結論: Woven by Toyotaは2026年4月22日、Woven City向けに独自AIモデル群「Kakezan（掛け算）」を発表しました。AI Vision Engine・ANZEN System・Infra Hubの3基盤が、製造業×AIのリアルワールド実装の最前線を示しています。
この記事の要点:
- 要点1: AI Vision Engineは世界トップクラスのビジョン言語モデル（MVBenchリーダーボード上位）、リアルタイムで都市全体の状況を把握
- 要点2: Woven City Challenge最終ピッチは4月23日、スタートアップが実際の都市環境でAI実証できる世界初レベルの機会
- 要点3: 日本製造業はWoven Cityモデルから「現場AI」導入のヒントを得られる
対象読者: 製造業・モビリティ業界の経営者・DX推進担当者、スタートアップ創業者
読了後にできること: Woven CityのAIアーキテクチャを自社のAI導入計画に応用する3つのアクションを実行する
「トヨタがAIを使う」というニュースは毎年出ます。でも今回は少し違う、というのが私の正直な感想です。
2026年4月22日、Woven by Toyota（WbyT）がWoven Cityに展開する独自AIモデル群を発表しました。単なる「AI活用」ではなく、実際の都市環境で人間・自動車・インフラが同時に動く中でリアルタイムにデータを処理するAIシステムです。100社以上の製造業・物流業向けAI研修を担当してきた立場から言うと、これは工場や物流センターのAI導入にとっても示唆に富む発表です。
この記事では、Kakezan（掛け算）というコンセプトで打ち出された新AI技術の全貌と、日本企業がここから何を学べるかを深掘りします。
「Kakezan（掛け算）」とは何か — トヨタの思想を読む
「Kakezan」は日本語の「掛け算」から来ています。WbyTが「1+1=2」ではなく「1×1=それ以上」の価値を生み出すことを目指すアプローチです。具体的には：
- トヨタの強み: 大量生産の経験・グローバルサプライチェーン・トヨタ生産方式（TPS）
- WbyTの強み: ソフトウェア開発力・アジャイル開発文化・AIエンジニアリング
- Inventorsの強み: スタートアップの発想力・業種別専門知識
この3つを「掛け算」することで、単なるEV開発や工場自動化を超えた「生活と移動の未来」を設計する、というのがWbyTのビジョンです。
2025年9月に正式オープンしたWoven Cityは、現在24社のInventors（企業・スタートアップ）が実際に居住・開発を進めており、AIシステムの実証環境として世界でもほぼ唯一の存在感を持っています。
AIエージェントの活用事例についてはAIエージェント導入完全ガイドでも詳しく解説しています。
4月22日発表：AI技術の全貌
1. AI Vision Engine — 都市の「目」と「脳」
AI Vision Engineは、WbyTが独自開発した大規模ビジョン言語モデルです。MVBenchリーダーボード（動画理解の国際的ベンチマーク）で世界有数のモデルの一つとして評価されています。
このエンジンが処理するデータ源は多岐にわたります：
- 車両に搭載されたカメラ映像
- 信号機・路側カメラの映像
- 歩行者のモーションデータ
- 建物センサー・環境データ
これらをリアルタイムで統合し、「今この瞬間、都市全体で何が起きているか」を把握します。工場に置き換えると、ライン全体の状況・設備の異常・作業員の動線を同時にモニタリングするシステムに相当します。
特筆すべきは、UCC Japan Co., Ltd.（上島珈琲系）との実証プロジェクトでの活用です。飲食サービスの配送ロボットとの連携でAI Vision Engineを使用しており、単なる交通管理を超えた「生活サービスとAI」の融合が始まっています。
2. Woven City Integrated ANZEN System — 「安全」の多層防御
ANZEN（「安全」の英語表記をそのまま使用）システムは、AI Vision Engineの上に構築された安全保証レイヤーです。3つのサブシステムで構成されます。
| システム | 機能 | 製造業での類推 |
|---|---|---|
| AI Vision Engine | 現実世界の状況把握・パターン認識 | 工場全体の映像監視AI |
| Woven City Behavior AI | 人間の行動パターン予測 | 作業員の動線・姿勢分析AI |
| Woven City Drive Sync Assist | ドライバー支援・周辺状況提供 | フォークリフト衝突防止AI |
この3層構造のポイントは「人間の行動を予測してAIが動く」点です。人間が来るかもしれない場所に事前に情報を送る、という先読み設計は、トヨタ生産方式の「異常の先取り」思想とAIを組み合わせたものと言えます。
3. Woven City Infra Hub — データの「統合プラットフォーム」
Infra HubはWoven City全体のデータを一元管理するプラットフォームです。Woven City Data Fabricという枠組みで、個人のプライバシー設定を尊重しながらデータを活用する設計になっています。
EUのGDPRに相当する考え方を日本の実環境に組み込んだ事例として、データガバナンスの観点からも注目です。企業がAIシステムを構築する際、「データを集める」だけでなく「プライバシーを守りながら使う」設計が今後の必須要件になることを示唆しています。
4. Akio Toyoda AI — 「理念AIエージェント」という新概念
今回の発表で最もユニークだったのが「Akio Toyoda AI」です。トヨタの豊田章男会長のリーダーシップアプローチと意思決定スタイルを反映させたAIで、「AIが自律的に動く中で、組織の理念・文化との整合性を保つ」ことを目的に設計されています。
正直に言うと、これは技術的な機能というよりは「AIを使う組織の文化をどう維持するか」という問いへの答えです。トヨタほどの大企業でも、「AIが速く動く中で人間の判断軸を失わないか」という懸念を持っていることの表れでもあります。
Woven City Challengeアクセラレータ — スタートアップへの3つのメッセージ
2025年8月に公募を開始した「Woven City Challenge」の最終ピッチが2026年4月23日（発表翌日）に予定されていました。受賞スタートアップはWoven CityのInventorとして参加し、実際の居住者が生活する環境でプロダクトを実証できます。
このプログラムが示す3つのポイントは日本のスタートアップエコシステムへのメッセージでもあります：
- 実環境での実証機会: 「LabでAIを動かす」ではなく「実際の街でAIを動かす」機会は世界的にも稀です
- 大企業と共創するモデル: Toyota/WbyTのネットワーク・製造知見・資金力とスタートアップの発想力を掛け算する
- 日本発のAIエコシステム形成: Inventorsは現在24社。米国のシリコンバレーモデルに対抗する「モビリティ×AI」特化エコシステムが静岡・裾野市に生まれつつある
製造業AIへの5つの示唆
100社以上の製造業向けAI研修を担当してきた立場から、Woven Cityの取り組みが一般の製造業に与える示唆を整理します。
示唆1：「現場映像AI」の活用段階が来た
AI Vision EngineのようなビジョンAIは、もはやトヨタ規模の企業でなくても使えます。Microsoft Azure Video Indexer、Google Cloud Video Intelligence、Amazon Rekognitionなど、クラウドAPIとして月額数万円から使えるサービスが揃っています。
【製造業向け：ビジョンAI活用可能性チェックリスト】
以下の項目に当てはまる業務を教えてください：
1. 目視検査を人間が行っている工程はあるか？
2. 作業員の動線・作業時間を計測したいと思っているか？
3. フォークリフト・AGVと人間が混在するエリアがあるか？
4. 品質不良の発生原因を映像で遡って確認したいと思っているか？
5. 設備の異常をカメラで検知したいと思っているか？
3つ以上該当する場合、ビジョンAI導入の優先度が高い状態です。
数字と固有名詞は、根拠（出典/計算式）を添えてください。示唆2：「多層安全設計」の思想を現場AI設計に活かす
ANZENシステムの3層構造（認識→予測→支援）は、製造現場のAI安全設計にも応用できます。「AIが判断する」ではなく「AIが情報を提供し、人間が判断する」という設計思想は、日本の製造業が受け入れやすいアプローチです。
【製造AI安全設計プロンプト】
以下の製造工程向けに、ANZENシステムの3層設計を参考にした
AI安全対策の初期案を作成してください：
工程名: [例：フォークリフトが走行する出荷エリア]
現在の安全対策: [例：ミラー・警報ブザー・作業員の目視]
AI活用の目的: [例：衝突リスクの事前検知]
3層設計（認識→予測→支援）でどのようにAIを組み込めるか、
コスト概算も含めて案を出してください。
仮定した点は必ず"仮定"と明記してください。示唆3：「データ統合プラットフォーム」は中小製造業にも必要
Infra Hubのような「工場内のデータを一元管理する基盤」を持っていない中小製造業は少なくありません。生産管理システム・設備センサー・品質検査データ・出荷管理が別々のシステムで動いている状態では、AIは力を発揮しにくい。まずデータ統合基盤を作ることが、AI活用の前提条件です。
示唆3.5：「掛け算パートナー」の探し方
Woven City Challengeのような公的・企業主導のアクセラレータプログラムへの応募は、中小企業にとっても有効な選択肢です。製造業向けに利用可能なプログラムを探す際のプロンプトです。
【AI活用アクセラレータ探索プロンプト】
以下の条件に合う、日本国内の製造業向けAI共創プログラムを調べてください：
- 業種: [例：食品製造/精密機械/自動車部品]
- 従業員規模: [例：50〜200名]
- AI活用したい課題: [例：品質検査の自動化/在庫管理の最適化]
- 予算規模（概算）: [例：100万円/年]
公的支援（NEDO・経産省系）と民間プログラム（大企業共創・VC系）の両方でリストアップしてください。
数字と固有名詞は、根拠（出典）を添えてください。示唆4：「理念AI」という考え方は大企業だけの話ではない
Akio Toyoda AIの概念で重要なのは、「AIが速く動く組織で、人間の判断軸をどう保つか」という問いです。中小企業でも、AIを導入した後に「AIが提案した通りにやったら、なんか違う結果になった」という経験をする会社が増えています。
自社の価値観・判断基準をAIに組み込む（システムプロンプトや評価基準として明文化する）ことは、規模に関係なく重要です。
示唆5：「掛け算」の相手を見つける
Kakezanの本質は「一社では出せない価値を、複数の強みを組み合わせて生み出す」ことです。中小企業が大企業と同じAI基盤を構築しようとすると莫大なコストがかかります。でも、自社が持つ「現場知識」「顧客関係」「業種特化データ」を、AIベンダー・大学・他社と掛け算することで、大企業には出せない価値を生み出せる可能性があります。
【要注意】Woven Cityから学ぶAI導入の落とし穴
落とし穴1：技術先行・業務課題後回しになる
❌ 「Woven Cityすごい！うちにもビジョンAIを入れよう」
⭕ 「現場の一番の課題は何か？それにビジョンAIが効くか？」から逆算する
なぜ重要か: AI Vision Engineも、最初から「全工程を監視する」ではなく「人間行動の予測」という具体的な課題から設計されています。課題が先、技術は後です。
落とし穴2：データ統合を後回しにする
❌ 「AIツールを先に入れてから、データ連携は後で考えよう」
⭕ 「データが統合されていないとAIは機能しない。まずデータ基盤を整える」
なぜ重要か: Infra Hubを構築したのは、AI機能を追加する前の「前提条件」として設計されています。多くの中小企業がAI導入に失敗する最大の原因はデータの散在です。
落とし穴3：「実証」で終わり、本番運用に移行しない
❌ 「PoC（概念実証）はうまくいったが、現場への展開で止まっている」
⭕ 「PoC開始時から、本番移行の条件と担当者・スケジュールを決めておく」
なぜ重要か: Woven CityがChallenge参加者に「実際の都市環境での実証」を提供するのは、PoCと本番の間のギャップを埋めるためです。
落とし穴4：人間の「安心感」を軽視する
❌ 「AIが安全だと判定したから、人間の確認は省いていい」
⭕ 「AIは情報提供・支援。最終判断は人間が行う設計を維持する」
なぜ重要か: ANZENシステムが「支援」に留まり「制御」しない設計にしているのは、人間の主体性を守るためです。AI導入で現場の心理的安全性を損なわない設計が長期定着の鍵です。
Woven City×AIの現在地と今後の展望
| フェーズ | 時期 | 内容 |
|---|---|---|
| Phase 1完成 | 2025年9月 | Woven City正式オープン。Inventors 20社入居開始 |
| AI技術発表 | 2026年4月22日 | AI Vision Engine・ANZEN・Infra Hub発表 |
| Woven City Challenge | 2026年4月23日 | 最終ピッチ。受賞スタートアップがInventorsに加入 |
| Inventors拡大 | 2026年4月時点 | 計24社。DAIICHIKOSHO・トヨタファイナンシャルサービスが新加入 |
| Phase 2以降 | 詳細未発表 | 居住者2,000人規模への拡大が目標 |
Woven City Challengeに応募するスタートアップや、同様の共創プログラムを探す企業向けに、自社のAIテーマ整理プロンプトを共有します。
【Woven City型共創提案書の初期フレーム】
以下の情報を元に、大企業との共創提案書のフレームを作成してください：
会社名: [自社名]
業種: [例：農業IoT/医療機器/物流ロボ]
開発中の技術/サービス: [概要を2〜3文で]
実証したい環境: [例：工場/病院/物流センター/スマートシティ]
大企業に提供できる価値: [例：現場の深い理解/特許技術/ユーザーデータ]
大企業に求める支援: [例：設備提供/販路/資金]
「Kakezan（掛け算）」のフレームで、双方が得られる価値を明文化してください。
仮定した点は必ず"仮定"と明記してください。WbyTは「Woven City Challenge 2026」の受賞スタートアップを近日発表予定です。どのような分野のスタートアップが選ばれるかによって、次のInventor公募のテーマが見えてくるでしょう。
まとめ：今日から始める3つのアクション
- 今日やること: 上記の「ビジョンAI活用可能性チェックリスト」を自社の現場担当者と一緒に埋めてみる
- 今週中: 自社が保有しているデータ（生産・品質・設備・物流）がどこにあるかをマッピングし、「データ統合の壁」がどこにあるかを確認する
- 今月中: ANZENシステムの「認識→予測→支援」3層設計を参考に、自社の最重要工程で1つAI安全設計の初期案を作る
Woven Cityが見せているのは、「AIは実験室ではなく、実際の生活と現場で使ってこそ意味がある」というメッセージです。日本の製造業が持つ現場力とAIを掛け算できれば、世界でも類を見ない「現場AI」のエコシステムが生まれる可能性があります。
参考・出典
- Toyota and Woven by Toyota Unveil New AI Technologies to Drive Kakezan — Woven by Toyota（参照日: 2026-04-23）
- Toyota and Woven by Toyota Unveil New AI Technologies to Drive Kakezan — Toyota Global Newsroom（参照日: 2026-04-23）
- Toyota unveils AI Vision Engine for Woven City — Automotive World（参照日: 2026-04-23）
- Toyota Woven City Challenge — Woven City Official（参照日: 2026-04-23）
- Toyota, Woven Unveil AI Tech to Boost Kakezan — Mirage News（参照日: 2026-04-23）
著者: 佐藤傑（さとう・すぐる）
株式会社Uravation代表取締役。早稲田大学法学部在学中に生成AIの可能性に魅了され、X（旧Twitter）で活用法を発信（@SuguruKun_ai、フォロワー約10万人）。100社以上の企業向けAI研修・導入支援を展開。著書『AIエージェント仕事術』（SBクリエイティブ）。SoftBank IT連載7回執筆（NewsPicks最大1,125ピックス）。
ご質問・ご相談はお問い合わせフォームからお気軽にどうぞ。
あわせて読みたい:
- AI導入戦略ガイド — 製造業のAI導入ステップバイステップ
- AIエージェント導入完全ガイド — チームで使うAIエージェントの設計方法
