トヨタ、Deep Agents と LangSmith を活用し企業 AI を拡大

トヨタ・モーター・ノースアメリカは、世界有数の自動車メーカーの一つです。同社の企業 AI チームにはエンジニア、アーキテクト、プロダクトマネージャー、そして社内エバンジェリストが在籍し、まるで社内のスタートアップのように機能しています。約 35 名からなるこのチームは、全社的な AI の指針（North Star）を策定し、すべてのアプリケーションが従うべき標準を設計するとともに、Deep Agents、LangGraph や LangSmith を活用して、最優先度の高い AI プロダクトの開発を行っています。

全社的な権限を持つ小規模チーム

トヨタの企業 AI チームは、製造、サプライチェーン、金融サービス、ディーラー、車載開発、研究開発など、同社のあらゆる側面でユースケースに対応しています。30 数人のメンバーで構成されるこのチームが、新しいアプリケーションごとにツールをゼロから構築する余裕はありません。

「すべてを自社で構築する過程では多大な苦労がありました。独自のソリューションを開発しようとして多くの苦難を経験し、その結果、膨大な人的コストとエンジニアリングの時間を要することになりました」と、トヨタ自動車北米社の AI エンジニアリング担当ディレクターであるコルデル・フランス氏は語ります。

各プロジェクトで年間 6 桁から 7 桁の ROI（投資対効果）を達成するよう求められたチームは、製造現場の生産性や効率に実際に大きな変化をもたらすエージェントを提供できるソリューションを必要としていました。

ToyotaGPT：6 ヶ月・6 名から 4 日・1 名へ

トヨタの企業向け AI ポートフォリオの中核をなすのが、チームが自社で開発したフラッグシッププラットフォーム「ToyotaGPT」です。これは、ドメイン固有のカスタムエージェントライブラリが成長し続けるプラットフォームです。各部署の従業員は、製造現場の文書から研究開発レポート、サプライチェーン記録に至るまで、トヨタ内部のデータに基づいた回答を得るために ToyotaGPT を活用しています。アクセス権限は基盤となるデータに紐付けられており、例えばあるチームメンバーが特定のデータセットへの SharePoint アクセス権を持っていない場合、そのエージェントも該当情報を表示しません。

現在、本番環境で稼働しているエージェントは 50 個を超えています。Deep Agents や LangGraph を活用した現在の開発基盤を構築する前は、新しいエージェントのリリースに 6 ヶ月とエンジニア 6 名が必要でした。しかし現在は、4 日とエンジニア 1 名で実現可能となっています。

アジェンティック AI 及び製品研究担当ディレクターのラヴィ・チャンドゥ・ウムマディセッティ氏は、その基盤について以下のように述べています。

「LangChain の Deep Agents は素晴らしいコンセプトです。create deep agent という単一のコマンドを実行するだけで、強力なハーンと、新しいエージェントごとに用意される完全なエコシステムが得られます。」

トヨタのエンタープライズ AI チームは、個々のエージェントにドメイン知識を埋め込むのではなく、製造、サプライチェーン、研究開発、ブランディングなどに対応する再利用可能なスキルライブラリを構築しました。これらのスキルはランタイム時に Deep Agents に注入され、組織の知見が各ユースケース間で移植可能な形でモデルに直接供給されます。

GearPal：生産ライン上の全機械を稼働し続ける

製造ラインこそがトヨタにとって最大の製品です。トヨタが販売するすべての車両を生産するこのシステムは、世界有数のメーカーへと成長させた原動力であり、新技術に適応し続ける自己進化型のオペレーションです。生産ラインのどこで停止が発生するかにもよりますが、計画外のダウンタイムが 1 分発生するたびに、トヨタは数十万ドルから数百万ドルの損失を被ります。

ダウンタイムを最小限に抑えるため、エンタープライズ AI チームは「GearPal」というアプリケーションを開発しました。これは製造ライン上のあらゆるロボットや資産のトラブル診断を、自然言語で操作できるインターフェースを機械技術者に提供するものです。

技術者が現場に立ち、「なぜ機械が故障しているのか」「どう直せばいいか」を尋ねるだけで、GearPal は関連する診断情報、過去の保守記録、修理ガイダンスを即座に表示します。以前は 5〜6 時間かかっていた診断作業が、現在はわずか 2〜3 分で完了します。

GearPal はまた、世代を超えた知識継承という課題にも対応しています。ベテラン技術者が退職する中で、新人には組織の専門知を可視化するツールが必要です。ここで「スキル」の役割も重要で、機械に関する知識を体系化することで、新卒から熟練者までが迅速にトラブルに対処できるよう支援します。さらに、プロバイダの障害時に LLM のフォールバック処理を行うゲートウェイを追加し、ライブ生産ラインでの運用に耐えうる信頼性を確保しました。

R&D GPT：数年の研究を数ヶ月に圧縮

研究開発（R&D）部門では、ラヴィ氏のチームが異なるが同等に重大な課題に取り組んでいます。トヨタの研究資料は膨大で専門性が高く、数十の文書リポジトリに分散しています。

トヨタ車の塗装のような一見単純な技術でも、数年にわたる配合開発が必要であり、極端な高温・低温でのテスト、耐食性の分析、ロボット適用精度の検証など、多角的なプロセスが求められます。

R&D GPT は Deep Agents を基盤としたエージェントで、トヨタの社内 R&D 資料をすべて照会し、従来なら数週間かかる手動レビューでは見逃されがちな微妙な違いも浮き彫りにします。このエージェントの導入以来、研究期間はおおよそ 3 年から 1 年に短縮されました。

技術的な課題の一つは、塗装、腐食、シート素材、皮革など、重なり合うドメイン間での検索精度でした。例えば初期段階では、塗装に関する問い合わせに対して誤って腐食データベースから情報が引き出されるケースがありました。これに対応し、チームは LangGraph を活用した並列ツール呼び出しシステムを構築しました。エージェントがプライマリツールの文書を検出できない場合、セカンダリツールにも同時にクエリを送信し、結果を統合してから回答を返します。

LangSmith: AI における安打板（アンドンボード）

トヨタの製造業における基盤原則の一つである「安打板（アンドンボード）」は、工場内のすべての関係者に、稼働状況や障害発生箇所、リソースがどこへ必要かをリアルタイムで可視化します。Kordel 氏によれば、LangSmith はまさにトヨタの AI アプリケーション向けの「AI 版安打板」です。

*"LangSmith を使うことで、すべてのエージェントを監視し、何が機能していて何が機能していないか、どのツール呼び出しが失敗したのか、どの PR がパイプラインを壊してしまったのか、ユーザーがどの機能を採用しているかを把握できます。" Kordel 氏は説明しました。* "この可観測性は、より良い製品を開発する私たちにとって不可欠であるだけでなく、構築しているすべてのツールが安全であることをステークホルダーに納得させるためにも極めて重要です。"

LangSmith を活用すれば、チームは個々のエージェントの相互作用を追跡し、情報取得の失敗点を特定し、ユーザー層全体にわたる行動パターンを定量化できます。これはエンジニアリング上の確信と経営陣の承認というギャップを埋めるために不可欠な機能です。

「LangSmith の観測機能こそが、LangChain エコシステム全体の中で最も大きな資産だと言えます」と、Kordel 氏は語ります。

また、チームはプラットフォームレベルで LangSmith Insights Agent を ToyotaGPT に適用し、各部門がどのようにこのシステムを導入しているかを理解するとともに、今後優先すべき新規の目的特化型エージェントを特定しています。

8 桁規模の節約に向けた進捗

各製造用途ケースでは、ラインごと、工場ごと、施設ごとに年間少なくとも 6 桁（10 万ドル以上）の削減効果が期待されています。トヨタの北米における製造拠点全体にこれを外挿すれば、ポートフォリオが成熟するにつれて、各施設で年間数百万ドル規模の節約が可能になると Kordel 氏は予測しています。

「来年の対話では、『7 桁から 8 桁の節約を実現している』と言えるようになることを願っています。今後数年間でその達成を予測しています」と Kordel 氏は述べています。

より即時的な効果として、4 日間のエージェント開発サイクルにより、企業全体から届く需要の変化に迅速に対応できるようになりました。現在、50 以上のエージェントが生産環境で稼働しており、スケーラブルなプラットフォームを備えることで、エンタープライズ AI チームの目標は明確です。

「AI は貸借対照表に載るようになります。その理由は LangChain です。その効果と投資収益率（ROI）が確認できるでしょう」と Kordel 氏は断言します。

Deep Agents や LangSmith について詳しく知りたい方は、エージェント開発の加速方法をご覧ください。