古い工場で、オペレーターが今も USB メモリを使って機械を操作し、保守担当者が現場の状況を電話で確認するしかなく、引き継ぎ情報も紙、Excel、チャットツールに分散している場合、管理職はまず設備を更新し、センサーを設置してから AI を導入しようと考えがちです。しかし、すべての設備の更新が完了するのを待たなくても、工場は目の前の課題に着手できます。毎日繰り返され、参照できるデータがあり、問題が起きても人が影響を防げる業務は何かを見極めることが重要です。
古い工場への AI 導入では、最初から無人化を目指す必要も、工場全体を一度に刷新する必要もありません。まずは異常報告かシフト引き継ぎのどちらかを選び、必要なデータ、AI に求める成果物、担当者、管理者に判断を委ねる条件を明確にすることをおすすめします。保守作業の手配、設備の停止、責任の判定に関わる場合は、必ず担当者が確認してから次のステップへ進む必要があります。
毎日繰り返され、参照できるデータがある業務プロセスを探す
TechOrange の報道によると、米国のスタートアップ Harmoni は既存工場の改善に着目し、機械のそばにタブレットを設置して、AI ソフトウェアで現場業務を整理しています。オペレーターは同じタブレットを使って出退勤を記録し、作業指示の確認、作業指示書の追跡、問題の報告を行えます。AI 製品の HAL は、タブレットで収集したデータを活用し、機械の速度が低下した原因の確認、保守依頼の提出、生産上の問題の引き継ぎを支援します。Harmoni が重視しているのは、現場担当者を置き換えることではなく、担当者が繰り返し行っている事務作業を減らすことです。
このアプローチが台湾の伝統産業に示すのは、同じ設備一式を導入してそのまま模倣すべきだということではありません。まず、現場担当者が毎日処理し、データが残る業務プロセスを一つ見つけることが重要です。異常報告を例にすると、オペレーターは状況を説明し、SOP を確認して異常コードを特定したうえで、保守担当者または管理者に連絡します。シフト引き継ぎでは、未完了の作業指示書、機械の状態、次のシフトで注意すべき事項を整理します。どちらの業務にも明確な起点があり、現場担当者も最終的に誰へ引き渡すべきかを把握しているため、AI が整理した内容に不足がないか確認しやすくなります。
最初の業務プロセスを選ぶ際は、次の四点を一つずつ確認することをおすすめします。その業務が毎週繰り返されているか、必要なデータを取得できるか、AI の成果物を人が確認できるか、問題が起きた場合に影響が生じる前に停止できるか、という点です。複数のシステムにまたがる業務でありながら、データの保存場所を誰も明確に説明できない場合は、急いで AI を接続するのではなく、先に業務プロセスと責任分担を整理すべきです。
AI に回答させる前に、検索可能なデータを整備する
AI が実用的な回答を提示できるかどうかは、現場に検索可能なデータが十分にあるかに左右されます。機械、人員、作業プロセスに関するデータが各所に分散したままでは、AI は状況の一部しか把握できません。回答が自然に読めたとしても、更新されたばかりの作業基準、前のシフトで発生した異常、保守記録に明記されている制約を見落としている可能性があります。
そのため、導入チームが最初から工場全体のデータを整理する必要はありません。まずは対象業務で使用する SOP、保守記録、異常コード、作業指示書の項目、引き継ぎ表を洗い出します。各資料にはバージョン、担当部署、更新頻度を明記し、旧版の文書にも明確な表示を付けて、AI が相互に矛盾する手順を同時に参照しないようにします。次に、現場で実際に尋ねられる質問を使ってテストします。たとえば、特定の異常コードについてどの規定を確認すべきか、引き継ぎ内容に不足している項目は何か、といった質問です。既存のデータだけでは回答できない場合、AI は不足しているデータを明示し、独自に情報をつなぎ合わせて回答してはいけません。
受け入れテストの方法もシンプルです。チームはよくある質問をいくつか選び、AI がどの情報源を参照したか、どのバージョンを引用したか、データが不足している場合にどう応答するかを一問ずつ確認できます。問題が見つかった場合は、まず文書や項目を修正し、その後でプロンプトを調整します。現場担当者でさえ現行版を見つけられないのであれば、モデルに推測させるのではなく、先に文書の責任者を指定する必要があります。
異常報告を作業ステップに分解し、重要な判断は人に委ねる
対象業務を選定したら、各ステップを作業カードとして記述することをおすすめします。異常報告を例にすると、まずオペレーターが機械番号、異常コード、その時点の状況、補足説明を入力します。その後、AI Agent が要約を作成し、関連する規定を検索して、不足しているデータを一覧化します。必要なデータが揃ったら、現場の管理者が異常の分類と対応方法を確認します。保守作業の手配、設備の停止、責任の判定に関わる場合、業務プロセスはそこで停止し、権限を持つ担当者の承認を待たなければなりません。
このように設計することで、AI Agent と現場担当者の役割を明確に分けられます。AI Agent はデータを整理し、項目を照合して、次のステップに必要な内容を準備できます。一方、生産に影響する判断は、引き続き管理者が担います。AI が内容の矛盾する規定を二つ見つけた場合も、ワークフローが独自に一方を選んで処理を続行してはいけません。矛盾する内容を文書の責任者に提示し、確認を求める必要があります。
EgentWrX では、繰り返し実行するタスクをワークフローとして連結し、次のステップへ引き渡す前に人による承認を組み込めます。AI Agent が前半のデータ整理を終えると、業務プロセスはいったん停止し、担当者の確認と承認を待ちます。導入チームは、各ステップの入力データ、成果物、担当者を明確に記述するとともに、データ不足、規定の矛盾、高リスクな判断など、管理者へエスカレーションすべき条件を具体的に定める必要があります。単に「問題があれば管理者に確認する」と曖昧に記述するだけでは不十分です。
まず AI にデータを検索させ、その後で連携すべきシステムを判断する
既存工場の改善は、すべての旧システムを一度に入れ替えることを意味しません。ただし、導入チームは、社内ネットワークのデータベースに保存されているデータ、現場のファイルに残されているデータ、外部接続が必要なサービスなど、データがどのように流れるかをあらかじめ可視化する必要があります。また、AI が読み取れるデータ、参照のみに制限されるシステム、アクセス範囲の拡大を承認する担当者についても併せて確認する必要があります。
EgentWrX では、文書、表、規定をそれぞれナレッジベースに登録し、AI Agent に検索させることができます。AI Agent が回答に必要な十分な根拠を見つけられなければ、回答は行いません。また、社内ネットワークを介して社内データベースを読み取ることもでき、初期設定ではデータの参照のみが許可され、変更はできません。業務上、外部サービスへの接続が必要な場合、管理者は接続を許可するドメインを個別に設定できます。こうした仕組みにより、ナレッジや社内データの利用範囲を管理できます。ただし、現場設備や既存システムにどのような連携方式が適しているかについては、導入チームが各工場の環境に応じて評価する必要があります。
第一段階では、社内ネットワーク内、読み取り専用、小規模な試験導入という条件を維持することをおすすめします。同時に、不足しやすい項目、AI が誤ったバージョンを引用した回数、担当者が内容を修正した理由、業務プロセスが頻繁に停止する承認ステップを記録します。チームがデータ品質を管理でき、責任分担も明確になったことを確認してから、データソースの追加や連携範囲の拡大を判断します。デモで一度正しく回答できたという理由だけで、AI に本番システムの変更権限を与えてはいけません。
よくある質問
古い機械は、AI を導入する前に必ずネットワークへ接続する必要がありますか？
すべての古い機械を先にネットワークへ接続する必要はありません。まず、対象業務で使用する SOP、作業指示書、異常記録、引き継ぎ表を検索可能なデータとして整理し、AI Agent に情報の検索と整理を支援させることができます。業務プロセスが安定してから、どの設備データを連携する価値があるかを評価します。
異常報告とシフト引き継ぎでは、どちらを先に選ぶべきですか？
データが比較的揃っており、責任者が明確で、問題が起きても適時に停止できる業務プロセスを優先することをおすすめします。異常コードと保守記録の形式がすでに統一されている場合は、異常報告から始められます。データが口頭で伝達されている段階であれば、まずシフト引き継ぎで記入すべき項目を整理するとよいでしょう。
SOP がまだ不完全でも、AI Agent を試験導入できますか？
小規模な試験導入は可能ですが、AI Agent が既存のデータだけに基づいて回答するよう制限する必要があります。根拠を見つけられない場合は回答を停止し、不足しているデータを明示しなければなりません。試験導入中は、文書の責任者を指定し、旧版の内容を整理する作業も並行して進める必要があります。モデルに規定を独自に補完させてはいけません。
どのステップで必ず人による承認を残すべきですか？
保守作業の手配、設備の停止、責任の判定、その他の生産に影響する判断は、すべて権限を持つ担当者が承認すべきです。AI Agent は事前にデータを整理して提案できますが、データ不足、規定の矛盾、高リスクな状況が発生した場合は、業務プロセスを停止して担当者の確認を待つ必要があります。
第一段階を継続する価値があるか、どのように判断すればよいですか？
まず、データの不足、引用されたバージョン、担当者が内容を修正した理由、業務プロセスが頻繁に滞るステップを確認します。デモでの回答が流暢かどうかだけで判断してはいけません。チームが繰り返し発生する問題を特定し、データソースを修正して、承認責任を明確に分担できるようになってから、データと業務プロセスの範囲拡大を検討します。
参考資料
- 新工場を建設せず、古い工場を変革：スタートアップ Harmoni がタブレットと AI で米国の従来型工場を刷新 — TechOrange による、Harmoni の既存工場に対する改善手法と現場での活用事例の報道。
