Stockmark 入選 GENIAC 第 4 期，啟動日本企業隱性知識與內部資料 AI-Ready 化專案

提供國產生成式 AI 基礎技術自主開發與生成式 AI 服務的 Stockmark 株式會社宣布，已獲選參與經濟產業省與 NEDO 推動、旨在強化日本國內生成式 AI 開發能力的專案「GENIAC」第 4 期中「製造業資料等 AI-Ready 化相關研究開發」項目。 配合此次入選，Stockmark 將與代表日本的大型企業 16 家合作，啟動「日本企業隱性知識／內部資料 AI-Ready 化專案」。本專案將與 16 家參與企業分別設定具體應用場景，推動各公司的 AI-Ready 化，並最終公開由實證取得的 AI-Ready 化 know-how，以大幅促進生成式 AI 在日本商業整體的社會實裝。 專案背景在於，企業使用生成式 AI 時，僅依賴網路公開資料訓練的通用 AI，在專業性與可信度方面被認為不足。下一階段的關鍵，是活用企業內部沉睡的非公開資料。然而，在日本製造業等基幹產業中，許多資料以圖面、手冊等非結構化形式保存，熟練人員的 know-how 也常以隱性知識存在、未被文件化。若要由企業自行完成 AI 活用，需要高度專業知識與龐大工時。 Stockmark 因此將與引領日本產業的 16 家企業合作，展開實證實驗，把這些機密資料與工匠知識轉換為 AI 可學習、可活用的形式，也就是 AI-Ready 化。 Stockmark 過去透過自主開發的國產生成式 AI 基礎技術、製造業 AI 代理「Aconnect」、以及自律型 AI 運用平台「SAT Agent Cockpit」等解決方案，支援多家企業解決課題。本次事業將最大化運用這些經驗，與日本大型企業共同建立在製造業等特定領域中、通用 AI 難以處理的 AI-Ready 化 know-how。透過活用企業內部龐大的非公開資料，突破依賴公開資料進行 AI 學習的限制，提升日本企業使用生成式 AI 的能力，並促進其導入真實社會。 本事業將 AI-Ready 化定義為：把非公開資料轉換為 AI 能夠學習與活用的狀態。依據經濟產業省指引，將從三個軸線整備：資料結構化，將圖面、表單與隱性知識轉換為 AI 可理解語意的邏輯結構；品質與治理，建立兼顧機密保護與精度驗證的管理基礎；學習循環，導入反映現場回饋並持續更新 AI 的機制。 本事業將聚焦兩大主題。第一，是按產業別將資料 AI-Ready 化，並透過 Skills 製作 Agent-Ready 手冊。各產業特有的圖面、表單、手冊、聊天紀錄與業務流程文件，將被轉換為 AI 代理可理解的 Skills，並建立產業別資料結構化的最佳實務。過去 AI 精度改善需要專任工程師，本方法則讓現場人員以自然語言更新 Skills，即可持續提升 AI 精度，為多數無法配置專任 AI 運用人才的日本企業提供現實可行的 AI 落地路徑。 第二，是建構產業與業務特化型資料基礎及 AI 代理。日本製造業擁有世界頂尖的實驗資料、配方、設計圖，以及各產業特有的業務資料，但因機密性而長期未被充分活用。本事業將導入聯邦學習與合成資料技術，使企業不必將機密資料外部化，也能活用資料，建立產業與業務特化的資料基礎與高專業性 AI 代理。在完全維持資料主權的前提下培育產業與業務特化 AI 資產，這是日本國內首次本格實證。 除上述兩大主題外，專案也將同步推進各公司 AI-Ready 化所需的議題，包括驗證權限管理與遮罩等 guardrail 功能，以及在私有雲環境中的安全處理基礎。 參與企業包括味之素、伊藤忠商事、NGK、神戶製鋼所、捷太格特、鈴木、住友化學、太陽誘電、帝人、東京電力控股、日揮控股、三井住友銀行、三菱化學、洋馬控股、獅王與 LIXIL。各公司將以自身長年累積的技術力、領域知識與非公開資料進行實證，目標不僅是單一企業的 DX，而是跨越產業邊界，建立強大的 AI 生態系，推動日本整體產業競爭力與生成式 AI 社會實裝。 Stockmark 代表取締役 CEO 林達表示，能入選 GENIAC 第 4 期深感榮幸。日本製造業等商業現場正因勞動人口快速減少與熟練技術者高齡化，面臨競爭力來源之一的隱性知識傳承問題。下一波創新的關鍵在於活用企業內部非公開資料，但將其轉換為 AI 可學習、可活用形式的 AI-Ready 化，單靠個別企業推動極為困難。Stockmark 將與代表日本的 16 家企業合作，建立跨產業 AI 生態系，在「重新發明價值創造機制，推動人類前進」的使命下，讓 AI 自律承擔造成停滯感的單純作業，使人能專注於真正應投入的價值創造，進而提升日本企業整體競爭力。 GENIAC 是經濟產業省與 NEDO 推動的專案，旨在提升日本國內基礎模型開發能力，並促進企業等主體的創意與實作。內容包括提供運算資源、協助與應用企業及資料持有者媒合、支援與全球科技企業合作、舉辦社群活動，以及評估開發中基礎模型的性能。