近年、生成AIの急速な発展により、研究開発や製造業におけるAI活用は大きな転換点を迎えている。さらに、AIエージェントやPhysical AIといった新たな潮流の登場により、AIは単なる「解析ツール」から、「意思決定や実行を担う存在」へと進化しつつある。一方で、多くの企業においてはAI導入がPoC (概念実証) に留まり、実務への展開が進んでいないのが実情である。その背景には、AIをツールとして導入するにとどまり、業務・組織・評価まで含めた全体設計に踏み込めていないという構造的な課題がある。
　本講座では、こうした課題に対し、AIを実務で機能させるための設計の重要性 (いわゆるハーネスエンジニアリングの観点も含む) を踏まえながら、最新のAIトレンドを整理する。その上で、「AIは導入するものではなく、設計するものである」という視点のもと、マテリアルズ・インフォマティクス (MI) から発展した研究開発の変化を構造的に捉え、材料開発における実務への適用と進め方を提示する。特に材料開発においては、探索空間の広さや実験コストの高さといった特性から、AI活用の設計次第で大きな競争優位を生み得る分野である。本講座を通じて、自社におけるAI活用の次の一手を具体的に描ける状態を目指す。

1. 最新AIトレンドの全体像
   1. 生成AIの現在地と限界
   2. AIエージェントの爆発的な進展と実務への影響
   3. Physical AIの台頭 (なぜ今注目されているのか)
   4. AI活用の次のステップとしての「設計」の重要性
2. マテリアルズ・インフォマティクス (MI) の基礎と位置づけ
   1. マテリアルズ・インフォマティクスとは何か (背景と目的)
   2. 従来の材料開発の限界
   3. 実験計画法 (ベイズ最適化) の考え方 (概要)
3. 生成AIとAIエージェントによる研究開発の変化
   1. 生成AIの本質 (思考支援としての役割)
   2. AIエージェントの登場と業務プロセスへの統合
   3. 顧客起点の研究開発へのシフト (AIと基幹システム連携の可能性)
   4. 研究開発における意思決定の変化
   • これまで人が全部決めていた探索を、AIと一緒に設計する形に変わりつつある
4. Physical AIと現場の変革
   1. Physical AIとは何か
   2. 政策・産業動向 (国内外、中国の動きなど)
   3. ラボオートメーションと材料開発への応用
   4. 実験プロセスの自動化と今後の可能性
5. ハーネスエンジニアリングによるAI実用化
   • 本講座の中核となる考え方
   1. AIを“使える状態”にするための設計とは何か
   2. 評価・改善ループの重要性
   3. ツール導入から設計・運用への転換
6. 組織・人材・アジャイル開発
   1. 縦割り組織の限界と変革の必要性
   2. AI時代に求められる人材像 (実装中心から設計・運用・ビジネスアーキテクチャへ)
   3. アジャイル開発と研究開発プロセスの融合
7. 実務への落とし込み (判断軸と実行ステップ)
   1. セキュリティ・ガバナンスの考え方
   2. ベンダーとの役割分担 (内製/外注の判断軸と進め方)
   3. 今後押さえるべき技術/やめるべき取り組み
      • 材料開発においては、属人的な探索プロセスや過度な手作業データ整理からの脱却が重要となる。
• 質疑応答