2024年5月13日、OpenAIはGPT-4o（オー）を発表した。音声・画像・テキストをリアルタイムでシームレスに処理するオムニモデルの登場は、製造業の人間とAIのインタラクションを根本から変える可能性を持つ。
GPT-4oが製造業に解放する新しいインタラクション
GPT-4oの最大の特徴はリアルタイム音声会話と画像認識の統合だ。作業者がヘッドセットを装着し「このバルブの状態を見て、交換が必要かどうか判断して」と音声で聞きながら目前のバルブにカメラを向けると、GPT-4oが即座に画像を解析して「バルブシートに摩耗が見られます。次の定期メンテナンスまで使用可能ですが、2週間以内の交換を推奨します」と音声で回答する。従来は専門家への電話や手順書検索が必要だった判断が、現場で即座に可能になる。
製造業での実証実験と製品化の動向
シーメンスはGPT-4o APIを活用した「AI現場支援アシスタント」の開発を発表し、2024年下半期のリリースを目指す。日立製作所はGPT-4oを活用した設備保全支援システムの社内実証を開始、設備の写真を撮影して音声で状態を説明すると、AIが保全履歴と照合して最適な対応を提案する。富士通は「Fujitsu AI Assistant for Manufacturing」としてGPT-4oベースの音声対応AIを工場向けSaaSとして2024年Q3に提供予定だ。
Harryの着眼点
GPT-4oの音声＋画像統合は、「AIと対話する」体験を根本的に変えます。キーボードやタッチパネルではなく、現場で自然に話しかける——グローブをはめた作業者や、両手がふさがった技術者にとって、これは大きな意味を持ちます。現場の情報収集や判断支援に「使える」AIがいよいよ工場に入ってきたと感じます。
出典：OpenAI「Hello GPT-4o」発表2024年5月 / シーメンス「AI現場支援アシスタント」開発発表2024年 / 日立製作所「GPT-4o活用保全システム実証」2024年