fireflakeのenveddedが農業現場改善を支援
元記事公開日: 2026年7月29日
出典: https://aismiley.co.jp/ai_news/fireflake-platform-envedded/
enveddedは現場のIoTデータと作業メモをクラウドで統合し、AIが読み取りやすいファイルとして出力する。作業者はそのファイルをAIに渡して相談し、改善策や仮説を得る。現場で実証した結果を再び蓄積し、継続的な試行錯誤のサイクルを成立させる。
背景
現在の農業の現場では、データの取得自体は可能になった一方、改善や判断に十分生かしきれていない状況がある。近年はChatGPTやGeminiといった生成AIの普及により、専門知識のない作業者でもデータを用いて自律的に試行錯誤できる環境が整いつつある。fireflakeはこの流れを踏まえ、現場データを蓄積しAIで現場改善を進めるプラットフォームenveddedの提供を始めた。
要望・目的
enveddedが重視するのは自動化や機械化そのものではない。現場を把握し、仮説を立て、小さく試し、結果を次の改善につなげる試行錯誤のサイクルを、テクノロジーの支援を受けながら現場で働く人自身が回せるようにすることにある。専門知識がなくてもAIと現場データを使って改善の試行錯誤ができる状態を目指している。
実装・実施内容
現場データをクラウドに収集し、データだけでは表せない人間の体感や実施した作業・対策のメモを加える。統合した情報をAIが読み取りやすいファイルとして出力し、作業者がそのファイルをAIに渡して相談する流れを整える。あわせてIoT機器で環境データや設備の制御データを取得・記録し、新しい計測や制御変更に必要な知識はDIYガイドとして提供する。fireflakeは農業生産者との実証実験を進めている。
AIサービス・システム
中心となるのはfireflakeのenveddedである。統合した現場データとメモをAIが扱いやすいファイルに整え、作業者の相談を通じて具体的な改善策や仮説の導出を支援する。背景としてChatGPTやGeminiなど生成AIの普及が、専門知識のない作業者でもデータ活用の試行錯誤を可能にする前提になっている。DIYガイドは仮説をすぐ試すための知識提供として位置づけられる。
結果・効果
enveddedの提供が開始された。現場ではAIから得た改善策に基づくアクションを実証し、効果を再びデータとして蓄積することで、継続的な試行錯誤・改善のサイクルを成立させる。DIYガイドにより仮説検証の速度を高める設計である。定量的な削減効果は示されておらず、今後は農業生産者との実証を続け、活用方法の検証・改善と仕組み・考え方の普及を進める方針である。