AIエージェントは最新のトレンドであり、ここ数年の生成AIと大規模言語モデル（LLM）のブームによって牽引されています。人々が一致するのは難しいですが、AIエージェントとは何かを指摘する多くの人々は、それらがタスクを割り当てられ、決定を下すことができるソフトウェアプログラムであると言われています — それも自立度には様々なものがあります。
つまり、AIエージェントは単なるチャットボットができることを越えて、人々が物事を達成するのを手伝います。
まだ初期段階ですが、SalesforceやGoogleなど、AIエージェントへの投資は既に大きなものとなっています。AmazonのCEOアンディ・ジャッシーは最近、将来的により「行動的な」アレクサを示唆しました。それは言葉だけでなく行動についても多くのことを意味するものでしょう。
同時に、スタートアップもこのハイプから資金を調達しています。その最新の例は、ドイツ企業のJuna.aiで、同社は工場をより効率的にするために複雑な産業プロセスを自動化することで「生産スループットを最大化し、エネルギー効率を高め、環境全体の排出量を減らす」ことを目指しています。
そして、そのために、ベルリンを拠点とするスタートアップは、本日、エネルギー効率を高めるコストが発生せずに最高の生産効率を確保するために、現金750万ドルをシリコンバレーのベンチャーキャピタル企業Kleiner Perkins、スウェーデンのNorrsken VC、そしてKleiner Perkinsの会長John Doerrからのシードラウンドで調達したと発表しました。
独学が進むべき道
2023年に創業されたJuna.aiは、Matthias Auf der Mauer（写真：左）とChristian Hardenberg（写真：右）による作業です。デア・マウアーは以前、予測機械保守スタートアップのAiSightを創業し、2021年にスイスのスマートセンサー企業Sensirionに売却しています。一方、ハルデンベルクは欧州のフードデリバリー大手Delivery Heroの元最高技術責任者です。
Juna.aiの本質は、製造施設をよりスマートで独学のできるシステムに変え、より良い利益率を提供し、最終的には低い炭素排出を実現することです。同社は、鋼鉄、セメント、紙、化学品、木材、繊維などの「重工業」 — 大量の原材料を消費する大規模生産プロセスを持つ産業に焦点を当てています。
「当社は非常にプロセス駆動型の産業と協力しており、それには多くのエネルギーを使用するユースケースがほとんど含まれています」と、デア・マウアーはTechCrunchに述べています。「たとえば、何かを生産するために多くの熱を使用する化学反応槽などです。」
Juna.aiのソフトウェアは、工場の生産ツール（例：AvevaやSAPなどの産業用ソフトウェア）と統合され、機械センサーから収集されたすべての歴史データを調べます。これには温度、圧力、速度、品質、厚さ、色などの与えられた出力のすべての測定が含まれる可能性があります。
この情報を活用して、Juna.aiは企業が機械の最適設定を見つけるのを手助けし、オペレーターにリアルタイムのデータとガイダンスを提供して、すべてが最高の効率で最小のロスで動いていることを確認します。
たとえば、特定の種類の炭素を生産する化学プラントは、異なるオイルを混ぜ合わせ、エネルギーを消費する燃焼プロセスを通す反応器を使用するかもしれません。出力を最大化し、残留廃棄物を最小限に抑えるには、使用するガスやオイルのレベル、プロセスに加えられる温度など、条件が最適である必要があります。歴史データを使用して理想的な設定を確立し、リアルタイムの状況を考慮に入れ、Juna.aiのエージェントは運用者に最適な出力を得るために行うべき変更を指示するとされています。
Juna.aiは独自のAIモデルを構築しており、TensorFlowやPyTorchなどのオープンソースツールを使用しています。また、モデルのトレーニングには、環境との相互作用を通じて学習する機械学習（ML）のサブセットである強化学習を利用しています — それは異なるアクションを試み、何が起こるかを観察し、改善していく過程を指します。
「強化学習の面白い点は、それが行動を起こすことができるということです」とハルデンベルクはTechCrunchに語っています。「典型的なモデルは予測しかできず、また生成することもできます。しかし、制御することはできません。」
現在、Juna.aiが行っていることの多くは、むしろ「副操縦士」に近いです — 運用者に制御を調整するべきとアドバイスする画面を提供しています。しかし、多くの工業プロセスは非常に繰り返しがちであるため、実際の行動を取ることができるシステムを可能にすることは役立つと言えます。たとえば、冷却システムでは、機械が適切な温度を維持するために常に微調整が必要です。
工場はすでにPIDやMPCコントローラーを使用してシステム制御を自動化するのに慣れており、Juna.aiも同様のことが可能です。しかし、新興のAIスタートアップにとっては、現在は「副操縦士」を販売する方が簡単です — 現時点では、まずは初心者向けです。
ハルデンベルクは、スタートアップのプラットフォームの利点は労働力の節約にはないと述べ、「工場は既に手作業プロセスを自動化する点でかなり効率的です」と指摘しました。あらゆる労働力コストを削減するため、工場は既に「非常に効率的です」としています。
「1人を削減して得られるものはほとんどないです。それに対して、$2000万のエネルギーコストがかかるプロセスか、いますぐ$1800万や$1700万のコストにできますかということが重要なのです」とハルデンベルクは述べています。
事前トレーニングされたエージェント
現時点で、Juna.aiの大きな約束は、顧客ごとに過去のデータを使用してカスタマイズされたAIエージェントを提供することです。しかし、将来的には、同社は新しい顧客のデータについて多くのトレーニングが必要ない「事前トレーニング済み」のエージェントを提供する予定です。
「何度もシミュレーションを構築すると、再利用できるシミュレーションテンプレートを作成できる可能性があります」と、デア・マウアーは述べています。
したがって、たとえば、2つの会社が同じ種類の化学反応槽を使用している場合、顧客間でAIエージェントを移動させることが可能になるかもしれません。1台の機械に1つのモデルというのが一般的な考え方です。
ただし、企業がデータプライバシーに対する懸念からAI革命に一直線に飛び込むことをためらっている実情は無視できません。これらの懸念はJuna.aiには関係ありませんが、ハルデンベルクは、これまでそれが大きな問題にはなっておらず、一部はデータ保管先のコントロール、一部は顧客にデータの潜在的な価値の開示を約束することから、問題解決に役立っていると述べています。
「私はそれを潜在的な問題と見ていましたが、これまで重大な問題にはなっていませんでした。なぜなら、私たちは世界のデータをドイツに残して顧客に提供しており、彼らは自身のサーバーをセットアップし、最高のセキュリティ保証を持っています。彼らにとって、周囲にデータが溢れているものの、それらのデータからの価値を作り出すことはあまり効果的ではなかった。それは警告用に使われていたり、手動の分析に使われていたことがほとんどです。しかし、私たちの考えは、これらのデータを活用してもっとできるという点です — データに基づいてその工場の脳となり、インテリジェントな工場を構築することができるということです。」
設立からわずか1年足らずで、Juna.aiは既に少数の顧客を抱えていますが、デア・マウアーは具体的な名前を明かすことはできません。しかし、彼らはすべてドイツに拠点を置いていて、他の地域に子会社を持つ
元記事はこちら
