株式会社Laboro.AI ソリューションデザイン部 インタビュー／応力計算も化学式も読み解く。戦略と技術の溝を埋める「問いを立てる力」

株式会社Laboro.AIのソリューションデザイン部が目指すのは、単なるAI導入ではありません。応力計算の数式、化学反応式まで読み解きながらAIに翻訳する——「戦略だけで終わらず、実務の深みまで入り込む」姿勢が、従来のコンサルティングとの違いです。

製造業の異常検知プロジェクトでは、「異常を検知したい」を「違和感を捉え、保全業務の高度化を実現していく仕組み作り」に問い直し、人も気づかなかった軽微な異常を可視化、それらに現場知見を加えていくことでさらに進化していく仕組みを構築しました。戦略と技術の溝をどう埋めるのか。AI実装で産業構造をどう変えるのか。詳しくお聞きしました。

「ソリューションデザイン部」が担う、Laboro.AIの屋台骨としての使命

中村
まずは、お二方のご経歴から教えていただけますか。

田辺様
ソリューションデザイン部の部長を務めております、田辺です。当部は、当社の売上の中核を担う主幹事業部です。私自身は、事業経営として数字をつくる「実行部隊」としての機能を強化すると同時に、メンバー一人ひとりがソリューションデザイナ（以下、SD）として成長できる仕組みと環境づくりをミッションにしております。

私のバックグラウンドをお話しすると、理系の大学院で研究活動に力を入れた後、ビジネスを学ぶためにコンサルティングファームへ入社しました。しかし、コンサルとして活動する中で「技術をもっと直接的に使って成果を出せるのではないか、その方が社会へのインパクトが大きいのではないか」という思いが強くなったのです。ビジネスに軸足を置きつつ、技術を深く見極める。その両立を求めてLaboro.AIに入社し、気づけば4年半が経ちました。

中村
平田さんはいかがでしょうか。

平田様
私は現在、シニアソリューションデザイナとして働いており、入社して約2年半になります。もともと土木系の学科を卒業し、前職は建設コンサルタントとして土木の調査・設計・計画を担当していました。転職を考えたのは、ちょうどChatGPTが登場する直前、AIや機械学習が業界を劇的に変える可能性が見えてきた時期です。

ただ、土木のような伝統的な業界は、新しい技術をすぐに取り入れることが構造的に難しい。内部から変えるには時間がかかりすぎると感じ、「外部からソリューションを提供することで、業界に新しい風を起こしたい」と考え、転職を決意しました。現在は、前職の知識を生かしたインフラ・建設分野だけでなく、製造業や食品系など、多種多様なクライアントと共に、AIを軸としたソリューションの提供に取り組んでいます。

中村
お二人とも、既存のコンサルティングの枠組みでは解消しきれなかった「技術による変革」を求めての参画だったのですね。現在、組織として特に注力されているテーマは何でしょうか。

田辺様
技術領域でいえば、現在は「最適化」と「LLM・AIエージェント」の2つの領域にリソースを集中させています。ただ、クライアントの産業を変革していくという観点では、単にAIを導入したり、開発したりすることが目的ではありません。重要なのは、企業が本当にAIを使いこなし、そこから新しい価値を生み出すには何が必要かを見極めることです。私たちは専門家の知見をもとに、企業の仕組みそのものをどう紐解き、変革へと落とし込むのか。その部分に今まさに、組織全体で力を注いでいます。

コンサルティングとの決定的な違いは、「第三者」ではなく「専門家」として隣に立つ

中村
コンサルティングファームから転身されたお二人だからこそ伺いたいのですが、従来の「コンサル」と、Laboro.AIの「SD」の決定的な違いはどこにあるのでしょうか。

平田様
よくいわれることですが、「戦略だけで終わらず、実務の深みまで入り込む」という点ですね。私はもともと建設分野で専門的な知識を積み上げてきたこともあり、他業界のプロジェクトにおいても、技術の中身に深く入り込む感覚を大切にしています。

たとえば、土木構造物の設計AIを担当した際には、応力計算の数式レベルまで理解しに行くこともありました。化学系のプロジェクトでは、化学反応の式やプロセスを読み解きながら、AIにどう翻訳すべきかを設計する。そうした「技術を言語化する」部分にまで踏み込むのが私たちの仕事です。広い視野で全体を俯瞰するコンサル的な視点と、現場のリアリティを掴むエンジニア的な視点。

この両輪が揃って初めて、戦略と現場の間にあるギャップを本当の意味で埋めることができるのだと思います。

田辺様
私の考えでは、コンサルティングはある種の「アウトソース」だと思います。CxOが考えるべきことを実行部隊として明らかにしたり、世の中のベストプラクティスを探してきたりする。つまり「自分たちでもできなくはないが、専門家に任せた方が早くて質が高いこと」を代行する仕事です。

一方で、私たちが対峙しているAI実装という領域は、そもそもクライアント企業内に専門性を持っている人がほとんどいない「未知」の領域です。だから、私たちは代行者としてのコンサルではなく、クライアントが持っていない「AIの専門性」を提供するパートナーでなければなりません。

中村
単なる「外部の助っ人」ではないと。

田辺様
そうですね。私たちはAIの専門家として、クライアントと“対等な立場”で議論します。技術的に何が難しく、どこにリスクがあるのかを正しく伝え、それを踏まえて経営判断を導く。このポジショニングこそが、コンサルティングファームとの最も大きな違いだと自負しています。

中村
いずれ、AIが当たり前になれば、SDという職種はどうなるのでしょうか。

田辺様
究極、すべての企業がAIを自ら使いこなせるようになれば、私たちのような存在は自然と必要なくなるでしょう。しかし、今はまだその「第一歩」を成功に導く専門家が圧倒的に足りない。AIの良さも難しさも知り尽くした人間が、それをどう産業に落とし込むかを突き詰める。それこそが、今この時代における私たちの存在価値だと感じています。

下流の検証が上流の戦略を書き換える。日本企業の「完璧主義」を打破

中村
AIを前提としたプロジェクトは、従来のシステム開発やコンサルティング案件に比べて「不確実性」が極めて高いと伺います。具体的に、現場ではどのようにその不確実性と向き合っているのでしょうか。

平田様
AI開発には「やってみないとわからない」というPoC（概念実証）のフェーズが不可欠です。そのため、プロジェクトのスケジュールを最初に「3カ月」と固定し、あとはどの差分を管理するだけといった進め方は通用しません。
また、この「やってみないとわからない」は闇雲に始めてみるということではありません。検証するべきことが「ビジネスとしての成果創出」と「技術としての実現」の二つを掛け合わせたところにあります。上流と下流のそれぞれと、さらにその二つの接続という部分に存在する不確実性を超えていくために、綿密な検証サイクルが必要になるということです。

具体的にはプロジェクトの開始時点で、何が決まっていて、何が変動しうるのかを認識する。そして「決まらないもの」を単に放置するのではなく、「いつまでに、どのアクションをとれば不確実性が下がるのか」を設計し、クライアントを巻き込んで実行していく。この「不確実性を前提としたマネジメント力」こそが、SDに求められる重要なスキルだと考えています。

田辺様
技術的なリスクだけでなく、ビジネスサイドの意思決定をどう守るかも重要です。たとえば、センシングの精度が安定しないという技術的リスクがあったとき、それをどのように意思決定に反映させるか。

AIプロジェクトでは、この“技術的不確実性”を正しく理解しないまま経営判断が先行すると、失敗につながることが少なくありません。クライアントと私たちの関係が主従関係のようになると、意思決定の現場で技術的な制約が無視され、AIの本来の可能性が損なわれてしまうのです。

だからこそ私たちは、リスクの「根拠」を徹底的に押さえます。そして意思決定の前段階で、正確なファクトを収集し、AIの専門家の視点から「今、この判断を下すことの妥当性」を提言する。不確実だから決められないのではなく、不確実な中でも前に進むための“情報の質”を高めていく。それが私たちの仕事ですね。

中村
上流（経営）と下流（現場・技術）の橋渡しが必要になりますね。

田辺様
そうですね。これまでと大きく違うのは、上流（経営）が決めて、下流（現場）がただ実行するだけではなくなったという点です。AI時代のプロジェクトでは、技術的な成果が当初の想定どおりに出ないことも多く、その結果、上流で立てた計画自体が現場からのフィードバックによって覆ることが少なくありません。

だからこそ、AIプロジェクトでは、下流（技術）からの結果を上流（経営）が受け取り、再び方針を見直す“循環型”の意思決定が必要なのです。現場で得られたフィードバックをもとに、「今の状況なら、向かうべき方向と進み方をこう見直すべきです」と提言できるような、双方向の関係性を築いておくことが何より大事だと思います。

日本企業は、もともと「完璧な計画を立ててから動く」ことを得意としてきました。でも、AIのように不確実性の高い領域では、その考え方がむしろ足かせになる。私たちSDの存在意義というのは、そうした“完璧主義的な進め方”に対する一種のアンチテーゼ（対抗軸）としてあるのだと思っています。

「問い」を再定義する。製造現場での異常検知プロジェクトで見えた本質

中村
具体的なプロジェクトの中で印象的な事例があれば教えてください。

平田様
たとえば製造業で行った「センサー異常検知」のPoC（概念実証）プロジェクトがあります。クライアントからは「すべてのセンサーに対して異常検知をしてほしい」というご要望をいただいたのですが、話を聞いていくと実際の“異常”は年に1回あるかないかというレベルでした。

当然ながら、AIを普通に学習させようとしても異常データが圧倒的に足りない。こういう場合によく提案されるのが、「教師なし学習（答えを与えずAIが自らパターンを学ぶ方法）」を使うというアプローチです。しかしそれをそのまま適用しても、AIはふんわりとした境界線を引くだけで、本当に意味のある“異常”を見分けることはできませんでした。

そこで私たちは発想を切り替え、AIの学習と統計学的な分析を組み合わせるアプローチに転換しました。センサーが通常どのような挙動を示すのか、その“いつもの傾向”をデータとして捉え、そこから微妙に外れる動きを「違和感」として検出する。「異常を見つける」のではなく、「いつもと違う兆しを拾う」方向に問いを再設定したのです。

その結果、AIが年間で数件の「停止はしていないが、やや異常な挙動」を検知しました。実際にクライアントに確認したところ、「確かにそのときは部品を交換した」「機械の調子が少し悪かった」など、人間も気づいていなかった軽微な異常がデータ上で明らかになったのです。

中村
最初の「異常検知をしたい」というお題から、「違和感を捉える仕組みをつくる」へと、問いそのものを変えたわけですね。これはどういった思考ロジックで導かれたのでしょうか。

平田様
現場では「理想的な条件」はまず存在しません。教科書的に「こうあるべき」という手法をそのまま当てはめようとしても、現実には必要なデータが揃っていないことが多いのです。
だからこそ、「今この状況で本当に価値を出せることは何か？」という観点で発想する必要があります。

私たちSDは、単にAIモデルを構築するだけでなく、「どこに価値が生まれるか」を再定義する役割を担っています。つまり、技術的な正解ではなく、「今このクライアントにとって意味のある答え」を導くという考え方ですね。結果的にそれが遠回りに見えても、最終的にはビジネス価値に直結するアプローチになることが多いです。

中村
クライアントが提示した“表層的な課題”ではなく、その奥にある「本当の目的」を見極めて再構築していくプロセスですね。

田辺様
そうですね。クライアントはよく、「AIで異常検知をしたい」といったHOW（手段）ベースで課題を設定しています。しかし、そのHOWが現実的に成立しない場合も多い。私たちはその前提を否定するのではなく、一度分解して、今本当に取り組むべき問いを見直すのです。

たとえば、「異常を検知したい」という目的を変えずに、「どんな異常を」「どの頻度で」「どの粒度で」検知することが今の段階で価値になるのかを再定義します。場合によっては、「今はまずデータを整備し、数年かけて基盤をつくることが最善」という判断もあります。

中村
問題を変えずに、時間軸と粒度で“問い”を分解するということですね。

田辺様
これは、クライアントを否定するのではなく、一緒に次の一手を設計するための作業です。そして、こうした思考の積み重ねが、ソリューションデザイナとしての最も重要なケイパビリティだと考えています。

生成AI時代に求められる「問題設定能力」こそが最強の武器

中村
昨今の生成AIの普及により、誰でもある程度のアウトプットが出せる時代になりました。そんな中で、AIは今後どのように産業を変えていくとお考えですか。

田辺様
まず間違いなく、アウトプットのコストは劇的に下がります。人間が10件の文献を参照している間に、AIは数万件を参照し、それなりの回答を出してくる。そうなったときに、人間の存在価値はどこに残るのか。それは間違いなく「何を解かせるのか」という問題設定のフェーズです。

イノベーションとは、正しい問いを立てることから始まります。世の中の構造を理解し、どこにレバレッジをかければ産業が変わるのかを見極める。SDとして働く最大のメリットは、この「質の高い課題」に最前線で触れ続け、問題を解く側ではなく「つくる側」のスキルを磨けることにあると思っています。

平田様
私も同感です。現段階では、AIにビジネス成果の自律的な創出をする、飛び道具的な期待を持つのは難しいです。あくまでも人とAIをどのように協業し、人だけではなし得ない成果を作り出すのか。を設計する必要があります。人やその他資源とAIをどう組み合わせて、ビジネスという複雑なパズルを解くかを設計するのは人間の領域です。SDとして多種多様な業界のコアな課題に触れ続けると、一見異なる業界でも「課題の共通項」が見えてくるようになります。この「メタ的な視点」は、どのようなキャリアを歩むにしても一生モノの武器になるはずです。

中村
特定のプロダクトを売るのではなく、常に「未知の課題」に対峙し続けるからこそ得られる視座ですね。

田辺様
その通りです。私たちはプロダクト売りではありません。だからこそ、目の前のクライアントが本当に困っていること、あるいは彼ら自身も気づいていない産業構造の歪みに、ダイレクトに切り込むことができる。一つのプロジェクトを成功させるだけでなく、それを積み重ねることで、業界全体の非効率を解消し、人間をより創造的な業務へシフトさせる。そんな「産業の改革」に、AIという最強の武器を持って挑めるのが、この仕事の醍醐味だと思っています。

必要なのはAIの知識ではなく、この業界を仕組みから変えたいという意志

中村
SDという職種に興味を持つ方にとって、「AIやデータの知識がなくてもやっていけるのか」は気になるところです。未経験でもキャッチアップできる環境はありますか。

平田様
私ももともとは建設コンサル出身で、AIの知識はゼロでした。現場で調査や設計をしていたので、いわゆる“エンジニアがいない世界”です。それでも入社から2年半でシニアソリューションデザイナになれました。つまり、AIやコンサルの知識は後からでも十分身につけられるということです。

大事なのはスキルよりも「自分の中の課題意識」ですね。「この業界を変えたい」「もっと良い仕組みにしたい」という意志があれば、知識は自然と追いつきます。Laboro.AIにはそれを支える環境があります。

中村
知識よりも、変革を求める意志や好奇心が大事なのですね。読者の中には「もっと技術を使えば現場は良くなるのに」とモヤモヤしている方も多いと思います。そうした方々に向けて、SDとして働くことの“面白さ”を教えていただけますか。

平田様
「AIで何ができるか」を突き詰めるというより、“課題を見つけて、自分でどう変えるかを考えられる人”にとっては、ものすごく面白い環境だと思います。

AIの知識があるかどうかは関係ありません。大事なのは、今の職場や業界で「こうすればもっと良くなるのに」と考えたときに、自分なりのアクションをイメージして動けるかどうか。そういう思考を自然に持っている人なら、AIという武器を手にして、これまでできなかった課題解決に挑めるはずです。「AIを学びたい人」よりも、「社会や業界を変えたい人」にこそ、この仕事は向いていると思いますね。

田辺様
私もまったく同じ意見です。私も平田も「技術を使って課題を解きたい」という思いがあったからこそ、この仕事にのめり込めたのだと思います。

SDの面白さは、課題解決に没頭できる環境が常にあること。それも月単位ではなく、週単位で新しいテーマに向き合う。だから、思考の筋力がどんどん鍛えられていくのです。さらに社内には30名ほどの仲間がいて、みんながそれぞれ異なる業界課題に取り組んでいます。
少し横を見るだけで、まったく別の“解き方”に触れられる。その刺激と学びの連続が、この仕事の深みであり、成長の原動力になっています。

田辺遼様 株式会社Laboro.AI ソリューションデザイン部 部長

新卒で日本航空株式会社（JAL）に入社。ビジネスの世界をより深く理解し、スピード感を持って価値創出に関わりたいと考えるようになり、コンサルタントへの転身を決意。その後、株式会社リブ・コンサルティングにてコンサルタントとして従事。

2021年にLaboro.AIへ入社。ソリューションデザイナとして、インフラ系企業向けの画像解析プロジェクトや、製造業におけるセンサーデータを活用した予兆検知プロジェクトなど、複数のAI案件でプロジェクトリードを担う。

成果創出が難しいプロジェクトにおいても、社内外の関係者と連携しながら案件の立て直しや継続的な価値創出を推進。現在は、複数案件の並行推進や外部コンサルティング会社が関与する案件のハンドリング、組織横断の取り組みをリードし、2025年10月よりソリューションデザイン部 部長に就任。

平田大雅様 株式会社Laboro.AI

新卒で株式会社建設技術研究所に入社。公共領域を中心とした業務に携わった後、より広い産業領域で価値創出に関わりたいと考え、Laboro.AIへ入社。

アソシエイトソリューションデザイナとして入社後、前職での経験を活かしてインフラ関連企業向け案件を中心にプロジェクトリードを担うようになる。日本線路技術向け案件をはじめ、複数のAIプロジェクトでPLとして案件を完遂。

その後は、複数案件を並行して推進しながら、継続案件のセールスや新規案件の獲得にも携わる。複数プロジェクトへの関与を通じて、AIプロジェクトの進め方や技術的な着眼点を身につけ、PLとしての付加価値を発揮。

現在は、シニアソリューションデザイナとして、建設分野を中心に自身のバックグラウンドを活かした新規案件の獲得、複数プロジェクトを推進。メンバーマネジメントに加え、クライアント企業の役員・部長クラスとのディスカッションをリードするなど、プロジェクトマネジメントの中核を担う。

株式会社Laboro.AI

BCG出身のCEO・CTOが2016年に設立したAIベンチャーです。「すべての産業の新たな姿をつくる。」「テクノロジーとビジネスを、つなぐ。」をミッションとして掲げ、AI／機械学習技術を活用し、クライアント企業のビジネスプロセス、中でも独自性や収益性が高いコアプロセスに対する課題解決支援や、技術の共同開発、新規事業や全社DX推進支援などを行っています。
具体的には、「アカデミアから発進される最先端の機械学習技術」と「ビジネス現場の理解に基づくAI導入の知見・ノウハウ」の2軸を武器に、汎用的なプロダクトやパッケージ製品では実現困難な複雑なビジネス課題を解決するため、オーダーメイド型のAIソリューション「カスタムAI」の開発・提供を事業としています。

アクシスコンサルティング

アクシスコンサルティングは、コンサル業界に精通した転職エージェント。戦略コンサルやITコンサル。コンサルタントになりたい人や卒業したい人。多数サポートしてきました。信念は、”生涯のキャリアパートナー”。転職のその次まで見据えたキャリアプランをご提案します。