AI

富士通、機密データを共有せず企業間のAIエージェントを連携

この記事のポイント

  1. 実現したこと

    企業や開発ベンダーの異なるAIエージェントを連携させ、サプライチェーン全体の最適化を図る技術を開発した。

  2. 実現の仕組み

    提案と回答のやり取りから、相手に好ましいコストや日程、調達ルートの条件を推定する。

  3. 得られた結果

    富士通は、仮想サプライチェーンでの実証で、運搬コストを最大30%削減できる効果が期待できると確認した。

  4. 従来との違い

    連携構築時の調整を、機密データの事前共有から、知識蒸留でサプライチェーンの特性を学ぶ方式へ置き換えた。

明るい室内の計画台に工場、倉庫、配送トラックと道路が並び、別々の保管庫を持つ3つの企業エージェントが提案カードをやり取りしながら配送ルートを調整しているイラスト。
AI生成画像

機密データを一か所に集めず、企業ごとのAIエージェントを協調させる技術を富士通が開発した。提案への回答から相手の条件を推定し、知識共有と通信時の情報保護を組み合わせる。仮想サプライチェーンでの実証を経て、2026年1月からロート製薬のサプライチェーンを使う検証を予定する。

提案への回答から取引条件を推定する

富士通が開発したマルチAIエージェント連携技術は、企業や開発ベンダーが異なるAIエージェントを接続し、サプライチェーン全体の最適化を図る。構成要素は、共有できる情報が限られた状態で指示や交渉を行う全体最適制御と、情報共有を保護するセキュアエージェントゲートウェイの二つだ。

全体最適制御では、提案側のエージェントが複数の相手から受け取る回答を使い、それぞれに好ましいコスト、スケジュール、調達ルートなどの条件を推定する。富士通は、この推定結果を基にサプライチェーン全体の最適な状態を探すことで、各企業の機微なデータを共有せずに調整できるとしている。

知識蒸留で連携先の特性を学ぶ

エージェントを連携させるには、構築段階でサプライチェーン全体の生産計画などの特性に合わせて動作を調整する必要がある。富士通によると、この調整に機密情報やプライバシーを含むデータ・メッセージを事前共有していた方式を、知識蒸留による知識共有へ置き換えたという。

知識蒸留は、教師モデルの知識を生徒モデルへ移す手法だ。ゲートウェイを構成する分散型AI学習技術は、この手法で他のエージェントからサプライチェーンの特性を学ぶ。知識を受け取る相手は固定せず、過去の連携が性能向上にどれだけ寄与したかと信頼性に基づいて動的に選ぶ。

回答を事前に試し、通信で渡す情報を更新する

運用段階の情報保護は、ゲートウェイ内のAIエージェント間ガードレール技術が担う。富士通は、悪意ある質問を見破る処理に加え、エージェントの挙動と回答を事前に繰り返しシミュレーションする処理を組み込んだとしている。

このシミュレーションを通じて、機密情報やプライバシー情報を推測されないよう、相手に提供する情報を更新する。質問単体への対処と、エージェントが返す情報の調整を組み合わせ、運用中のやり取りを保護する仕組みだ。

仮想環境で運搬コスト削減を見込み、実践を模す検証へ

富士通、東京科学大学、ロート製薬は、東京科学大学が開発したAIエージェント技術と今回の連携技術を組み合わせ、仮想サプライチェーンで実証した。富士通は、物流ルートやスケジュールなどを最適化することで、運搬コストを最大30%削減できる効果が期待できると確認したとしている。この数値は仮想環境で得た削減の見込みであり、実際の物流で達成した削減率を示すものではない。

次の段階では、ロート製薬のサプライチェーンを活用し、より実践的で大規模な検証を行う。実践を模した検証の期間は、2026年1月から2027年3月までを予定する。