プログラムされていなくても自ら物を組み立てる組立ロボット。工場で自己最適化する生産ライン。運用データと、設計・構築を行ったエンジニアよりも正確に挙動を予測できる人工知能（AI）に基づき、メンテナンスを要請する列車や風力タービン。こうした進展は、AIをどのように形作り、AIを雇用創出の原動力にするかについてアイデアを生み出せれば、真の好機となる。
AIの台頭によって仕事の世界が変わり続けることは疑いようがない。現在でもロボットは、いわゆる「3つのD」の仕事、すなわち単調（dumb）で、汚く（dirty）、危険（dangerous）な作業に甘んじている。
しかし、仕事の未来に関する最近の研究によれば、こうした制約はまもなく克服されるという。2030年までに最大3億7,500万人が世界中で新たな職業を習得する必要に迫られるという。これは従業員の3人に1人に相当する。さらに、代替は「単純」な作業を行う人々だけでなく、弁護士、医師、エンジニアにも及ぶだろう。
主要な市場調査会社による予測は、次の点で一致して裏付けられている。すなわち、ほとんどの作業のうち最大50%を占める活動は自動化可能である。機械はこうした活動を実行できるだけでなく、人間よりも優れた速さと精度で完了させることも可能である。その利点とは何か。こうした作業の単調さから解放されれば、得られた成果を評価し、顧客や患者に助言し、従業員の能力を認識して育成する自由がより多く得られるだろう。
デジタル世界の知見を現実世界へ移転する
「人間対機械」という恐怖にとらわれた議論は見当違いである。よく見れば、すでに発展は別の方向に進んでいることは明らかである。実際、今日AIについて語るとき、私たちが話しているのは、人間によって人工知能が開発されていることなのである。
AIは「ブラックボックス」と考えることができる。箱に知識を入れ、さらに少し知識を足し、さらに少しずつ増やしていく。しかし最終的には、現時点では箱に入れたもの以外は何も取り出せない。したがって「型にとらわれない発想（thinking outside the box）」は、AIの時代において全く新しい意味を持つことになる。私たちにとって、重要な進展は次の2つである。
⦁ 第一に、AIの進歩を制約する限界は依然として存在する。しかし将来、機械はますます自律的に学習するようになるだろう。いわば「箱の外で考える」ことができるようになるのである。
⦁ 第二に、AIが私たちの生活にますます関与することで恐怖や不安が生じることは理解できるし、私たちはそうした恐れを真剣に受け止めなければならない。しかし、これまでAIの開発を導き推進してきたのが人間であったように、今後も人間が主導的役割を担い続けることを、常に心に留めておかなければならない。
一例を挙げよう。ディープ・ブルーは1997年にガルリ・カスパロフに勝利したが、戦略ゲームにおいてその潜在能力を十分に引き出せる人工知能の開発には、現在に至るまで時間がかかった。今日では、人間も「従来型」のAIも、AlphaZeroというマシンには勝てない。チェスにおいても、囲碁や将棋のようなさらに複雑なゲームにおいても同様である。しかし、この開発は、このシステムのアーキテクチャを設計する人間の知性がなければ決して実現しなかっただろう。この事例が示すのは、問題は人間対機械ではなく、人間と機械の協働であるということである。
今日では、バーチャルアシスタントが美容院の予約を代わりに取ってくれたり、AIがオンラインで自動的に注文を出してくれたりすることは画期的に見える。しかし、それは本当に価値ある革新なのだろうか。そして、誰が本当にその恩恵を受けるのか。結局のところ、主に恩恵を受けるのは電子商取引やマーケティングのプラットフォーム自身である。しかし、私たち全員が恩恵を受けられるAIの形態が存在する。それは、産業規模で価値を創出するために産業プロセスに組み込まれたAIである。
この変化はすでに始まっている。それを実現するため、産業企業は互いの人材を惹きつけ、奪い合おうと努めている。重要な人材とは、かつては別個の分野であった領域の専門知識を橋渡しできる人々である。例えば、物理学や工学の追加知識を持つデータサイエンティストなどである。こうした人材は、AIが生成した列車に関するデータを、例えば現実世界での便益へと変換できる唯一の存在であるため、非常に需要が高い。
データが変換されると、鉄道事業者は、どの車両のどの部品をいつまでに交換しなければならないかについて、直接的な指示を受け取ることができる。予知保全、リスク分析、スペアパーツの在庫状況、そして列車が走行する国の法的条件に関する知見は、すでにこのAIに基づく報告に組み込まれている。デジタル世界から得られた基礎的な知見を現実世界へと変換し、AIの能力を有効に活用する能力を持つのは、人間だけである。
だからこそ私たちは、こうした作業が最高水準で行われる限り、職人技や熟練した手作業を重視し、今後も重視し続ける。ドイツ、ミュンヘン近郊のアラハにあるシーメンスの工場では、機関車の製造とメンテナンスにおいて、メカニックや溶接工が10分の1ミリメートル単位の高精度な作業を行っている。列車の稼働率を保証できるのは、AIから知見を得る専門家がこれらの作業を行う場合に限られる。
インダストリー4.0を次の段階へ進める
現在、3つの進展が並行して起きている。新たな仕事が生まれ、時代遅れの仕事が消えつつあり、残りの多くの仕事が変化している。
AIアプリケーションの損益計算を黒字にするためには、大企業、中小企業、さらには職人を含む企業が、AIを広範かつ収益性の高い形で導入できなければならない。
私が話しているのは産業用AI、すなわちAIと分野固有の専門知識の組み合わせである。シーメンスは、人間の知能を高める一種の存在として機能する「デジタル・コンパニオン」の確立を目指している。
人間を支援するこの種のAIは、広く利用可能である必要がある。しかし、この技術を利用可能にするには、研究開発への投資が必要であるだけでなく、教育と能力開発にもはるかに鋭く焦点を当てる必要がある。
シーメンスでは、毎年5億ユーロ以上を研修に費やしており、デジタルスキルはすべての研修プログラムに含まれている。しかし最終的には、能力開発はもっと早い段階から始める必要がある。すなわち、就学前教育の基礎段階でスキル習得を開始し、初等教育や高等学校で継続し、最終的には大学で深化させ専門化させる必要がある。
第四次産業革命を成功裏に形作り、デジタル時代において国際競争力を維持するには、産業界、政界、科学界、労働組織の指導者による多大な努力が必要となるだろう。
ドイツの成功したインダストリー4.0構想は、そうした共同の取り組みがもたらし得る成果の好例である。他国でも、産業における地域的な価値創造とデジタル変革を促進するため、同様の構想やネットワークが発展してきた。その例としては、「中国製造2025」、「Manufacturing USA」、「Make in India」、「エジプト・ビジョン2030」などがある。
産業用AIは、第四次産業革命に大きな弾みを与え、インダストリー4.0および類似の構想を次の段階へと引き上げることができる。
偶然を凌駕する――生産性の向上
最近の研究によれば、AIは世界の国内総生産（GDP）を平均で年率今後12年間にわたり年率1.2%押し上げる潜在力を持つという。したがって、AIによって実現される成長は、蒸気機関や情報通信技術の普及がそれぞれの時代にもたらした0.6%の成長効果を上回ることが見込まれる。
過去200年の世界のGDPの推移を見ると、近年および近年数十年にわたり、ますます指数関数的な経路をたどってきた傾向が見て取れる。この加速の主な理由の一つは技術の進歩である。
技術は社会の発展、経済、生産性、成長に直接的な影響を与える。特に最近では、イノベーションや技術が驚異的に蓄積されているのを私たちは目にしている。定義上、イノベーションは「非効率」であるため、これは非常に驚くべきことである。つまり、多くのイノベーションや先駆的な技術開発は偶然に生まれたものであるということである。電子レンジの発明、テフロンの開発、X線の発見を思い浮かべてみてほしい。
しかし、こうした例を除けば、イノベーションは基本的に試行錯誤の原理に基づいている。すなわち、仮説を採用し、検証を設定し、テストを行い、誤りを特定する、といったことを繰り返すのである。この方法の非効率性ゆえに、目標に到達するまでに一連の試行を開始しなければならないことが多い。この弱点こそが、まさにAIが大きな影響を及ぼし得る点である。
デジタル時代における成功の鍵は、スピードと規模である。そして、AIがすでに人間をはるかに凌駕している分野があるとすれば、それはモデルがデータを処理し、その後に誤りを検出して排除する驚異的な速度である。要するに、AIは誤りを回避し、偶然を克服するのに役立つ可能性を持っている。これを踏まえると、マッキンゼーの研究が「Notes from the frontier: Modeling the impact of AI on the world economy（最前線からの報告：世界経済に対するAIの影響のモデリング）」において、AIは2030年までに世界の付加価値に13兆ドルを加えると結論づけていることは、いっそう理解しやすく思える。
分野固有の専門知識を備えたAI
シーメンスは、時代の兆候を早くから認識していたため、現在、産業用AIにおいて先駆的な役割を果たしている。当社のAI専門家による初期の成功は1995年に遡る。AIと分野固有の専門知識を組み合わせたことで、当社の製品・サービスは変化した。
例えば鉄道事業者が用いる方法とは異なり、当社のサービスは単に故障した部品を追跡して修理するだけではない。列車が飛行機と競争し、そして勝つことを可能にする稼働率水準を保証する。
その一例が、マドリードとバルセロナを結ぶ高速鉄道路線である。スペイン国営鉄道レンフェが運行する列車は2時間半を要するが、純粋な飛行時間は1時間20分である。15分以上の遅延が生じた場合、列車の乗客は運賃を全額払い戻してもらえる。
高い信頼性を確保するため、レンフェはシーメンスと合弁会社を設立し、高度なAIを活用したデータ分析により列車のサービスを提供している。これまでに、技術的問題に起因する大幅な遅延が発生したのは、2,300便に1便の割合にとどまる。その結果はどうか。約10年前に当該路線が運行を開始した時点では、レンフェによれば旅行者のうち鉄道を選んだのはわずか20%であったが、現在はそれが60%以上になっているという。
シーメンスは現在、データ分析とAIのために約800名の専門家を雇用している。近年、彼らは産業環境において、例えば次のような多くのAIに基づく成功を実現してきた。
⦁ 生産プロセスに統合された、継続的に稼働するアルゴリズムに基づく産業向けサービス。プロセスデータの継続的な収集と分析により、機械モデルを継続的に再学習させ、予測分析の精度を高めることが可能となった。これらの進歩により、X線検査などのコストのかかる品質検査を30%以上削減することが可能になった。
⦁ ガスタービンの稼働データ、環境条件、部品特性を自動的に分析するアルゴリズム。この手法により、メンテナンス間隔は30%延長され、コストは16%削減される。
⦁ 医療AIにより、シーメンスは医師が何千枚ものX線画像を評価するのを支援し、それにより、より信頼性の高い診断と患者へのより良い治療を確保できる。
⦁ 製鉄所向けの極めて複雑なAIに基づく品質管理機能。この自己学習型システムは現在では定番の製品であり、1995年以来、世界中の30の製鉄所に導入されている。
さらに、AIは新たなビジネスモデルの構築を可能にする。レンフェの例を見てみよう。シーメンスは、顧客にスペアパーツを提供する代わりに、列車の稼働時間、すなわち列車が運行している時間を販売している。
工作機械を製造する企業にも、同様のモデルが存在する。AIにより、これらの企業は機械の摩耗や損耗を分析・予測する能力を大幅に高めることができる。この情報は、機械の利用量に基づくビジネスモデルの確立に役立つ。
デジタル変革を成功に導く
AIをめぐる現在の議論において、私が重要だと考える一つの側面は、十分な注目を集めていない。AIがGDPのさらなる発展を決定づけるものとなる一方で、経済もまたデジタル変革に適応するために変革しなければならない。こうした変化には、主に労働集約的ではなく、スキル集約的な活動に従事する労働人口が必要である。価値は、スキルと生産性を通じて生み出される。
この世界で自らの存在を主張したい社会は、経済を立て直さなければならない。主要な市場調査機関による予測は、AI技術が正しく一貫して活用されれば、経済の国内総生産を押し上げる能力を有しているという評価と一致している。
私たちは現在、AIの進化における重要な転換点に立っている。指数関数的成長へと飛躍する寸前にあるのだ。そして、まだ活用されていない潜在能力は十分に残されている。
インダストリー4.0により、私たちはデジタル変革を成功裏に開始した。産業用AIにより、今やそれを全く新しい段階へと引き上げることができる。誤りや偶然を凌駕することができる。イノベーションを推進できる。効率と生産性を高めることができる。技術と社会の進歩を形作ることができる。
