Neuron7のサービスエージェントとは?|修理手順をAIに出させる線

Neuron7のサービスエージェントとは?|修理手順をAIに出させる線

「ベテランの技術者が抜けたら、故障の切り分けが回らなくなる」「AIに修理手順を出させたいが、間違った手順で機械を壊したら誰の責任になるのか」——産業機器・医療機器・通信機器の保守を抱える会社の、サービス部門やAI導入担当から出てくる声です。AIが手順を出せるかどうかより先に問われるのは、手順の元になる社内の記録が使える状態か、そして出てきた手順を誰が承認し、誰が責任を持つかです。この記事では、米国の Neuron7.ai が提供する保守サービス向けのエージェントを例に、故障の切り分けと修理手順の提示をAIに任せるときの定着までの道筋を整理します。


カメ先生カメ先生

修理手順をAIに出させると聞くと、マニュアルを読ませて答えさせる仕組みだと思われがちなんだ。でも本当に効くのは、過去に実際に直した記録のほうでね。記録が雑な会社だと、AIも雑な答えを返すんだよ。


カメ子カメ子

ということは、AIを入れる前に、問い合わせや修理の記録を書き直す必要があるということですか。


カメ先生カメ先生

全部を直してから始める必要はないんだ。Neuron7 は記録の質を点数で測って、使える製品から始める考え方をとっている。それと、本番に出す前に過去の事例で答えを採点する。ここを飛ばすと現場に信用されない。


カメ子カメ子

答えが当たるかより、当たっていると確かめる段取りのほうが大事なんですね。


この記事のポイント
  • Neuron7 は、故障の既知の型には決まった手順を返し、未知の型では推論で計画を示す、と公式に説明している
  • 定着の前提は記録の質。AI準備度スコア(RQI)で製品ごとに測り、使えるところから始める
  • 本番前に過去事例で採点し、手順の承認者と、顧客や技術者に出す答えの責任者を先に決める

うちの業務、AIで何が自動化できる?

「AIで何ができるかは分かったが、自社の業務のどこに使えるのかが分からない」という段階の方へ。30業務の判定と5つの実務例から、最初に自動化する1業務を選ぶための無料ガイドです。

目次

Neuron7とは:保守サービスの「次の一手」を出す判断の層

Neuron7.ai は米国カリフォルニア州サンノゼに拠点を置く会社で、機器メーカーや保守会社のサービス部門に向けたAIを提供しています。公式サイトでは自社の基盤を「サービスの判断のための基盤」と呼び、製品マニュアル・問い合わせ記録・機器ログ・修理の記録を読み込み、故障の切り分けと解決の手順を示す仕組みだと説明しています。対象は窓口の担当者、出張する技術者、修理センターの作業者で、業界としては医療機器・産業機器・ハイテク機器・通信が挙がっています。

中心にあるのは、製品・機器・故障の型・部品・過去の解決記録をつないだ「グラフ」です。公式の説明では、故障の型と部品の関係、マニュアルや手順書、熟練者がどう言い表しどう直したか、手順の正しい順番を、それぞれ別の層として結び付けています。汎用のチャットAIに社内文書を検索させる仕組みとは、出発点が違うと同社は強調しており、比較ページでも「社内の知識ベース」や「全社検索」との違いを前面に出しています。

資金面では、2024年10月に元 Salesforce 共同最高経営責任者が率いる投資会社の主導で、4,400万ドルのシリーズBを調達したと報じられています。公式ページには、ServiceNow の投資部門から戦略投資を受けたという記述もあります。大企業のサービス部門を顧客にする会社としては中規模で、事業の継続性は契約前の確認項目になります。

2025〜2026年の動き:判断を切り替えるエージェントと、4月の一般提供

2025年11月6日、米国の技術系メディアは、Neuron7 が保守サービス向けのエージェント「ニューロ」を発表したと報じました。記事によると、同社は以前、検索で文書を引いて答えを作る方式(RAG)を使っていましたが、独自の専門データでは正確さが足りない場面があったため、既知の故障には決まった手順を返す決定的な仕組みと、未知の故障に対して計画を組み立てる自律的な推論を、場面に応じて切り替える方式に移ったとされています。土台には Meta の Llama 4 のような公開モデルを使い、MCP とエージェント同士の連携の枠組みも組み合わせると説明されています。

2026年4月8日には、三つの機能の一般提供を公式に発表しました。一つ目は、導入済みの機器全体で原因と解決の時系列をたどり、次に起きそうな故障を予測する「予測型のサービスエージェント」。修理で訪問したついでに予防の作業を足し、次の出動を減らす狙いです。二つ目は、プログラムを書かずにエージェントを組める Agent Builder。三つ目が、記録の質を測る「AI準備度スコア」で、同社は解決品質指数(RQI)と呼んでいます。

公式ブログは2026年10月末まで更新が続いており、10月には業界団体 TSIA の催しでの登壇報告や、医療機器のサービスでAIを選ぶときの問いを7つまとめた記事を出しています。発表の数字の多くは顧客の自己申告で、たとえば ATM の保守を担う NCR アトレオスでは、17の分散した仕組みを統合したうえでAIの回答精度92%と紹介されています。数字は誰が、何を基準に、どの期間で測ったかを確かめてから読むのが前提です。

決定的な仕組みと生成AIの組み合わせ:公式の説明の範囲で読む

同社の説明で目を引くのが「決定的」という言葉です。公式のエージェント展開のページでは、既知の故障については検証済みの解決手順を返し、どの技術者が、どの地域で、どの機器構成で問い合わせても、同じ正しい答えを返すと書いています。一方で、パターンが決めた検証の水準から外れたときは、確信度を示して専門家に引き継ぐ、とも説明しています。

ただし、決定的な仕組みがどう実装されているかの技術的な詳細は、公開資料には書かれていません。4月の発表文も、確率で答えを作る大規模言語モデルとの違いを述べるにとどまります。「絶対に間違えない」と読むのは行き過ぎで、正しくは「過去に検証された手順が登録されている故障の型では、同じ手順を返すように作ってある」と受け取るのが妥当です。登録された手順そのものが古かったり誤っていたりすれば、その誤りも毎回同じように返ります。

社内で評価するときは、同社が医療機器向けの記事で勧めている確かめ方がそのまま使えます。既知の故障を2回入れて同じ手順が返るか、まだ記録にない故障を入れたときに推論の根拠と確信度を示して人に引き継ぐか。この二つの振る舞いを、営業資料ではなく自社の事例で見ておくことが、後の承認の線引きの土台になります。

定着の前提①:問い合わせ記録の質を点数で測る

修理手順を出すAIの精度は、元になる記録の質でほぼ決まります。「顧客から異音の連絡、部品交換で解決」としか書かれていない記録からは、何が原因で、どの順番で確かめ、どの部品を替えたのかが読み取れません。Neuron7 のAI準備度スコア(RQI)は、この問題を正面から扱うための仕組みで、4月の発表では根本原因の明確さ、解決の手順、再利用できるか、部品を追跡できるかを重み付きで採点すると説明しています。

公式の記録の質のページによると、採点の軸と重みは導入企業がそれぞれ設定でき、点数は案件・技術者・製品型式・部門・全社の5段で見られます。全社の点数が出ると、どこから始めるべきかの推奨も出す、と説明されています。大事なのは、点数で「AIを入れてよいか」を製品ラインごとに分けて判断できることです。全社平均が低くても、記録が整った製品ラインから始めれば、待たずに成果を出せます。

10月の TSIA の催しでも、計測機器大手キーサイトの担当者が、製品ラインごとに準備度を採点して理由を付けること、そして完璧なデータを待つこと自体が危ういことを話したと、同社ブログは伝えています。記録の整備とAIの利用は並行で進められるという考え方で、これは Neuron7 を使うかどうかに関係なく、保守部門のAI導入で最初に置くべき物差しです。

定着の前提②:記録を直す仕事を、技術者の日常に組み込む

点数で測るだけでは記録は良くなりません。Neuron7 は、技術者が案件を閉じるときに点数と足りない項目をその場で示し、記録を書き足してもらう仕組みを用意していると説明しています。研修や別の道具を増やさず、毎日の小さな指摘の積み重ねで書き方を変えるという発想です。

ここで社内で決めておくべきなのは、点数を何に使うかです。記録の点数は技術者ごとにも出るため、そのまま人事評価に流すと、点数を上げるための形だけの記録が増えます。点数はまず「AIに使える記録の割合」を測る道具として扱い、技術者には書き方の手本と一緒に返す、と最初に宣言しておくほうが定着します。

もう一つは、熟練者の判断の残し方です。同社は10月の記事で、マニュアルと実際の修理の間にある判断こそ失われやすく、引退前に残す必要があると書いています。手順から外れた修理が記録されると、それが次の提案の改善に使われるという説明です。裏を返せば、手順から外れた理由を書かない文化のままだと、AIは学ぶ材料を得られないということです。外れた理由を一行書く欄を作るだけでも、効き方は変わります。

本番前の事例検証:過去の解決済み事例で答えを採点する

Neuron7 の公式ページは、Agent Builder で組んだエージェントを本番に出す前に過去の事例で検証し、実際の顧客対応に触れる前に正確さを確かめると説明しています。さらに、本番に出す前の解決精度として90%以上を目標にしているとも書いています。この数字は同社の目標値であって保証ではありませんが、本番前に採点するという段取りそのものは、どの製品を使う場合でも取り入れるべきです。

社内で検証するときは、採点を誰がするかが肝になります。AIの答えが正しいかをAIに判定させるのでは意味がありません。判定は、その製品を実際に直してきた技術者が行い、答えの根拠に挙がった記録まで開いて確かめる形にします。正解・部分的に正しい・誤り・危険の4段で付けておくと、どの製品・どの故障の型で弱いかが見えてきます。

STEP1
題材を選ぶ

直近1年の解決済み案件から、製品ラインごとに頻度の高い故障と、まれだが重い故障を両方抜き出す。答えが分かっている案件だけを使う。

STEP2
答えを出させる

当時の問い合わせ文と機器の情報だけを渡し、切り分けと手順を出させる。答えの根拠に挙がった記録も一緒に保存する。

STEP3
技術者が採点する

その製品の経験者2名が別々に4段で採点し、食い違った案件は話し合って決める。危険な手順が1件でも出たら、その故障の型は本番から外す。

STEP4
線を引く

製品ライン・故障の型ごとに、本番に出す・社内向けだけ・まだ出さない、の三つに分ける。結果は導入判断の記録として残す。

検証は一度で終わりません。製品の改版や設計変更、部品の切り替えがあると、登録済みの手順が古くなります。同じ題材を四半期ごとに入れ直し、前回と答えが変わっていないか、変わったならそれが正しい方向かを確かめる再採点の仕組みを作っておきます。公式の説明では、案件が閉じるたびに判断の層が自動で更新されるとしているため、答えが知らないうちに変わることも前提にしておく必要があります。

段階的に出す順番:社内の技術者から顧客へ

採点に通った範囲も、いきなり顧客の目に触れる場所へ出す必要はありません。同社の10月のブログでは、通信機器のシエナが、まず自社のサポート担当がAIの答えを信頼できるようになってから、顧客のセルフサービスに広げたと紹介されています。最初の利用者は、答えの誤りに気づける社内の経験者にするのが定着の近道です。

順番の目安は、修理センターの熟練者、出張する技術者、電話窓口の担当者、顧客向けのセルフサービスの順です。後ろに行くほど、誤った手順に気づける人が減ります。各段階で「誤りの報告がどれだけ上がり、どれだけ直ったか」を見てから次へ進むようにし、期間ではなく報告の中身で判断します。

新人の技術者に使わせる場面は特に慎重さが要ります。同社の顧客の声には「新人がベテランと同じように仕事ができる」という趣旨のものがありますが、新人ほどAIの手順を疑う材料を持っていません。新人向けに出す範囲は、採点で「正解」が続いた故障の型に絞り、迷ったら熟練者に聞く経路を必ず残しておきます。

手順を誰が承認するか:既知の故障と未知の故障で線を分ける

Neuron7 の仕組みは、既知の故障では登録済みの手順を返し、未知の故障では推論で計画を示します。この二つは性質が違うため、承認の線も分けて考えます。既知の故障で返る手順は、一度承認すれば毎回同じものが出るので、登録の時点で品質部門と技術の責任者が承認するのが筋です。未知の故障で出る計画は、毎回の答えを現場の技術者が確かめる扱いにします。

場面AIが出すもの承認・確認する人顧客に出してよいか
既知の故障(登録済みの手順)検証済みの解決手順登録時に技術の責任者と品質部門採点で正解が続いた型だけ
未知の故障(推論の計画)切り分けの計画と根拠・確信度毎回、その場の技術者出さない。社内向けのみ
予防の作業の追加訪問時に足す作業の候補保守契約の担当と技術者顧客の合意を取ってから
安全・規制に関わる作業参考情報まで資格を持つ担当者が判断AIの答えとしては出さない

公式の基盤の説明では、確信度のしきい値、専門家への引き継ぎの規則、監査の記録を本番前に設定できるとしています。しきい値をいくつにするかは、導入企業が決めることで、AIが決めることではありません。最初は高めに置き、引き継ぎが多すぎて現場が回らない場合に、採点の結果を見ながら下げていく順番が安全です。

予測型のエージェントが出す「訪問のついでに足す予防の作業」は、技術の判断であると同時に契約の判断です。保守契約の範囲内の作業なのか、追加の費用が発生するのかで、顧客への説明が変わります。候補を技術者がその場で実施する前に、契約の範囲に入るかを確かめる経路を用意し、範囲外なら顧客の合意を得てからにします。同社の発表は出動の削減を効果として挙げていますが、作業を足した分の責任も増える点は社内で共有しておきます。

顧客と技術者に出す答えの責任を誰が持つか

AIが出した手順で作業し、結果として機器を壊したり、顧客の業務を止めたりした場合、顧客に対して責任を負うのは保守サービスを提供している自社です。AIの提供元の契約は、通常そこまでは引き受けません。答えの責任者は「その手順を承認した部門」に置き、AIの導入担当には置かないと決めておくと、誤りが見つかったときの直し先がはっきりします。

同社の医療機器向けの記事は、推奨ごとに元のデータまでたどれること、技術者が各手順に従ったか外れたかを記録すること、届け出が必要になりうる案件を品質部門に回すことを、評価の問いとして挙げています。医療機器に限らず、誰がどの手順を見て、従ったのか外れたのかが残っていれば、事故の後に原因を追えます。この記録の有無は、導入前に必ず実物で確かめます。

顧客向けの窓口に答えを出す場合は、表現の責任も生じます。AIの手順をそのまま顧客に見せるのか、担当者が言い直して伝えるのかで、誤ったときの扱いが変わります。最初の段階では、顧客には担当者が確かめた内容だけを伝え、AIの答えはあくまで社内の下書きと位置づけるのが無理のない線です。

AIに判断させない範囲を先に書く

修理手順を出すAIに任せてよい範囲は、記録の質と採点の結果で広がっていきますが、最初から外しておくべき範囲もあります。これを導入前に文書にしておかないと、便利さに押されて少しずつ任せる範囲が広がることになります。

  • 感電・高圧・可動部など、作業者の安全に関わる手順をAIの答えだけで進めさせる
  • 医療機器の不具合が届け出の対象かどうかを、AIの判定で決める
  • 保証の対象か有償修理かの判断を、AIの答えをそのまま顧客に伝えて決める
  • 記録にない新しい故障に対する推論の計画を、技術者の確認なしに顧客向けの手順として出す
  • 部品の交換をAIの提案だけで発注し、在庫と費用の確認を省く

ここに挙げた判断は、技術の問題であると同時に、契約・規制・安全の問題でもあります。AIには、根拠となった記録と確信度を必ず添えさせ、判断そのものは人が行う形にします。同社自身も、医療機器の届け出の要否は品質部門が決めると書いており、提供元の説明とも食い違いません。

Salesforce・ServiceNowの中で動かすときの権限

Neuron7 は単独の画面で使うだけでなく、既存の仕組みの中に組み込む形を前面に出しています。連携先として公式に挙がっているのは、Salesforce のサービス系の製品と Agentforce、ServiceNow、Microsoft の Dynamics 365 と Teams、SAP、Slack、Jira などです。同社は Salesforce の AgentExchange に載った最初のサービス向けの提供者だと説明しており、Agentforce の中で直接動くエージェントとして使える形になっています。

組み込む場合に確かめるのは、どの資格でどこまで読み書きするかです。公式の説明では、手順の実行結果を記録システムに書き戻して次の判断に生かすとしています。書き戻しを許すなら、どの項目に書けるのかを限定し、案件の状態を閉じる・部品を発注するといった操作は人の確認を挟むのが基本です。連携用の資格は個人の資格を使い回さず、専用の資格を発行して権限を絞ります。

すでに Salesforce や ServiceNow 自身のAI機能を使っている会社では、役割の重なりにも注意が要ります。同社は、記録の質が上がれば Agentforce や ServiceNow の支援機能など、同じ記録を使うほかのAIの成果も良くなると説明しています。逆に言えば、複数のAIが同じ案件に答えを出す状態になりうるので、どの場面でどのAIの答えを正とするかを決めておきます。

何が社外に出るか:記録・機器ログ・マニュアルの行き先

Neuron7 に渡るのは、製品マニュアル・手順書、問い合わせと修理の記録、機器のログ、熟練者のメモなどです。修理記録には顧客の会社名・担当者名・設置場所が含まれることが多く、医療機器であれば患者に関わる情報が紛れ込むこともあります。渡す前に、どの項目を外すか・伏せるかを決めるのは導入企業の仕事です。

同社の信頼センターでは、第三者監査の報告書(SOC 2 の継続評価の型)を取得していること、基盤に Microsoft の Azure を使っていることが公開されています。データ処理の契約書や委託先の一覧は、申請すれば閲覧できる形です。確かめるべきは、データの保存地域、AIの学習に自社のデータが使われるか、契約終了後の削除の扱いの三点です。2025年の報道にある公開モデルを自社の環境で動かしているのか、外部のモデル提供者にも渡るのかも、委託先の一覧で確認します。

見落としやすいのが、社員側の情報です。記録の点数は技術者ごとに集計され、手順に従ったか外れたかも個人単位で残ります。これらは従業員の働き方に関する情報でもあるため、何の目的で集め、誰が見られ、どれだけの期間保存するかを就業規則や社内の規程と合わせて決め、技術者にも説明しておきます。顧客の情報と同じ重さで扱う、と最初に決めておくと後で揉めません。

  • 信頼センターの「復旧目標6時間」は同社が掲げる目標値で、止まっている間の手順の出し方は自社で決めておく
  • 機器ログに顧客の設定情報や通信先が含まれる場合は、渡す範囲を製品ごとに決める
  • 海外の会社への委託になるため、個人情報を含む記録の越境移転の扱いを法務と確認する

費用の増え方と、効果の測り方

公式サイトには料金表が見当たらず、デモの申し込みから個別に話を進める形です。Azure Marketplace にも出品しており、Microsoft との利用額の約束に充てられる購入方法があると説明しています。費用が増える要因として考えられるのは、対象の製品ラインと利用者の数、連携する仕組みの数、取り込む記録の量で、見積もりの際はこの三つを段階ごとに分けて出してもらうと比べやすくなります。

社内側の費用も忘れてはいけません。採点に参加する熟練者の時間、記録の書き方を変える指導、連携の設定と保守、承認済みの手順の見直しには、継続して人手がかかります。同社は自前で作れば12〜24か月かかるところを6〜10週で効果が出ると説明していますが、これは同社の数字で、自社の記録の状態次第で大きく変わります。

効果を測る指標は、導入前に決めて記録しておきます。初回で直った割合、再訪問の件数、熟練者への問い合わせの件数、案件を閉じるまでの時間、記録の点数の推移です。AIの回答精度だけを追うと、答えは当たっているのに現場が使っていないという状態を見落とします。利用率と、誤りの報告件数も並べて見ます。

止め方・やめ方:判断の層を外しても業務が回るか

止め方は二段で考えます。一つは、特定の故障の型や製品で誤りが見つかったときに、その範囲だけを本番から外すこと。もう一つは、サービス全体が止まったときや契約をやめるときに、AIなしで業務を回すことです。前者のためには、どの手順を誰が承認したかの台帳があれば、外す範囲をすぐ特定できます。

後者で問題になるのは、AIに頼るうちに手順書の更新が止まることです。承認済みの手順や、記録の質を上げた成果が提供元の中にしか残っていないと、やめたときに手元に何も残りません。承認済みの手順と採点の結果は、自社の仕組みの側にも書き出して持つことを契約前に確かめ、書き出しの形式と頻度を決めておきます。

組み込み型で使っている場合は、連携用の資格を無効にし、書き戻し先の項目を元の運用に戻す手順も用意します。四半期に一度、AIを止めた状態で窓口と技術者が回るかを短時間試しておくと、提供元の障害や契約の見直しの際にも慌てずに済みます。

よくある質問

社内のマニュアルが古くても始められますか

始められますが、マニュアルより修理の記録の質が効きます。まず記録の点数を製品ラインごとに出し、点数の高いラインから試すのが現実的です。古いマニュアルの更新は並行で進め、AIが古い手順を返していないかを採点で確かめます。

技術者がAIの手順に従わなかった場合はどうなりますか

従わなかった事実と理由が記録に残ることが大切です。同社は、手順から外れた修理を次の提案の改善に使うと説明しています。外れた理由を書く欄を設け、熟練者の判断を記録として残す流れを作ります。

顧客向けのチャットにもすぐ使えますか

技術的には組み込めますが、順番として最後にするのが安全です。社内の熟練者、技術者、窓口担当で誤りの報告を集め、正解が続いた故障の型だけを顧客向けに出します。安全・保証・規制に関わる内容は顧客向けには出しません。

機器がネットにつながっていなくても、故障の予測はできますか

同社は、機器から送られるデータがなくても、マニュアル・問い合わせ・作業指示・解決の記録といった修理の履歴から、故障の前に現れやすい型を見つけると説明しています。10月の催しでも、導入済みの機器の多くがつながっていない会社の例が紹介されました。ただし予測の当たり外れは、自社の過去の記録で採点してから使います。

Salesforce を使っていない会社でも導入できますか

公式の連携先には ServiceNow、Microsoft の Dynamics 365 と Teams、SAP、Slack などもあり、単独の画面での利用も説明されています。ただし、記録の書き戻しや監査の記録をどこに残すかは、使っている仕組みに合わせて決める必要があります。

まとめ

Neuron7 は、保守サービスの故障の切り分けと修理手順の提示を、過去の解決記録に基づいて行うエージェントです。既知の故障には検証済みの手順を返し、未知の故障では推論の計画と確信度を示して人に引き継ぐ、と公式に説明しています。定着の鍵は、AIの賢さより手前にあります。記録の質を製品ラインごとに測り、過去の事例で技術者が採点し、手順の承認者と答えの責任者を決めてから出す。安全・規制・保証の判断はAIに渡さず、根拠と確信度を添えさせたうえで人が決める。承認済みの手順を自社の側にも持ち、AIなしでも回る状態を保つ。この順番を守れば、熟練者の判断を次の世代へ渡す道具として使えるはずです。

※本記事にはAIが活用されています。編集者が確認・編集し、可能な限り正確で最新の情報を提供するよう努めておりますが、情報の完全性、正確性、最新性、有用性等について保証するものではありません。本記事の内容に基づいて行動を取る場合は、読者ご自身の責任で行っていただくようお願いいたします。

うちの業務、AIで何が自動化できる?

「AIで何ができるかは分かったが、自社の業務のどこに使えるのかが分からない」という段階の方へ。30業務の判定と5つの実務例から、最初に自動化する1業務を選ぶための無料ガイドです。

運営会社:株式会社デボノ

目次