Gurobiの最適化AIとは?|制約と計画を確定する人

Gurobiの最適化AIとは?|制約と計画を確定する人

「生産計画や配送計画を数理最適化で組みたいが、社内に数式を書ける人がいない」「AIが模型を作ってくれるなら、計画担当だけで回せるのではないか」——製造・物流・小売の計画部門と、AI導入を任された担当者の間で、最近この二つの声がよく並びます。背景には事実があります。数理最適化の計算エンジンで世界的に使われている Gurobi が、2026年7月に日本法人を通じて「Gurobi Intelligence Hub」を発表し、業務の言葉から最適化モデルを組むAIと、結果や実行不能の理由を説明するAIを一般の利用者に開いたからです。このAIで変わるのは、誰が模型を組めるかです。誰が条件を書き換えてよいか、誰が計画を確定するかは、導入する会社が先に決めなければ何も変わりません。この記事では、Intelligence Hub の中身と提供状況を公式の説明で確かめたうえで、計画部門に入れるときの手順、役割の分け方、データを渡す範囲、評価版の扱い、計画担当の育て方を整理します。


カメ先生カメ先生

最適化のAIというと、AIが計画を考えてくれる道具だと思われがちなんだ。でも本当は、計画を計算するのは昔からある最適化の計算エンジンで、AIが手伝うのはその手前の「模型を組む」部分と、後ろの「結果を説明する」部分なんだよ。


カメ子カメ子

計算はAIではなくて、AIは組み立てと説明の係ということですか。


カメ先生カメ先生

そう。だから怖いのは計算の間違いより、模型に入れた条件が業務とずれていることなんだ。ずれた条件でも、計算エンジンはその条件の中で一番良い答えを正確に返してしまう。


カメ子カメ子

答えが正確でも、条件を決めた人が間違っていたら意味がない、ということなんですね。


この記事のポイント
  • Gurobi Intelligence Hub は、模型を組む Modeler、結果と実行不能を説明する Explainer、相談役の Gurobot をまとめた場。計算そのものは従来の Gurobi が行う
  • Modeler の中心は業務の言葉で書かれた仕様書。仕様書と試験の場面を業務側が承認し、条件を書き換えてよい人と計画を確定する人を分ける
  • 会話とファイルは Gurobi の基盤に保存される。個人を特定できる情報は入れず、評価版の Explainer とローカルMCPは本番の計画から外して試す

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。

目次

Gurobi Intelligence Hub とは:計算エンジンの前後にAIを置いた場

Gurobi は、米国オレゴン州に本社を置く開発元が作る数理最適化の計算エンジンです。限られた人・設備・車両・予算を、守るべき条件の中でどう割り当てると目的(費用の最小化や処理量の最大化など)が最も良くなるかを計算します。日本では、2023年に買収した国内の最適化コンサルティング会社が2025年10月に社名を改め、日本法人として販売・相談を担っています。

2026年7月16日に日本法人が発表した Intelligence Hub は、この計算エンジンの前後にAIの係を置いた場です。業務の課題から最適化モデルを組む Modeler、解いた結果や「条件を全部は満たせない」という実行不能の理由を言葉で説明する Explainer、使い方の相談やコードの手助けをする Gurobot、そして社員が普段使っているAIの開発環境からこれらを呼び出すためのローカルMCPサーバーの四つで構成されています。

押さえておきたいのは、最適な答えを計算するのはAIではなく、従来の Gurobi の計算エンジンだという点です。AIの係は、業務の言葉を数式とコードに直す手前の工程と、計算結果を業務の言葉に戻す後ろの工程を受け持ちます。数理最適化と生成AIをどう組み合わせるかという一般論はすでに別の記事で扱ったので、ここではこの製品を社内に入れるときに固有に決めることに絞ります。

発表から4か月で変わった提供状況を、公式の説明で確かめる

発表時の日本語の資料では、Modeler はベータ版、Explainer とローカルMCPは評価版、Gurobot は提供中とされていました。ところが2026年11月9日に更新された公式ドキュメントでは、Modeler は2026年10月から一般提供、Gurobot は2025年6月から一般提供、Explainer とMCPサーバーは引き続き実験的な機能と書かれています。導入の検討資料を作るときは、発表記事ではなく最新のドキュメントの記述を根拠にしてください。

機能受け持つ工程2026年11月時点の公式の位置づけ社内での扱いの目安
Modeler業務の課題から仕様書・コード・試験を作る一般提供(2026年10月から)業務側の承認を前提に本番の模型づくりに使える
Explainer実行不能の診断、条件緩和の案、感度分析実験的(変更の可能性あり)検算と議論の材料に限る
Gurobot使い方の相談、コードの手助け、サポートへの引き上げ一般提供(2025年6月から)担当者の学習と問い合わせの入口
ローカルMCP社員のAI開発環境から上の三つを呼ぶ実験的(変更の可能性あり)試験用の環境とデータに限る

計算エンジン本体も更新が続いています。2025年11月18日に 13.0 が公開され、2026年11月時点の公式サイトは 14.0 を案内しています。会社として事業を続けているか、他社に買われていないかも確かめましたが、そうした報道や告知は見当たりませんでした。

誤解されやすい点:AIが計画を決めるのではなく、模型づくりを代わりに進める

「AIが最適な計画を出してくれる」という受け止め方は、半分正しく半分危険です。正しいのは、Modeler を使えば、数式やプログラムを書けない計画担当でも、対話を通じて動く模型までたどり着けるようになったことです。公式の説明も、高度な数学やコーディングの技能がなくても業務の問題を正しく表す模型を作れるよう導く、と書いています。

危険なのは、模型の正しさを誰も確かめないまま、出てきた計画を使ってしまうことです。最適化の計算エンジンは、与えられた条件の範囲で最も良い答えを、数学的な裏付けをもって返します。だからこそ、条件の書き漏らしや取り違えがあると、間違った問題に対する正確な答えが自信をもって出てきます。公式の手引き自身が「誤って述べられた問題を正しく実装しても、答えは間違う」と書き、それを捕まえる場所として仕様書を置いています。

つまり、このAIを入れると、模型を組む作業の多くはAIに移りますが、模型が業務を正しく写しているかを判断する責任は、計画部門に残ります。以下の手順は、その責任を誰がどこで負うかを決めるためのものです。

手順1:対象を一つの計画業務に絞り、計画の持ち主を決める

最初に決めるのは、どの計画を対象にするかと、その計画の持ち主は誰かです。生産の段取り、配送の割り当て、コールセンターや店舗の要員配置など、最適化が効く業務は多くありますが、最初から複数を並行させると、条件を確かめる人が足りなくなります。一つの業務、一つの拠点、一つの計画周期に絞るのが現実的です。

計画の持ち主とは、その計画が現場で守られなかったときに説明する立場の人です。多くの会社では、生産管理課長や物流の配車責任者、要員計画の担当マネジャーがこれに当たります。AI導入担当や情シスが持ち主になると、条件の正しさを判断できないまま承認することになります。この段階で、持ち主・模型を組む担当・計算環境を用意する担当の三者を名前で決めておきます。

もう一つ、今の計画がどう作られているかを書き出しておきます。表計算の手作業なのか、ベテランの経験なのか、既存の計画ソフトなのかで、後の検算のやり方が変わります。今のやり方で守られている暗黙の決まりは、模型には自動では入らないからです。

すでに外部の専門家が作った最適化の模型を持っている会社は、そこから始める方法もあります。公式の手引きによれば、Modeler は既存の模型ファイルから仕様書を書き起こし、確認を求めたうえで作り直すことができ、仕様書・コード・試験一式を渡すと抜けを点検し、仕様書を優先して食い違いを直します。引き継いだ模型の中身が誰にも説明できない、という状態を解く道具として使えるわけですが、書き起こされた仕様書を計画の持ち主が読んで承認するという手順は省けません。元の模型に入っていた意図が、書き起こしの段階で別の意味に読み替えられていることがあるからです。

手順2:動かせない条件と、方針で決めている条件を書き分ける

模型づくりに入る前に、計画部門の中で条件を二種類に分けておきます。一つは法令・安全・設備の物理的な限界のように動かせない条件、もう一つは在庫の目標水準や残業の上限、担当者の希望のように会社の方針で決めている条件です。公式の手引きも、Explainer に渡す業務の文脈として、物理法則や安全上の限界は動かせないが、目標在庫や人員配置の好みは動かせることが多いと区別を求めています。

この区別は、AIに任せずに人が書きます。同じ「1日の稼働は10時間まで」でも、労働時間の規制から来ているなら動かせない条件、昨年決めた社内の目安なら方針の条件です。どちらかによって、計算が行き詰まったときに緩めてよいかどうかが変わります。AIは業務の事情を知らないので、この区別を推測させると、緩めてはいけない条件を緩める案が平気で出てきます。

  • 動かせない条件:法令・安全・設備能力・契約で決まっているもの。根拠の文書名を添える
  • 方針の条件:社内の目標や好み。誰が決めたか、変えるときの承認者を添える
  • 目的:費用・時間・処理量・公平さのうち何を優先するか。複数あるなら順番を決める

手順3:仕様書と試験の場面を、計画の持ち主が承認する

Modeler は、いきなりコードを書かず、一問ずつ質問しながら仕様書を作ります。質問は重要なものから順に、目的、条件、データ、出力の形と進み、似た問題の事例から選択肢が示されます。条件には一つずつ番号が振られ、仕様書は数式を使わない業務の言葉で書かれます。公式の手引きは、利用者に確認と承認を求める成果物は仕様書だけだと明記しています。

ここで承認するのは、手順1で決めた計画の持ち主です。模型を組む担当者が自分で承認すると、選択肢から「よくある形」を選んだだけの条件がそのまま通ります。仕様書には、試験の場面(期待する結果と境界の場合)と、模型から意図的に外したことを書く欄もあります。外したことの欄は特に重要で、模型に入っていない現場の決まりを、計画の持ち主が一つずつ確かめる場所として使います。

試験の場面は、実装より先に仕様書から作られます。Modeler はその試験を実行し、通らなければ実装を直し、仕様書・実装・試験の間に自分では解けない矛盾を見つけた場合は、止まって人に判断を求めます。この「止まったとき」に誰が答えるかも、計画の持ち主に決めておきます。模型を組む担当者が都合のよい側に合わせて進めると、承認済みの仕様書と中身がずれていきます。

手順4:最初の計算結果は、今の計画と並べて検算する

模型が試験を通っても、それで本番に使えるわけではありません。最初の数周期は、今のやり方で作った計画と、最適化の計画を並べて比べます。比べるのは、目的の値(費用や時間)の差だけではなく、今の計画では守られているのに、最適化の計画では破られている決まりがないかです。破られていれば、仕様書に入っていない条件が見つかったということです。

見つかった条件は、模型を直接いじらず、仕様書に戻して足します。公式の手引きでも、Modeler は変更を受けると仕様書を先に更新し、それから実装と試験に反映する順番を守る、と書かれています。ここでも、新しい条件が動かせないものか方針かを書き分け、計画の持ち主が承認します。

STEP1
今の計画を残す

比較のため、同じ期間の今の計画と、その前提のデータを保存しておく。

STEP2
同じデータで解く

最適化の模型に同じデータを入れ、計算結果を出す。設定した時間制限と、その時間内に得られた答えかどうかも記録する。

STEP3
差を三つに分ける

差が出た箇所を「改善」「条件の書き漏らし」「データの誤り」に分け、書き漏らしは仕様書へ、データの誤りは元の台帳へ戻す。

STEP4
持ち主が採否を決める

どちらの計画を使うかは計画の持ち主が決め、理由を一行で残す。

手順5:実行不能の説明は、条件を緩める提案として扱う

条件を積み上げていくと、すべてを同時に満たす計画が存在しない「実行不能」の状態がよく起きます。Explainer はこの原因を探し、互いにぶつかっている最小限の条件の組を示したうえで、どれを緩めれば解けるかの案や、入力がどれだけ動くと最適な答えが変わるかの分析を、言葉で返します。数千の条件を人が一つずつ見ていた作業が短くなるのは確かです。

ただし、Explainer の答えは条件を緩める提案であって、どれを緩めるかの決定ではありません。「残業上限を2時間延ばせば解ける」という説明が正しくても、延ばしてよいかは労務の判断です。Explainer は2026年11月時点で実験的な機能で、利用規約は出力の正確さを保証しないとしています。説明は検算の材料にとどめ、緩める条件の決定は、手順2で書いた承認者に戻す運用にします。

  • Explainer の案どおりに模型の条件を書き換え、そのまま計画を確定した
  • 動かせない条件(安全・法令)まで緩める候補に含めたまま、案を一覧で配った
  • 説明の文章だけを残し、どの条件をいくつ緩めたかの記録を残さなかった

制約を書き換えてよい人と、計画を確定する人を分ける

ここまでの手順を役割として整理すると、四つの立場が出てきます。模型を組む人、条件を書き換えてよい人、計画を確定する人、そして計算環境と鍵を管理する人です。少人数の会社では一人が複数を兼ねますが、条件を書き換える人と計画を確定する人だけは別の人にするのが原則です。同じ人だと、計画が気に入らないときに条件を緩めて通す、という動きを止める人がいなくなります。

役割主な担当してよいことしてはいけないこと
模型を組む人計画担当・業務改善担当Modeler との対話、仕様書の下書き、試験の実行仕様書の承認、動かせない条件の変更
条件を書き換えてよい人条件ごとの承認者(労務・品質・営業など)方針の条件の追加・緩和の承認計画の確定
計画を確定する人計画の持ち主(課長・責任者)仕様書の承認、計画の採否、差の理由の記録自分で条件を緩めて通すこと
環境と鍵を管理する人情シス・AI導入担当アカウント・鍵・ライセンスの割り当て、利用記録の確認業務条件の判断

条件ごとの承認者は、条件の出どころで決まります。残業や休日の条件は労務、品質の検査頻度は品質保証、納期の優先順位は営業というように、仕様書の条件番号の横に承認者の部署を書いておくと、変更のたびに誰に聞くかで迷いません。

計画を確定する人が残す記録も決めておきます。最低限必要なのは、どの版の仕様書で解いたか、どの条件を誰の承認で緩めたか、計算の時間制限と得られた答えの状態、今の計画との差とその採否の理由の四つです。後で計画が問題になったとき、AIが何を提案し、人がどこで決めたかを分けて説明できるのは、この記録があるときだけです。

何が社外に出るか:ブラウザでの利用とローカルMCPの違い

Intelligence Hub はブラウザで使うサービスで、入力した文章、上げたファイル、作られたコードや報告書は、Gurobi のクラウド基盤に保存されます。利用規約によれば、入力は通信中も保存時も暗号化され、ほかの利用者と共有しない隔離された環境で処理され、依頼に応えるのに必要な部分だけが Gurobi のクラウド内で動く大規模言語モデルに送られます。入力は言語モデルの学習には使わない一方で、サービスの改善には使うと定めています。

「ローカル」という名前から誤解されやすいのがMCPサーバーです。公式の手引きによれば、これは社員の端末で Docker のコンテナとして動く橋渡し役で、計算やAIの処理は Intelligence Hub の基盤で行われます。手元で動く利点は、取り付けた一つのフォルダより下しか読めないことと、大きな模型ファイルを扱えることです。つまり、フォルダの外は守られますが、フォルダの中に置いたものは基盤に送られうると考えて、取り付けるフォルダを試験用に分けておきます。

特に気をつけたいのが要員計画です。利用規約は、氏名・住所など個人を特定できる情報を入力しないよう求めています。シフトや配置の模型を作るときは、社員名ではなく番号や属性(資格・勤務区分)に置き換えたデータで試し、元の名簿との対応表は社内に残します。取引先名や単価のような営業上の機密も、模型の形を確かめる段階では仮の値で十分です。

記録と削除:会話は保存され、消すのは利用者自身

Intelligence Hub では、会話とファイルは利用者が消さない限り残ります。設定画面から、一つの会話、エージェントごとの全履歴、全エージェントの全履歴を削除でき、削除すると入力も含めて完全に消え、利用状況の基本的な情報だけが残ると説明されています。アカウントを削除した場合や、書面で依頼した場合も同様です。

ここから二つの運用が必要になります。一つは、仕様書・コード・試験・計算記録は社内の保管場所に書き出して残すことです。会話の履歴を正本にすると、担当者の退職でアカウントを消したときに、計画の根拠が一緒に消えます。もう一つは、試験が終わった会話を定期的に消す担当を決めることです。残しておく理由がない入力は、残しておくほど持ち出しの範囲が広がります。

  • Gurobot の会話をサポートの問い合わせに引き上げると、添付した模型ファイルは使用許諾契約の該当条項の扱いに移る。会話を消しても問い合わせ側は残るので、引き上げる前に中身を確かめる
  • MCPサーバーの動きは Docker の標準のログで追える。鍵の画面には最終利用の日時・接続元・地域が出るので、情シスが定期的に見る
  • 鍵の情報は作成時にしか取り出せない。共有やメールでの送付をせず、使わなくなった鍵は取り消す

費用と上限:無料で試せる範囲と、ライセンスで変わる範囲

Intelligence Hub 自体は、無料の Gurobi Portal アカウントで誰でも使えます。ただし上限があります。公式FAQによれば、全エージェント合わせて1日200万トークンの利用枠があり、超えると一時的に使えなくなります。また、エージェントが中で計算を試すときのライセンスは、基本プランでは変数2,000・条件2,000までのサイズ制限付きです。

社内の本番規模の模型は、多くの場合この上限を超えます。有効な商用ライセンスや評価用ライセンスを持つ利用者は上位プランになり、サイズの制限がなくなりますが、その場合も中での計算は1コマンド60秒、メモリ8GBまでと決まっています。注意したいのは、会社がライセンスを持っていても、本人のアカウントがその対象に入っていなければ基本プランのままだという点です。誰のアカウントをライセンスの対象にするかは、管理する担当が決めます。

この上限は、作った模型を自社の環境で自社のライセンスで解くときには関係しません。つまり費用の中心は、従来どおり計算エンジンのライセンスと、それを動かす計算環境です。AIの係で模型づくりが速くなっても、本番で解く回数や規模が増えればライセンスの見直しが必要になる、という順番で考えておきます。

評価版の機能を業務に近づけるときの線

Explainer とMCPサーバーは実験的な機能で、一般提供までに機能・使い勝手・範囲が大きく変わりうると公式に書かれています。さらに利用規約全体として、サービスはいつでも変更・停止されうること、出力の正確さは保証しないこと、責任の上限は直近6か月の支払額か200ドルの大きいほうであることが定められています。評価版の機能を、計画を確定する経路の中に置かないことが、ここから出てくる線です。

具体的には、Explainer の説明やMCP経由の回答がなくなっても計画が作れる状態を保ちます。実行不能の原因を探す作業は、Explainer が使えなければ担当者が計算エンジンの診断機能で行う、という代替の手順を書いておきます。MCPサーバーを社員のAI開発環境につなぐのは、試験用のフォルダと仮のデータで、模型づくりの学習や検討に使う範囲から始めます。

一般提供になった Modeler も、出力は利用者が独自に検証するという前提は同じです。正式版になったことで変わるのは「機能がなくなる心配が小さくなった」ことであって、「仕様書を承認しなくてよくなった」ことではありません。

計画担当をどう育てるか:数式より仕様書を読む力

このAIが入ると、計画担当に求められる力が変わります。数式やコードを一から書く力の比重は下がり、代わりに仕様書を読んで、業務とのずれに気づく力が中心になります。条件の書き方が一語違うだけで、計画の中身が大きく変わることを、手を動かして知っておく必要があります。

育て方として現実的なのは、過去の計画を題材にすることです。結果が分かっている過去の一か月分のデータで Modeler に模型を作らせ、出てきた計画と実際の計画を比べ、差の理由を担当者に説明させます。説明できない差があれば、それが仕様書の読み落としです。Gurobot は使い方の質問や小さなコードの手直しに向くので、学習中の相談役として使えます。

相談役の答えにも確かめ方があります。公式の説明では、各エージェントは Gurobi が整えた知識の集まりをもとに答え、その集まりは毎日索引を作り直され、答えには出典が示されます。そこで、答えをそのまま使わず、示された出典を開いて確かめる習慣を最初に身につけさせます。出典が示されていない答えや、出典と中身が合わない答えは、相談役の推測として扱うと決めておくと、学習中の担当者がAIの言い切りに引きずられにくくなります。

一方で、最適化の専門家が不要になるわけではありません。模型が大きくなって計算が終わらない、条件の組み方で解ける速さが大きく変わる、といった問題は、今も専門の知識が要ります。社内に専門家がいない場合は、日本法人やその販売店、最適化のコンサルティング会社に、仕様書の点検だけを頼むという使い方もあります。

よくある質問

Q. 数理最適化の経験がない部署でも使えますか

模型を作るところまでは、対話で進められるように設計されています。ただし、仕様書が業務を正しく写しているかを判断するのは利用者です。経験がない部署ほど、過去の計画との比較を丁寧に行い、最初は小さな業務に絞ってください。

Q. 作ったコードは自社の環境で動かせますか

Modeler は Python 用のコードと試験を作り、会話の作業場から取り出せます。自社の環境で自社のライセンスを使って解く場合、Intelligence Hub の中のサイズや時間の上限は関係しません。

Q. 生成AIに直接計画を作らせるのと何が違いますか

汎用の生成AIは、条件を破った計画を気づかずに返すことがあります。Intelligence Hub では、計画を計算するのは最適化の計算エンジンで、条件をすべて満たせないときは実行不能として返ります。AIが受け持つのは模型づくりと説明です。

Q. 社外秘の生産データを入れてもよいですか

入力は暗号化され、学習には使われないと定められていますが、保存はされ、サービス改善には使われます。形を確かめる段階は仮の値で行い、本番データで解くのは自社の環境で、と分けるのが無難です。

まとめ

Gurobi Intelligence Hub は、数理最適化の模型を組む工程と結果を説明する工程にAIを置き、数式を書けない計画担当にも最適化の入口を開きました。計算そのものは従来の計算エンジンが行い、AIの係が受け持つのは前後の工程です。だからこそ、模型が業務を正しく写しているかの判断は計画部門に残ります。入れる前に、計画の持ち主、条件ごとの承認者、計画を確定する人を名前で決め、仕様書と試験の場面を持ち主が承認し、実行不能の説明は条件緩和の提案として承認者に戻してください。データは個人を特定できない形にし、記録は社内に書き出し、評価版の機能は確定の経路から外す。この順番を守れば、AIで速くなった模型づくりを、計画の質に結びつけられます。

※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