AI時代の現場改善プラットフォーム「envedded」を提供開始

fireflake
現場データをもとに、AIと改善サイクルを回す仕組み

fireflake（ファイアフレーク、所在地：東京都江東区、代表：小林一晴）は、農業をはじめとする現場のある産業向けに、現場データを蓄積し、AIを活用して現場改善を進めるプラットフォーム「envedded（エンベデッド）」を2026年6月より提供開始しました。現在は、農業生産者との実証実験を通じて、現場での活用方法の検証を進めています。

農業生産者との実証実験の様子

現在の農業の現場では、センサーシステムや環境制御システムなどの普及によって様々なデータが取得できるようになった一方で、それらが日々の改善や判断に十分活かしきれないという状況があります。

enveddedは、この状況に対して「現場で集まるIoTデータや作業メモをまとめ、それをもとに、大規模言語モデル型の生成AI（以下、AI）と対話しながら、試行錯誤や改善を進める」ためのプラットフォームとして開発されました。

enveddedの背景にあるのは、「AIは人を置き換えるものではなく、人の試行錯誤を支え、加速する技術である」という考え方です。

私たちは、AIが現場のための完全な答えを出してくれるものだとは考えていません。現場を最も理解しているのは、そこで働く人たちです。AIは使い方次第で、そういった人たちが持つ経験や、現場から得たデータをもとに情報を整理し、新しい視点や仮説を一緒に考える「相談相手」として機能します。そのときAIは、人の試行錯誤を支え、さらに加速するものとして価値を発揮します。

enveddedは、そうしたAIの活用方法を、農業をはじめとする「現場のある産業」で実践するために開発されたサービスです。

【envedded サービスサイト】
https://envedded.net/
なぜenveddedを開発したのか
農業現場では、以前からデータ活用の重要性が言われてきました。しかし実際には「データは集めたものの、活かし方が分からない」「分析を行おうにも、やり方が分からない」といったハードルがあり、導入はなかなか進んできませんでした。

しかしここ数年のあいだに、ChatGPTやGeminiといったAIの普及によって状況は大きく変わりました。現場で働く人自身が、データや日々の記録をAIに共有し、考えを整理したり、改善案を一緒に検討して、「データを活用した試行錯誤」を実施できるようになったのです。

私たちは、この変化の本質は「専門知識がない人でも、データを使った試行錯誤や改善を回せるようになったこと」「それがAIによって実現・加速されていること」だと考えています。

enveddedは、その考え方を、一連の仕組みとして実装した「IoT・AI・データなどを活用して、現場の試行錯誤を支援するためのプラットフォーム」です。enveddedがフォーカスするのは、自動化や機械化ではなく、「現場を把握し、仮説を立て、小さく試し、その結果を次の改善につなげる」という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していくことです。
現場での活用イメージ

enveddedを用いた試行錯誤・改善のサイクル

例えばビニールハウスなどで作物を栽培する施設園芸であれば、enveddedを活用して、次のようなステップで改善に取り組むことができます。

1. 現場のデータを収集する
IoT機器を現場に設置し、温度・湿度・日射量などの環境データや、灌水装置・換気窓・暖房機などの制御データを、クラウドに収集します。

2. 現場データに、人間のメモを加える
さらにクラウドに対して、「いつも通り管理しているのに調子が悪い」「イメージと違う育ち方をしている」といった、IoTデータだけでは表せない人間が感じたことや、実施した作業・対策のメモを記録します。

3. AIにデータを渡し、相談してみる
現場への改善策や、現状分析のための仮説を考える際には、クラウドに記録したIoT機器からのデータとメモデータを、AIが読み取りやすい形式でファイル出力します。そのファイルをAIに渡して「この状況で打てる改善策は何か」「この場合どういう仮説が成り立つか」といった相談をします。
それによってAIは、与えたIoTデータとメモデータという「現場の文脈」を踏まえたうえで、情報を整理したり、現場に対する改善策や仮説を提示する相談相手として機能しやすくなります。

4. 改善策を現場で試し、結果を確かめる
得られた改善策や仮説に基づくアクションを現場で試し、効果の有無を見ながら、結果を再びIoTデータやメモデータとして蓄積します。そのデータを踏まえてAIと相談し、次の改善策・仮説を立て、さらに試行錯誤や改善を積み重ねていきます。

もちろん、これですべての問題が解決するわけでも、AIが完全な答えを教えてくれるわけでもありません。それでもこれによって、現場をより深く把握し、これまで気付かなかった変化を見つけ、自分の考えを整理し、新しい改善策を考えて試していくサイクルが進めやすくなると、私たちは考えています。
試行錯誤を支える仕組み

enveddedの構成要素

enveddedでは、試行錯誤のサイクルを支えるために、3つの仕組みを提供しています。

1. 現場を把握するためのIoT
試行錯誤や改善は、現場で何が起きているのかを把握することから始まります。enveddedでは、まずIoT機器を現場に設置し、温度・湿度・日射量などの環境データや、灌水装置・換気装置・暖房機などの設備の制御データを取得し、クラウドに収集・記録します。

2. AIが活用しやすいデータを作るクラウド
クラウドには、IoTから取得したデータだけでなく、「日々の作業内容や気づき、作業や機器設定変更の理由」といった、人が現場で得る情報もメモとして記録できます。
そしてクラウドは、それらの情報を統合して、AIが読み取りやすい形式のデータファイルとして出力することができます。そのファイルや、他の参考情報を用いてAIと相談することで、現場の状況・文脈を踏まえつつ、問題の対処法や改善策、次に試すべき仮説などについて、AIと多角的な検討を行いやすくなります。
※IoTデータと現場で働く人のメモを統合し、AIが活用しやすいデータとして出力する仕組みは特許出願中です。（特願2026-100355）

3. 試行錯誤を加速するためのDIYガイド
AIとの相談で改善案や仮説を得られたら、それを実際に現場で試すなかでは、新しい環境データを計測したり、新たな制御方法で機器を運用を行いたい場合があります。
enveddedでは、そういった取り組みを迅速に行えるように、IoTシステムに対してセンサーの追加や制御方法の変更などを行うための知識や手法を「DIYガイド」として提供しています。
DIYはこのような試行錯誤に必須のものではありません。しかし、計測や制御の仕組みをDIYできることは、思いついた仮説をすぐに試し、その結果を次の改善に繋げていく、という流れを大きく加速することにつながります。
今後の展開
enveddedは、現在進めている農業生産者との実証実験を継続しつつ、今後予定されている教育機関でのワークショップや、協力企業との連携などを通じて、現場での活用方法の検証と改善、仕組みや考え方の普及などを進めていきます。

私たちは、AIを「人に代わる存在」ではなく、「人の試行錯誤を支え、加速する存在」として捉えています。現場で働く人が、AIをはじめとするテクノロジーを活用しながら試行錯誤を重ね、現場や働き方の改善に取り組むことを、継続的に支援してきます。

【envedded サービスサイト】
https://envedded.net/

【お問い合わせ先】
fireflake（ファイアフレーク）
代表：小林 一晴
https://fireflake.jp/
https://fireflake.jp/inquiry/