AIエージェントは、ここ数年の生成AIと大規模言語モデル（LLM）のブームに牽引され、大流行しています。AIエージェントとは一体何なのかという点について人々の合意を得るのは容易ではありませんが、多くの人は、タスクを割り当てられ、意思決定を与えられるソフトウェアプログラムであり、その自律性は様々だと主張しています。
つまり、AI エージェントは単なるチャットボットの能力を超え、人々が物事を成し遂げるのを支援します。
まだ初期段階ですが、SalesforceやGoogleといった企業はすでにAIエージェントに多額の投資を行っています。AmazonのCEO、アンディ・ジャシー氏は最近、将来的にはより「エージェント的」なAlexa、つまり言葉だけでなく行動も重視するAlexaが登場すると示唆しました。
同時に、スタートアップ企業もこの熱狂的な期待に乗じて資金調達を行っている。その最新事例がドイツ企業Juna.aiだ。同社は複雑な産業プロセスを自動化することで工場の効率化を支援し、「生産能力を最大化し、エネルギー効率を高め、全体的な排出量を削減する」ことを目指している。
そして、その目標を成し遂げるために、ベルリンを拠点とするスタートアップ企業は本日、シリコンバレーのベンチャーキャピタル企業であるKleiner Perkins、スウェーデンを拠点とするNorrsken VC、およびKleiner Perkinsの会長であるJohn Doerrからシードラウンドで750万ドルを調達したと発表した。
自己学習こそが道
2023年に設立されたJuna.aiは、マティアス・アウフ・デア・マウアー氏（上記写真左）とクリスチャン・ハーデンバーグ氏（上記写真右）の共同事業です。デア・マウアー氏は以前、機械メンテナンス予測スタートアップ企業AiSightを設立し、2021年にスイスのスマートセンサー企業Sensirionに売却しました。一方、ハーデンバーグ氏は、欧州のフードデリバリー大手Delivery Heroの元最高技術責任者です。
Juna.aiは、製造施設をよりスマートで自己学習型のシステムへと変革し、より高い利益率と、最終的には二酸化炭素排出量の削減を実現することを目指しています。同社は、大量の原材料を消費する大規模な生産プロセスを持つ鉄鋼、セメント、製紙、化学、木材、繊維などの「重工業」に注力しています。
テッククランチイベント
サンフランシスコ | 2025年10月27日～29日
「私たちはプロセス重視の業界と仕事をしており、その多くは大量のエネルギーを使用するユースケースです」とアウフ・デア・マウアー氏はTechCrunchに語った。「例えば、何かを生産するために大量の熱を使用する化学反応炉などがそうです。」
Juna.aiのソフトウェアは、AvevaやSAPなどの産業用ソフトウェアなどのメーカーの生産ツールと統合し、機械センサーから収集されたすべての履歴データを参照します。これには、温度、圧力、速度、そして品質、厚さ、色など、特定の出力に関するすべての測定値が含まれます。
Juna.ai はこの情報を活用して、企業が社内のエージェントをトレーニングして機械の最適な設定を把握できるように支援し、オペレーターにリアルタイムのデータとガイダンスを提供して、すべてが最小限の無駄で最高の効率で稼働するようにします。
例えば、特殊な炭素を生産する化学工場では、リアクターを用いて様々な油を混合し、エネルギー集約型の燃焼プロセスにかけることがあります。生産量を最大化し、残留廃棄物を最小限に抑えるには、使用するガスや油の量、プロセスに適用される温度など、条件を最適化しなければなりません。Juna.aiのエージェントは、過去のデータを用いて最適な設定を確立し、リアルタイムの状況を考慮しながら、オペレーターに最高の生産量を達成するためにどのような変更を加えるべきかを指示すると言われています。
Juna.aiが企業の生産設備の微調整を支援できれば、エネルギー消費を削減しながらスループットを向上させることができます。これは、顧客の収益と二酸化炭素排出量の双方にとってメリットのあることです。
Juna.aiは、TensorFlowやPyTorchなどのオープンソースツールを使用して、独自のカスタムAIモデルを構築したと述べています。また、モデルのトレーニングには、機械学習（ML）のサブセットである強化学習を採用しています。強化学習では、モデルが環境との相互作用を通じて学習し、様々なアクションを試し、何が起こるかを観察し、改善していきます。
「強化学習の興味深い点は、行動を起こせるということです」とハーデンバーグ氏はTechCrunchに語った。「典型的なモデルは予測か、何かを生成することしかできません。しかし、制御はできないのです。」
Juna.aiが現在行っていることの多くは、いわば「副操縦士」のようなものであり、オペレーターに制御の調整方法を指示する画面を表示するといったものです。しかし、多くの産業プロセスは非常に反復的であるため、システムが実際のアクションを実行できるようにすることは有用です。例えば、冷却システムでは、機械が適切な温度を維持するために、絶え間ない微調整が必要になる場合があります。
工場ではPIDやMPCコントローラを用いたシステム制御の自動化が既に広く普及しているため、Juna.aiもこれを実現できる可能性があります。しかし、新興のAIスタートアップにとっては、副操縦士を売り込む方が容易です。今のところは、まだ第一歩を踏み出したばかりです。
「技術的には、今すぐにでも自律走行させることは可能です。あとは接続を実装するだけです。しかし、最終的には、お客様との信頼関係を築くことがすべてです」とアウフ・デア・マウアー氏は述べた。
ハーデンバーグ氏は、スタートアップのプラットフォームの利点は労働力の節約にあるのではなく、工場は既に手作業の自動化という点で「かなり効率的」だと指摘した。重要なのは、これらのプロセスを最適化し、コストのかかる無駄を削減することだ。
「2000万ドルのエネルギーコストがかかるプロセスと比べれば、一人の人員を削減しても得られるものはそれほど多くありません」と彼は言った。「ですから、本当のメリットは、2000万ドルのエネルギーコストを1800万ドル、あるいは1700万ドルに削減できるかどうかなのです。」
事前トレーニング済みエージェント
現時点では、Juna.aiの最大の強みは、顧客の履歴データに基づいて顧客一人ひとりに合わせてカスタマイズされるAIエージェントを提供することです。しかし将来的には、新規顧客のデータでトレーニングをほとんど必要としない、既製の「事前トレーニング済み」エージェントの提供も計画しています。
「シミュレーションを何度も構築すれば、再利用できるシミュレーション テンプレートを作成できるようになる可能性があります」と Auf der Mauer 氏は述べています。
例えば、2つの企業が同じ種類の化学反応装置を使用している場合、顧客間でAIエージェントをリフトアンドシフトすることが可能になるかもしれません。1つの機械に1つのモデル、というのが大まかな流れです。
しかし、企業がデータプライバシーへの懸念から、急成長するAI革命への参入を躊躇しているという事実を無視することはできません。Juna.aiもこうした懸念を抱えていますが、ハーデンバーグ氏は、データレジデンシー管理と、膨大なデータバンクから潜在的な価値を引き出すという顧客への約束のおかげで、これまでのところ大きな問題は発生していないと述べています。
「潜在的な問題だと考えていましたが、今のところそれほど大きな問題にはなっていません。ドイツのお客様のためにすべてのデータをドイツ国内に保管しているからです」とハーデンバーグ氏は述べた。「お客様は独自のサーバーを設置し、当社は最高水準のセキュリティ保証を提供しています。お客様側も膨大なデータを抱えているものの、そこから効果的に価値を生み出すことができていません。主にアラートや手動分析に利用されている程度です。しかし、私たちはこのデータを使ってもっと多くのことを実現できると考えています。インテリジェントな工場を構築し、お客様が保有するデータに基づいて、その工場の頭脳となることができるのです。」
Juna.aiは設立から1年余りが経過し、既に数社の顧客を抱えている。ただし、アウフ・デア・マウアー氏は具体的な顧客名はまだ明かせないとしている。顧客はすべてドイツに拠点を置いており、いずれも他国に子会社を持つか、他国に拠点を置く企業の子会社となっている。
「我々は彼らとともに成長していくつもりだ。これは顧客とともに拡大していく非常に良い方法だ」とハーデンバーグ氏は付け加えた。
Juna.ai は新たに 750 万ドルを銀行に入金し、現在の従業員数 6 名を超えて拡大する十分な資金を確保し、技術的専門知識を倍増させる計画だ。
「結局のところ、これはソフトウェア会社であり、基本的に人材を意味します」とハーデンバーグ氏は語った。
