Kuken Industries Co., Ltd.: Інженери шукають креслення старих систем охолодження за номером деталі…
Виміряний результат: За повідомленням Kuken, час пошуку одного креслення скоротився з майже однієї години до 4,5 хвилини.
Компанія Kuken Industries з Японії, яка виробляє обладнання для кондиціонування, охолодження та вентиляції, разом із японським AI-стартапом Recursive створила пошуковий інструмент на базі OpenAI API для архіву креслень за 70 років. Інженер тепер знаходить креслення за 4,5 хвилини замість майже години. Компанія очікує скоротити години пошуку наближено на 90% на рік.
Результат
Виміряний результат: За повідомленням Kuken, час пошуку одного креслення скоротився з майже однієї години до 4,5 хвилини.
Джерело 1 ↗
Контекст
- Компанія
- Kuken Industries Co., Ltd.
- Галузь
- Виробництво обладнання для кондиціонування, охолодження та вентиляції.
- Країна
- Японія.
- Розмір
- Діапазон 501–1000 у профілі компанії LinkedIn; це не підстава ставити позначку «МАЛИЙ БІЗНЕС». https://www.linkedin.com/company/kukenindustries/ <Cite ref="turn588237view0"/>
Ідентичність впровадження: Kuken Industries / сервіс і виробниче інжиніринг-супроводження / пошук історичних креслень / OpenAI API та Recursive / до листопада 2026. Дата публікації: 9 листопада 2026 року. Цитата з атрибуцією: Не вказано. Дані для калькулятора: Після — 4,5 хв/пошук, до — приблизно 60 хв/пошук; частота пошуків, кількість інженерів, оплата праці в JPY, витрати Recursive/API, вартість перевірки та навчання — не вказані. Метрики і докази: Час пошуку, самозвіт; до — майже година, після — 4,5 хвилини на креслення; кількість креслень у замірі та статистична дисперсія не вказані. Оригінал: “4.5 minutes, down from nearly an hour”; URL — первинне джерело. Скорочення річних годин пошуку приблизно на 90% — прогноз компанії, не досягнутий річний результат; не включати до економії. Період вимірювання: Одна операція пошуку; календарний період і кількість тестів не вказані.
Обмеження
Команди порівнювали AI-моделі за точністю витягування відомостей із креслень та вартістю; пошук не замінює інженерну перевірку відповідності деталі.
Що зробили
Оцифрований архів підключили до застосунку; інженери тестували різні види запитів, а система повертає схожі креслення та відповідні номери. Працівник звіряє специфікації й історію замін.
Що могло провалитись
Зовні подібні креслення можуть бути технічно несумісні. Людина повинна перевіряти специфікацію перед ремонтом; прогноз річної економії не можна подавати як факт.
Що з цього переноситься
Підхід працює, коли архів даних вже існує, а задача полягає в пошуку та інтерпретації існуючих записів, а не в створенні нового контенту з нуля; він менш підходить, коли немає структурованої історичної бази або коли рішення вимагає повної відмови від людської перевірки.
Як повторити в себе
Вибрати одну категорію креслень, підготувати еталонні питання й правильні відповіді, заміряти пошук вручну й з AI; інженер має підтвердити точність кожного знайденого рішення, а пілот зупиняється за появи небезпечної підміни деталей.
Вів: Kuken та Recursive; конкретний керівник згаданий у матеріалі як Takatsugu Naraki, представник виробничої команди.
Скільки зайняло: Діюча система описана 09.11.2026; дату запуску не вказано.
Джерела
- 1openai.com ↗
openai.com