工場が AI の導入を検討する際、会議では設備、センサー、モデル、プラットフォームの話が先行しがちです。しかし、現場で実際に障害となっているのは、多くの場合プロセスそのものです。同じ異常でも担当するシフトによって対処方法が異なる、設備にデータはあるものの品番、時刻、異常コードが対応していない、熟練技術者はパラメータの調整方法を知っていても、何を根拠に判断しているのかを明確に説明できない、といった問題があります。こうした問題を解決しないまま AI Agent を意思決定に参加させても、これまで曖昧だったプロセスを新しいツールへ移すだけです。
私たちは、製造業における AI 導入は「プロセス、データ、AI」の順に進めるべきだと考えています。また、プロセスの整理は、見栄えのよいフローチャートを一枚作るだけでは不十分です。企業はまず、各ステップの担当者、必要な証拠、どのような例外が発生したら処理を停止すべきか、最終的に誰が承認するのかを明確にする必要があります。データについても、最初から工場全体のデータをすべて連携させるのではなく、選定したプロセスに沿って整理するべきです。
最初のプロセスはどのように選ぶべきか？
『數位時代』が『北美智權報』から転載した記事では、企業はまずプロセス上のボトルネックを解消し、次にデータを収集・連携する能力を構築したうえで、最後に AI を意思決定の支援に活用すべきだと論じています。また、ハードウェア、パッケージソフトウェア、AI アルゴリズムを購入したからといって、変革が完了したわけではないとも指摘しています。旧型設備に標準化されたデータインターフェースやインテリジェント監視機能がなければ、企業が国際的なサプライチェーンにとどまり続けることが難しくなる可能性もあります。
プロジェクトを実行する際、最初に「どの AI が最も優れているか」を問うのではなく、どのプロセスを優先的に整理する価値があるかを見極める必要があります。まずは、実行頻度が高く、ルールが比較的明確で、結果を検収できる担当者がいる業務から始めるとよいでしょう。たとえば、品質異常の一次分類、設備保守データの整理、調達時の価格比較に先立つ文書の取りまとめなどです。プロセスを実行するたびに管理者がその場で方法を指示しなければならず、入力データの取得元すら決まっていない場合、プロジェクトチームはまず作業方法を統一し、AI Agent に後続業務を任せることを急ぐべきではありません。
プロセスを選定したら、現在の作業方法を、繰り返し実行できるワークフローへ段階的に整理します。少なくとも、入力するデータ、期待する成果、どのような例外が発生したら処理を停止するか、誰が担当するか、どのステップで承認が必要かを明文化しなければなりません。たとえば、金額が上限を超えている、条件の記述が不十分である、結果が設備設定に影響する、内容を顧客へ送信しようとしている、といった場合には、いったん処理を停止し、関係者の確認後に再開できます。EgentWrX はタスクとワークフローの仕組みを提供しており、前後のタスクを引き継ぐ前に人による承認を設定することも可能です。企業はまず一つのプロセスを作業カードとして構成し、各工程に担当者がいることを確認してから、利用範囲を拡大するかどうかを評価できます。
AI が読み取れるようにするには、データをどこまで整理すべきか？
工場内の旧型設備は、メーカーや世代が異なるうえ、OPC UA などのオープン通信プロトコル（open communication protocol）に対応していないこともあります。そのため、オペレーショナルテクノロジー（operational technology、OT）のデータを、設備や工場の垣根を越えて連携するのは困難です。こうした分散データを扱うには、単に「より多く収集する」だけでは足りません。プロジェクトチームが項目、時刻基準、設備の識別方法をあらかじめ統一していなければ、同じ名称が異なる状態を表している可能性があります。また、数値が同じに見えても、そのまま比較できるとは限りません。
ただし、すべてのデータを整理し終えるまで待つ必要はありません。より現実的なのは、最初に選定したプロセスに基づき、最低限必要なデータを洗い出すことです。具体的には、データの取得元、形式、担当部門、更新頻度、機密レベル、AI Agent が読み取れるかどうかを整理します。続いて、実際の記録を数件抽出して確認し、時刻、品番、設備、異常状態が、現場で実際に起きた事象と対応しているかを検証します。人がデータを見ても当時の状況を再現できないのであれば、AI Agent にとっても、判断に使える信頼性の高い根拠にはなりません。
データへのアクセス権を開放する際も、レベルを分けて管理する必要があります。企業はコンテンツの種類に応じて、整理済みの文書、表、規定をナレッジベースに格納し、AI Agent が十分な根拠を見つけられない場合には回答しないよう定めることができます。社内データベースには社内ネットワーク経由で読み取り専用接続を提供し、AI Agent に検索は許可しても、データの変更は認めないようにします。外部接続については、企業が一件ずつ審査したうえで開放します。EgentWrX は、こうしたナレッジ検索、社内ネットワークでの読み取り専用接続、外部接続の管理機能を提供しています。プロジェクトの第一段階では、一つのプロセスに確実に必要で、権限と責任が明確なデータだけを開放し、試用期間中に参照元と出力内容を一件ずつ確認します。結果の信頼性を確認できたら、開放範囲を段階的に拡大していきます。
熟練技術者の経験を、単なる文書の山にしないためにはどう整理すべきか？
原文では、設備の調整、トラブルシューティング、加工パラメータの最適化が、熟練技術者によって数十年かけて蓄積された経験、直感、暗黙知（tacit knowledge）に大きく依存している可能性も指摘されています。インタビューで「この警報が出たら、どのように対処しますか」と尋ねるだけでは、最終的に記録されるのは処理手順だけになりがちです。その一方で、最初にどのような音を確認するのか、どの期間の履歴と照合するのか、どのような場合には標準手順どおりに処理を続けてはいけないのかといった、技術者が実際の判断に用いている根拠が抜け落ちてしまいます。
企業はまず、よく発生する故障や調整事例を一つ選び、熟練技術者に直近の対応を振り返ってもらうとよいでしょう。そのうえで、どのような判断条件があったか、どの証拠を確認したか、どのような処置を実施したか、どのような例外があったか、どの工程で必ず人に確認する必要があるかを順に整理します。内容を整理した後も、すぐに全社公開するべきではありません。まずは同じワークスペースのチームに、実際の記録を使って試してもらいます。同じ内容を読んでも人によって解釈が異なる場合は、写真、項目の定義、反例、明確な停止条件を追加する必要があります。
プロジェクトチームは、繰り返し適用する必要がある判断方法を AI Skill として記述し、AI Agent が条件に合致する状況に遭遇した際、所定のルールに従って処理できるようにします。全社へ展開する場合は、事前に AI Skill の審査を完了させるべきです。プロジェクト責任者は、新人が同じ証拠に基づいて一次判断を行えるか、例外が発生したときに、まず処理を止めて誰に確認すべきかを理解しているかについても確認する必要があります。
よくある質問
製造業で AI を導入する場合、プロセスの整理とデータ収集のどちらを先に進めるべきですか？
まず選定したプロセスを整理し、そのプロセスに基づいて最低限必要なデータを収集します。プロセスの入力、出力、担当者が決まっていなければ、どれほど多くのデータを蓄積しても、AI Agent が出した結果が正しいかどうかを確認するのは困難です。手順と例外を明確にして初めて、本当に整理すべきデータがわかります。
旧型設備に標準通信インターフェースがなくても、AI プロジェクトを開始できますか？
開始できます。ただし、最初のプロジェクトで工場内の全設備をネットワーク化しようとするのではなく、データの取得元が明確で、結果を検収できる担当者がいるプロセスを選ぶ必要があります。企業はまず設備のインターフェース、既存のレポート、人が記録したデータを棚卸しし、どのデータが現場で実際に起きた事象と対応しているかを確認したうえで、次に収集すべきデータを決定できます。
熟練技術者の経験は、文書にまとめるだけで十分ですか？
十分ではありません。文書には処理手順だけでなく、判断条件、必要な証拠、例外、停止条件も明記する必要があります。直近に対応した故障事例から始め、熟練技術者に手順を追って振り返ってもらい、その後、チームが実際の記録を使って試すことを推奨します。人によって解釈が異なる場合は、写真、反例、項目の定義を追加する必要があります。
第一段階からほかのプロセスへ拡大できるかどうかは、どのように判断すればよいですか？
まず、データが現場の事象と対応していること、出力結果の根拠を追跡できること、リスクの高い状況ではプロセスが停止し、人による承認を待つことを確認します。これらの条件を安定して維持できることを確認したうえで、データソースを追加するか、隣接するプロセスを対象に含めます。デモで良好な結果が得られたという理由だけで、利用範囲を一気に拡大するべきではありません。
参考資料
- 従来型設備メーカーが AI を導入する際、なぜ設備を購入するだけでは不十分なのか？プロセス改善からデータサービスまで、変革の4段階を解説 — 『數位時代』が『北美智權報』から転載した記事。従来型設備メーカーがプロセス改善、データ連携、AI 活用へと進む4段階の変革の方向性を整理しています。
