＜生成AIの次へ＞AI前提で進める材料開発の設計と実務【提携セミナー】

　　セミナー　　情報通信　　AI・機械学習　　＜生成AIの次へ＞AI前提で進める材料開発の設計と実務【提携セミナー】

開催日時	【ライブ配信】 2026/6/30（火）10:30～16:30 , 【アーカイブ配信】 2026/7/17（金）まで受付（配信期間：7/17～7/31）
担当講師	向田志保氏
開催場所	【WEB限定セミナー】※会社やご自宅でご受講下さい。
定員	-
受講費	通常申込：本体50,000円＋税5,000円

＜生成AIの次へ＞

AI前提で進める材料開発の設計と実務

《AIの“導入”から、業務・組織・評価まで含めた“全体設計”へ》

《次世代AI（AIエージェント・Physical AI）時代の材料開発》

【提携セミナー】

主催：サイエンス＆テクノロジー株式会社

受講可能な形式：【ライブ配信】or【アーカイブ配信】のみ

AI導入のPoC（概念実証）から脱却し、競争優位性を生むAI活用へ――。
基盤となるマテリアルズ・インフォマティクスの基礎と位置づけから、生成AI・AIエージェント・Physical AIといった最新のAI技術とそれらによる研究開発の変化、AIを実務で機能させるための設計（ハーネスエンジニアリングの観点）、組織変革や必要な人材、アジャイル開発と研究開発プロセスの融合、実務への落とし込み（判断軸と実行ステップ）など。
AIツールを単なる“導入”から、配合設計・プロセス条件探索・実験計画をAI前提で“再設計”するための考え方と実務の進め方を解説します。
自社におけるAI活用の次の一手を描くための判断軸と実行イメージを得られるセミナーです。

■本セミナーの特徴：

最新AIトレンドから実務戦略まで一貫して理解できる
MIからPhysical AIまでを構造的に整理
「導入」ではなく「設計」という視点を提示
研究開発・製造業の実務に直結する内容

■キーワード：

生成AI、AIエージェント、Physical AI、ハーネスエンジニアリング、マテリアルズ・インフォマティクス、研究開発DX、ラボオートメーション

セミナー趣旨

近年、生成AIの急速な発展により、研究開発や製造業におけるAI活用は大きな転換点を迎えている。さらに、AIエージェントやPhysical AIといった新たな潮流の登場により、AIは単なる「解析ツール」から、「意思決定や実行を担う存在」へと進化しつつある。

一方で、多くの企業においてはAI導入がPoC（概念実証）に留まり、実務への展開が進んでいないのが実情である。その背景には、AIをツールとして導入するにとどまり、業務・組織・評価まで含めた全体設計に踏み込めていないという構造的な課題がある。

本講座では、こうした課題に対し、AIを実務で機能させるための設計の重要性（いわゆるハーネスエンジニアリングの観点も含む）を踏まえながら、最新のAIトレンドを整理する。

その上で、「AIは導入するものではなく、設計するものである」という視点のもと、マテリアルズ・インフォマティクス（MI）から発展した研究開発の変化を構造的に捉え、材料開発における実務への適用と進め方を提示する。

特に材料開発においては、探索空間の広さや実験コストの高さといった特性から、AI活用の設計次第で大きな競争優位を生み得る分野である。

本講座を通じて、自社におけるAI活用の次の一手を具体的に描ける状態を目指す。

得られる知識

最新のAIトレンド（生成AI／AIエージェント／Physical AI）を俯瞰できる。
AI導入がPoC止まりに終わる理由を理解する。
研究開発プロセスの変化を具体的にイメージできる。
AI活用を“設計”として捉える視点を獲得する。
材料開発における配合設計・プロセス条件探索・実験計画をAI前提で再設計する視点を獲得する。
自社でのAI活用に向けた実行指針を持ち帰る。

受講対象

製造業・材料系企業におけるR&D企画／技術企画部門
研究開発部門のマネジメント層
企業・大学・公的機関における研究者
DX推進・データ活用担当者

担当講師

MISTEM合同会社　代表　博士(工学)　向田志保　氏

信州大学工学部特任教授／東北大学材料科学高等研究所特任教授（客員）／大阪大学基礎工学研究科招聘教授／広島大学工学部客員教授

セミナープログラム（予定）

０．最新AIトレンドの全体像
0.1 生成AIの現在地と限界
0.2 AIエージェントの爆発的な進展と実務への影響
0.3 Physical AIの台頭（なぜ今注目されているのか）
0.4 AI活用の次のステップとしての「設計」の重要性

１．マテリアルズ・インフォマティクス（MI）の基礎と位置づけ
1.1 MIとは何か（背景と目的）
1.2 従来の材料開発の限界
1.3 実験計画法（ベイズ最適化）の考え方（概要）

２．生成AIとAIエージェントによる研究開発の変化
2.1 生成AIの本質（思考支援としての役割）
2.2 AIエージェントの登場と業務プロセスへの統合
2.3 顧客起点の研究開発へのシフト（AIと基幹システム連携の可能性）
2.4 研究開発における意思決定の変化
※これまで人が全部決めていた探索を、AIと一緒に設計する形に変わりつつある

３．Physical AIと現場の変革
3.1 Physical AIとは何か
3.2 政策・産業動向（国内外、中国の動きなど）
3.3 ラボオートメーションと材料開発への応用
3.4 実験プロセスの自動化と今後の可能性

４．ハーネスエンジニアリングによるAI実用化
※本講座の中核となる考え方
4.1 AIを“使える状態”にするための設計とは何か
4.2 評価・改善ループの重要性
4.3 ツール導入から設計・運用への転換

５．組織・人材・アジャイル開発
5.1 縦割り組織の限界と変革の必要性
5.2 AI時代に求められる人材像（実装中心から設計・運用・ビジネスアーキテクチャへ）
5.3 アジャイル開発と研究開発プロセスの融合

６．実務への落とし込み（判断軸と実行ステップ）
6.1 セキュリティ・ガバナンスの考え方
6.2 ベンダーとの役割分担（内製／外注の判断軸と進め方）
6.3 今後押さえるべき技術／やめるべき取り組み
※材料開発においては、属人的な探索プロセスや過度な手作業データ整理からの脱却が重要となる。

□ 質疑応答 □