GeMM (Generative Media Manager) は、動画・文書・画像を単一のクエリで横断検索・要約・質問応答できるオンプレ実行可能なマルチモーダルRAGプラットフォームです。 産業IoT/製造業の現場で蓄積される長尺動画・現場報告書・図面・PDF を、クラウドAPIに依存せず、コモディティGPU1枚(RTX5060Tiクラス、16GBVRAM) で 扱えるよう設計しています。製造業・産業 IoTの現場で蓄積されるデータは、現場動画 (長尺・複数カメラ)、作業手順書、PDF、報告書テキスト、設計図面画像 など、急速にマルチモーダル化しています。 一方、現状のRAG(Retrieval-Augmented Generation)実装はテキスト中心が主流であり、 動画RAG/文書 RAG をそれぞれ単体で扱える商用/OSS製品は存在するものの、日本語対応・オンプレ実行・動画と文書の同一pipeline横断をすべて満たす本番運用例は限定的です。GeMMにより手軽にRAGを社内環境にデプロイでき、情報資産の有効活用が可能になります。