「2025年の崖」を越え、AI活用の基盤となるPLMを再定義
経済産業省が「DXレポート」において、既存のレガシーシステムから脱却できなければ日本企業は国際競争力を失うと警鐘を鳴らした「2025年の崖」。その年を越え、現在はAIが業務に広く浸透する時代へ突入している。基調講演に立ったアラスジャパン 社長 兼 Aras Corporation 日本リージョンオペレーション担当 副社長の久次昌彦氏は、AI時代にDXを進める製造業が直面する課題を次のように指摘した。
「AIをうまく活用するにはデータが必要です。では、データはどこにあるのでしょうか？ 多くの企業では、現在もレガシーシステムの中にデータが溜まっており、AIで活用できる状態にありません。この状況を変えることから始めなければなりません」（久次氏）
アラスジャパン 社長 兼 Aras Corporation 日本リージョンオペレーション担当 副社長 久次昌彦氏
単に最新のシステムを導入するだけでは問題は解決しない。AIを機能させるためには、AIが処理できるかたちでデータを与えなければならない。自社の情報が適切にデジタル化されているか（デジタイゼーション）、そしてデジタルスレッドの構築によって業務プロセスまでデジタル化されているか（デジタライゼーション）が問われるのだ。2026年の今、改めてDXの原点に立ち返り、AIを活用するための情報基盤としてPLMのあり方を考え直す必要がある。
今日の製造業が直面する「4つの複雑性」
次に登壇した米Aras CEOのレオン・ローリセン氏は、現在、世界中の企業が直面している「4つの複雑性」について説明した。
1つ目は「製品の複雑化」である。ソフトウェアや電子部品が製品の価値を大きく左右するようになり、設計・製造・保守の難易度が飛躍的に高まっている。2つ目は「法規制の複雑化」だ。世界各国で環境規制や安全基準が厳格化しており、それに準拠した設計・製造が求められている。
米Aras CEO レオン・ローリセン氏
3つ目は「サプライチェーンの複雑性」である。地政学的なリスクや経済環境の変動に伴い、新たなパートナーとの連携や取引終了などに柔軟に対応する必要性が高まっている。そして4つ目として、これらを支えるITシステムの増大が「デジタル環境の複雑性」を高めている。
「多くの企業が、より良い製品を、より早く市場に投入するという強烈なプレッシャーにさらされ、その解決手段としてAIに期待を寄せています。しかし、AIは魔法の杖ではありません」とローリセン氏は指摘する。
企業はAI活用の土台となるデジタルスレッドを構築せよ
今日、企業内には要件管理ツールや品質管理システムなど、PLMの外部に多くのシステムが存在する。それらのシステムに情報が散在した“カオス”な状態のままAIを利用しても、価値のある成果は得られない。また、情報を文書ファイルのまま保管する運用からも脱却する必要がある。文書内の情報を細かな属性情報（メタデータ）として構造化し、データ間の関係性を示すデジタルスレッドを構築することが、AI活用の大前提となるのだ。
前述した4つの複雑性に対応するために、Arasはあらゆる情報を取り込むことができる拡張可能なデータモデルと、柔軟なワークフローを備えている。また、強固なセキュリティとAIガバナンスにより、複雑な環境下でもAIを安全かつ有効に機能させる。こうしたアーキテクチャの優位性が評価され、ガートナーの「Magic Quadrant for PLM Software in Discrete Manufacturing Industries（2026年）」において、Arasは“ビッグ3”以外のPLMベンダーとして唯一リーダーに選出されている。
また、ローリセン氏は、AIアシスタントのプロトタイプを2026年8月からEUで段階的に適用が開始された「包装・包装廃棄物規則（PPWR）」への対応を想定したデモを実演した。新たな法規制というビジネス課題に対応するために、AIが企業が持つ固有のデータモデルやワークフローを理解し短時間で自律的にシステムの設定を行う様子を紹介。これを通じて、「AIをどう使うか」というテクノロジーありきの発想から抜け出し、直面するビジネス課題を見据え、その解決策としてAIを柔軟にカスタマイズできるプラットフォームの重要性を強調した。
ビジネス環境の変化に適応しながら進化する「Adaptive PLM」
続いて久次氏が「What's New and Next at Aras」と題して講演し、Arasが提唱する「Adaptive PLM」の概念と、その具体的な機能を紹介した。
Adaptive PLMとは、企業のデータやプロセス、ビジネス環境の変化に寄り添い、ともに進化していくPLMを指す。全てのデータを無理にPLMへ集約するのではなく、SoRなど既存のデータソースをそのまま生かし、必要なデータのみを取り込むアプローチを採用している。これにより、データの二重入力などの無駄を省き、製造業における“隠れたコスト”を解消するのである。
PLMは単なる3D CADデータや部品表の管理ツールではなく、意思決定やWhat-If分析を支援する高度な情報基盤へシフトしていくと久次氏は予言する。この新たな役割に適応させるために、Arasは「Human AI eXchange（人とAIのコラボレーション再考）」のコンセプトの下、ナビゲーションではなくガイダンスによって操作を導くUIの提供を進めている。
新AI基盤「InnovatorEdge AI」を今秋にリリース
Aras Innovatorは、AIを実務に適用するための基盤として進化を遂げている。SaaS版で採用しているコンテナ技術をオンプレミス環境でも利用可能にすることで、クラウドと同等の拡張性と運用性を実現した。また、SaaS版は米国政府の調達仕様に準拠したセキュアな「Gov Cloud」での提供が開始されている。さらに、クラウド上でのCI/CDの自動化を支援し、開発・運用の効率化を実現する「Aras DevOps Studio」もリリースされた。
一方、AIを企業全体で効果的に活用するには、CRMやERPといった外部システムとの連携が不可欠になる。
「そこで、PLMの枠を超え、各種システムをつないだデジタルエコシステムを構築する中核として展開しているのが『Aras InnovatorEdge』です」（久次氏）
昨年から提供を開始したAras InnovatorEdgeは、他システムとの連携機能「Edge API」や、現場の要件に合わせて業務特化型のアプリケーションを迅速に開発できる機能「Edge Builder」などを備える。これらに加えて今秋、AI基盤「InnovatorEdge AI」を新たにリリース。特定のLLMに依存しない中立的なアーキテクチャを採用しており、OpenAIやAnthropicなどユーザーが選択したモデルを利用して独自のAIエージェントを開発・運用することが可能となる。
「Dependency Graphs」で見えないリスクを可視化
久次氏は、PLMによってDXを推進するうえで最大の障壁は「見えないところにリスクが潜んでいる（What you don't see is where risk lies）」ことだと指摘する。例えば、エンジニアが自身の担当領域の設計変更について妥当性を確認したとしても、それが他のチームや外部のサプライヤーにどのような影響を及ぼすのかまでは容易に見通せないからだ。
この可視性の問題を解決する新機能が「Dependency Graphs」である。AIがセマンティックにデータ間の関連性を推定し、広範な依存関係を可視化する。その活用例として、トルクの仕様変更を題材にしたデモが紹介された。変更要求を入力すると、AIが「納期の14日間遅延」や「コスト増加」などの潜在的なリスクを事前に提示する。ユーザーはAIと対話しながらリスクの軽減策を導き出し、その結果をワークフローに反映してエンジニアへタスクとして割り当てるといった具合だ。
久次氏は、「PLMは、それぞれの企業の強みを生かす『Fit to Business』であるべき」だと説く。ただし、個別最適化のための開発期間やコストの増大は極力避けるべきだ。そこで、Arasは各業界のベストプラクティスを事前に設定したテンプレート「Aras Industry Accelerators」を提供し、各社固有の業務への適合を支援していく。その先に見据えているのは、高品質なデータの蓄積を通じてAIが高度な意思決定支援を自律的に行う「Trusted Autonomy（信頼できる自律性）」の実現である。
コンカレントエンジニアリングの実現を目指しAras Innovatorを活用──日産化学
日産化学の講演では、同社袖ケ浦工場 デジタル改革室 室長の進士智成氏が登壇し、コンカレントエンジニアリングの実現を目指したプロセス系製造業ならではのPLM活用事例を紹介した。
日産化学 袖ケ浦工場 デジタル改革室 室長 進士智成氏
日産化学は現在、グローバルにおける価格競争やコンプライアンス要求の高度化といった課題に直面している。特に機能性材料の開発を担う袖ケ浦工場では、技術ノウハウの属人化や情報のサイロ化が起きており、新製品の開発遅延や手戻りが発生していた。この状況を打破するため、2020年に現場主導でDXワーキンググループが発足。全社標準化と拠点固有の運用を両立できる柔軟性を評価し、2022年にAras Innovatorの導入を決断した。
ディスクリート系（組み立て型）製造業のPLMが部品構成や図面を管理するのに対して、化学メーカーなどのプロセス系PLMの要件は根本的に異なる。
「管理すべきは、レシピ、配合、工程条件、物性値といった、量産後も進化し続ける『数値・判断・試行錯誤』のノウハウです。価値創出の過程そのものを管理することがPLMの役割となります」（進士氏）
日産化学は、研究・開発・量産の各フェーズで生じるレシピ情報を一元的なデータ形式で蓄積している。Aras上では「製造対象マスタ」を頂点とし、製造設備の「工程トラン」、温度や圧力などの「手順トラン」、使用する原料などの「投入物・副産物マスタ」をツリーグリッドビューを用いて階層構造で管理している。
これにより、部門ごとに分断されていた情報がリアルタイムに共有され、研究と製造が並行して業務を進めるコンカレントエンジニアリングを実現しつつあるのだ。
Aras Innovatorの運用開始後も機能拡張は続いている。今夏には、開発段階で複数のレシピ候補を比較検討できる「バリエーション管理」や、FMEA（故障モード影響解析）を用いた定量的な化学物質リスクアセスメント機能を実装した。現在の課題は現場定着であり、膨大なマニュアルによる現場の負担を軽減するため、画面上で操作手順をガイダンスするDAP（デジタルアダプションプラットフォーム）ツールの導入を進めているという。
Arasを活用した業務プロセス改革により、強固なデジタルスレッドを構築
──パナソニック デジタル
パナソニックグループのDXを主導するパナソニック デジタルの講演では、開発設計ソリューション統括部 PLMソリューション第二部 部長の山本和之氏が登壇した。グループの変革指針「PX（Panasonic Transformation）」に基づき、パナソニック エレクトリックワークスが実践した業務プロセス改革と、その成果としてのデジタルスレッド構築の事例を2つ紹介した。
パナソニック デジタル 開発設計ソリューション統括部 PLMソリューション第二部 部長 山本和之氏
1つ目は、照明器具などを扱うライティング事業部の事例だ。同事業部では、拠点ごとに品目コードが異なり、設計（E-BOM）と製造（M-BOM）が完全に分断されていることが課題だった。
そこで、コード体系を統一して部門間の“共通言語”を作るという業務プロセス改革を推進。これを起点に、Arasの標準機能であるMPP（Manufacturing Process Planning）を活用し、E-BOMからM-BOMを一気通貫で生成する仕組みを構築した。
「これにより、設計と製造の情報がデジタルスレッドで結ばれ、設計変更時の差分確認や原材料から製品を特定する逆検索が容易になりました」（山本氏）
2つ目は、電材＆暮らしエネルギー事業部における、既存システムのサポート終了を契機とするPLM刷新事例だ。
約1年間という短期間での移行が求められる中、同事業部はプロジェクトのアプローチそのものを見直した。PoCを通じて、要件にシステム改修で対応する範囲と業務プロセス側で対応する範囲を厳密に切り分けたのだ。こうしたオペレーティングモデルの変革により、標準化率は約80%に到達。将来の拡張にも柔軟に対応できるデジタルスレッドの土台を築いた。
また、現場定着に向けた施策としてDAPツールを導入。操作画面上にナビゲーションを直接表示させることで、ユーザーがマニュアルを読まなくても正確にデータ登録が行える環境を整えている。
今後のAI活用に向けて最も重要なのは、データの品質が担保され、業務プロセスが現場に定着していることだ。常にデータを整理して業務プロセスを見直し、現場で使い続けられる状態を保つという地道な積み重ねが、デジタルスレッドを価値あるものにし、ビジネス成果を生むのだと山本氏は強調した。
アラスジャパン合同会社
東京都千代田区有楽町 1-1-2 東京ミッドタウン日比谷 日比谷三井タワー 30 階
https://www.aras.com/ja
Aras は、製品ライフサイクルマネジメント（PLM）とエンジニアリング AI 向けのデジタルスレッド・プラットフォームを提供しています。Aras のテクノロジーは、AI ネイティブかつローコード開発プラットフォーム上に構築され、柔軟なソリューションの迅速な提供を可能にします。
主要顧客：川崎重工業、クボタ、デンソー、日産自動車、富士フイルム、三菱重工業、村田製作所、ルネサス エレクトロニクス、Airbus、Audi、Microsoft 等
