人工知能（AI）は、メーカーがサプライチェーンの衝撃や経済的な逆風を乗り越える助けになります。
製造業は、AIがもたらしうる価値を活用するのに苦労しています。
新しい報告書は、工場におけるAI導入の障壁と、その実装のための解決策を明らかにしています。
AI導入に向けた段階的なアプローチは、製造業におけるAIのロードマップを示しています。
世界の製造業は、パンデミックやその他の破壊的な世界的事象による衝撃を依然として受け続けています。半導体などの部品のサプライチェーンは、いまだに回復していませんさらに、ウクライナでの戦争は、他の多くのバリューチェーンにも影響を及ぼしており、特にエネルギー価格が、メーカーに波及的な影響を与えています。
こうした追加的な圧力により、メーカーには「生産性を高める従来の手段を超えて、企業、労働力、環境にとっての次の価値の波を見いだす」ことが求められています。これは、トルコ第四次産業革命センターが世界経済フォーラムの「グローバル技術ガバナンス・ネットワーク」と提携して2022年12月に発表した報告書における重要な知見です。
報告書「製造業における人工知能からの価値の解放」は、次のことを明らかにしています。「原則として、AIは世界経済において13兆ドル以上の価値を解き放ち、年間2%のGDP成長を押し上げる可能性がある。しかし、企業はAIアプリケーションが生み出しうる価値を手にすることに苦労している。」
これは、メーカーがAIの価値創造の可能性を認識できていないためではありません。3,000社を対象とした世界的な調査では、70%の企業がAIによってビジネス価値をどのように生み出せるかを理解しており、59%の企業がAI戦略を策定済みで、57%の回答者が自組織ではすでにAIのパイロット導入を行っていると答えました。こうした結果にもかかわらず、AIによって大きな財務的利益が生まれていると答えたのは10社に1社のみでした。
製造業におけるAI導入の6つの障壁
報告書の執筆者らは、業界リーダーのほか、技術および学術の専門家の知見を活用し、製造業におけるAIの導入と拡大の主要な障壁を特定しました。また、これらの障害を克服するための段階的なプロセスも策定しました。
報告書は、AIの展開と拡張性を阻害している、メーカーが直面する6つの主要な課題を明らかにしています。
以下では、報告書で特定された問題点と提示された解決策を詳しく説明します。
1. AIの能力と業務上のニーズの不一致
組織は、AIの導入にあたって適切な計画を怠ることがよくあります。AIプラットフォームの能力と、解決しようとしている事業上の課題が合致しないことも少なくありません。この不一致は失敗につながり、企業におけるAIのさらなる導入や拡張を妨げます。
解決策：企業は、課題解決型のアプローチで強固なビジネスケースを構築すべきです。目的は、事業上のニーズを定義し、解決策に貢献してAIがもたらしうる価値を算出することです。
2. 戦略的アプローチとリーダーシップによるコミュニケーションの欠如
企業は、全社的なAI戦略とコミュニケーション計画を策定し実行することができていません。その結果、プロジェクトにはAIへの投資を支持し、エンドユーザーの支持を得られる適切なリーダーが不在となっています。
解決策：戦略的なアプローチを採用し、AIがもたらす利点と新しいプロセスを示すために積極的にコミュニケーションを行うこと。これにより、従業員が日常業務にAIを取り入れようとする意欲が高まります。
3. AIと業務の交差領域におけるスキル不足
AIプロジェクトのリーダーシップは、AIへの理解が限られている外部コンサルタントや従来型のIT専門家に任されることが多くあります。
解決策：AIアプリケーションは、IT、業務、データ、AI技術の融合に関する多様な知識を持つ部門横断的なチームによって開発・導入されなければなりません。
4. データの利用可能性とデータガバナンス体制の欠如
製造企業は、限られたデータセットや、サイロ化または断片化されたデータに依存していることがよくあります。これはAIによるインサイトの正確性と価値を大きく制限しかねません。
解決策：組織全体で活用できる単一の情報源を構築すること。製造業全体におけるAI導入を支援するため、従来の企業の境界を越えてデータを共有する姿勢を持つこと。
5. 製造業における説明可能なAIモデルの欠如
AIモデルについては多くの誤解があり、過度に複雑であるという認識があります。メーカーには、透明性を通じて信頼を構築し、有意義で説明可能かつ正確な予測を提供する新しいAIプラットフォームが必要です。
解決策：AIから得られるインサイトを、メーカーが理解しやすく親しみやすい形式で提供すること。これにより、業界におけるAIの導入が加速します。
6. 製造業のユースケース全体にわたる大規模なカスタマイズ作業
製造業におけるAIには、万能の適用方法は存在しません。工場は、業界分野や製品の生産量に関連した特定のエンジニアリングや技術を備えた複雑なエコシステムです。既製のAIモデルを導入することは不可能です。
解決策：AIモデルの設計、トレーニング、テストをさらに発展させ、手作業による容易なカスタマイズを可能にすること。
製造業でAIを成功裏に実装するための5つのステップ
AI導入の主要な障壁を特定した上で、報告書は、その成功した実装に向けた戦略的かつ段階的なアプローチを提案しています。
このアプローチは、上級リーダーシップがプロジェクトを承認する開始段階から始まります。データガバナンスの枠組みを整備し、部門横断的なチームを設置してAI導入を推進します。
続いて特定段階では、特定のビジネス課題を解決することで大きな価値を生むユースケースを見極め、開発します。評価段階では、先に特定されたAIユースケースが、既存の業務、IT・データシステム、組織文化に組み込めるかどうかを判断します。
次に実現可能性段階では、データテスト、最適なAIソリューションを見つけるための技術調査、労働力における関連スキルセットと能力向上の必要領域を特定するための能力分析などが行われます。
最後に実装段階では、AIモデルのテストと検証、およびエンドユーザーのニーズが満たされ、AI技術の影響に対する懸念を払拭するための協働を含む、導入のロードマップを定義します。
この調査は、AIが製造業を変革し、飛躍的な価値を生み出す大きな可能性を示しています。報告書は次のように結論づけています。「包括的なアプローチにより、AIは製造業における最も根強い問題のいくつかを解決し、企業が業務パフォーマンスを高め、持続可能性の課題を推進し、労働力を強化することを可能にする新たな機会を開拓できる。」
