モデル AWS Machine Learning 2026-05-12

Amazon Novaで製造文書26件の検索精度が向上

航空宇宙業界の製造現場における文書管理の効率化が、生成AIのマルチモーダル技術で実証された。Amazon Nova Multimodal EmbeddingsとAmazon S3 Vectorsを組み合わせた検索システムが、テキストのみの従来手法を上回る精度を示した。製造分野のデジタル変革に弾みをつける成果だ。

画像とテキストを統合検索する仕組み

Amazon Web Services（AWS）が提供する埋め込みモデル「Amazon Nova Multimodal Embeddings」は、テキストと画像の両方を単一のベクトル空間にマッピングする技術である。今回構築されたシステムでは、航空宇宙分野の製造文書をAmazon Bedrock上で処理し、図面や写真を含む技術資料をAmazon S3 Vectorsに格納する。

従来のテキスト検索では、図表に含まれる寸法や注釈を拾えず、必要な情報を見落とすケースが多かった。新システムは画像内の文字情報や形状特徴も検索対象にできるため、設計図の一部や検査写真から関連文書を直接引き出せる。26件の製造関連クエリで評価した結果、テキストのみのパイプラインと比較して生成品質が有意に改善した。

AWSの発表によると、この埋め込みモデルは最大1024次元のベクトルを生成し、マルチリンガル対応を含む広範なユースケースを想定している。製造業以外にも、医療画像診断や小売の商品検索など応用範囲は広い。

26クエリで実証された精度差

評価実験では、航空機部品の識別、不良箇所の特定、組立手順の確認といった実務的な26の問い合わせを使用した。テキスト専用システムでは文書の本文しか検索対象にならず、図面内の公差記号や溶接指示を見逃す例が散見された。

一方マルチモーダルシステムは、図面の一部をクエリとして入力しても、一致する技術文書を高精度で特定できた。検索結果から生成される回答の正確性は、熟練技術者のナレッジに迫る水準に達している。AWSは生成品質の評価指標として正確性と網羅性を採用し、いずれもマルチモーダル方式が上回ったと説明する。

この結果は、製造現場に蓄積された暗黙知の形式知化を加速させる可能性を示唆する。ベテラン技術者が退職する前に、図面の読み方や異常判断のノウハウをシステムに移植できるからだ。製造業の技能継承問題に対する技術的解決策としても注目される。

Amazon S3 Vectorsが担う役割

Amazon S3 Vectorsは、S3に格納されたオブジェクトのメタデータをベクトル化し、高速な類似検索を可能にするストレージ機能である。専用のベクトルデータベースを別途構築する必要がなく、既存のS3バケット内で検索インフラを完結できる。

この設計により、データの二重管理や同期ズレのリスクが低減する。航空宇宙産業では輸出管理規則やセキュリティ要件が厳格であり、データの所在をシンプルに保てる利点は大きい。S3のアクセス制御ポリシーと統合されるため、部門ごとの閲覧権限設定も容易だ。

埋め込み処理はAmazon Bedrock経由で実行され、ユーザーはAPIを通じて任意の文書をベクトル化できる。処理時間は文書のボリュームに依存するが、AWSはリアルタイム検索に耐えるレイテンシーを目標に掲げている。

製造業の生成AI活用に一石

今回の実証は、生成AIの産業応用が「チャットボットによる問い合わせ応答」から「現場文書の高度な意味検索」へ進化していることを示す。特に航空宇宙分野は、製品ライフサイクルが数十年に及び、過去の設計根拠や改修履歴を追跡する必要性が高い。マルチモーダル検索は、こうした長期間のドキュメント管理に新たな解決策を提供する。

日本企業への影響も小さくない。国内の重工業や自動車メーカーは、設計図面と整備マニュアルの紐付けに多大な工数を割いており、技術文書のデジタル化投資を加速させる契機となる。AWSの東京リージョンでも同等のサービスが利用可能であり、すでに複数の製造業が実証実験を開始しているもようだ。