本記事では、自動車業界における予測メンテナンス（PdM）の推進において直面する経済的制約やデータセットの限界、専門知識の不足が課題であることを認識し、最近の大規模言語モデル（LLM）の進展を利用してこれらの障壁を克服する可能性を探求しています。特に、メンテナンスログのクリーニングにLLMベースのエージェントを活用し、情報の誤りや欠損、重複エントリなどが含まれるデータソースを対象としました。実験では6種類のノイズ処理能力を評価し、LLMが一般的なクリーニングタスクに有効であることを確認。また、専門領域特有のエラーに関しては課題が残るものの、専門的なトレーニングによりさらなる改善が期待できることが示されました。これにより、PdMの産業応用の可能性が広がると考えられます。