横浜ゴム、生成AIをタイヤ開発に本格導入 R&Dの知識検索が次のボトルネックに

生成AIのエンジニアリングワークフローへの導入

横浜ゴム（本社：平塚市）は、タイヤ開発チーム向けに社内技術文書を検索し回答を返す独自の生成AIシステムの本格運用を開始した。同社は2026年8月にシステムを稼働させ、材料開発やタイヤ設計などの分野での意思決定を加速させることを目的としている。

この取り組みは、シミュレーションや実験を置き換えるものではなく、先進R&Dにおける一般的な弱点である知識検索を対象としている点で注目される。タイヤエンジニアは社内報告書、マニュアル、事例研究、開発記録など広範な資料を扱うが、横浜ゴムはRAG（検索拡張生成）を用いて、手動検索より迅速に最も関連性の高い資料を提示する。

システムの設計と運用

横浜ゴムによると、エンジニアが特定の開発目標やプロジェクト状況に紐づけた質問を入力すると、生成AIが同社の蓄積された技術文書から最も関連性の高い情報を検索する。システムはAIエージェントを備え、ユーザーの意図を解釈した上で、検索計画・情報取得・結果評価のサイクルを繰り返して回答品質を向上させる。

実務上の安全策として、各回答の生成に使用された元の資料へのリンクを表示し、エンジニアが回答の根拠を確認してから解釈や意思決定に活用できるようにしている。これは、技術的に妥当な回答であっても、配合制約、試験履歴、プラットフォーム固有の設計要件と照合する必要があるタイヤ開発では特に重要である。

横浜ゴムは、本プラットフォームが2020年10月に開始したAI活用フレームワーク「HAICoLab」の実践環境を拡張するものであり、ゴムコンパウンド特性予測、新規コンパウンド生成、金型設計支援といった既存のAIツールを基盤としている。つまり、新システムは単独で機能するのではなく、シミュレーション・予測・設計支援をすでに融合した広範なデジタル開発スタックを拡張するものだ。

タイヤR&Dにとっての意義

プロセッサーや技術チームにとっての直接的な意味はスピードである。横浜ゴムは、新システムにより材料開発を含む開発判断に必要な技術情報への迅速かつ正確なアクセスを提供し、エンジニアがアーカイブ検索に費やす時間を短縮して、評価・反復・検証へ早期に移行できるようにすることを目指している。

タイヤメーカーにとってこれは単なるオフィス生産性向上ではない。社内技術知識はチーム・プロジェクト・実験の蓄積に分散しがちであり、それを迅速に集約できるシステムは、熟練エンジニアの退職、チーム変更、仕様変更後のプログラム再開時における継続性を高める。また、経験の浅いスタッフが既存のノウハウを基に作業しやすくなり、ゼロから再構築する負担を軽減する。

業界の文脈も重要である。横浜ゴムはすでに開発の他分野でデータ駆動型ツールを活用しており、以前発表した金型設計支援システムでは、大量の仮想実験とサロゲートモデルを用いて金型設計要因とタイヤ特性の関係をモデル化している。新たな生成AIレイヤーは、プロセス前段に対処するもので、より良い質問の提起、適切な技術的根拠の探索、知識から行動への直接的な道筋を提供する。

この変化は、タイヤR&Dにおける次の競争優位性が、単に高速なシミュレーションや強力な試験設備だけでなく、それらを支える組織的記憶への迅速なアクセスから生まれる可能性を示唆している。サプライヤー、材料開発者、設備パートナーにとってのメッセージは明確だ。デジタルツールは配合・設計業務の核心に深く入り込み、蓄積された技術データの価値をより容易に整理・再利用できるようにしている。

完成した変革ではなく、慎重な一歩

横浜ゴムは本資料において、開発期間短縮や試験コスト低減などの定量的な効果を公表していない。この慎重さにより広範な性能主張は未証明のままとなるが、戦略的方向性は明確である。同社はAIを活用して社内知識ベースの利用性を高めており、開発コストが高く反復的な業界では、新素材や新シミュレーションモデルと同様に重要な意味を持つ。

タイヤ開発者にとっての意義は、質問が使用可能なエンジニアリング回答に変わるまでの速さにある。横浜ゴムは、その課題の解決策は単にデータ量を増やすことではなく、すでに保有するデータの検索性を高めることにあると見ている。