20251205_AOAIDevDayOsaka_数理最適化のAIエージェントを作ってみた話ー数理最適化とLLMの役割の理解と共存戦略ー

© 2025 NTT West, Inc. All Rights Reserved. 数理最適化のAIエージェントを作ってみた話 ー数理最適化とLLMの役割の理解と融合と共存戦略ー AOAI Dev Day Osaka 2025/12/5 高須賀 将秀

© 2025 NTT West, Inc. All Rights Reserved. 2 /16 自己紹介 たかすか まさひで 高須賀 将秀 博士（情報学）（2023/3） 研究分野：組合せ最適化，数理最適化，オペレーションズ・リサーチ（OR），グラフ理論 所属：NTT西日本 デジタル改革推進部（2021/8～）， 法政大学 デザイン工学部 兼任講師（2024/4～），個人事業（Udemy講師等）（2024/6～） 業務：データドリブン経営を牽引する立場 ・データ活用基盤のシステム開発 ・データ分析手法の研究 ・データ分析活用事例の提案 ・デジタル人材育成 資格：クラウド資格（AWS全冠，Azure全冠，GCP全冠）， 高須賀将秀のホームページ Microsoft Top Partner Engineer Award（2024），AWS All Certifications Engineers（2024, 2025） ， Microsoft Innovative Educator Experts 2025-2026，Microsoft Certified Trainer（MCT） Google Cloud Partner All Certification Holders（2025）， Jagu‘e’r Award 優秀賞（2025），Snowflake Squad（2024 , 2025）

© 2025 NTT West, Inc. All Rights Reserved. 3 /16 私の研究（博論）内容 ◼ 与えられた全ての工事に対して立会者の割当を決定する問題である ◼ 移動距離や立会者のスキル等の様々な条件を考慮し割当を決定している ◼ 条件は万人共通の条件もあれば手配者の思考や嗜好によって異なるものもある 入力 出力 工事4 工事1 1 工事2 4 手配者 工事5 2 1 工事6 3 工事7 工事8 8 工事9 6 工事5 数理モデル 5 工事6 工事3 手配者 の思考/嗜好 = 7 工事2 4 2 5 工事3 立会者1～4 工事4 工事1 立会者4 3 工事7 立会者1 7 立会者2 工事8 ブラックボックス 化 8 工事9 9 9 立会者3 6

© 2025 NTT West, Inc. All Rights Reserved. 4 /16 私の研究（博論）内容 ◼ 高度な技能を有している手配者により意思決定が行われている工事立会者手配 業務に対し実用的な手配結果を算出可能な数理モデルを構築した 長期効果 短期効果 付随効果 過去の工事立会者手配業務 デジタルデータ活用による工事立会者手配業務 人件費 年間1億（関東エリア：年間6万件） 年間0.1億（関東エリア：年間6万件）（想定） 品質 年間工事事故5件 年間工事事故0件（想定） 総移動時間 11,424 s（3.2 h） 11,593 s（3.2 h）※1 総割当ペナルティ 163 pt 81 pt※1 手配時間 3時間2回/1日 5分×2回/1日 やり方 アナログ（手書き） デジタル 手配結果 ※1：数理モデル4で総移動時間を重視すると, 総合移動時間10,697 s, 総品質146 ptとなる.

© 2025 NTT West, Inc. All Rights Reserved. 数理最適化について知ってますか？ • 万博で以下訪問したい場所があったとき，あなたはどのような順番で訪問 しますか？ 5 /16

© 2025 NTT West, Inc. All Rights Reserved. 万博の訪問ルートの最適解 • 最適解は以下ルートで，総移動距離は1.34km 6 /16

© 2025 NTT West, Inc. All Rights Reserved. 7 /16 万博の訪問ルートの実行可能解の一例 全部で 362,880 通り

© 2025 NTT West, Inc. All Rights Reserved. 8 /16 訪問したい場所を増やした場合 訪問場所52ヵ所の総数 訪問場所40ヵ所の総数 訪問場所10ヵ所の総数 https://homepage45.net/unit/sub.htm

• https://homepage45.net/unit/sub.htm

© 2025 NTT West, Inc. All Rights Reserved. LLM（AOAI）を用いた訪問ルートの提示 9 /16

© 2025 NTT West, Inc. All Rights Reserved. 10 /16 訪問したい場所を増やした場合 • 訪問場所を増やしても探索方法を工夫すれば短時間で最適解が得られる AOAI版

© 2025 NTT West, Inc. All Rights Reserved. 11 /16 BI：Business Intelligence ML：Machine Learning AI：Artificial Intelligence MO：Mathmatical Optimization BI・ML・AIとMOとの違い BI・ML・AI MO データから ・可視化 ・学習、予測 ・推論 データドリブン 条件から ・データを生成し、探索 ルールドリブン 生産されたデータを厳密に探索 ここでSnowflake活躍 データ量 データ量 データからそれらしい解を生成 入力 出力 プロセス 生成 入力 出力 プロセス

© 2025 NTT West, Inc. All Rights Reserved. 12 /16 数理最適化とLLMとの融合 推論 探索 データからそれらしい解を生成 生産されたデータを厳密に探索 LLM 数理最適化 数理最適化の AIエージェント データから得られる”それらしい解”から”精度保証付きの厳密な解”へ

© 2025 NTT West, Inc. All Rights Reserved. 13 /16 アーキテクチャ例 • とりあえず，雑に実装してみた（詳細は別の場で） front 自然言語の解釈 ・数理最適化処理の必要可否判定 ・数理最適化の変換機能 ・数理最適化の計算機能 ・データ蓄積機能部 ・可視化機能部

© 2025 NTT West, Inc. All Rights Reserved. 14 /16 実装アプリケーション 入力 アプリ 過程 2025年12月6日に大阪観光を するのですが、マイクロソフト技術 が好きな人向けの観光プランを作 成してください ↑数理最適化のAIエージェントの組込 出力

• https://d1reh67977v2il.cloudfront.net/workflow/JFltmNC1HtQ7Z12s

© 2025 NTT West, Inc. All Rights Reserved. まとめ • 初心者でもわかりやすいように数理最適化について解説した • 数理最適化とLLMの使い分けについて解説した • 数理最適化とLLMの共存戦略について解説した 15 /16

© 2025 NTT West, Inc. All Rights Reserved. 宣伝 • 数理最適化と機械学習に関する勉強会を始めます！ • まずは，数理最適化に関する題材を中心に話していきます！ • 次回は，2025/12/15 20:00～21:00（の内30~40分くらい） https://opt-research.connpass.com/ 16 /16

• https://opt-research.connpass.com/