本文へスキップ
Apolla AI
大手重機メーカー

製造

平均修理時間を38%短縮、若手技術者の単独対応率が2倍に

大手重機メーカー:設備保守ナレッジエージェントで、現場技術者が「ベテランと一緒に現場へ」

課題

同グループは全国に40か所以上のサービス拠点を持ち、修理のノウハウは勤続20年のベテラン技術者の頭の中と、散在するWord文書に蓄積されていました。若手技術者は難しい故障に当たると電話で人を探すしかなく、1回の遠隔相談に平均40分かかり、繁忙期にはベテランの電話がつながらない状態でした。

同グループは「サービスをコストセンターから利益センターへ」という方針を掲げ、ベテラン技術者を増やさずに現場の単独対応率を引き上げ、1件ごとの修理記録を再利用できるナレッジに変えることを求めていました。

アプローチ

FDEチームが5週間現場に常駐し、まず主力3機種の修理マニュアル、過去の作業記録、技術者グループチャットの履歴を整理して構造化ナレッジベースを構築し、その上で現場向けの保守アシスタントを本番稼働させました。

  • サービスアプリに保守アシスタントを組み込み。技術者が写真撮影、故障コード入力、または症状の口頭説明を行うと、エージェントが切り分け手順、必要部品、安全上の注意点をマニュアルの該当ページ付きで提示
  • 作業記録のサイクル化:修理完了後にエージェントが構造化された作業サマリーを自動生成し、技術者の確認を経てナレッジベースに登録。「直すほど賢くなる」循環を形成
  • ベテラン技術者はエージェントが「低信頼度」と判定した難案件のみを担当し、本当に経験が必要な問題に時間を集中
  • 本番稼働後は月1回のナレッジベースレビューを実施し、サービス技術部が新規項目を承認し、古い手順を廃止

アーキテクチャの要点

ナレッジベースは階層型検索を採用しています。故障コードの完全一致、機種と症状による意味検索、汎用マニュアルの順に照合します。マルチモーダルモデルが現場写真の部品と銘板を識別し、サービスアプリは通信環境の悪い現場ではオフラインキャッシュで動作して、同期時のみネットワークに接続します。

お客様の声

以前は人が人を探していましたが、今は人が答えを探せます。ベテランがようやく1日30本の電話から解放されました。
サービス技術部長大手重機メーカー

このプロジェクトの詳細をもっと知りたいですか?

ワークショップでは、アーキテクチャ上の判断、つまずいた点、実際の期間を共有できます。