GZED、三菱重工業の「産業特化型マルチモーダルAIエージェント」研究開発を支援

VLM・GraphRAG・Agentic RAGを組み合わせ、図表と複数文書にまたがる根拠をたどって答えるAIへ

株式会社GZED（本社：東京都文京区、代表取締役：木澤翔太、以下「GZED」）は、三菱重工業株式会社（以下「三菱重工」）に対し、図表を含む産業技術文書を対象とした「産業特化型マルチモーダルAIエージェント」の研究開発支援を行っています。

Vision Language Model（VLM）による図表の読解、文書構造を捉えるGraphRAG、検索と推論を自律的に繰り返すAgentic RAGを組み合わせ、図表や複数の文書に分散した根拠を集めて回答するAIの実現に取り組んでいます。

背景

生成AIの業務活用が広がる一方で、製造業の技術文書には、図面・グラフ・フロー図、記号や規格表現、寸法・数値といった、文章だけでは表しきれない情報が数多く含まれます。必要な根拠が複数のページや文書にまたがることも珍しくありません。

テキストを中心とした一般的なRAGでは、図の中にしかない情報や、離れた箇所に分散した根拠を捉えきれないという課題があります。技術文書をAIで活用するには、図表を「読み」、文書同士の関係を「たどる」能力が求められます。

本研究開発では、次の3つの技術を柱に、手法の実装と検証を進めています。

図表の抽出とVLMによる読解

キャプションの有無に依存せずに文書から図表を検出し、VLMで図表の内容を読み取ります。回答時には根拠となる図表そのものを参照し、図の中にしかない情報にも答えられるようにします。
文書構造を捉えるGraphRAG

文書・節・本文・図表をノードとし、包含・参照・近接などの関係をグラフとして表現します。「本文から離れた付録の図」のように、参照関係をたどらなければ見つからない根拠にたどり着くことを目指します。
根拠を揃えるAgentic RAG

AIエージェントが「検索 → 根拠が十分かの判断 → 次の検索」を自律的に繰り返し、回答に必要な根拠の組み合わせを揃えてから回答を生成します。

あわせて、回答の正誤だけでなく「必要な根拠を見つけられたか」「正しい箇所を根拠に挙げたか」までを段階的に評価する評価設計を構築し、各手法の効果を比較・検証しています。

GZEDは、各手法の検証結果を整理し、実際の技術文書への適用条件と課題を明らかにしていきます。将来的には、技術者による調査や根拠確認を支えるAIエージェントの実現を目指し、研究開発とシステム実装の両面から、基幹産業に蓄積された知識の活用に取り組んでまいります。

※VLM：画像と文章をあわせて理解できるAIモデル。
※RAG：文書などから関連情報を検索し、その情報に基づいて生成AIが回答を作成する技術。GraphRAGは情報同士の関係をグラフで扱うもの、Agentic RAGはAIエージェントが検索と判断を繰り返すもの。

株式会社GZEDは、製造業・建設業・エネルギー産業をはじめとする基幹産業に向けて、AIシステムの研究開発・実装、DX・AI導入支援を行っています。

会社名：株式会社GZED
代表者：代表取締役木澤翔太
所在地：東京都文京区湯島2丁目2-16 御茶ノ水クロスビル8F
Webサイト：https://www.gzed.jp/

株式会社GZED
E-mail：contact@gzed.jp