---
title: "メニナルAIとは｜ソフトクリエイトの状況認識AIの仕組みと特許3件・導入費用【2026年11月】"
url: "https://www.issoh.co.jp/tech/details/10995/"
published: 2026-02-16
updated: 2026-11-11
categories: ["AI"]
publisher: "株式会社一創"
---

# メニナルAIとは｜ソフトクリエイトの状況認識AIの仕組みと特許3件・導入費用【2026年11月】

メニナルAIは、株式会社ソフトクリエイトが2026年2月3日に発表した製造業向けの状況認識AIです。1枚の画像で良否を判定する検査AIではなく、時間をずらして撮った複数の静止画やセンサー値から「工程がどの順番で進んだか」を読み取ります。この記事では、公式リリース・製品ページに加えて同社の特許公報3件の請求項まで読み、仕組み・導入の流れと費用・向く現場と向かない現場、2026年11月時点のシリーズ展開の状況を整理します。

## まとめ：メニナルAIの仕組みと導入の要点

- **何をするAIか**：静止画・動画・センサー（温度・湿度・LiDARなど）を時系列で統合し、手順逸脱（ポカヨケ）・遅延・不良を判定する状況認識AI。開発・提供元は東京都渋谷区のソフトクリエイトです。
- **仕組みの核**：撮影順に番号や時刻を付けた複数画像を1枚に結合し、プロンプトで時間順序を伝えて生成AIに状況を問う方式。特許第7728479号・第7767682号・第7780057号で権利化され、推論結果のブレを抑える認識補正技術は特許出願中です。
- **構成**：標準はデータを外部に送らないエッジ完結型。小型のローカル生成AIと従来型アルゴリズムのハイブリッドです。
- **実証**：300工程超の手作業の可視化、金属反射のある嵌合検品で精度99.9%。ただし99.9%は「当社推奨の環境下で個別に最適化した場合の数値」と注記されています。
- **導入と費用**：無料相談・簡易検証→PoC（最短2週間）→本格導入（3か月から）の3段階。価格表は非公開で、費用は個別見積もりです。
- **シリーズ展開**：特定周波数の音を認識する「ミミニナルAI」（2026年夏予定）と機器制御の「ウデニナルAI」（2026年秋予定）は、2026年11月11日時点で公式ニュースに提供開始の発表がありません。

## メニナルAIの発表内容と開発元のソフトクリエイト

ソフトクリエイトは2026年2月3日に[ニュースリリース「熟練者の“目”を再現する状況認識AI『メニナルAI』を発表」](https://www.softcreate.co.jp/news/detail/385)を出し、同日都内で説明会を開きました。[クラウド Watchの説明会記事](https://cloud.watch.impress.co.jp/docs/news/2083215.html)によると、提供開始は2月中旬で、説明会では「導入は最短で1週間程度」と説明されました。この1週間が何を指す期間かは明示されておらず、製品ページの導入プランではPoCが最短2週間、本格導入は3か月からです。親会社ソフトクリエイトホールディングスの[マンスリーニュース第58号（2026年3月17日）](https://www.softcreate-holdings.co.jp/cms/html/pdf/press/sof260317.pdf)にも、メニナルAIの「提供開始」の報告があります。

開発元のソフトクリエイトは、クラウド、セキュリティ強化、AI・DX支援、ITインフラ構築を主要な事業とする会社です。2024年から企業向け生成AI「Safe AI Gateway」を提供しており、説明会では2023年からAIの活用と開発に取り組んできたこと、Safe AI Gatewayの導入企業が150社を超えたことを説明しています（クラウド Watchの同記事）。同社のAXソリューションのリリース情報では、2026年分としてメニナルAI、AI開発サービス、データ分析AI「Safe AI Insights」の3つが並びます。

ターゲットは中堅・中小の製造業です。製品開発部の畠山覚部長は「大手企業は自身で同じようなソリューションを開発しているので、我々のターゲットはAI導入が進んでいない中小の製造業になる」と説明しています。背景にあるのは同社が2025年3月に行った製造業界の課題に関する調査です。[同社の調査解説](https://www.softcreate.co.jp/rescue/article/ax-61)によると、AIを「導入済みで活用できている」と答えた企業は6.1%にとどまり、「AI導入や導入の検討については分からない」が53.2%で最多でした。[IT Leadersの記事](https://it.impress.co.jp/articles/-/28959)は、業界共通の課題の上位に人手不足と技術継承が挙がったと伝えています。

## 画像認識AIと状況認識AIの違い

1枚の画像で判定する従来型の外観検査AIは、その画像の中に傷や欠けがあるかを見ます。これは「点」の判断で、部品Aを付けてからネジを締めたのか、その逆だったのかは分かりません。メニナルAIは画像内の物体や状態を「タグ」として認識し、タグの発生順序から工程の文脈を判断します。

| 比較軸     | 単一画像型の外観検査AI | メニナルAI（状況認識AI）    |
| ------- | ------------ | ----------------- |
| 入力      | 静止画1枚        | 時系列の静止画・動画・センサー値  |
| 判定の単位   | 1枚ごとの良否      | 工程の順序・所要時間・逸脱     |
| 検知できること | 傷・欠け・異物      | 手順ミス・遅延・ボトルネック・不良 |
| 必要な画像   | 1枚           | 数枚の静止画（動画解析より軽量）  |

[製品ページ](https://www.softcreate.co.jp/solution/ax/detail/meninaruai)では処理を「画像認識（静止画・動画・振動・熱）→状況認識（時系列タグで工程の文脈を理解）→AIが判定・評価（NG判定・手順ミス・遅延の把握）」の3段階で説明しています。単体の外観検査で足りる現場なら、状況認識は過剰です。良否判定だけを自動化したい場合の工程設計は[外観検査の自動化とは？目視検査を置き換える工程設計としきい値の決め方を解説](/tech/details/16884/)で整理しています。

## 特許3件の請求項から読む時系列認識の仕組み

公式リリースは、生成AIが扱いづらい「時間の概念」を補完する特許技術として3件の特許番号を挙げています。いずれもソフトクリエイトが権利者で、名称はすべて「画像認識システム、方法、プログラム」です。

| 特許番号        | 出願日                       | 登録公報の発行日   | 請求項1の違い            |
| ----------- | ------------------------- | ---------- | ------------------ |
| 特許第7728479号 | 2025-01-10                | 2025-08-22 | 複数画像を結合し番号を付与      |
| 特許第7767682号 | 2025-08-13                | 2025-11-11 | 動画から抽出したフレームに時刻を付与 |
| 特許第7780057号 | 2025-08-12（優先日2025-01-10） | 2025-12-03 | 番号付き静止画データを使う質問部   |

### 撮影順の番号を振った結合画像を生成AIに渡す方式

特許第7728479号の請求項1は、対象物を時間をずらして撮影した2枚以上の画像を1枚の静止画像データに結合し、撮影順を示す番号を各画像に付け、その静止画像データと所定のプロンプトで生成AIに質問して回答を得る、という構成です。第7728479号は請求項3で動画から所定間隔で抽出した画像にも触れていますが、請求項1そのものを「1以上の方向から撮った各動画から抽出したフレームに時刻を付け、生成AIに質問する」構成にしているのは第7767682号です。

動画をそのまま解析するより軽く、監視カメラやIoT機器が断続的に送る画像でも使える、という公式リリースの説明はこの方式から来ています。従属請求項には、結合前のノイズ除去・解像度調整・正規化、音声・センサー・テキストデータの統合、オンプレミスとクラウドのどちらでも実行できることが含まれます。

### プロンプトの構成と複数の生成AIの回答統合

請求項2は、プロンプトに「回答するための役割」「所定の制約事項」「出力形式」を含めると定めています。さらに、複数の生成AIに同じ質問をして回答を統合する構成（請求項6）、ユーザーからの質問やフィードバックを受け付け、回答やフィードバックに基づいて結合する画像を選択する構成（請求項8・9）も権利範囲に入っています。ここで請求項が定めているのは、フィードバックを次の入力画像の選択に使う処理で、モデルの学習ではありません。公式リリースが別に挙げる「現場ごとのデータを用いた追加学習（ファインチューニング）」と「現場作業者のフィードバックを反映させる強化学習（RLHF）」は、モデル側を現場に合わせて育てる仕組みで、同社は「使い込むほどに精度が向上します」と説明しています。

### 入口の画像処理と出口の認識補正（特許出願中）

3件の登録特許とは別に、公式リリースは精度を支える仕組みとして「多段階の精度向上プロセス」を挙げています。認識の入口では画像処理で品質を整えたデータをAIに渡し、出口ではAIが出した判断結果を後から補正する二段構えです。出口側の「推論結果のブレを抑える認識補正技術」は特許出願中とされ、2026年11月時点で番号は公表されていません。

一般に生成AIは同じ入力でも回答が揺れることがあり、時系列で判定を重ねる用途では、1回の揺れが「工程の順序違い」という誤検知につながりえます。出口で補正する設計は、こうした揺れを後段で抑える狙いと読めます（公式リリースの記載は「推論結果のブレを抑える」まで）。嵌合検品の実証で「AIが自動で画像に最適な補正を施すことで悪条件下でも安定した認識を実現」と書かれているのは、入口側の処理にあたります。

### Pillowで番号付き結合画像とプロンプトを作るコード

請求項の構成を理解するために、番号付き結合画像とプロンプトを作る部分だけをPillow 11.3.0で書いた例です。メニナルAIの実装そのものではありません。2026年11月11日にPillow 11.3.0（Python 3.9）の環境で、1280×720の単色画像3枚を渡して `python compose.py f0.png f1.png f2.png` と実行し、480×270に縮小した3コマが横に並び、各コマの左上に1〜3の番号が入った1440×270の `composite.jpg` が出力されることを確認しました。

```
from PIL import Image, ImageDraw, ImageFont

def compose_numbered(paths, tile_w=480):
    """時間順に並んだ静止画を横一列に結合し、各コマの左上に番号を描く"""
    frames = []
    for p in paths:
        im = Image.open(p).convert("RGB")
        h = round(im.height * tile_w / im.width)
        frames.append(im.resize((tile_w, h)))
    canvas = Image.new("RGB", (tile_w * len(frames), max(f.height for f in frames)), "white")
    draw = ImageDraw.Draw(canvas)
    font = ImageFont.load_default(size=40)
    for i, f in enumerate(frames):
        x = i * tile_w
        canvas.paste(f, (x, 0))
        draw.rectangle((x, 0, x + 60, 52), fill="black")
        draw.text((x + 12, 4), str(i + 1), fill="white", font=font)
    return canvas

PROMPT = """# 役割
あなたは組立工程の検査員です。
# 制約
- 画像は1枚に結合されており、左上の番号が撮影順です（1が最も古い）。
- 手順書の順序は「部品A取付→ネジ締め→カバー装着」です。
- 画像から判断できないコマは、stepsの該当要素を "unknown" にし、順序を判定できない場合はorder_okをnullにしてください。
# 出力形式
JSONで {"steps": ["番号ごとの工程名"], "order_ok": true/false/null, "reason": "..."} のみを返す。"""

if __name__ == "__main__":
    import sys
    compose_numbered(sys.argv[1:]).save("composite.jpg", quality=90)
    print(PROMPT)
```

このコードが行うのは結合画像の保存とプロンプトの表示までで、モデルへの送信は含みません。画像の引数を1枚も渡さずに実行するとエラーになります。結合画像とPROMPTを、画像入力に対応したモデルへ渡すと回答が返ります。特許の【課題】欄は、番号を付けて1枚にまとめ、プロンプトに時間順序を書くことで、生成AIに時系列で変化する対象物を認識させることを狙いに挙げています。複数画像を扱うAIの仕組みは[マルチモーダルとは？複数データを扱うAIの仕組み・業務応用と実装判断を解説](/tech/details/13444/)で詳しく扱っています。

この方式を自社のシステムに組み込むと、特許権の侵害になりえます。特許法第68条により、特許発明を業として実施する権利は特許権者が専有します。請求項1の構成をそのまま製品や社内システムに組み込むなら、知財部門で権利範囲を確認してください。

## エッジ完結のハイブリッド構成とセキュリティ

メニナルAIの標準構成は、データを外部に送信しないエッジ完結型です。公式リリースは「小型のローカル生成AIと従来型アルゴリズムを組み合わせたハイブリッド方式」で現場内のエッジデバイスが処理・判断し、通信・クラウドコストも抑えると説明しています。製品ページのFAQでは、クラウド連携が必要な場合は要件に応じて対応するとしています。

現場で追加学習を重ねるAIには、「いま動いているモデルは何から作られたか」を説明できるかという管理上の論点があります。[MONOistの説明会記事（2ページ目）](https://monoist.itmedia.co.jp/mn/articles/2602/13/news032%5F2.html)によると、同社はベースのモデル・学習データ・ファインチューニング済みのAIをすべてハッシュ化してブロックチェーンに記録する技術を特許出願済みで、メニナルAIにも使っています。社内の導入審査でモデルの由来を問われる場合は、この記録で何を提示できるかを商談の段階で確認しておくと話が早く進みます。

製品ページの「完全分離型」は、カメラを後から差し替えられるかを左右します。カメラ・AIエンジン・UIが分かれているので、広角・望遠・サーマルなどカメラの種類と台数を組み合わせられます。取引先との契約で製造データの外部持ち出しが禁じられている現場では、クラウド型の画像AIが使えずエッジ型が前提になります。どちらを選ぶべきかの一般論は[エッジAIとクラウドAIの違い｜遅延・費用・オフライン耐性で決める使い分け](/column/details/17615/)を参照してください。

## 実証事例の数値と読み方

公式リリースと製品ページが示す実証は次の3件です。導入企業名は公表されておらず、事例の詳細（導入背景・悪条件への対応手順・検討プロセスなど）は製品紹介資料で公開とされ、Webには載っていません。

| 事例     | 対象             | 公表されている結果         |
| ------ | -------------- | ----------------- |
| 工程の可視化 | 300以上の細かな手作業工程 | 工程の開始・終了と不具合を自動抽出 |
| 動線分析   | 工場全体の動線と作業プロセス | ボトルネックを特定し改善      |
| 嵌合検品   | 金属反射が起こる検品ライン  | 不良検出の精度99.9%      |

300工程の事例は、画像認識で部材や動きを捉え、センサー情報と組み合わせて工程の前後関係を自動判定したものです。工程の開始・終了と不具合の抽出には「非推論型生成AI」を使ったと公式リリースは書いています。

嵌合検品について公式リリースは、検査員の負担軽減と品質管理工数の「大幅な削減を実現」と書いていますが、削減の数値は公表されていません。99.9%には「当社推奨の環境下で個別に最適化した場合の数値です。ご利用環境により精度は変動します」という注記が付いています。自社に当てはめるときは、この数字を前提にせず、PoCで自社のワークと照明条件の数値を取り直すべきです。指標も精度だけでなく見逃し率と過検出率を分けて見ないと、検査員の負担がどれだけ減るかは判断できません。PoCで決めておく精度目標と本番移行の判断は[AI PoCとは？精度目標の決め方とデータ準備・本番移行を判断する基準](/column/details/16003/)で整理しています。

説明会では製造業以外の検証も紹介されました。介護事業所で入所者ごとの食形態（細かく切る・すりつぶす）に合った配膳かを確認する検証で、画像だけでは測りにくい料理の残量をLiDARセンサーで補っています。

## メニナルAIの導入の流れと費用

### 導入の4ステップと3段階プラン

説明会で示された導入手順は「画像のタグ付け→工程の定義→画像認識→工程認識」の4ステップです。センサー情報があれば画像の集合にひも付けられます。契約までの流れは、製品ページの3段階プランに沿います。

| 段階        | 期間    | 費用   | 内容                |
| --------- | ----- | ---- | ----------------- |
| 無料相談・簡易検証 | –     | 無料   | メニナルAIチェッカーで簡易検証  |
| PoC（実証実験） | 最短2週間 | 要相談  | 実機検証・レポート（機材貸出込み） |
| 本格導入      | 3か月から | 資料参照 | 遠隔サポート前提の段階的導入    |

公式リリースは、導入支援やPoCに加え、暗黙知の可視化、作業標準化、熟練者と非熟練者の動きの差分可視化といった利活用支援サービスを「順次提供予定」としています。導入手順の最初の2ステップ（タグ付けと工程定義）は現場の知識が無いと進まないため、工程を言語化できる担当者を社内に確保できるかが、導入期間を左右する要因になります。

### 費用の内訳と既設の監視カメラを流用するときの確認点

価格表は公開されておらず、PoCは要相談、本格導入の費用は製品紹介資料で案内される形です。見積もりの前提として押さえておきたいのは機材の扱いです。製品ページのFAQは「AIカメラと小型のエッジデバイスを設置するだけ」で始められ、カメラはレンタルできると答えています。費用は、カメラ（購入かレンタル）、エッジデバイス、PoCの検証費、本格導入時のライセンスとサポートに分けて見積もりを取ると、他社製品と比べやすくなります。提供形態は、[MONOistの説明会記事](https://monoist.itmedia.co.jp/mn/articles/2602/13/news032.html)によると「パッケージ形式でライセンスを供与する」形です。

公式リリースは監視カメラやIoT機器の断続的な画像でも認識できる設計と説明していますが、既に設置済みの防犯カメラをそのまま使えるかは明記されていません。既設カメラの流用で費用を抑えたい場合は、無料相談の段階で次の3点を確認してください。

- 解像度と画角：判定したい部品や手元の動作が、1コマの中で読み取れる大きさで写っているか。
- 撮影間隔：工程の切り替わりを取り逃がさない間隔で静止画を取り出せるか。
- 映像の取り出し方：録画機（NVR）やカメラから、エッジデバイスへ静止画を渡す経路を作れるか。

自社の製品やラインに合わせて画像認識モデルを作る選択肢もあります。パッケージで足りない検査対象を抱えている場合は、[画像認識AIモデル構築の支援](/service/ai/image%5Frecog/)と比べて検討すると、費用と期間の差が見えます。

## メニナルAIが向く現場と向かない現場

メニナルAIの強みは「順序」と「経過」を見ることです。だから、判断の材料が順序に含まれている現場ほど効果が出ます。

- **向く現場**：多工程の手組み作業で手順の抜けや入れ替わりが不良の原因になっている、熟練者と新人で同じ工程の所要時間に差がある、製造データを社外に出せない。
- **向かない現場**：1工程の外観検査だけで良否が決まる、ライン速度が速く静止画の間隔では工程の切り替わりを取り逃がす、作業が毎回違い「正しい順序」を定義できない。

1工程の外観検査だけで良否が決まる現場なら、外観検査専用の装置やルールベースの画像処理で足りる場合が多く、比較の観点は[AI外観検査とは？仕組み・ルールベースとの違いと導入判断を解説](/column/details/16007/)にまとめています。ライン速度や作業のばらつきが理由で向かない側に入る場合は、撮影間隔の見直しや工程の標準化が先で、どの方式を選ぶかはその後の話です。手順の抜けを防ぐだけなら、治具やセンサーで物理的に止める仕組みのほうが安く確実な場合もあります。方式の違いは[ポカヨケとは：接触式・定数式・動作ステップ式の種類と例、検査・実績システムへの組み込み方](/column/details/19616/)で比べられます。一方で、工程数が多く治具で一つずつ止めるのが現実的でない場合や、公式の事例にある工程分析・動線分析のように順序と所要時間そのものを見たい場合、金属反射など悪条件下の検品を画像補正込みで任せたい場合は、メニナルAIを比較候補に入れる理由があります。

## 頼りニナルAIシリーズの予定と2026年11月時点の状況

ソフトクリエイトはメニナルAIを「頼りニナルAIシリーズ」の第1弾と位置づけています。説明会では、音のデータを認識して人の耳の代わりになる「ミミニナルAI」を2026年夏に、機器制御を担うフィジカルAI「ウデニナルAI」を2026年秋に提供する計画が示されました。[TECH+の説明会記事](https://news.mynavi.jp/techplus/article/20260203-4074566/)によると、ミミニナルAIは「スペクトル分析で特定周波数成分の音を認識する」製品とされ、会話を聞き取る音声認識というより、特定の音を拾う用途を想定したものと読めます。時期は報道で伝えられた計画で、公式リリースには時期の記載がありません。メニナルAI自体も、状況認識に加えて安全な次の行動を提案する「予測・見守りAI」へ発展させ、手順書の自動生成などを加える構想です。

2026年11月11日時点で、同社の[2026年のニュース一覧](https://www.softcreate.co.jp/news/newsyear/2026)（2026年11月10日掲載分まで）を確認したところ、メニナルAIを扱ったリリースは2月3日の発表と、2月25〜27日のJapan DX Week【名古屋】への[出展のお知らせ（2月24日）](https://www.softcreate.co.jp/news/detail/390)の2件で、ミミニナルAIとウデニナルAIの提供開始は発表されていません。夏の予定時期は過ぎ、AXソリューションのページにも両製品は載っていません。音による異常検知を急いで導入したい場合は、シリーズの提供を待たずに他の手段も比較したほうが安全です。

## メニナルAIのよくある質問

### メニナルAIの料金・導入費用はいくらですか？

価格表は公開されておらず、PoC・本格導入とも費用は個別の見積もりです。無料相談・簡易検証から始められ、PoCには機材の貸し出しが含まれます。

### メニナルAIの開発元はどこですか？

株式会社ソフトクリエイト（東京都渋谷区）です。企業向け生成AI「Safe AI Gateway」を提供している会社で、メニナルAIは2026年2月3日に発表されました。

### どの業種・工程で使われていますか？

製品ページのFAQは、電子機器・食品・金属加工などの製造業での導入実績を挙げています。用途は外観検査、組立作業のポカヨケ、工程分析です。

### 撮影した画像はクラウドに送信されますか？

標準構成は外部に送信しないエッジ完結型です。クラウド連携が必要な場合は要件に応じて構成できると製品ページのFAQに記載があります。

### 工場の既存の監視カメラを流用できますか？

設置済みカメラの流用可否は公式に明記されていません。標準はAIカメラと小型エッジデバイスの設置で、流用したい場合は解像度・撮影間隔・映像の取り出し方を無料相談で確認してください。

## 関連記事

- [外観検査の自動化とは？目視検査を置き換える工程設計としきい値の決め方を解説](/tech/details/16884/)
- [AI外観検査とは？仕組み・ルールベースとの違いと導入判断を解説](/column/details/16007/)
- [ポカヨケとは：接触式・定数式・動作ステップ式の種類と例、検査・実績システムへの組み込み方](/column/details/19616/)
- [エッジAIとクラウドAIの違い｜遅延・費用・オフライン耐性で決める使い分け](/column/details/17615/)
- [AI PoCとは？精度目標の決め方とデータ準備・本番移行を判断する基準](/column/details/16003/)

---

出典: [メニナルAIとは｜ソフトクリエイトの状況認識AIの仕組みと特許3件・導入費用【2026年11月】](<https://www.issoh.co.jp/tech/details/10995/>)（株式会社一創）