NECは人工知能（AI）「ルール発見型推論技術」を開発した。同技術は過去事例のデータから事象の要因とその発生条件を導き出すことで具体的な改善条件を提示し、施策立案の支援を可能にする。
製造業における製品不良の要因分析などでは、原材料の成分配合や処理装置の設定など大量の要因が影響するため、構築されるルールが膨大になる。そのため、これらのルールを網羅的に調査して各要因の改善条件まで導き出すことは現実的ではなかった。
だが、オープンデータを用いた同技術についての実験では、事例全体をカバーするために既存の手法で50個近いルールが必要だったものが、十数個のルールで達成できると確認された。これにより、従来の手法よりも少ないルールで精度の高いルールを導き出すことが可能となる。
この技術は過去事例を正解データとして学習し、結果につながる要因と発生条件を見いだして「どの要因がどのような条件の時、何が起きるか」をルールとして構築する。これにより、各要因の改善条件を示すことが可能となる。
実際に製品不良が発生したデータと発生しなかったデータを正解として学習させ、ルール群を構築する。そこから各ルールの優先順位付けを独自の方法で行い、さらに並列計算技術を応用することで、必要十分なルールを少ない計算量で選別できるように設計した。
同技術を活用した製造業における製品不良要因分析では、欠陥品に影響する要因を特定できるだけでなく、例えば「材料の温度が100度より高く、かつ設備の圧力が20hPa（ヘクトパスカル）より高い時、80%の確率で故障する」など、これまで専門家が想定していなかった要因が欠陥品発生に影響する可能性も見いだすことができる。
小売業における顧客の購買行動分析では、過去の顧客の購買データや店舗施策データなどを基に、新規顧客から優良顧客へ何をきっかけに変化するかが可視化され、具体的な施策立案支援ができると確認された。例えば「商品Aの購入数が10点より多く、かつ来店回数が50回より多い時、90%の確率で商品Bを購入する」など、結果につながる具体的要因とその発生条件が提示できるため施策立案が容易になる。
