東大発AIVALIXと東京ガスが提携！TUMSY®×INFRAIで挑むインフラAI基盤

2026年8月28日、東大発AIスタートアップの AIVALIX（アイヴァリックス）株式会社 は、東京ガス株式会社 を引受先とする第三者割当増資（資本業務提携）を実施しました。東京ガスグループのGIS（地理情報システム）「TUMSY®（タムジー）」とAIVALIXのインフラAI基盤「INFRAI（インフライ）」を連携させ、全国の配管・設備における劣化予測と意思決定の自動化を目指します。

要点まとめ

提携の目的: 老朽化が進む社会インフラ（水道・ガス等）に対し、データ駆動型の予防保全と更新計画の最適化を実現する。
技術連携: 全国約150事業体に導入済みのGIS「TUMSY®」に、劣化予測AI「INFRAI」をAPI結合。
主要な特徴: 漏水確率の単なる予測にとどまらず、アセットマネジメントや議会・住民説明まで一気通貫で支援。
ターゲット領域: 水道事業を皮起点に、都市ガス導管、LNG基地、プラント、地域冷暖房などへ展開。

1. 提携の背景：社会インフラが直面する「データと判断の構造課題」

高度経済成長期に集中的に整備された日本のインフラ設備は老朽化が一斉に進んでおり、点検・更新需要の増大と熟練技術者不足が深刻化しています。エンジニアリングの観点では、主に2つの構造的課題が存在します。

GIS（地理情報）と点検データの断片化

設備位置はGISで管理されているものの、点検履歴・故障リスク・最適な修繕時期などの高次元データが個別システムや紙媒体に分散。

意思決定の属人化

優先的に更新すべき管路の判断が現場熟練者の経験則に依存し、データ駆動（Data-Driven）なアセットマネジメントが成立していない。

2. AIVALIX「INFRAI」と「TUMSY®」の技術連携アーキテクチャ

本提携の核は、既存のGIS基盤に対するデータ分析・意思決定エンジンの統合です。

アーキテクチャのポイント

既存GISを活用したパイプライン構築

約50年の運用実績を持つTUMSY®の地図・台帳データに対し、INFRAIが機械学習モデルによるリスク評価をオーバーレイ。

多次元データの統合（データフュージョン）

配管の材質・布設年度・口径に加え、土質・水圧変化・漏水履歴・衛星リモートセンシングデータ等を統合解析。

3. 競合・市場プレイヤーとの技術アプローチ比較

インフラAI診断・管路劣化予測領域の主要アプローチにおける機能・技術スタックの違いは以下の通りです。

比較軸	Fracta Japan 等(先行AIベンダー)	大手通信・重工系 DXソリューション	AIVALIX × 東京ガス (TUMSY®)
主なアプローチ	AI/機械学習モデル単体(漏水履歴×環境データ解析)	アセット・センサー重厚型(ドローン/衛星SAR/音響センサー等)	GIS一体型 AIプラットフォーム(既存管理システムへのネイティブ統合)
データ入力	配管台帳、漏水履歴、土壌/気象データ	物理センサーデータ、衛星画像	TUMSY®のGIS台帳＋現場点検ログ＋環境データ
主なアウトプット	管路ごとの漏水確率スコア	異常箇所の即時検知・点検レポート	劣化予測＋更新計画シミュレーション＋議会説明支援
現場システム親和性	レポート納品・別ツール参照が中心	専用センサー/端末の導入コストが発生	導入済みTUMSY®画面上でダイレクト機能提供
適用ドメイン	主に水道管	システムごとに個別対応	水道 → ガス導管・プラント・エネルギー設備へ拡張設計

エンジニア視点での差別化ポイント

診断から意思決定エンジンへの拡張: 単なる漏水リスク算出にとどまらず、予算に合わせた最適更新計画のシミュレーションまで自動化。
現場統合とエコシステム戦略: シェアの高いTUMSY®のプラグイン/APIとして機能提供することで、現場ワークフローの変更コストを最小化。
マルチインフラ汎用モデル: 水道・都市ガス・LNG基地・地域冷暖房など、異なるインフラ領域への横展開を見越したAI基盤設計。

4. エンジニアが注目すべき技術要素

Sparse（疎）データ向け時系列・空間機械学習: 故障発生頻度が極めて低い不均衡データ（Imbalanced Data）に対し、物理モデルと機械学習を複合したアルゴリズムや空間特徴量（Spatial Features）の活用が必須。
説明可能なAI（XAI）: 住民や自治体議会へ更新根拠を説明するため、SHAP値などを用いた特徴量寄与度の可視化を実装。
現場知の構造化（RAG / ナレッジグラフ）: ベテラン技術者の定性的な知見や非構造化ログをテキスト抽出し、ナレッジグラフ化やRAGで予測モデルへ還元。