トヨタテクニカルディベロップメント株式会社 様
| お客様 | トヨタテクニカルディベロップメント株式会社 （モビリティ開発を支える計測シミュレーション事業およびIPソリューション事業を展開） |
|---|---|
| お話しいただいた方 | 市川 宏治 様（シミュレーションエンジニアリング部 AI・データサイエンス技術室） |
| プロジェクト | デジタルツインを活用したVLM検討 |
| 支援体制 | AIエンジニア派遣／株式会社アカツキAIテクノロジーズ |
| 課題 | VLM（Vision-Language Model）、HMI生成、クラウド実行環境構築など、AI実装を伴うテーマにおいて、短期間で要件検討と開発を並行して進められる体制の確保 |
| ソリューション | アカツキAIのエンジニアを派遣で受け入れ、開発作業を担う役割としてプロジェクト体制に組み込み。加えて、アカツキAIの技術責任者による組織単位の技術サポートを併走 |
| 結果 | 要件検討と実装検証を並行して進め、論点を早期に洗い出しながら、VLM技術のベンチマークとPoC開発を前進させた |
目次
トヨタテクニカルディベロップメント株式会社（以下、TTDC）は、モビリティ開発を支える計測シミュレーション事業とIPソリューション事業を展開している。その中でシミュレーションエンジニアリング部 AI・データサイエンス技術室は、シミュレーションデータ・車両データ・画像映像データを活用し、新しい技術の確立と業務プロセスへのAI実装を担う組織だ。
同室が取り組むテーマの一つが、デジタルツインを活用したVLM検討であった。背景にあるのは、既存の枠組みだけでは対応しきれない技術課題に、AIを使ってどこまで応えられるかという広がりだ。
市川様：「まだ社会的にも技術的にも、明確な答えが定まっていないテーマでした。既存の枠組みや対策だけでは対応しきれない課題に対して、どこまでAIやシミュレーション技術で応えられるかを模索する必要がありました」
その検証環境として構想されたのが、デジタルツインを活用したVLM検討だった。現実の環境をデジタル上に再現し、様々な条件下でのシミュレーションを行うことで、技術の実用可能性を検証できる場をつくる。今回のテーマは、そのデジタルツイン上でVLM（Vision-Language Model）技術がどこまで活用できるかを検証するという構想である。
市川様：「技術的な確立途上の領域でした。VLMという技術が、どこまで使えるのかを検証すること自体もメインの論点でした」
TTDCはもともと計測分野のスペシャリスト集団であり、車両開発に関する知見を豊富に蓄積してきた。一方、ソフトウェア領域への転身が求められる中で、AI・データサイエンス領域の体制強化が課題となっていた。
市川様：「デジタルツイン自体はつくれても、それを実際のシミュレーションや将来予測に落とし込み、さらに現実の社会につなげていくことは難しい。この一連の流れを理解している人・組織をつくることが、非常に難しかったのです」
具体的に不足していたのは、VLMを活用した技術検証、HMI生成、VLMのクラウド動作環境構築、他システムとの接続検討といった領域を担える人材だった。
市川様：「クラウド上にデジタルツインをつくるにあたっては、クラウド環境の知見とAIの知見を兼ね備え、かつ手を動かしてものをつくれる人が重要でした。社内には『こういう技術が流行っている』という絵を描ける人は相応にいましたが、そこから先を形にする力が必要でした」
要件検討と実装を同時に進める必要があるテーマでは、実装を担うリソースが不足すると、検討が机上に寄り、PMや既存メンバーに負荷が集中する。AI案件は実装・評価を通じて性能限界や課題が見えてくることが多く、開発作業を担える人材の有無が判断スピードに直結していた。
アカツキAIとの接点は展示会だった。社内の別部署の部長からの紹介をきっかけに、体制検討の候補として話が始まった。
数社を比較検討した中での決め手は、エンジニアのスキルそのものだけではなかった。
市川様：「AIができる会社は他にもありました。ただアカツキAIさんは、その後ろに『派遣するAIエンジニアをサポート可能な組織』がある。技術責任者による技術サポートを受けられる点は通常の派遣では得られないポイントで、足りないスキルを補っていける。エンジニア個人ではなく、組織全体で技術サポートを受けられる——何社かお話を伺った中で、最もサポートの手厚さを感じました」
実際のプロジェクト期間中も、派遣されたエンジニア1名の力量に依存せず、アカツキAI側の技術知見を必要なタイミングで引き出せる体制が機能した。
プロジェクトは、市川様が責任者、TTDC側のメンバーがPM・要件検討を担い、アカツキAIのエンジニアが開発作業を担う体制で進行した。既存メンバーと外部エンジニアを一つのチームに組み込み、検討テーマごとにタスクを切り分けたうえで、実装・検証で出た論点を要件検討側へ戻すサイクルを回した。
進め方の要点は、外部エンジニアに単独で作業を進めてもらうだけでなく、分からない点や前提条件を早い段階で相談してもらうことだった。これにより、要件検討と実装のズレを小さく保ちながら進めることができた。リモート参画ではあったが、デイリーミーティングと週次ミーティングを通じて検討・開発を止めずに進行させている。
市川様：「仕様が固まり切っていないテーマでは、受け入れ側の説明やタスク整理が重要になります。ただ役割を明確にし、PMが適切に伴走すれば、外部人材でも現場の開発推進力として組み込める。AI案件であっても派遣という形が十分に機能する部分があると確認できました」
一方で、期待値のすり合わせについては学びもあったという。
市川様：「クラウド関連技術については、当初期待していたレベルとのギャップもありました。ただ習熟の早さと実装力で不足を補いながら、プロジェクトを前進させることができました。受け入れ側としても、期待値や役割範囲をより具体的にすり合わせる重要性を感じました」
プロジェクト途中では、報告書など情報共有面の課題も生じた。その内容をアカツキAIに伝えたところ、会社としてサポートに入り、改善につながった。
市川様：「課題が出たときに一方通行で終わらせず、双方で対話しながら改善していけたことは印象に残っています。会社としてこちらと対話しながら改善していくスタイルに、信頼を感じました」
プロジェクトでは、センサー等から得られる情報をもとに対象エリアをデジタルツイン化。そのデータをVLMで分析し、想定されるリスクシナリオの画像・動画を生成した。複数の視点から映像を作成し、リアルデータとバーチャルデータを組み合わせて学習させることで、将来予測モデルの構築を進めている。
体制面での成果は、単なる人員補充ではなかった。
市川様：「要件検討を担うメンバーと開発作業を担うメンバーを分けたことで、PMや既存メンバーに負荷が集中しにくい体制にできました。結果として、要件検討と実装検証を並行して進めやすくなりました」
そして市川様は、研究開発テーマにおける成果の定義そのものについても言及した。
市川様：「この技術はこのレベルまでは使える、ここには限界がある——そこまで検証し切って次の課題を出すことも、重要な成果です。新しいモデルが出るたびにベンチマークを取り、それに対応していくことの繰り返しですから」
数値以外の変化として、チーム内で「どこを内製で持ち、どこを外部と協業するか」を具体的に考えるきっかけにもなった。AI案件をすべて社内で抱え込むとスピードが落ちるため、外部リソースを前提としたタスク設計と受け入れプロセスの重要性を再確認できたという。
AI・データサイエンス技術室は現在、AIエージェントを活用したシステムの構築に関心を寄せている。
市川様：「エージェントを使ったシステムを複数つくっていきたいと考えています」
生成AI、VLM、クラウド実行環境、データ基盤など専門性が高く変化の速い領域では、必要なタイミングで即戦力を組み込める体制が重要になる。AIを単発の技術検証で終わらせず、業務プロセスへ実装していくために、社内のコア技術を強化しながら外部パートナーとの連携を継続していく方針だ。
求める人材像も明確だ。
市川様：「マルチに技術を知っている人が重要です。AIだけができる、ではなく、クラウドが分かる、業界の知見がある——『AI＋○○』をどれだけ持っているか。加えて、案件によっては英語でコミュニケーションを取りながら仕事を進められる人を求めることもあります」
市川様：「AI案件で、最初から完璧な体制を社内だけで用意するのは難しいと思います。重要なのは、外部人材に任せる範囲と、社内で持つべき意思決定・要件理解を切り分けること。目的、期待成果、タスク、報告ラインを明確にすれば、外部エンジニアは単なる人手ではなく、開発を前に進めるパートナーになります」
最後に、アカツキAIテクノロジーズを一言で表すと——という問いへの答えは、こうだった。
市川様：「AI案件を現場で着実に動かすための、即戦力の実装パートナーです」
AI Transformation（AX）を通じて、大手企業のデータ基盤構築と業務変革を支援しています。AI・データサイエンス領域の開発体制強化については、AIエンジニア派遣支援も併せてご相談いただけます。
