。 私はキャディ株式会社で、今CPOとして、いわゆるプロダクトマネジメントとかプロダクトマーケティングマネジメントとかの全般をマネジメントしています。
キャディという会社は製造業の業界特化でお客様向けに、今は製造業AIデータプラットフォームというプロダクトを提供して展開しているという会社になっています。
ありがとうございます。白井さんはご入社はどのタイミングで入社されたんですか?
私が入社したのは2019年の6月頃なので、7年ちょっとぐらい前になります。
今日は色々お話を伺えたらなと思うんですけれど、是非メインで伺いたいところというのが、先日8月6日に発表された製造業AIデータプラットフォームキャディという形で、新しくプロダクトの構想ですとか刷新の発表されていたかと思っております。
まず前編ではこちらのお話を中心に、どういう風にAI時代を取られてプロダクト戦略を考えられているのかとか、今後のGoToマーケットどういう風にやられようとしているのかみたいなところからお伺いできればなと思うんですが、
まずはしらいさん、この製造業AIデータプラットフォームキャディという形で、改めて今回発表されたというところですが、これまでと何が異なっていくのかですとか、4レイヤーの構想などのお話もありましたが、それぞれどういったレイヤーを意味していて、その全体としてどういったプロダクトの形にしていこうとしているのか、まずはこの辺りからお話を伺えますか。
はい、このAIデータプラットフォームといっているものは、主に4レイヤーを区切って分解してまして、一番下からデータレイヤーというのがあって、そこは基本的にはデータを保存しておいたり、データを解析するみたいなことになるデータレイヤーというのがあって、その上にセマンティックレイヤーというデータの繋がりとかデータの意味付けを定義するレイヤーがありますので、このセマンティックレイヤーとデータレイヤーというのをレイヤーの言い方でいうとその2つに分けているんですけど、
それを統合してプロダクトのコンポーネントとしてはデータファブリックというコンポーネントとして我々は呼んでいて、その上にいくつかのアプリケーションが載っています。アプリケーションを2つに分解していて、1つはディスカバリーアンドエージェントといっているもの、もう1つがワークフロープロダクトといっているものに分かれています。
ディスカバリーアンドエージェントといっているものは製造業もいろんな業務があります。典型的には開発設計とか調達とか製造とか販売とかアフターサービスというふうな業務があります。ワークフロープロダクトといっているのは、例えば我々が提供しているもので言うとデザインレビューというアプリケーションだと基本的には設計向けのものであって、クオートというプロダクトだと調達の業務向けみたいなこの特定のプロセス、特定のワークフローに特化をしたアプリケーションを提供しています。
一方でディスカバリーアンドエージェントといっているプロダクト面としてはキャリーエクスプローラーというものとキャリーエージェントというものがあるんですけど、っていうのはもう少し汎用的な特定の部門で使うだけではなくて、例えばスラックとかTeamsとかExcelとかZoomとかみたいなワークフローに特化をしているというよりかはもうちょっとジェネリックなプロダクトアプリケーションのことをそう呼んでいます。
なのでレイヤーとしてはデータレイヤー、セマンティックレイヤー、ディスカバリーアンドエージェントレイヤー、ワークフローレイヤーというレイヤリングがあって、それぞれに対応するアプリケーションに対しデータ基盤というのがあるというふうな作りになっていて、基本的にはデータ基盤の上に乗っているプロダクトでデータが生まれたりとか、それがデータ基盤に入っているデータを使うことによってより良い示唆を出したりとかすると。
一方でこのワークフローのプロダクトとかを使っていると、使っている中が新しいデータが生まれるので、それをデータ基盤に返すみたいな感じで、データの入り口と出口みたいなことをいろんなワークフローだったりのプロダクトがデータ基盤というものを通じてデータが蓄積されたりそれを引き出して使ったりみたいなことが回るというふうな、そういう構造になっているというふうなものになっています。
ありがとうございます。
図面中心から汎用的なデータ基盤へ
ちなみに私の理解ですと、過去のプロダクトも基本的には図面というものを中心にしていたかなと思いつつ、その図面を中心としたデータっていうところをしっかりとキャディに格納して見積もりだったりみたいなところをアプリケーション展開していくっていう、その全体像はあったのかなと思いつつ、改めて今回のプロダクトサッシング、何で踏み切ったのかですとか、これまでと何が一番変わっているのかっていうと、どんな感じですか?
製造業も過去30年ぐらいの中でいろんなシステム化が進んできているので、かつては本当に紙とかアナログな空間にしかなかったものがちゃんとデータで溜まるものが増えてきていますと。もともとドロワーというプロダクトやってたときも、そういったデータとしては溜まっているんだけれども、これが活用されているかっていうと溜まっているだけになっているよねっていうものを使えるようにするっていうコンセプトはありましたと。
その中で図面というデータは一つ象徴的なデータでもあって、象徴的っていうのは基本的にはそのデータの重要性っていう意味とデータを扱うことの難しさの2つの意味で象徴的だったんですけど、その2つっていうのはデータの重要性という意味で言うと製造業は基本的にはバリューチェーンの部門が分かれることが多いですと。
開発を設計をして部品を買ってくる調達っていう部門があったり、それを組み立てたりする製造があったり、販売するとかアフターサービスっていうのがあって、基本的にはちょっと違う専門性とかがあるので、いろんな組織の切り方があるんですけど、製造業のほとんどの会社は専門性で業種化するみたいな部門の作りになっていますと。
その中で図面っていうのは部品をどういう風に作るかとかっていう設計図なんですけど、っていうデータっていうのは、例えば開発設計ではこういう風に設計するとか、調達するときにはそれをどこのサプライヤーにいくらで発注したかみたいなことだったりとか、製造をするときにはその部品ないし製品を作るときにどういう工程で作ったかとか、どういう例えば不適合があったかとかっていういろんなデータが紐づいていくので、このバリューチェーンで基本的にはデータがサイロになりやすいんだけれども、
それを渡り歩きながら、部品とか図面とかっていうデータに周りのいろんなデータがくっついていきながら流れるっていう構造がありますと。なので、いろんなデータが紐づくコアになるという意味でいうと、非常に重要性が高いデータですと。
一方で、特に図面とかあるいはCADみたいなデータっていうのは、いわゆる非構造データって言われるデータで、表データとかテキストデータみたいになかなかそれだけでは使いにくかったりするっていうのが元々あったので、
例えば図面の場合は結構PDFとかになっていることが多いですけど、ある会社さんは過去の図面とか全部集めてくると20万枚ぐらいのPDFがありますみたいな。
それっていうのは写真がもう20万枚あるのとほぼ一緒なので、ああいう図面あったなって言っても、探すのにそういう中から探すってかつては難しかったっていうのがあるので、扱う困難性が高いっていう意味で特徴があったと。
という意味で、重要性が高いから活用するポテンシャルがあるんだけど、一方で技術的なギャップもちょっと遠いみたいなことがあったので、割とその図面っていうのは我々的には最初に目に入ってきやすかったです。
DRAWERっていうのは、例えばそれを検索可能にしたり、それを活用可能にしたりみたいなことをする構造的なデータである図面とか、それに紐づくデータを活用可能にするようなプラットフォームとして提供し始めて、
それが見つけられた後、検索できた後には先ほどの話と一緒で、それぞれの業務のプロセスで使いたいことがあるよねっていう形で、その上にワークフロー系のアプリケーションを載せるみたいな構造だったんですけど、
AIで進んだプロダクト再設計
今回のアップデートで大きく違う点は2つあって、1つはとはいえ結構我々のプロダクトが図面とか特定のドメインのデータ、特定のオブジェクトのデータに割とハードコードされた作りっていうのがある程度あったんですけど、
実際にはそれ以外にも活用可能なデータが非常にたくさんあったりとか、あるいはそういうデータをどういう構造で扱いたいかっていうのがかなり会社によって違うっていうのがあったので、
その柔軟性を上げる、より汎用性を上げるっていうことをやりました。
その結果としてデータレイヤーとセマンティックレイヤーっていうのを切り離して、もともとのデータがどこからどう入ってくるかとかどう解析するかっていうことと、
そのデータをどういうふうに繋がりを整理したりとか、それをどういうふうに検索可能にしたりだったりとかっていうことを定義するレイヤーを切り離して、
作った後にマッピングをするみたいな感じで、ここのアジリティを上げるみたいなことをやってるっていうのが今回のアップデートの大きいところの一個ですと。
もう一個は単純にカバーするワークフローの種類っていうのを大幅に増やしたっていうのがもう一つの点ですね。
この二つが結構大きいアップデートかなというところで、データを保存してあるところから業務で活用できるようにするっていうこの線を繋いでいるっていう意味で言うと、
ある意味同じことをやってるんですけど、ここの線のフレキシビリティとかカバーできる幅みたいなところを中のアーキテクチャをガラッと変えるっていうことと一緒にやったっていう形になってます。
これはいつぐらいから仕込んでたんですか、そのリファクターは。
だいたい議論し始めたのが1、2月ぐらいですかね。
でも早いですね。そこから半年ぐらいで。
じゃあもう結構そういうふうになっていくよね。もともとマルチプロダクトも構想してたんで、そこそこアーキテクチャとしてはガッチャガチャにというわけじゃないってそこそこ見越して作られてたからって感じなんですかね。
いやっていうよりはガラポンで結構作っているんですけど、結構そういうものを短いスパンで作ることがAIによって現実味もより上がったので、じゃあやっちゃうかみたいな感じで。
なるほどなるほど。
変化自体は結構大きい変化をしてた。
暗黙知の取り込みと導入体制
ちなみにこれ結構製造業ってさっき紙でとかPDFでみたいな話もありましたけど、リリースの中でも8割が人の頭の中に眠る暗黙地の業界ですみたいな記載もあったかと思っていて、
この暗黙地を取りに行くみたいなところって、そもそもオンボーディングとか導入開始のタイミングでFD的なものも含めて導入時の人が取りに行くようなものもあれば、ワークフローでやったものをデータに返していくんですみたいなところも話があったと思うので、
プロダクトの利用によって蓄積されていくものとかもあると思うんですけど、データレイヤーおよびそこのEMIみたいなセマンティックレイヤーの作り方だったり、どう設計してるのか全体の流れをっていうところってどんな感じですか?
例えば一つはこのセマンティックレイヤーでどういうセマンティックを組みたいですかっていうことだったり、そのセマンティックレイヤーにデータをマッピングするためにその1個後ろにあるデータレイヤーではどういうデータを入れておいて、あるいはどういう解析をしてどういうデータを作り出しておくかみたいなことだったり、
その上にこの会社でいうとこのワークフローのアプリケーションを使ってそこで発生するデータをこういうふうにマッピングしてデータレイヤーにまた入れてみたいなことをするっていうのは基本的にはテナントごとに定義できるようになってます。
なので、例えばワークフロープロダクトはこれはプロセスレビューであるとかこれはデザインレビューであるとかっていうことは決まっているんですけど、そこで生まれたデータをどういうふうにマッピングするかとか、あるいは我々のワークフローのアプリケーションで出てこないお客さんが既に使っているERP上のデータとか、
結局エクセルで手元であるようなデータでもいいんですけど、それをどう統合するかっていうのはある意味テナントごとに設計できるようになってます。
なのでちょっと一概に言えないというか、ある意味その柔軟性を作っているみたいなところがあります。
これってまさに肝になるところって、ここら辺ってコンソールというかSIというかMFDなのか言葉なんでもいいんですけど、の領域じゃないですか。
結局、手技で良くしていかないとめちゃくちゃ人が必要なコンソール業になっちゃうしとかっていう悩みを抱えてるなと思っていて、各社各業だとは思ってるんですけど、その暗黙値であったりセマンティックレイヤーのところをお客様が納得するアウトプットが出るまで構築してみたり理解をしてみたりって大体標準的にどれぐらいの人欠かかるもんなんですか。
最初にどれぐらいのスコープでやるかっていうのをどれぐらい欲張るかっていう話がまずあって、結局セマンティックレイヤーをどんどん拡張していくことができるので、最初に小さくある程度始めるとか、あるいは他社でこういうやり方をすると割とサクセスしやすい見えてるものを移植してやるだけであれば、
大体2、3週間ぐらい。これはちょっとお客様がそれぐらいのデータをバコって出せるっていう前提があったりするんですけど、大体2、3週間ぐらいでその環境を作ることができるかなと思っていて、そこからそういうユースケースを現場の方々にちゃんと定着をして普段使いになっていくみたいなところは、大体3ヶ月から半年ぐらい。これちょっとやっぱり会社によって進みが結構いろいろあるっていうイメージですね。
なるほど。でも早いですね。その2週間ぐらいでセマンティックなところをボンと作れるっていうのは。
そうですね。ある程度、例えばドロワーでやってたのに近い領域とかだと、大体こういうモデリングをした方がいいよねとか、そうするとこういうユースケースにこうやってバコってはめられるよねみたいなことっていうのは、我々が割とよく分かっているところもあったりするので、そうすると逆に言うとたくさんあるけれども、例えば図面とかCADを数十万枚とか数十万ファイルあるけどバコって出してもらえれば、大体こういう解析かけて、こういう検索をできるようにして、
例えば設計のこういう場面で検索できたらいいよねとか、こういうワークフロー上でこういうふうに使うといいよねみたいなことっていうのは一定の型があるんですよねっていうところは割と早いかなっていうようなイメージですね。
なるほど。
これちなみにここまでのデータの持ち方だったりセマンティックの作り方だったりみたいな話を聞いていると、結構そのパランティアの構造みたいなところと近しいものもあるのかなと勝手に思ったりしたんですが、そのあたり意識しているプレイヤーだったりベンチマークにしているプレイヤーとかっていらっしゃったりするんですか?
そうですね。実際にそこら辺を参考にするとか勉強するみたいなことっていうのはもちろんあって、例えばパランティアもそうですし、データブリックスとかスノーフレークとか近しいところがどうしているのかなっていうのを参考にしたりすることっていうことは実際にありますね。
あとちなみにさっきのセマンティックの構築だったり、データを取りに行く、作りに行くみたいなところも含めてっていうのは、実際どういう体制でやられてるんですかね?
基本的にはマーケISみたいなところがあって、その後にフィールドセールスがあって、受注した後、カスタマーサクセスとソリューションアーキテクトっていうチームがあるんですけど、その2つの合同でやるみたいな。
つまり受注した後の要件定義をするとか、それに応じてデリバリーをするとか、その後のサクセスを追求するみたいなところは、カスタマーサクセスとソリューションアーキテクトみたいなチームでやっているというのが現状です。
実際結構いわゆるFDEっぽいこととか、現実でやっていることを見るとそれに近くなっている部分もあるので、ここは結構変化をしていってるっていう感じですね。
つまり職能をどうやって分解するかとか、どれくらいハイタッチマンにしてやりに行くかみたいなところは、この1年でもかなり変わったし、次の1年でも結構変わり得るかなというふうに思っています。
顧客ごとに異なるROIとAI活用
ありがとうございます。あと一つのお客様にここまで深く入りに行くっていうところで、想像だと結構その大手の会社さんにも導入されているから、結構単価感とかも高く取られているのかなという気もしつつ、
もともと競合の9割は観光ですみたいな記載もプレスリリースにあった中だと思うんですけれど、お客さんの中ではどのようにROI産出してキャリーのプロダクトを導入とか拡張していってるのかみたいなところってどんな形なんでしょうか。
そうですね。まず大きくROIをどうやって考えるかっていう大きい分岐がありますと、もちろん全く使えてなかったら意味がないんですけど、そもそも例えばSAPを導入するとかっていう時に
ROIを考えますかっていう話があって、そもそもそんなに緻密に考えられるものなのかとか、それを考えながら意思決定するのが良いことなのかっていう考え方の会社さんもいらっしゃいますし、
現実我々は結構そうだと思っているっていうのは、我々のソリューションも結構変化するし、それによってサクセスできるユースケースもどんどん広がっていくし、ある意味では我々に賭けてもらうっていう意思決定をしていただいている会社さんとか、我々がそのようにお話している会社さんもいらっしゃる。
一方でこれは結構会社のカルチャーとして、ROIをきちんと出しながらちょっとずつ広げていきたいみたいな会社さんもいらっしゃいますので、どういう場面で使っていただいているかもありますし、
その会社さんがどうやって計算しているかっていうこともあるので、例えばこれを我々のソリューションを使うことによって設計をこれぐらい標準化できたので、これぐらい新規で部品を作らずに標準の部品を使い回せるようになりましたよねとか言うとすると、
下流でこれぐらい潜在的に発生していたコストがなくなりましたよねみたいなことを計算したりだったりとか、調達のプロセスで今までこれぐらいの価格のぶれみたいなものが発生していたけれども、
これがこれぐらい収束しているので、結構半日仮想と比較してコストを出すって結構難しいので、それが本当にはできないんですけど、仮想的にはこれぐらい原価が下がってますよねだったりとか、
あるいは過去に流出した不適合って、例えば製造で発覚した不適合とかってこれぐらいありますと、これのうち例えば3割ぐらいはこういう単純なチェックリストを必ず毎回通せば防ぐことができますと、
それを実際チェックリストにして自動でレビューするようにして、ある図面をフィックスする前にそれを必ず毎回するようにしましたと、これぐらい検出できているのでこれぐらいの手戻りってのはなくなってますよねということを算出したりとか、こういうものを積み重ねていうかケースバイケースでそれを会話させていただくみたいな、そういうイメージが多いですからね。
実際このAIの流れとかもある中で、製造業のお客様ってどれくらいデータ基盤セマンティックレイヤーの構築だったり、その上にエージェント的なアプリケーションを載せていくみたいなものに対する温度感って何か変化感じたりしますか。
そうですね、結構このアプリケーションを出した時に2つの文脈があって、1つは我々は図面が活用されてないよねとここから始まって、それをまず検索とか活用可能にするっていうところから始まりました。
その後に検索した結果のものを見て、そこから比較をしたりとか自分で意味合いを出して何かアクションをするっていうこのデータが単に保存されているところから何かアクションに繋がるまでのこのバリューチェーンがあった時に、この後半を我々が繋げてなかったよねと。
ここを繋ぎに行く必要が、より活用度を高めるためにあるよねって検索の先みたいな話が元々ありましたと。
なので我々がドローアーとかを始めたのは2021年とかなんですけど、その時になんかチャットGPTも出てないので、なんかそのデータがありますよねとか始まって意味のある示唆とか意味のあるアクションに繋がる線をどれぐらい長く繋げるかっていうコンテクストがあったのが1個。
その過程で途中でいわゆる生成AIが出てきた時に、この生成AIに対して単にデータがたくさんあっても、いわゆるデータの地図みたいなものがないと、どこにどういうデータがあってデータとデータがどういうふうに繋がってるかがわからないと、
AIがすごく賢してもその会社固有のデータ空間からうまくデータを引き出したり、それから推論することができないっていう問題があると思っていて、データを取りに行く側とデータが保存されてるから引き出して引き出した後にどうするかっていう、
この両端から考えた結果、今のアプローチになっていますと、これがあるので結構我々もセマンティックレイヤーみたいなものが地味だけど重要ですよねみたいな訴求があるわけなんですけど、
それがどれぐらい伝わるかは結構長い目で伝えていかなきゃいけないことなのかなと。長い目で伝えるために短期的なある意味わかりやすさっていうこととして、
例えばワークローンのプロダクトでこの場面でこういうふうに使いますみたいなわかりやすい出口と一緒に我々も話していかないといけないかなと思っていて、実際それはある程度の割は実際そういう側面があるんですけど、
一方で結構各社さん、例えばコパイロットとかでエージェントを使ってますと、最初使い始めるとアカウントが手元に配布されて、自分の壁打ちとか調べ事をするレベルでそれを使うことができることがだんだんわかってきて、
もちろんGPTとかのバージョンが上がってきて、どんどん賢くなって使えるケースが増えてきたなみたいな感じになると思います。
その後に手元で壁打ちはできるんだけど、ちゃんと使おうってなるといろんな会社のデータにアクセス可能なようにしてあげないと活用できる幅が少ないよねっていう、
特に当たっている会社さんが増えてきているので、ある意味その方面から確かにこういうものって必要だよねっていうことが伝わる前段階になってきているフェーズの会社さんは思ったより多いなという印象があります。
でもやっぱりそういう長期的な価値訴求とかも含めて一定個社ごとの違いもあるでしょうし、
GTM人材とデータセキュリティ
このGoToマーケットの難易度って結構高そうだなって思ったりはしているんですけど、そのあたりってキャリーではどういう人材の方が売っていってるのかとか、
そこを実現するためにこういう営業体制仕組みを意識しているとか、そのあたりの工夫とかも伺えますか?
根本的には結構何かの側面でのミッション共感みたいなことは重要かなと思っていて、
っていうのはある意味このものづくりの産業に対して、あの手この手で手段を変えながらどういう形が最適か模索できる人たち。
我々もFEDなんて言葉なくてもともと、最近いろんな会社さんがアプローチを変えてきたりしているところもあると思いますし、
あれっていうのは基本的に一昔前のSARSっていうのは個別に何かをやらずによりスタンダライズされたものを提供して、
個社に特有の何かをやるっていうことはそういう誘惑が常にあるけど上手く抗わなきゃいけないものみたいな世界観があったと思うんですけど、
割とそれも変わってるんじゃないかと思っていて、こういう変化が起き続けていくので、ある意味じゃあ自分の職能を極めたいとか、
自分は例えばカスタマーサクセスだからカスタマーサクセスとしての職能を極めたいみたいなものだったりとか、
そういう人っていうよりかはある程度そういう変化が楽しめるだったりとか、製造業に対して価値があるからじゃあこういう訴求の仕方をしたほうがいいとか、
受注した後だったらこういうデリバリーの仕方をしたほうがいいだとか、そういうこと考えられるしそういうことが楽しいと思うみたいな技術の人を我々としては採用していることが多いかなと思っているのが一個と、
あとはスキルセット的にはコンサルっぽい人もいるし、ソフトウェア業界出身の人もいるし、製造業バックグラウンドの人もいるし、
ある程度そのまんべんなく全てを最初から持っている人っていうのはいないので、
ドメイン知識とこのソフトウェアの知識みたいなところとチェンジマネジメントするみたいな職能とかある人っていうのがバックグラウンドがそれぞれあって、それが混ざり合っているみたいなイメージかなと思います。
ありがとうございます。
セマンティックのレイヤーのところってちょっと話戻っちゃうんですけど重要だし、製造業だからとこのデータを渡したくないとか結構ありそうだなとかっていうのを思ったりしてるんですけど、
データウェアハウス自体を持っているんですか、それともスノーフレークとかわかんないですけど、データブリックスとかみたいなところにいろんなデータを吐き出してもらって、
それを御社の方で意味付けして、MCB叩くのか御社の方に持ってくるのかわかんないですけど、どういう構成をとっていると製造業ってそこら辺のハードル下がったりするものなんですか。
データウェアハウス自体は我々が持ってますね。
そうなんですね。
データウェアハウスにある意味古典的なデータハウスにオントップでセマンティックレイヤーっていうのを載せているみたいな感じになってます。
実際どうなんですか、セキュリティとかなんとかとかあんまり行ってこないですか。
言われますね。
そうですよね。
あというのは、ドロワーをやっているとどうしてもユースケースがある意味、もうちょっと具体的な分アプリケーションっぽく見られるんですよね。
一方でやっぱり抽象度を上げて、抽象度が上がるからこそいろんな場面で幅広く使える基盤っぽいものみたいになると、一層ちょっと精査の面は厳しくなりがちなところがあるかなと思います。
なるほどな。
じゃあオンシャルはやっぱり図面っていう秘伝の種みたいのもそもそも会社として預けてるから、そんなにすごくデータは預けれないんだよねとかなんたらなんだよねっていうのはあるものの。
そういう意味では何かのデータを預けますといったときに、最初に結構一番ハードルが高いデータではあるので、データの種類という意味でいうとそのハードルは割と超えているところからスタートしていると思う。
ってことなんですね。
はい。
なるほど。分かりました。
ありがとうございます。
製造業のイノベーションを並列化する
じゃあ前編の最後に、改めて今回のプロダクト刷新も経て、キャリーの目指している物的イノベーションを10倍加速するっていうのを掲げられてると思うんですけれど、
どういう世界観を目指しているのかですとか、10年後の製造業をどう変えていこうとしているのか、変わっていくのかみたいなところの総括みたいなのをしらえさんからいただきたいなと思ったんですが、いかがでしょうか。
そうですね、結局ソフトウェアの世界とかデータの世界における限界みたいなものがすごく早くなくなっていっているので、
何かをデリバリーするとか何かを実用可能にするときには、そのリードタイムっていうのはどこか一部を早くしても、じゃあ次にいわゆるチョークポイントとかリミッティングステップって言われる、ここでリードタイムがかかるよねっていうところに全体が支配されると思っていて、
我々社内で言うとマテリアライゼーションとか言ってるんですけど、例えば飛行機の原理的なものがわかってから、実際にそれが商業用の飛行機だったり、別に商業じゃなくて軍隊でもいいんですけど、
ものになるまでは非常に長い年月がかかっているとか、蒸気機関も発明されてからいわゆる産業革命があって、産業革命の後もいろんなところそれが応用されていって非常に長い時間かかっていますと、
このプロセスをいかに早くするかっていうことを考えていますと、そのためにはいろんな要素があるんですけど、例えばAIによって設計の下書きというか設計案を作ることができても、
実際にやっぱり製造業のいろんな責任を取らなきゃいけないので、いわゆるベリフィケーション、人がちゃんとそれでいいかを確証しなきゃいけない、結局そうすると今も多くの局面でシニアなエンジニアの人がデビューをして、
それでOKって反抗をさなきゃいけないみたいなことがありますと、なのでいかに下書きをたくさん作れたとしてもとか並列で作れたとしても結局そこで止まってしまうので、
これをじゃあいかに人間のシニアな人の希少な認知負荷みたいなやつをどうやってうまく使うか、そこのスループと上げるかみたいなこともありますし、
あるいはいろんなプロセスがその開発から始まって試作をして試作を評価して、それをサプライヤーに手配をして、直列になっているプロセスが非常にたくさんあるので、
いかにこれを並列で進められる要素を増やしていくかみたいなことをやっていくためには、過去にある知見とか俗人的になっているものっていうのをできるだけその人じゃなくてもできるようにしたりだとか、
ある人の代弁者として他の並行しているプロセスにおいてもその専門性における評価をある程度できるからこそ並走で進めてもすごくおかしなことならないとか、
そういう要素をどんどん増やしていくことによって何かしらのものがデリバリーされるみたいなこととか、何かしら発明があってから市場に送り出されるみたいなところのこのリードタイムをいかに短くするかっていうのが我々がトライしていることなのかなと思います。
ありがとうございます。白井さん本日はたくさんお話いただきありがとうございました。白井さんには我々が主催する10月8日木曜日開催のプロダクトエアカンフにもメインセッションとしてご登壇いただく予定なので、ご興味がある方はぜひ概要欄からお申し込みいただけたらというのと、
キャディさんも9月の末にイベントがあると伺っておりますが、少し教えていただいてもよろしいでしょうか。
はい。9月30日の19時から弊社のCEOの加藤とVCの二社様による対談イベントっていうのをオフラインで行う予定です。コアラインベンチャーズさんとアトミコさんに参加していただいて、製造業とAIの掛け合わせのポテンシャルについてお話しさせていただく予定なので、興味がある方はぜひお越しいただければなというふうに思います。
ご興味がある方はぜひリンクの方からお申し込みいただけたらと思います。それでは本日は白井さんお話いただきありがとうございました。
ありがとうございました。
ありがとうございました。
これからもプロダクトAIトークスではプロダクト事業作りに取り組む経営層の方をゲストにお招きし、AI時代のプロダクト戦略を深掘りしていきます。後編は来週金曜日配信予定です。ぜひ番組フォローの上ご視聴ください。
