生産ラインで異常アラートが発生した際、エンジニアは設備の制御画面、製造実行システム（Manufacturing Execution System、MES）、保守記録を個別に確認し、設備を停止すべきか判断しなければならない場合があります。こうした現場に産業用 AI を導入する際、管理者がまず懸念するのは、AI が現場データを読み取った後に設備を直接操作してしまわないか、正式な操作の前にエンジニアが介入して止められるかという点です。
データの読み取りと設備の操作を一体化する必要はありません。企業は AI Agent に分析に必要なデータの読み取りを許可しつつ、データベースの書き換えや生産ラインの直接制御は認めない構成にできます。AI Agent がデータを整理し、考えられる原因と操作上の提案を提示した時点で、ワークフローを一時停止し、指定されたエンジニアの確認を待つ仕組みです。まずはデータへのアクセスを読み取り専用に設定し、操作前に担当者の承認を必須としたうえで、プロセス全体の記録を保存することを推奨します。その後、パイロット導入の結果に基づいて、自動化範囲を拡大するかどうかを評価します。
データを連携しても、なぜ AI は理解できないのか？
『數位時代』の報道によると、多くの工場は数十年にわたって稼働しており、現場では年代やメーカーの異なるセンサー、コントローラー、エネルギー管理システム、製造プロセスシステムが併用されています。それぞれの設備が個別の管理ツールを使用してきた結果、データも複数のソフトウェアやデータベースに分散しています。産業用プラットフォームは、これらのシステムの中間に位置し、下位層からオペレーショナルテクノロジー（operational technology、OT）のデータを取得し、上位層の情報技術（information technology、IT）システムと接続したうえで、AI や分析ツールにデータを提供します。
しかし、システム同士を接続できたからといって、AI がデータを理解できるとは限りません。導入から 10 年以上経過している設備もあり、当初から AI 分析に必要なデータが完全な形で保存されているとは限らないためです。データを取得できたとしても、システムごとに設備名、時刻形式、製造プロセスの定義が異なる可能性があります。例えば、同一の設備に対して保守記録と MES で異なるコードが使用されている場合、チームは明確な対応ルールを事前に定める必要があります。そうしなければ、AI Agent がデータを整理する際に、前後に発生した関連性のある異常を結び付けられない可能性があります。
そのため、チームは工場全体のデータを一度に処理しようとせず、まずは一つの異常対応プロセスを選定する必要があります。エンジニアが現在確認している画面、記録、項目を洗い出し、データの有無、時刻の整合性、名称の統一性を一項目ずつ確認します。管理者は、データソース一覧と項目対応表をチームに提出させることができます。重要な記録がそもそも残されていない場合は、モデルのテストを急ぐのではなく、先に設備のデジタル化レベルを引き上げ、記録方法を改善すべきです。
AI が読み取れるデータの範囲と権限を事前に明確化する
製造現場でデータ連携が必要だからといって、すべてのデータをパブリッククラウドへ送信する必要はありません。報道では、企業がまず生産データを工場内に保持したまま、演算と分析を行う方法が紹介されています。製造プロセス上の機密情報を重視する企業は、社内ネットワークのデータベースに保存するデータ、現場にあるファイル、外部サービスの利用が必要なデータを事前に分類する必要があります。そのうえで、各種データをどこから読み取れるようにするか、社外への持ち出しを認めるかを決定します。
パイロット導入の初期段階では、AI Agent が社内ネットワーク経由で必要なデータを読み取れるようにし、データベース接続はデフォルトで読み取り専用に設定することを推奨します。データの追加、変更、削除は許可しません。AI Agent が外部文書を検索したり、外部サービスを呼び出したりする必要がある場合も、IT チームはすべてのネットワーク接続を一括で許可すべきではありません。業務上の利用が明確に必要なドメインを、外向き通信の許可リスト（egress allowlist）に一つずつ追加します。これにより、「分析に必要なデータの取得」と「運用システムの変更」を別々の権限として管理でき、データ参照の利便性を理由に実行権限まで同時に開放してしまう事態を防げます。
EgentWrX は、AI Agent が企業独自のデータベースを読み取れるよう、社内ネットワークに接続する仕組みを提供しています。この連携では読み取りのみが許可され、書き込みは認められません。システムはデフォルトですべての外部接続を拒否し、管理者が接続を許可するドメインを外向き通信の許可リストに一つずつ追加します。パイロット導入を評価する際、IT チームは、接続に使用するアイデンティティ、読み取り可能なテーブル、照会できる記録の期間、業務上必要な外部ドメインを個別に確認する必要があります。また、接続を許可する前に、データ責任者による範囲の確認も受けるべきです。
AI が操作を提案した後、どの時点でプロセスを止めるべきか？
報道では、回路基板の生産ラインで部品の廃棄率が上昇したケースが例として紹介されています。産業用 AI は、ノズルの状態、生産速度、異常の発生頻度を同時に整理し、考えられる原因を列挙したうえで、まず速度を落とすよう提案できます。しかし、AI の判断が誤っていた場合、数千万元相当の生産ラインに影響を及ぼし、作業員の安全を脅かす可能性さえあります。そのため、AI が分析を完了しても、設備の操作権限を直接付与してはなりません。
企業は異常対応プロセスを「データの読み取り」「原因の分析」「対応策の提案」「操作の実行」という四つの段階に分け、実際の操作を実行する前に人による承認ゲート（human approval gate）を設けることができます。AI Agent が最初の三段階を完了した時点でワークフローを一時停止し、エンジニアの承認を待ちます。承認画面には、AI Agent が参照したデータ、判断した原因の候補、提案内容も表示しなければなりません。エンジニアが十分な情報に基づいて検証できるようにする必要があり、承認と差し戻しの二つのボタンだけを表示する設計では不十分です。
さらに、企業は人による承認について、誰が承認権限を持つのか、承認時にどのデータを確認するのか、どのような場合に差し戻さなければならないのかという三点を明確にする必要があります。例えば、データの時刻が一致しない場合、重要なセンサー値が欠けている場合、または安全関連設備の操作を伴う提案の場合は、そのまま差し戻し、エンジニアによる対応に切り替えることができます。パイロットチームは、まず一つの異常対応プロセスを選び、承認担当者、判断基準、差し戻し条件をタスクルールに明記したうえで、既存の履歴データを使ってリハーサルを行うべきです。
問題発生後に原因を追跡するには、どの記録を残すべきか？
エンジニアが最終決定権を保持する仕組みを整えた後も、企業は四つの問いに答えられなければなりません。AI Agent がどのデータを照会したのか、どのような分析を提示したのか、どのエンジニアが承認したのか、そしてプロセスが差し戻されたことがあるのか、という点です。システムに最終結果しか保存されていない場合、誤判断が発生しても、情報セキュリティ、品質管理、現場の管理責任者は、AI Agent が当時使用したデータや、エンジニアが意思決定に至った過程を再現できません。
そのため、企業はパイロット導入を開始する前に、データ照会、分析結果、人による承認、差し戻し理由、その後の実行状況など、保存が必要な記録を洗い出し、保存範囲と抜き取り検査の方法を定める必要があります。EgentWrX の監査ログ（audit log）はエクスポートできるほか、ハッシュチェーン（hash chain）を通じて記録の完全性を検証できます。管理者が監査記録をダウンロードした場合も、その操作がシステムに記録されます。こうした仕組みにより、将来の監査に必要なデータを保存できますが、AI の分析が必ず正しいことを保証するものではありません。そのため、情報セキュリティ部門や監査部門は引き続き定期的な抜き取り検査を実施し、現場チームも差し戻し条件を調整する必要がないか継続的に確認する必要があります。
産業用 AI の最初のパイロット導入では、必要な設備データ、履歴記録、対応ノウハウを集約し、AI Agent による異常情報の整理を通じてエンジニアを支援しながら、設備操作そのものは既存の制御プロセスに残すことができます。データ品質、承認ルール、記録方法のすべてが要件を満たしていることをチームが確認した後で、次のプロセスを開放するかどうかを検討します。誰が承認権限を持つのか、問題発生後にどの記録を確認すべきかさえ明確でない段階では、AI Agent の実行権限を拡大すべきではありません。
よくある質問
旧式設備に完全なデータがなくても、産業用 AI を導入できますか？
まずはデータが比較的そろっているプロセスを選んでパイロット導入を行えばよく、工場内のすべての設備が更新されるまで待つ必要はありません。チームは、どのセンサー値、保守記録、時刻項目が不足しているかを先に確認できます。重要なデータが存在しない場合は、設備のデジタル化レベルを引き上げ、記録方法を改善することを優先し、データ不足に起因する問題をモデルの判断ミスと誤認しないようにする必要があります。
どの業務を AI Agent に任せ、どの判断を必ずエンジニアが行うべきですか？
初期段階では、AI Agent にデータの読み取り、異常発生前後の状況整理、考えられる原因と対応策の提示を任せることができます。一方、設備の停止、製造プロセスのパラメーター調整、安全設備の操作については、必要な権限と責任を持つエンジニアが承認すべきです。企業は差し戻し条件もワークフローに明記する必要があり、口頭での注意喚起だけに頼ってはなりません。
工場のデータは必ずパブリッククラウドへ送信する必要がありますか？
必ずしも必要ではありません。企業は、工場内または社内ネットワーク上でデータを直接読み取り、分析する方法を検討できます。パイロット導入前に、社内データベースと外部サービスを明確に区分し、社内接続はまず読み取り専用とし、外部ドメインへの接続は一つずつ許可する必要があります。同時に、データが社外へ送信されるかどうか、接続権限を誰が管理するかも確認しなければなりません。
最初の産業用 AI パイロットでは、どのプロセスを選ぶべきですか？
エンジニアの対応手順がすでに明確で、履歴記録を確認でき、正式な操作の前にプロセスを停止して確認できる異常対応プロセスを選ぶとよいでしょう。チームは、データソース、分析手順、承認担当者、差し戻し条件を事前に可視化し、履歴記録を使ってリハーサルを行う必要があります。最初から AI Agent に設備を直接制御させるべきではありません。
参考資料
- AI の工場常駐前に「データサイロ」を解消！Advantech と Schneider Electric は IT／OT 産業用プラットフォーム市場をどう開拓するのか？ — 數位時代、郭采樺、2026 年 10 月 13 日。
