AIを全社に配るとき、専門チームが作って現場に渡す形にするか、現場が自分で作れる形にするか。米国のGE Appliancesが選んだのは後者でした。同社は2026年4月22日付の公式発表で、Google CloudのGemini Enterpriseを使い、製造・物流・サプライチェーンにまたがって800を超えるAIエージェントを展開したと公表しています。数の多さより、その数に届く作り方のほうが参考になる事例です。公式発表とGoogle Cloudの公式ブログに書かれている範囲で、何を作り、何に使い、どこまでが公表された結果なのかを整理します。
どこの会社の話なのか
GE Appliancesは、Haier傘下の家電メーカーです。公式発表の会社紹介によれば、本社はケンタッキー州ルイビルにあり、全米で15,500人の従業員を抱えています。展開しているブランドは、Monogram、Café、GE Profile、GE、Haier、Hotpointの6つです。
同じ会社紹介には、事業が米国内でおよそ90,000人分の追加の雇用を支えていること、2016年以降の投資額が$2 billionを超えていることが記載されています。製品は米国の家庭の半数に置かれているとされ、生産終了後も少なくとも7年は部品の供給を続ける方針が示されています。
規模の大きな製造業です。ただし、この記事で見るべきなのは規模そのものではなく、その規模の組織で、どうやって800を超えるエージェントが生まれたのかという点です。
土台は「作る人を増やす」構造
公式発表は、同社が2つの道具を使い分けていると説明しています。ひとつがGemini Enterprise Agent Platformで、独自のエージェントを構築し、規模を広げ、統制し、最適化するための基盤です。もうひとつがGemini Enterprise appで、こちらは一般の従業員がローコードあるいはノーコードでエージェントを作り、組み合わせるためのものです。
Google Cloudの公式ブログは、この事例をひとことでこう表現しています。GE Appliancesは、仕事にいちばん近い人たちの手にAIを置くことでAIを民主化しており、製造・物流・サプライチェーンにまたがって800を超えるAIエージェントを展開している、と。
つまり構造は二層です。統制と土台は情報システムの側が持ち、作る行為そのものは現場に開いています。専門チームがすべてを作る形では、依頼の待ち行列が上限になります。現場が自分で作れるようにすれば、上限は課題の数のほうへ移ります。800という数は、その設計から出てきた結果だと読めます。
生産データの上に載せた
エージェントを現場に開いても、参照できるデータがなければ動きません。同社はGemini Enterpriseを、Brilliant Factoryと呼ぶ製造データ基盤の中に埋め込みました。この基盤は、生産の実績、部品の来歴、そして各ラインや各シフト、各工場をまたいだ人の動きを追っているものです。
その上で、公式発表は3つの前進を挙げています。
ひとつめが、シフトの要約です。従来は数時間かかっていたシフトデータの分析を、AIエージェントが数分で行うようになり、原因の特定が速くなったとしています。
ふたつめが、データとの対話です。従業員が生産データに話しかける形で問題を診断できるようになり、データサイエンスの専門的な支援を必要としなくなったと説明されています。
みっつめが、リアルタイムの最適化です。ラインの歩留まりと設備の状態を常時監視することで、停止時間を大きく減らしたとしています。
3つに共通しているのは、新しい情報を作っていないことです。すでに基盤の中にあった数字に、誰でも届くようにしただけです。データの整備が先で、エージェントは後です。順序を逆にすると、同じ道具を入れても同じ結果にはなりません。
品質と調達の2つのエージェント
公式発表には、名前のついたエージェントが2つ出てきます。
ひとつがQuality Insights Assistantです。物流担当の副社長であるMarcia Breyさんは、このツールについて、顧客のフィードバックから視覚的なパターンをより速く見つけるためにGemini Enterpriseで作って展開したと述べています。続けて、同社の規模でそれができるということは、不具合をより早く捕まえて製品の品質を高められることを意味し、最終的により良い体験を届けられる、としています。
顧客からの声を品質改善へ回す流れ自体は新しくありません。この事例で変わったのは速度と量です。人が読んで分類していた作業を機械が担うと、扱える件数の桁が変わります。
もうひとつがSupplier Collaboration Agentです。600社を超える取引先とのやり取りを担い、注文状況の問い合わせ対応を自動化しています。公式発表は、その結果として在庫切れによる取り寄せを25%減らしたとしています。同社が年間に扱う部品と付属品は27 millionにのぼり、部品のサプライヤーは700社を超えると記載されています。
この2つは、社内の効率化ではなく、外側に面した業務です。取引先とのやりとりと顧客の声という、いちばん件数が多くて属人的になりやすい領域に置かれています。
経営側が語っていること
デジタル技術担当の副社長で最高デジタル責任者のMandar Deoさんは、AIはいまやGE Appliancesで仕事が進むやり方に不可欠になっていると述べています。すでに製造と業務の各所で数百のAIエージェントが使われており、デジタル技術チームはGemini EnterpriseでこのAI変革を加速し、AIの時代に業界を先導するために必要な、安全でつながったデータの基盤を作っているという説明です。
Google Cloudの社長兼最高収益責任者であるMatt Rennerさんは、GE Appliancesはエージェント型の企業の模範であり、Gemini Enterpriseが複雑で現実の産業課題を解くために大規模に展開できることを示している、と述べています。
なお、この発表からは読み取れないこともあります。削減できた時間や費用の総額、投資の回収、エージェント1件あたりの効果は公表されていません。数字として出ているのは、エージェントの数、取引先の数、取り寄せの削減率、そして会社紹介の中の一般的な規模だけです。
日本の実務者が持ち帰れること
家電メーカーの製造現場の話ですが、考え方は業種を選びません。読み取れることは3つあります。
第一に、作る人を増やす設計にすることです。専門チームが受託して作る形は、品質は安定しますが数が伸びません。統制の仕組みを基盤側に用意したうえで、現場が自分で作れるようにするほうが、扱える課題の幅が広がります。
第二に、データ基盤が先だということです。この事例のエージェントは、Brilliant Factoryという既存の基盤の上に載っています。散らばったファイルの上にエージェントを置いても、答えられる質問は増えません。
第三に、最初に置く場所を、件数が多くて属人化している業務から選ぶことです。取引先からの問い合わせ、顧客の声の分類、シフトの要約は、いずれもそこに当てはまります。目新しい用途より、毎日発生していて誰かの時間を確実に食っている作業のほうが、効果を確かめやすくなります。
一方で、同じ道具を入れれば同じ結果になるわけではありません。公表されているのは、この会社がこの基盤の上で得た結果です。効果は扱うデータの整備状況と、現場が作ることを許す運用の設計に左右されます。
出典と注記
この記事はGE Appliancesの公式プレスルームの発表と、Google Cloudの公式ブログのみを出典とし、人物名・役職・数値・ツール名は原文の表記に従いました。単位や通貨の換算は行っていません。削減額、投資回収、エージェント別の効果は公表されていないため、本文では扱っていません。当サイトが同社の環境を検証したものではなく、同じ構成が他社で同じ成果を出すことを示すものでもありません。
この分野の実務を相談したい方へ
記事で扱っている内容は、当社が実務として支援している領域です。 自社で進めるか外部に任せるかの判断からご相談いただけます。
あわせて読みたい
Macy'sが4週間で出したAsk Macy's。公表された数字と作り方 米Macy'sはGoogle CloudのGemini Enterprise for CXで接客エージェントAsk Macy'sを4週間で公開しました。公表された成果と段階公開の進め方、そこから読み取れない範囲までを一次情報の範囲で整理します。
サイト全体を1体に読ませない。MicrosoftがAsk Microsoftを作り直した Microsoftのマーケティング部門は、サイト全体を1体に読ませていた自社サイトのAIアシスタントを、役割別のサブエージェントへ作り直しました。公表された4つの数値と、公式ドキュメントが認めている制約を整理します。
1セントも承認なしには動かない。Qontoが製品に載せたAIエージェント 欧州で600,000社以上が使うQontoが、経理事務を代行するAIエージェントを自社の製品に載せました。The OperatorとThe Analystに何を任せ、実行の判断をどこで利用者に残したのかを公式情報の範囲で整理します。