製品・サービス・事例検索
業界・技術・コンテンツ種別から、自社製品・導入事例・ホワイトペーパーを横断検索。
「IEEE CISOSE 2026、全基調講演のリアルタイムAI通訳にSotaTekの『Saydi』を採用」
SotaTek Japanは、IEEE CISOSE 2026の全基調講演における同時翻訳サービスとして、AIリアルタイム翻訳プラットフォーム「Saydi」が採用されたことをお知らせいたします。 また、SotaTek Japanは本イベントのオフィシャルスポンサーとしても協賛しています。 CISOSE 2026は、2026年7月27日（月）から30日（木）まで福岡工業大学（FIT）で開催されるIEEE主催の国際学術会議です。AI、クラウドコンピューティング、サービス指向システム、モバイルコンピューティング、ビッグデータ、分散アプリケーションなど、多様な分野の研究者や技術者、企業関係者が世界中から集まり、最先端の研究成果や技術について議論を行います。 AI・デジタルイノベーションの発展を支援 SotaTek Japanは、本カンファレンスへのスポンサー協賛を通じて、AIをはじめとする先進技術の発展と、産学連携によるイノベーションの創出を支援しています。 世界中の研究者や企業との交流を通じて、AI技術の社会実装やデジタルトランスフォーメーション（DX）の推進に貢献するとともに、新たな価値創出につながる取り組みを積極的に支援してまいります。 SotaTek Japan CEO Daniel Vuが基調講演に登壇 本カンファレンスでは、SotaTek Japan CEO Daniel Vuが基調講演に登壇します。 講演では、人材不足や情報過多といった現代の組織が直面する課題に対し、AIを単なるツールではなく、自律的に業務を支援するパートナーとして活用する実践的なアプローチを紹介します。また、AIミーティングエージェント「NoteX」やAIリアルタイム翻訳プラットフォーム「Saydi」を事例に、ビジネスや教育現場におけるAIの社会実装について解説するとともに、人とAIが協働する未来のビジョンを共有します。 ■基調講演者の詳細は、公式サイトをご覧ください。 https://cisose.fit.ac.jp/2026/keynote-speakers/ 基調講演ではAI音声翻訳「Saydi」を活用 今回の基調講演では、SotaTekが提供するAIリアルタイム音声翻訳ソリューション「Saydi」が翻訳ツールとして使用されます。 Saydiは、話者の音声をリアルタイムで複数言語へ翻訳し、異なる言語を話す参加者同士のスムーズなコミュニケーションを実現するAIソリューションです。 国際会議において言語の壁を取り除き、より多くの参加者が講演内容を理解・共有できる環境を提供することで、AIによるコミュニケーション支援の可能性を実証します。 IEEE CISOSE 2026について The IEEE International Congress on Intelligent and Service-Oriented Systems Engineering（CISOSE 2026）は、複数のIEEE国際会議・ワークショップで構成される国際学術イベントです。 2026年は、以下のような幅広い分野について最新の研究成果や技術動向が発表されます。 IEEE JCC 2026（ジョイントクラウドコンピューティング国際会議） IEEE SOSE 2026（サービス指向システムエンジニアリング国際会議） IEEE BigDataService 2026（ビッグデータコンピューティングサービスおよび機械学習応用国際会議） IEEE IMC […]
レガシーを置き換えずに、AIを動かす ── 日本企業のための統合実践ガイド
本記事では、CIO・IT部門・DX推進担当者に向けて、レガシーシステムを刷新することなくAIを導入するための実践的なアプローチを解説します。さらに、横河電機や三菱UFJ銀行の導入事例をもとに、既存インフラを活かしながらAIによる業務改善とビジネス価値を実現するためのポイントをご紹介します。
零壱製作株式会社、SotaTek JapanのAI駆動型開発フレームワーク「ADF」を全社導入
株式会社SotaTek Japan（以下 SotaTek Japan）は、株式会社ニーズウェルの子会社である零壱製作株式会社（以下 零壱製作様）が、当社のAI駆動型ソフトウェア開発フレームワーク「ADF（Agentic Development Framework）」を全社的に導入したことをお知らせいたします。 本導入により、零壱製作様はAIを前提とした開発体制への移行を推進し、AI活用との親和性が高い案件において、開発期間の最大50％短縮を目指します。 AI時代に求められる新たな開発アプローチ 生成AIの急速な進化に伴い、企業にはこれまで以上に迅速なシステム開発と高品質なサービス提供が求められています。一方で、従来の人手中心の開発プロセスでは、開発スピードと品質の両立が大きな課題となっています。 こうした背景のもと、零壱製作様は開発生産性の向上と競争力強化を目的として、SotaTek Japanが提供するAI駆動型開発フレームワーク「ADF」を採用しました。 SotaTek Japanは、本取り組みを通じて、AIとエンジニアが協働する新しい開発モデルの実現を支援してまいります。 「ADF」について ADF（Agentic Development Framework） は、SOTATEK JAPANが提供するAI駆動型ソフトウェア開発フレームワークです。 AIエージェントが要件定義からコード実装、テストまでを支援することで、開発スピードと品質を向上させます。さらに、レガシーシステムの知識継承や仕様不備の早期検知を通じて、エンジニア不足への対応、属人化の解消、開発コストの最適化を実現します。 ＞＞＞関連記事：SotaTek Japan、AIエージェント開発フレームワーク「ADF」を提供開始 零壱製作株式会社ADF導入による効果 開発期間の大幅短縮 ADFを活用することで、企画・設計から開発・テストまでのリードタイム短縮を実現します。AI活用との親和性が高い案件では、従来比最大50％の開発期間短縮が期待されています。 品質の向上と標準化 AIを上流工程から活用することで、仕様漏れや設計上の課題を早期に発見できます。また、属人的な判断への依存を低減し、品質の安定化と標準化を支援します。 コスト最適化 反復作業や定型業務をAIが支援することで、人的リソースをより付加価値の高い業務へ集中させることが可能となります。結果として、開発コストの最適化と投資対効果の向上を実現します。 日本企業のAI駆動型開発を加速するSotaTek Japan SotaTek Japanはこれまで、AI、DX、クラウド、ブロックチェーンなど幅広い技術領域で日本企業のデジタル変革を支援してきました。 今回の導入は、AI駆動型開発が実際の開発現場で成果を生み出す新たな事例の一つであると考えています。SotaTek Japanは、ADFを通じて企業の開発生産性向上とイノベーション創出を支援し、日本企業のDX推進とAI活用の加速に貢献してまいります。 今後も、AIエージェント技術とソフトウェア開発ノウハウを融合し、お客様の事業成長を支える次世代開発基盤の提供を推進してまいります。 ＞＞＞零壱製作株式会社の記事：零壱製作株式会社、AI駆動型開発フレームワーク「ADF」を全社導入
製造現場におけるVision AI：目視検査の限界を超え、スケーラブルな品質管理を実現する方法
日本の製造業は今、二重の構造的課題に直面しています。ひとつは労働力不足の加速です。製造業の就業者数は2023年に1,055万人、2024年には1,046万人とわずかに減少しており、その傾向は今後さらに深刻化する見通しです。みずほリサーチ・テクノロジーズの試算によると、2030年時点の人手不足は約700万人規模に達すると推計されており、製造現場における熟練検査員の確保は一段と難しくなっています。 もうひとつは品質管理の複雑化です。製品バリエーションの増加、ライン速度の向上、多品種少量生産への対応が求められる現在、従来の目視検査プロセスは設計上の前提条件を超えた運用を強いられています。こうした背景から注目されているのが、Vision AI（コンピュータビジョンAI）を活用した自動外観検査です。日本のマシンビジョン市場は2024年に29.3億ドルに達し、2033年には107億ドルへ、年平均成長率13.8%で拡大すると予測されています。製造業のDX推進において、Vision AIは今や選択肢ではなく、競争力維持のための必須投資となりつつあります。 本記事では、Vision AIとは何か、目視検査が抱える構造的な限界を整理したうえで、Vision AIが日本の製造現場にもたらす具体的な価値と、導入時に押さえるべきポイントを解説します。 Vision AIとは？ Vision AIとは、カメラやセンサーから取得した画像・映像データをAIが解析し、物体認識・異常検知・品質判定などを自動的に行う技術です。 従来のルールベース型画像処理では対応が難しかった複雑な欠陥や微細な異常も、機械学習・ディープラーニング技術を活用することで高精度に検出できます。現在の先進的なAIビジョンシステムは97〜99.5%の欠陥検出精度を達成しており、これは人間の検査員の60〜80%と比較して大幅に高い水準です。また、人間の検査精度が繰り返し作業の最初の1時間以内に25〜40%低下するのに対し、AIシステムは24時間365日この精度を劣化なく維持します。 製造業では主に以下の用途で活用されています。 外観検査・欠陥検出 異物混入検知 ラベル・印字確認 組立状態の確認 寸法測定 生産工程モニタリング スマートファクトリー実現を支える中核技術として、多くの製造企業が導入を進めています。 目視検査のスケーラビリティ課題 品質判定の属人化 目視検査は人間の判断に依存するため、判定結果に個人差が生じることは避けられません。検査品質は、検査員の経験やスキルだけでなく、疲労度や作業環境、照明条件、生産目標によるプレッシャーなどさまざまな要因の影響を受けます。そのため、同じ製品であっても、担当する検査員やシフトによって判定結果が異なることがあります。 実際、調査によると、同じ欠陥に対して検査員同士がその深刻度について合意できる確率は55〜70％程度にとどまるとされています。 こうした判定基準のばらつきは、不良分類の精度低下だけでなく、品質データの信頼性や根本原因分析の精度にも影響を及ぼします。また、トレーサビリティや品質改善活動に必要なデータの一貫性を損なう要因にもなります。 検査能力と生産スループットのギャップ 製造ラインの高速化が進む一方で、人による検査能力には物理的な限界があります。生産量が増加すると、多くの工場は「検査工程に合わせてライン速度を落とす」か、「ライン速度を維持する代わりに検査範囲を縮小する」かという難しい選択を迫られます。 しかし、どちらの選択肢も理想的とはいえません。前者では生産効率が低下し、後者では品質リスクが高まります。その結果、仕掛品在庫の増加やリワーク工数の拡大、出荷遅延、不良品流出といった問題が発生しやすくなります。こうした課題は物流や生産計画の問題として認識されることもありますが、その根本原因が検査工程にあるケースは少なくありません。 不良品質コストの増加 品質管理にかかるコストは、人件費だけではありません。米国品質学会（ASQ）によると、不良品質コストは製造業の年間売上高の15〜20％に達する場合があります。 その内訳には、 リワーク費用 廃棄コスト 出荷遅延による損失 顧客クレーム対応 品質監査対応 などが含まれます。さらに、研究によっては、目視検査では実際の生産環境において欠陥の20〜30％を見逃す可能性があることも指摘されています。こうした見逃しは単発の問題ではなく、再加工や返品対応、顧客満足度の低下といった形で積み重なり、企業全体の収益性に大きな影響を与えます。 検査体制拡張の限界 検査需要の増加に対応するため、QCチームの増員を選択する企業も少なくありません。しかし、この方法は一時的な対処にはなっても、根本的な解決策とは言えません。 検査員を増やせば検査能力は向上しますが、その一方で採用コストや教育コスト、管理負担も増加します。また、新人教育には時間がかかり、検査基準を全員に浸透させることも容易ではありません。さらに、日本では製造業における若年就業者数が過去約20年間で125万人減少しており、熟練検査員の確保は年々難しくなっています。組織規模が大きくなるほど、シフト間やライン間での判定基準の統一も困難になり、品質の一貫性を維持するための負担はさらに増大します。 つまり、目視検査は生産量の増加に合わせて線形的に人員を増やさなければならない一方で、品質の安定性は必ずしも向上しません。これこそが、目視検査が本質的にスケールしにくい最大の理由なのです。 Vision AIが品質管理にもたらす変革 一貫した品質基準をすべてのシフト・ラインに適用：Vision AIは、事前に定義された基準に基づいてすべての製品を均一に評価します。疲労・集中力低下・シフト差・経験差の影響を受けません。その結果、不良分類の標準化・品質データの信頼性向上・トレーサビリティの強化・根本原因分析の精度向上を実現できます。2024年の調査では、AIは最適な条件下で作業するエキスパート検査員と比較して37%多くの重要な欠陥を検出しました。熟練者であっても、AIはより多くの欠陥を発見できることが実証されています。 リアルタイム検査によるスループット向上：Vision AIは生産ライン上でリアルタイムに画像解析を実行します。現在のAIビジョン検査システムは、1時間あたり10,000点以上の部品を100ミリ秒未満の推論速度で検査できます。製品がラインを流れる間に検査が完了するため、ライン停止の削減・品質承認時間の短縮・スループット向上につながります。また24時間稼働が可能なため、高稼働工場でも安定した品質検査を維持できます。 スケーラブルな品質管理体制構築：目視検査ではライン数の増加に比例して検査員も増員する必要があります。一方でVision AIは、一度構築した検査モデルを複数ラインや複数工場へ展開できます。マッキンゼーの調査では、AIを活用した品質管理によって不良率を最大50%削減し、品質関連コストを最大30%削減した事例が報告されています。また、AIビジョン検査システムを導入した製造業者の間では、欠陥37%削減・顧客クレーム85%減少・3年間ROI374%、平均7〜8ヶ月での投資回収という結果が記録されています。 日本の製造現場におけるVision AI導入事例 日本の製造業では、人手不足や品質要求の高度化を背景に、AI活用が急速に進んでいます。特に品質管理や検査工程ではVision AIの導入が拡大しており、生産効率向上や品質の標準化につながる成果が報告されています。また、検査領域に限らず、生産管理や業務効率化においてもAIの活用が広がっています。 自動車部品メーカー：AI外観検査で検出率95％を達成 日本の自動車部品メーカーでは、AIを活用した外観検査システムの導入により、欠陥検出率95％を達成し、検査工程にかかる人件費を約30％削減しました。従来の目視検査では見逃しが発生していた微細な表面欠陥や塗装ムラも、AIによる画像解析によって安定して検出できるようになり、品質の均一化とリワーク削減に貢献しています。これは、Vision […]
日本企業のためのAI導入戦略ガイド｜失敗を防ぎ成功へ導く実践法
生成AIの認知度は日本でも着実に広がっています。GMO Research & AI（2025年2月）によると、日本における生成AIの利用率は2024年2月の33.5%から2025年2月には42.5%へと9ポイント上昇しました。職場での積極的な活用率も15.7%から19.2%へと伸び、「試してみる」段階から「業務で使う」段階への移行が始まっています。 しかしグローバルと比較すると、差は明らかです。BCGの調査（2025年7月）では、日本の日常的なAI使用率は51%にとどまり、世界平均の72%を大きく下回っています。OECD調査（2025年）では、生成AIを活用する中小企業の割合は日本が23.5%と調査対象7カ国の中で最低水準であり、最高のドイツ（38.7%）との差は歴然としています。 さらに、スタンフォード大学HAIの「AI Index Report 2025」によると、グローバル企業の78%がAIを業務活用している一方、日本のAI投資額はアメリカの1,000分の1以下という現実があります。これは単なる技術格差ではなく、将来の競争力格差へと直結するリスクです。 しかし、課題は技術そのものではありません。多くの企業がAI導入に関心を持ちながらも、期待した成果を得られず、プロジェクトが停滞しているのが現実です。S&P GlobalやBCGの調査でも、多くの企業がAI投資から十分な価値を引き出せていないことが報告されています。 その背景には、現場業務とのミスマッチ、組織的な準備不足、運用体制の不備など、技術以外の要因が存在します。企業が本当に懸念しているのはAIそのものではなく、「業務の混乱」なのです。 本記事では、日本企業がAI導入を成功させるために必要な戦略、失敗要因、スモールスタートの進め方、組織準備、KPI設計のポイントを解説します。 日本におけるAI導入戦略の失敗要因 Japan IT Week（2026年）の分析によると、McKinseyとBCGの2025年調査を横断的に見ると、AI投資から実際の成果を出している企業は全体の5〜6%にすぎません。失敗する企業には共通したパターンがあります。 過剰な同時展開 AIの効果を早く得ようとして、短期間で複数の部門へ同時展開を進める企業は少なくありません。しかし、一部の部署で問題が発生すると、プロジェクト全体への信頼が低下し、社内の推進力が失われる可能性があります。 特に日本企業では、慎重な合意形成が重視されるため、一度失った信頼を回復するには多くの時間と労力が必要になります。まずは限定的な領域で成果を証明し、その後段階的に拡大していくアプローチが効果的です。 オーナーシップの不明確さ AIプロジェクトは、IT部門と業務部門の責任範囲が曖昧になりやすいという課題があります。誰が意思決定を行うのか、誰が運用・改善を担うのかが明確でないまま導入が進むと、問題発生時の対応が遅れ、プロジェクトの停滞につながります。AI導入を成功させるためには、技術担当者だけでなく、業務部門を含めた明確な責任体制とガバナンスの構築が不可欠です。 現場理解と組織浸透の不足 AI導入の目的や期待される効果が十分に共有されないままプロジェクトが進むと、現場では新しいツールの利用を避けたり、従来の業務プロセスを維持しようとしたりするケースが発生します。こうした利用定着の失敗は、PoC（概念実証）が本番導入へ進まない大きな要因の一つです。 PwC Japanの「生成AIに関する実態調査2025春」でも、多くの企業が組織文化や人材のリテラシー不足を導入の主要な障壁として挙げています。 レガシーシステムとの統合課題 AIは単独で価値を生むものではなく、既存システムや業務プロセスとの連携によって初めて効果を発揮します。しかし、多くの企業では老朽化したシステムや分断されたデータ環境が残っており、十分な統合計画なしにAIを導入すると、新たな技術的負債を生み出すリスクがあります。 これは経済産業省が提唱した「2025年の崖」とも深く関連する課題であり、DX推進における重要な障壁となっています。 データ基盤の未整備 AIの性能は、学習や推論に利用するデータの品質に大きく左右されます。しかし、多くの企業はデータ整備に必要な工数やコストを過小評価しています。データが複数のシステムに分散していたり、形式が統一されていなかったりすると、AIは十分な精度を発揮できません。 特に、長年にわたりExcelや紙ベースで情報を管理してきた企業では、データの収集・整理・構造化そのものが大規模なプロジェクトになることもあります。 スモールスタートによる低リスクなAI導入 AI導入で成果を上げている企業は、必ずしも最初から大規模な投資を行っているわけではありません。むしろ、明確なユースケースをひとつ選び、小規模な実証から始めて価値を確認しながら段階的に拡大しています。 これは、低リスクなAI導入 戦略の基本原則です。スコープを限定し、成果を測定可能にしながら短いサイクルで改善を重ねるアプローチは、日本企業が長年培ってきた「カイゼン」の考え方とも高い親和性があります。 AI導入戦略を成功に導く5ステップ ステップ アクション フォーカスポイント 1 業務量が多く反復的なプロセスをひとつ選ぶ 問い合わせ対応、社内ヘルプデスク、請求書処理、契約書レビュー 2 現在のワークフローを完全にマッピングする AIが触れる前に、すべての引き渡し、ツール、判断ポイントを理解する 3 成功指標を事前に定義する 対応時間、クエリあたりコスト、エラー率削減、週あたり節約時間数 4 少人数グループで4〜6週間の期限付きパイロットを実施 スコープを限定することで迅速に動き、軌道修正しやすくする 5 振り返り・記録・スケールへ パイロットのデータを使って次フェーズのビジネスケースを構築する […]
AI統合とAI導入の違いとは？ 日本企業が知るべき成功ポイント
2025年、世界の大企業はAIへの取り組みに6,840億ドルを投じました。しかし、RAND Corporationの調査によれば、AIプロジェクトの80%が意図したビジネス価値を生み出せていません。通常のITプロジェクトの失敗率のおよそ2倍。この数字は3年間ほとんど動いていません。 日本も例外ではありません。国内企業のAI導入率は年々上昇していますが、「導入率」と「ビジネスへの影響」は全く別の話です。AIツールを動かすことと、業務に統合することは同じではありません。 コストの議論はライセンス料や計算コストに偏りがちです。しかし、予算のほとんどが消えていくのはそこではありません。企業AI統合の失敗によるコストは、運用上・組織上のものがほとんどで、被害が出るまで見えません。 本記事では、その隠れたコストを5つ取り上げ、日本企業がなぜ特にリスクにさらされているかを解説します。 「AI導入」と「AI統合」の違い 多くの企業は、「自社はすでにAIを活用している」と考えています。しかし実際には、その多くが「AIを導入している」段階に留まり、「AIを統合している」状態には至っていません。 AI導入とは、既存の業務フローにAIツールを追加することを指します。たとえば、Webサイトのチャットボット、マーケティング向けのライティング支援ツール、予測分析ダッシュボードなどが代表例です。これらは確かにAI活用の一歩ですが、多くの場合、個別最適に留まっており、業務全体とは切り離された形で運用されています。つまり、AIが「ビジネスの中」に組み込まれているのではなく、「ビジネスの横」で動いている状態です。 一方、真のAI 統合では、AIが企業のコアワークフローに深く組み込まれます。CRM、ERP、カスタマーサポートシステム、社内ナレッジベースなどのリアルタイムデータと連携し、統一されたガバナンスのもとで運用され、明確なビジネス成果に基づいて評価・改善されます。 この「導入」と「統合」の違いこそが、多くの企業で見落とされがちな課題であり、後に大きな隠れコストを生む原因になります。 項目 AI導入 AI 統合 範囲 単一ツール・単一チーム 部門横断・全社レベル データ連携 スタンドアロン・サイロ化 CRM・ERP・社内システムと連携 ガバナンス 最小限 明確なポリシーと監督体制 効果測定 ROIを追跡しにくい ビジネスKPIと連動 失敗リスク 局所的で見えにくい 不適切な統合時の影響が大きい AIシステムがビジネス目標や既存業務と十分に整合しないまま運用されると、表面化しにくいコストが継続的に発生します。 運用負荷の増加、データの不整合、部門間の分断、ROIの不透明化など、こうした問題は当初の予算には現れにくいものの、長期的には企業全体の生産性や意思決定に大きな影響を与える可能性があります。 AI統合の失敗が招く5つの隠れコスト AI導入の失敗による損失は、単なる「システム投資の無駄」に留まりません。本当に深刻なのは、財務諸表には現れにくい“隠れたコスト”が、組織全体に長期的な影響を与えることです。ここでは、企業AI 統合の失敗によって発生する代表的な5つの隠れたコストを解説します。 プロジェクト中断による埋没コスト 最も直接的なコストは、途中で頓挫したAIプロジェクトによる損失です。調査によると、大企業ではAIプロジェクト1件の失敗による平均損失額は約720万ドルに達します。さらに、AIパイロットプロジェクトの約88%は本番環境まで到達していません。 プロジェクトが途中で中止された場合、平均420万ドルの直接損失が発生し、仮に導入まで完了しても十分な価値を生み出せなかったケースでは、平均680万ドルのコストに対してリターンは190万ドル程度に留まり、ROIはマイナス72%になるというデータもあります。 しかし、より深刻なのは数字に表れない損失です。 AI開発に投入されたエンジニアリングリソース プロジェクトに費やされた経営陣の意思決定コスト 失敗によって低下する現場チームのモチベーション 「AIは成果が出ない」という社内不信感 こうした二次的影響は、次のAI投資判断にも大きく影響します。特に予算制約の大きい企業では、一度の失敗が「次の挑戦機会」を失わせるケースも少なくありません。 ＞＞＞関連記事：AI導入が失敗する理由と成功への実践アプローチ データ連携不備による業務停滞 AIはデータによって動作します。そして、そのデータは安定したインフラがなければ機能しません。 Fivetranの「2026 Enterprise Data Infrastructure Benchmark Report」によると、データ・テクノロジー部門のリーダーの約97%が、「データパイプラインの障害がAIや分析プロジェクトの遅延につながった」と回答しています。 企業レベルでは、こうした問題による損失は、AI成果の遅延や生産性低下を含めて月平均300万ドル規模に及ぶとされています。根本的な原因は、AIそのものではなく“分断されたデータ構造”です。 […]
SotaTek、新たなセキュリティサービス「SotaSecure」を提供開始
SotaTekは、新たなセキュリティサービス「SotaSecure」リリースをお知らせします。本サービスは、企業のデジタル資産を守るための包括的なセキュリティソリューションとして、まずはセキュリティ診断サービスのご提供を開始します。 SotaSecureリリースの背景 近年、企業のデジタル化が急速に進む一方で、Webアプリケーションやクラウドサービスを狙ったサイバー攻撃が増加しています。 SotaTekはこれまで数多くの企業システムを開発・運用してきた経験から、セキュリティ面の課題をより深くサポートする必要性を感じ、「SotaSecure」を立ち上げました。 SotaSecureについて 「SotaSecure」は、SotaTekが提供するセキュリティサービスです。企業のWebプラットフォームをはじめとするデジタル資産を守ることを目的に、システム開発とセキュリティの知見を融合した総合的なソリューションを提供します。 SotaSecureは、単なる脆弱性診断にとどまらず、開発チームとの連携を前提とした実装につながるセキュリティを重視しています。脆弱性の発見から修正支援、再診断、定期モニタリングまでを一貫してカバーし、企業のDX推進に欠かせない「安全な開発基盤」を構築します。 SotaSecureの初期段階ではセキュリティ診断サービスを中心に提供し、企業の成長段階やサービス拡張に合わせた柔軟なセキュリティ支援体制を実現します。 診断サービスの主な提供内容 診断サービスの初期段階では、Webアプリケーション向けの診断を中心に提供し、今後はモバイルアプリケーション、クラウドインフラなどへの対応拡大を予定しています。 以下のサービス内容により、企業のデジタル資産を多層的に保護します。 Webアプリケーションの脆弱性診断 SQLインジェクション、XSS、CSRFなど、外部攻撃のリスクを網羅的に検出します。 OWASP ASVS に準拠したセキュリティ検査 国際的に認知されたOWASP ASVS に基づき、アプリケーションの主要な脆弱性を体系的に評価します。 レポート作成と改善提案 脆弱性の内容・影響度・修正優先度をわかりやすくまとめたレポートを作成します。開発チームが迅速に対応できるよう、具体的な改善提案を提示します。 定期的なセキュリティモニタリング システム更新や機能追加のたびに生じるリスクを継続的に監視し、潜在的な脅威を早期に検知します。 開発チームとの連携による迅速な修正支援 SotaTekが開発を担当する案件に対しては、開発専門チームと連携し、発見された脆弱性をスムーズに修正。再テスト・再診断まで一貫してサポートします。 なぜSotaSecureを選択するのか 企業がSotaSecureを選ぶ理由は、単なる脆弱性診断サービスに留まらず、「開発とセキュリティの両立」を実現できる点にあります。 SotaTekは、数多くのWeb・クラウド・モバイル開発の実績を通じて、セキュリティをシステム開発プロセスの中に自然に組み込むDevSecOpsアプローチを採用しています。 SotaSecureの主な強み： 開発×セキュリティの専門知識の融合 SotaTekのエンジニアは、開発者としての視点とセキュリティアナリストとしての視点を併せ持ち、実運用に即した現実的な改善提案を行います。 国際標準に準拠した検査プロセス OWASP ASVS やISO/IEC 27001などの国際基準に基づき、グローバル水準の診断体制を整備しています。 コスト効率とスピードの両立 ベトナムの開発拠点を活かし、国内サービスに比べて高品質かつコストパフォーマンスの高いセキュリティ診断を提供します。 継続的なセキュリティ支援（DevSecOps対応） 単発の診断にとどまらず、開発・運用フェーズでの継続的なセキュリティ強化を支援します。 柔軟な拡張性とカスタマイズ対応 Webアプリケーション診断を起点に、将来的にはモバイル・クラウドなど幅広いシステム領域への対応を計画しています。 SotaTekについて SotaTekは、2015年にベトナム・ハノイで設立されたグローバルITソリューション企業です。AI、クラウド、ブロックチェーン、イントラマート・ローコード開発、Web・モバイルアプリ開発、ERP／CRM導入、QA／テスト自動化など、幅広い技術領域にわたりサービスを提供しています。 今回の「SotaSecure」リリースを通じて、SotaTekは「開発 × セキュリティ × 運用」を包括的に支援するトータルテクノロジーパートナーとして、企業のDX推進をより安全かつ持続的に加速させてまいります。
SotaTek Japanの福岡展開とAI技術が「日本経済新聞」に掲載
SotaTek Japanはこのたび、福岡市におけるIT・AI企業の集積について取り上げた日本経済新聞の記事にて紹介されました。 記事では、福岡市が日本国内外のテクノロジー企業から注目を集める新たなITハブとして成長していることが紹介されており、その中でSotaTek Japanの福岡拠点開設やAI技術への取り組みが取り上げられています。 ※ 電子版：2026年5月11日掲載／紙面版：2026年5月12日掲載 福岡拠点の開設と今後の展望 SotaTek Holdingsは2025年1月、福岡拠点を開設しました。これは東京・大阪に続く日本国内3拠点目となります。 記事内では、SotaTek Holdings 会長 レー・ミン・トゥアンの以下コメントも紹介されています。 「福岡進出は、日本で長期的に投資するという意思表示だ」 SotaTek Japanは今後、福岡拠点のエンジニア採用を強化し、2030年までに約100名規模への拡大を目指しています。また、九州地域の企業に向けたDX支援やITサービスの提供も積極的に推進していく予定です。 AIリアルタイム翻訳技術が注目 記事では、福岡拠点開所式で披露されたSotaTek独自開発のAI翻訳アプリについても紹介されました。 会場では、SotaTekのAI音声翻訳ソリューション「Saydi」を活用し、レー・ミン・トゥアン会長によるベトナム語スピーチをリアルタイムで日本語翻訳しました。発言からわずか数秒で日本語字幕がモニターに表示され、来場した福岡県・福岡市の関係者や企業担当者から高い関心を集めました。 SotaTekは、AIを活用した音声認識・リアルタイム翻訳技術を強みとしており、高精度な双方向コミュニケーションを実現するソリューションを提供しています。さらに、医療分野では、医師と患者の会話をAIが自動で認識・記録し、カルテ作成を支援するサービスも展開しています。 福岡が新たなテクノロジーハブへ 記事では、KINTO Technologies（トヨタグループ）やGMOインターネットグループなど、多くの企業が福岡へ進出・拡大していることにも触れられています。 福岡市は現在、スタートアップ支援や再開発プロジェクト「天神ビッグバン」などを通じて、IT・AI企業が集積する都市として存在感を高めています。 こうした環境の中で、SotaTek Japanも日本市場における事業拡大と、地域企業のDX推進に貢献してまいります。 日本市場でさらなる価値創出へ 今回、日本経済新聞の記事内でSotaTek Japanをご紹介いただいたことは、当社の技術力や日本市場での取り組みが評価された結果であり、大変光栄に感じています。 SotaTek Japanは今後も、AI・DX領域における高品質なソリューション提供を通じて、日本企業のデジタル変革を支援するとともに、より多くの価値創出に取り組んでまいります。 ■ 掲載記事はこちら： https://www.nikkei.com/article/DGKKZO96148060R10C26A5LX0000/
ビジネス自動化向けトップAIエージェントプラットフォーム
AIは、シンプルなチャットボットやルールベースの自動化を超え、新たな段階へと進化しています。現在、多くの企業が注目しているのは、人間による細かな指示がなくても、自律的に「計画・推論・実行」を行えるAIエージェントです。これは単なる技術トレンドではなく、企業の業務運営や意思決定のあり方そのものを変えつつあります。 実際に、市場の成長スピードは非常に急速です。世界のAIエージェント市場は、2025年の76.3億ドルから2026年には109.1億ドルへ拡大すると予測されており、2030年には526.2億ドル規模に達すると見込まれています。また、ガートナーは2026年までに企業向けアプリケーションの40%にAIエージェントが組み込まれると予測しています。 さらに、企業における導入効果も明確になりつつあります。Google Cloudの調査によると、経営幹部の74%がAIエージェント導入初年度内にROIを実感しており、39%は生産性が2倍に向上したと回答しています。加えて、生成AIエージェントを導入した企業の90%が、ワークフロー改善の効果を実感しています。 こうした背景から、企業がテクノロジーに求める要件も変化しています。現在重視されているのは、「業務をスケールできる自動化」「リアルタイムな意思決定」「人員増加に依存しない成長」の3点です。しかし、従来のRPAやスクリプト型チャットボットでは、複雑化する業務フローや多様なデータ環境に柔軟に対応することが難しくなっています。 そこで注目されているのが、ビジネス向けAIエージェントプラットフォームです。これらのプラットフォームは、計画・推論・タスク実行を自律的に行うAIエージェントを構築・運用するための基盤を提供し、カスタマーサービス、財務、人事、営業、IT運用など、さまざまな業務領域で活用が進んでいます。 SotaTekでは、AIおよびブロックチェーン分野におけるイノベーションパートナーとして、独自のAIエージェント プラットフォーム「SotaAgents」を展開しています。CRM、ERP、社内システムと連携しながら、企業のワークフローをエンドツーエンドで自動化し、業務効率化とDX推進を支援しています。 本記事では、ビジネス向けAIエージェント プラットフォームの概要や導入メリット、主要プラットフォームの特徴、そして導入時のポイントについて詳しく解説します。 ビジネス向けAIエージェントプラットフォームとは? AIエージェントとは AIエージェントとは、大規模言語モデル(LLM)をコアに使用して、コンテキストを認識し、問題を推論し、一連のステップを計画し、目標達成のためにアクションを実行するソフトウェアシステムです。質問に答えるだけのチャットボットとは異なり、AIエージェントはツールに接続し、APIからデータを取得し、レコードを更新し、複数ステップのタスクを自律的に完了します。 ＞＞＞関連記事：【完全版】AIエージェントとは？仕組み、種類、AIチャットボットとの違い AIエージェントプラットフォームの違い AIエージェント プラットフォームは、エージェントを構築・接続・監視・スケールする環境です。単一のエージェントは1つのタスクを解決できます。プラットフォームは、ビジネス全体で数十から数百のエージェントを実行し、それらを連携させ、コンプライアンスを維持します。 ほとんどのエンタープライズグレードのAIエージェント プラットフォームには、以下のビルディングブロックが備わっています: 非開発者向けのローコード・ノーコードインターフェースを備えたエージェントビルダー CRM、ERP、メール、データベース、社内アプリ向けのツールおよびAPIコネクター 単一のワークフロー上で複数のエージェントを連携させるオーケストレーション層 セッション間でコンテキストを保持するメモリと状態管理 権限、監査ログ、人間によるレビューを含むガバナンス制御 パフォーマンス、コスト、タスク精度を追跡する監視ダッシュボード AIエージェントと従来の自動化 従来の自動化は固定ルールに従います。条件が変わると、開発者がスクリプトを書き直す必要があります。AIエージェントは状況に応じてその場で適応します。これは単なる機能アップグレードではなく、構造的な違いです。 項目 従来型自動化（RPA・スクリプト） AIエージェント ロジック ルールベース・決定論的 推論ベース・適応型 入力データ 構造化データのみ 構造化・非構造化データ（テキスト、画像、音声など） 意思決定 事前定義されたフロー リアルタイムかつコンテキストを考慮 例外対応 停止または人へエスカレーション 状況を推論し柔軟に対応 導入・設定 ケースごとにスクリプト作成が必要 自然言語による指示から学習 拡張性 線形的で拡張コストが高い 共通インフラにより高いスケーラビリティを実現 ビジネスにおけるAIエージェントが業務運営を変革する理由 企業はコスト削減、迅速な対応、人員を増やさずにスケールする必要があります。AIエージェント プラットフォームはこれら3つすべてを実現します。 変化を推進する3つの力: 業務はルールベースのシステムには複雑すぎる。1つのサポートチケットがメール、CRM、ERP、配送データにまたがることがあります。RPAでは破綻します。AIエージェントは複数システム横断で推論します。ビジネスリーダーの52%が、複雑な複数ステップのプロセスの自動化をエージェント型AIの最大のメリットとして挙げています。 ROIが早く現れる。経営幹部の74%が初年度内にROIを実感しており、39%の企業がすでに10以上のAIエージェントを運用しています。投資回収期間は数年から数ヶ月へと短縮されました。 競争圧力は現実的。ビジネスリーダーの93%が、今後12ヶ月でAIエージェントをスケールすることが競争優位性をもたらすと考えています(Bayelsa […]
「ふくおか経済」2026年5月号にSotaTek Japan 福岡オフィス開設セレモニーが掲載されました
このたび、SotaTek Japan 福岡オフィスの開設セレモニーの模様が、福岡・九州エリアのビジネス情報を発信する月刊経済誌「ふくおか経済」2026年5月号(Vol.453)に掲載されました。九州における当社の取り組みが地域経済誌に取り上げられたことは、今後の事業展開において大きな励みとなります。 福岡オフィス開設セレモニーの様子 当日は、SotaTek Holdings会長 レー・ミン・トゥアンによる挨拶に加え、福岡オフィス長 ケビンより、今後3年で100人体制を目指すビジョンや、福岡を拠点とした事業拡大への展望が共有されました。 また、セレモニーではベトナム文化を紹介するパフォーマンスも行われ、参加者同士の交流を深める機会となりました。SotaTek Japanは、技術力だけでなく、人と人とのつながりや国際的な交流も大切にしながら、日本企業のDX推進を支援しています。 ＞＞＞関連記事：【開催レポート】福岡オフィスオープニングセレモニーとベトナムナイト 今後の展望 今回の「ふくおか経済」2026年5月号への掲載を励みに、SotaTek Japanは今後も福岡をはじめとする地域社会との連携を深め、より高品質なITソリューションの提供と、日本企業のデジタルトランスフォーメーション支援に取り組んでまいります。 ■ 掲載記事はこちら： 「ふくおか経済」2026年5月号(Vol.453) : https://www.fukuoka-keizai.co.jp/backnumber/ふくおか経済-vol-453/ 「ふくおか経済」について 「ふくおか経済」は、福岡・九州エリアの企業情報、地域経済、ビジネストレンドを幅広く発信する月刊経済誌です。地元企業の取り組みや最新動向を紹介する媒体として、経営者層をはじめ多くのビジネス関係者に読まれています。 SotaTek Japan 福岡オフィスについて 九州エリアにおける事業拡大と地域企業との連携強化を目的として開設された、日本国内3拠点目のオフィスです。福岡を拠点に、DX推進支援、受託ソフトウェア開発、AI・クラウド・ブロックチェーン等の先端技術分野におけるソリューション提供を通じて、日本企業のデジタル変革を支援しています。
【2026年版】日本企業が知るべきベトナムAI開発市場と主要企業比較
世界の企業が、なぜ今こぞって東南アジアへ目を向けているのか。その答えは、数字が雄弁に物語っています。東南アジアのITアウトソーシング市場は、2024年から2029年にかけて年平均10.05%で成長し、2029年には183億2,000万ドル規模に達すると予測されています。さらに、東南アジア全体のITアウトソーシング市場規模は2025年時点で約470億ドルに達しており、もはや「コスト削減のための代替地」という枠を超え、東南アジアがグローバル開発の中心地へと変貌したことを示しています。 なかでも注目を集めているのが、ベトナムです。「AI 開発をベトナムへ」という選択は、もはや一部の先進企業の話ではありません。優秀なエンジニア、競争力のあるコスト、そして政府主導のAI戦略——この三拍子が揃ったことで、ベトナムはAIアウトソーシングの目的地として急速に頭角を現しています。日本企業にとっては、地理的近接性、時差わずか2時間、そして文化的親和性という追加の利点まで備わっているのです。 ただし、ベトナムのAI 開発市場には大手国営企業から専門特化型企業まで多様なプレイヤーが存在し、それぞれ強みも提供価値も大きく異なります。本記事では、まずベトナムAI 開発市場を分析したうえで、日本市場向けに事業を展開する主要AI開発企業の特徴を整理しながら、SotaTek Japanの提供価値や市場でのポジションについて解説します。 ベトナムAI 開発市場の現状 急成長を支える人材基盤 ベトナムの平均年齢は33.9歳と若く、労働人口は5,350万人、そのうち67.7%が生産年齢人口を占めています。2023年時点でIT人材は53万人以上、IT教育を提供する大学・専門学校は約300校、約57,000人の学生が大学レベルのITプログラムに在籍しています。 注目すべきは、これらのエンジニアが単に「コスト効率の良いリソース」にとどまっていないことです。World AI Index 2025 ではAIの導入・準備度において世界第6位 にランクインしており、AI・機械学習、ブロックチェーン、IoT、クラウドといった先端領域での実践経験を持つ人材層が急速に厚みを増しています。 コスト優位性 CIO Magazine によると、ベトナムの開発アウトソーシング費用は、米国と比較して最大90%低く、中国と比べても約50%、インドと比べても約30%のコスト削減が可能です。Kearney「Global Services Location Index 2025」では、ベトナムはITアウトソーシング先として 世界第7位 にランクインしています。 国家戦略としてのIT・AI 2025年時点でベトナムには80,000社以上のIT企業が存在し、政府はIT産業を国家戦略の中核に位置づけています。電子政府の推進、IT企業向けの税制優遇、長期的な海外投資を呼び込むための政治的安定性——こうした基盤の上で、ベトナムは東南アジアで最も成長の速い経済の一つとなっています。Global Innovation Index では世界44位(ASEAN内トップ3)、WIPO 2025 ではハイテク輸入分野で 世界1位 という評価が、市場の実力を裏付けています。 IBM、Microsoft、Boeing、Sony、Cisco がすでにベトナムを重要拠点として活用していることも、この市場の成熟度を物語っています。 日本市場向けに事業を展開する主要AI開発企業 市場の構造を踏まえたうえで、次に「では実際にどの企業が、どのような価値を提供しているのか」を見ていきましょう。 企業 得意領域 適した顧客像 FPT Japan SAP統合、IoT、RPA、超大型案件 全社規模のDXを進める上場大企業 CMC Japan データセンター × AI、クラウドAI インフラ刷新を伴う大規模DX案件 Rikkeisoft OCR、チャットボット、業務システム […]
SotaTek Japan、AIエージェント開発フレームワーク「ADF」を提供開始
株式会社SotaTek Japan（本社：東京都中央区、以下 SotaTek Japan）は、AIエージェントを活用した次世代開発フレームワーク「Agentic Development Framework（以下 ADF）」の提供を開始しました。本フレームワークは、日本のIT業界が直面する慢性的なエンジニア不足や、技術継承・属人化といった課題への対応を目的としています。 ■日本企業が直面する「2025年の崖」とその先へ 現在、日本の多くの企業では、基幹システムを支える熟練エンジニアのシニア化が進み、ドキュメント化されていない「暗黙知」の消失が大きなリスクとなっています。また、若手エンジニアの採用難により、新規開発だけでなく既存システムの維持管理（AMO）すら困難になる「技術債務」の増大が課題です。 SotaTek Japanの「ADF」は、AIエージェントが開発・保守プロセスの各工程を自律的に支援・記録することで、以下の3つの価値を提供し、日本企業の競争力を再定義します。 ■「ADF」がもたらす3つの課題解決アプローチ エンジニア不足を補う「AIエージェント」との協調開発 ADFは、要件定義からコード実装、テストまでをAIエージェントが担う「Agentic SDLC」を実現します。これにより、限られた人的リソースでも、従来の数倍のスピードでプロジェクトを推進します。エンジニア1人あたりの出力（スループット）を最大化し、労働力不足を技術で補います。 シニア層の「暗黙知」をAIが解析・継承 ブラックボックス化したレガシーシステムに対し、AIエージェントがコードの意図を解析・ドキュメント化します。シニアエンジニアが持つ業務知識をデジタル資産として可視化することで、属人化を解消します。これにより、ベテランの退職によるリスクを最小化し、次世代へのスムーズな技術継承を支援します。 「Shift-Left Intelligence」による品質とコストの最適化 企画・要件定義の最上流工程にAIを投入することで、後工程での手戻りを劇的に削減します。熟練者の知見を学習したAIが仕様の不備を早期に検知し、経験の浅いエンジニアでも高品質な開発を可能にすることで、組織全体の底上げを実現します。 ■SotaTek Japan CEOのコメント 「日本のIT現場において、エンジニア不足と技術継承は喫緊の課題です。ADFは単なる自動化ツールではなく、人間の知恵をAIが学び、組織の力に変えるための基盤です。私たちは、ベトナムの豊富なエンジニアリソースと、この最新AIフレームワークを組み合わせることで、日本企業の『攻めのDX』を伴走支援してまいります。」 ■SotaTek Japanについて SotaTekは、AI、ブロックチェーン、モバイル/Web開発に強みを持つ、東南アジア最大級のITソリューションプロバイダーです。 SotaTek Japanは、SotaTekの日本法人として、日本のビジネス慣習に精通した体制のもと、国内クライアントとベトナムの開発拠点をつなぎます。AI・クラウド・業務システム開発を軸に、幅広い業界において、日本企業のDXに伴走するテクノロジーパートナーです。AIとを融合した先端ソリューションを強みとし、政府系プロジェクトやグローバルフィンテック開発、AI移行支援などを展開しています。 SotaTek Japanでは、「Agentic Development Framework（ADF）」を通じて、エンジニア不足や技術継承といった課題に対する具体的な解決策をご提案しています。 ご興味をお持ちいただけましたら、ぜひお気軽にお問い合わせください。貴社の状況に合わせた最適な活用方法をご案内いたします。 ■本件に関するお問い合わせ先 社名：株式会社SotaTek Japan メール：contact.jp@172.16.200.182 ウェブ：https://sotatek-jp.sotatek.works/ 電話番号：03-6281-5704 お問い合わせはこちら