ダイキン工業株式会社様が導入した高度専門研修
―自走型の数理最適化エンジニアを育成―

板谷様： 当社は、空調事業を中心とした製造業として発展してきましたが、 近年のデジタル化により、ハードウェアだけでなくソフトウェアが重要になる中、 デジタル人材の確保が大きな課題となっていました。 外部採用による優秀なデジタル人材の獲得競争が激化していることから、 社内で人材を育成する方針を掲げ、2017年にDICTを設立しました。 DICTでは、ドメイン技術（空調などの業界知識）とデジタル技術の両方を理解し、 部門横断的にイノベーションを実現できるπ（パイ）型人材の育成を目指しています。

設立当初は、2020年度までに新入社員1,000人を IPAのITスキル標準でいうところのレベル3まで到達することを目標にしており、 無事に達成しました。 その後も目標を上方修正し続け、 2025年度末には2,000人まで育成することを目指しています。 副次的な効果として、社内教育が充実して社内のスキル水準が向上したことで、 レベル5、6相当のハイレベル人材の採用ができるようになったことがあります。

これまでは、新入社員、既存社員、マネジメント層、経営層の4段階に分けた 研修プログラムを実施してきましたが、8年が経過し人材育成が進んだため、 ITスキル標準のレベルとスキル内容に合わせた講座ラインナップに変更しました。 さらに、講習は大阪大学など外部の機関に委託していますが、 専門スキルを持つメンバーが事務局に加わり、 基礎講座など一部の講座は内製できるようになっています。

そこで、大阪大学には生成AIの一般論など新領域を請け負ってもらっています。 1年目は座学で、2年目は事業部門から上がってきた業務上の課題について 担当を決めて取り組みます。 2年目以降は、研修を経て社内の各部門で活躍していますし、 研修から生まれたアプリで、業務で使われているものが多々あります。

建部様： 一つはAI利用の定着です。 以前より、社内版ChatGPTを整備し、セキュアな環境で生成AIを活用できるようにしています。 しかし、基礎的な生成AI講座は2年目の社員に対象が限定されており、 既存社員で高度なAI活用ができる人が少ない状況がありました。 一部ではチャット形式のAI活用は広まっていますが、 より高度な活用を実践できる人がほとんどいませんでした。

もう一つは、生成AIの進化の速さです。 AI技術は急速に進化しており、月単位で新しい知識をアップデートしていかないと、 進化に取り残されてしまうという危機感がありました。

そこで、今年度から一定のスキル基準を満たした社員が参加できる AIの講座を用意することになりました。 受講希望者が上司に伝えて、上司が申請するというフローになっています。

建部様： 部門に配属されたDICT卒業生の中には、 配属先にデータ分析に精通した人材がいないケースも多く、 不明点があっても自ら調査するしかない状況にありました。 その結果、新たな知見を得る機会や、他者とディスカッションする場、 気軽に相談できる環境が不足しているという課題が顕在化していました。

こうした課題を踏まえ、技術力のさらなる向上に加え、 メンバー同士の横のつながりの構築や、講師への相談機会の創出を目的として、 2025年度より新たに「データ分析エキスパート講座」を開設することとなりました。

建部様： 時系列解析・数理最適化と生成AIをテーマにしました。 当社で扱うデータは空調運転データ、供給・在庫管理データなど時系列データが多く、 異常検知や数理最適化のニーズが高くありました。 一方、生成AIは前述したように、 社内でまだ活用しきれていない状況があったので選びました。

板谷様： 研修講座全体の企画・運営をしている会社から 数理最適化の専門家としてエルデシュを紹介してもらいました。 エルデシュは、実績が豊富で、高いレベルの講義を提供できると判断しました。

建部様： 2025年7月〜2026年2月にかけて、2コース合わせて30回の構成で実施しました。 コースは、生成AIコースと時系列解析・数理最適化コースの2つで、 一部基礎的な講座は両コース共通です。 生成AIコースでは、生成AIの基礎から実務応用まで、 時系列解析・数理最適化コースでは、 時系列解析、異常検知、数理最適化について学びました。

建部様： 時系列解析・数理最適化コースは、 エルデシュが数理最適化を、もう一社が時系列解析・異常検知の講座を担当し、 どちらも講義と演習で構成されました。

数理最適化の講義では書籍『Pythonではじめる数理最適化』をテキストに、 著者でありエルデシュの講師でもある岩永二郎氏による４回の講義が行われました。 初歩的な数理モデルをPythonで実装する方法から始まり、 学校のクラス編成や配送計画問題などの実践的なケースを通して、実装力を養いました。 また、最後の講義では、『しっかり学ぶ数理最適化』の著者である梅谷俊治氏が ゲスト講師として参加し、 数理最適化プロジェクトの進め方や現場導入のポイントについて 講義とディスカッションが行われました。 プロ同士の専門的な質疑応答も展開され、 非常に刺激的な内容で、受講生の理解も一段と深まりました。

少人数での開催だったこともあり、 数理最適化そのものやデータのビジネス活用について ディスカッションする時間も多く、大変有意義でした。 一般的な研修では理論の説明に終始しがちですが、 企業でのビジネス経験が豊富な講師のおかげで、 ビジネス視点から処方的分析などの応用について深い議論を行うことができました。

エルデシュの「現場で自走できるエンジニアの育成」という強みを活かし、 一般的な数理最適化技術の習得にとどまらず、 現場の課題解決やプロジェクトの進め方まで学ぶことができたため、 実務に活かせる力を身につけることができました。

建部様： 生成AIコースでは、「こんなに簡単にできるのか」という驚きの声が多くあがっていました。 時系列解析・数理最適化コースでは、 「知識としては知っていたが、活用イメージが湧かなかった カルマンフィルターなどの分析手法の活用方法が理解できるようになった」 との声がありました。

建部様： 生成AI活用については、業務で積極的に活用して、効率化していきたいです。 時系列解析と数理最適化については、高度な分析手法の知見が得られたことで、 事務局にデータ分析に関する相談があった時に、 より適切な判断と助言ができるようになったと思います。

江口様： 現在、データ分析の基礎講座を教えていますが、 時系列解析と数理最適化などの専門的なことはまだ難しいのが実情です。 しかし、研修を通して応用領域の知識取得ができれば、 将来的に内製化できる講座内容が拡大すると考えています。

建部様： はい。今、来年度の研修について相談しています。 データ分析者の技術力のさらなる向上に加え、 メンバー同士の横のつながりの構築や、講師への相談機会の創出といった課題は まだ残っているため、継続していきたいと考えています。 また、生成AI講座についても、活用する人を増やしていきたいので、 基礎的な内容やリスク管理など入門者向けの講座についても新しく企画しています。

もう一つ必要な視点として、事例の共有があります。 各部門で実装された最新事例を共有し、 受講生同士が学び合える場を作っていきたいですね。