ニュース

NRI、社会・産業の基盤を構築する「社会レジリエンスAI」構想を提言　脱暗黙知！

編集部：中野信二

2026年5月15日 14:45

　野村総合研究所（以下、NRI）は、国立大学法人東京大学大学院工学系研究科技術経営戦略学専攻田中謙司研究室（以下、東大田中研究室）の実社会のデータを起点に課題解決の方法を導出する学術的知見を基に、データ分析から社会・産業の構造変化を捉え、持続可能な社会・産業基盤の構築を目指すAI活用の新構想「社会レジリエンスAI」を取りまとめた。

　社会レジリエンスAIは、社会や産業に蓄積された熟練者の知見や業務データをインプットに、変化の検知から要因分析、対策の提案までを自律的にAIエージェントが行ない、予見・対応の精度を継続的に高めていく仕組みとなる。

構造変化に即応できない従来型の業務・意思決定モデル

　社会・産業のあらゆる領域で、環境変化のスピードと複雑性が増しており、日々膨大なデータが蓄積されるようになっても、データの変化から次に起こる事象の兆候を的確に捉え、業務やアクションに結びつけるプロセスは、依然として熟練者の経験や勘といった「暗黙知」に大きく依存している。

　また、産業インフラの保全領域などに代表されるように、人材の高齢化や技術継承の断絶により、従来の「熟練者による対応」を前提とした運用が限界を迎えつつある。

　デジタル化やAI導入が進む一方で、その活用が個別の異常検知や分析にとどまり、検知から原因究明、対策立案、その効果の検証までのプロセスが分断されているケースが多く、多くの産業では、本来の業務変革に至っていない。

「社会レジリエンスAI」構想の特長と解決の方向性

　社会レジリエンスAIは、課題を複雑な社会システムの変化を数理モデルによって検知し、要因を分析し、事象に対する最適な対処法を導き、対策の実行を促す。事象を予測する従来型のAIでは、主に過去のデータから統計的にパターンを認識する手法が用いられてきた。

　そうした「過去に似た事象が起きたから、次も起きるだろう」という経験則的な予測だけでなく、東大田中研究室の学術的知見に基づき、データが乏しい状況や過去に経験のない事象に対しても、数理モデルによって変化の検知と高度な要因分析を目指す。

　また、従来型の予測AIの多くは、既に数値化・構造化されたデータを前提とするのに対し、AIエージェントを活用することで、熟練者の経験や勘といった「データとしては存在しないが、当たり前に使われている暗黙知」を形式知へ変換し、AIの推論基盤に組み込むという。

　この高度な推論を複雑な業務プロセスに組み込み、対策実行につなげるために、日本企業を熟知し、業務の再設計から、システム構築・運用までを一気通貫で担ってきたNRIのノウハウが発揮されるとしている。

　このように、東大田中研究室とNRIの強みを掛け合わせることで、分析だけでなく、事象に対する最適な対処法を導き出し、自律的な対策の実行までを促す、本番業務で活用できる品質のAIを実現を目指している。

　具体的には、以下の3つのプロセスを一気通貫で実行するAIエージェント群と、それらを統括するオーケストレーションAIが、熟練者の思考プロセスを再現する。

1. 変化検知（モニタリング・モデル化）

　多様なデータソースからミクロレベルの変調や構造変化の兆候を捉える。

2. 要因分析（根本原因の特定・知見の蓄積）

　複合的な要因を解きほぐし、蓄積された知見と照合しながら根本原因を特定する。

3. 対策提案（アクションプラン探索・提示）

　状況に応じた最適な対処法や施策を提示し、実行へとつなげる。

　また、実行結果をフィードバックとして取り込むことで、予見・対応の精度を継続的に高め、ミクロのデータ分析から構造変化を捉え、マクロの業務判断をダイナミックに進化させる、このフィードバックループ（成果の循環的な仕組み）こそが、「社会レジリエンスAI」の生み出す本質的な効用としている。

　これにより、さまざまな意思決定を、従来の「リアクティブ（事後対応）型」から、予測に基づく「プロアクティブ（予見）型」へと変革する。

今後の展開

　社会レジリエンスAIの最初のユースケースは、製造・エネルギー・交通といった、社会・産業インフラの保全領域への適用を想定。センサーデータ等のミクロデータから設備の変調を捉え、熟練者の暗黙知を学習したAIが要因分析と対策提案をすることで、人材不足や技術の属人化といった構造的課題の解決に取り組む。将来的には、ユースケースを増やし、適用する業種・業務を拡大していく予定という。