産業資産は何十年にもわたって稼働するが、AI計画は短期的な複数年予算サイクルに焦点を当てている。
長寿命インフラに最初からAIを組み込むことで、耐障害性を高め、高額な改修工事の必要性を回避できる。
専門分野の知識を集約し、複数の企業からなるエコシステムを構築することで、AIをテスト段階から実運用段階へと移行させることができるだろう。
現在検討されているAIの規模拡大計画はすべて、短い期間を前提としている。国家戦略は数年周期で展開され、企業の投資期間は10年単位で区切られている。モデル開発、チップの世代交代、あるいは予算編成といった段階であれば、この期間設定は妥当だろう。しかし、AIが実際に運用を求められる資産規模を考えると、この期間設定は適切ではない。
発電所は40年間稼働する。送電網は50年間稼働する。航空機群、鉄道網、水道システム、港湾。これらはすべて、設計者の寿命よりも長く稼働するように構築されている。そして今、これらすべてが、世界が数年ごとに計画しているAIレイヤーを担うことを求められている。このミスマッチが産業界にとって問題となっている。だからこそ私たちは、産業用AIのための新たなパラダイム、すなわち、これらのシステムが要求する規模で、集団行動と長期計画を通じて構築されるパラダイムを提唱しているのだ。
長期計画の複利効果
少数の国々がこの格差に気づき始めているのが現状です。 中国の産業AIへの取り組み例えば、長期計画と自動運転車などの分野横断的なデータ共有の義務化に基づいて構築されたこの国は、製造業とサプライチェーンの能力を他国に類を見ない速さで向上させてきました。これは、特定の計画モデルを推奨するものではありません。適切な時間軸で、適切なレベルの協力のもとで計画を立てることが、相乗効果を生み出すという証拠です。教訓は方向性を示すものであり、政治的なものではありません。最も先を見据えた計画を立て、最も多くの情報を共有する産業が、最終的に勝利を収める傾向があるということです。
ここでリスクにさらされているのは、技術だけにとどまりません。最初からAIを前提に設計された電力網は、より強靭な電力網であり、猛暑の中でも病院の運営を途絶えさせることはありません。最初からAIを前提に設計された工場は、自国でチップ、自動車、医薬品を生産できる国と、それらを輸入する国との違いを生み出します。最初からAIを前提に設計された電力・輸送システムは、計画が一度しか行われず、最初から正しく行わなければならないため、予定通りにネットゼロを達成し、遅延や予算超過に陥ることはありません。退職する労働者の専門知識を失うのではなく、それを活用できる産業基盤は、2050年にはエンジニアや発明家の数が減るのではなく、増えることになります。
コンポーネントからシステムまで
計画期間そのものと同じくらい重要な変化が一つあります。それは、産業用AIを個々の資産ごとに考えることから、システムとして考えることへの移行です。エネルギーはその最も分かりやすい例です。議論は、まるで答えが単一の技術であるかのように、原子力、燃料電池、再生可能エネルギーの3つに絞られてきました。しかし、そうではありません。真のチャンスは、これらのエネルギー源がどのように連携し、データとAIがどのように接続層を形成して、その組み合わせを単なる偶然ではなく、インテリジェントなものにするかにあります。同じ論理は、工場、サプライチェーン、送電網にも当てはまります。個別にデータを生成する個々の機器は、全体として学習するシステムよりもはるかに価値が低いのです。これを正しく行うことは、後付けではなく設計上の選択であり、AI層そのものと並んで、計画の最初から組み込まれるべきものです。
このギャップから産業運営を将来にわたって守るために、短期的な思考では見落とされがちな4つのステップを推奨します。
1. AIを資産に組み込む設計を、資産の周りで設計するのではなく、資産自体に組み込む。
この10年間に稼働開始するすべての新しい発電所、送電網セグメント、車両群、ネットワークは、安全性や負荷に関する仕様と同様に、運用期間全体にわたって必要となるデータアーキテクチャとAI対応性について仕様に盛り込まれるべきである。
これは、調達や許認可の段階で今すぐ設定できる基準であり、後で見直すための推奨事項ではありません。50年前のインフラに後付けでインテリジェンスを組み込むことは可能ですが、最初から設計に組み込む方が、より安価で安全であり、効果を増幅させる唯一の方法です。
2. ドメイン知識を重要なインフラストラクチャとして扱う
機器の故障原因を熟知しているエンジニア、技術者、オペレーターは、その知識が蓄積されるよりも速いペースで退職している。5カ年計画は予算サイクルを乗り切ることができるかもしれないが、既に始まっている退職ラッシュには耐えられないだろう。
現場にいる人材が業務に関する知識を保持しているうちにそれを獲得することは、一度きりのチャンスであり、継続的な予算項目ではない。そのため、今年行われる他のあらゆる設備投資と同様に、緊急性をもって取り組むべきである。
3．次回の見直しではなく、資産のライフサイクル全体にわたってガバナンスを実施する
長期的なガバナンスを伴わない自律性は戦略ではなく、遅延した負債に過ぎない。監査可能性、追跡可能性、そして人的監視は、資産の運用開始から40年後まで、最初の1年間と同様に厳密に規定されなければならない。
4. 取引だけでなく、エコシステムを構築する
最近相次いで発表されている、工場現場でシリコン、ソフトウェア、ハードウェアを連携させる取り組みは確かに進歩と言えるが、2社間の単一の契約だけではエコシステムは構築されない。最も急速に発展するのは、ハードウェアプロバイダー、データセンター事業者、電力会社、ソフトウェア企業、そして実装パートナーが、単なる個別契約ではなく、永続的な関係を築き上げる業界である。
世界経済フォーラムの グローバル・ライトハウス・ネットワーク世界で最も先進的な施設の一部を、これまでにないほどのピアラーニングに開放したこの取り組みは、そうしたコラボレーションが大規模に展開した場合に何をもたらすかを示している。産業用AIにも同様の考え方が必要だ。つまり、競合他社やパートナー企業間で知見を共有することだ。なぜなら、コンプレッサーのメンテナンスデータは、競争上の秘密として扱われなくなった時、誰にとってもより価値のあるものとなるからだ。
産業用AIを長期的に拡張する
これは決して減速を促すものではありません。むしろその逆です。企業の4分の3は パイロット版のままそして、より迅速な計画では、彼らをそこから抜け出させることはできない。パイロット段階の罠から抜け出す最も迅速な方法は、一度規模を拡大すれば、その後の半世紀の計画サイクルごとに計画を練り直す必要がなく、永続的な規模拡大につながるような、十分な期間の計画を策定することである。
私たちは、50年という長期にわたる資産の資金調達、建設、運用を担うリーダーたちに、それらの資産が実際に必要とする時間軸に基づいて計画を立てるよう求めています。これは、既に進行中のインテリジェントなインフラ整備や責任あるスケーリングといった取り組みに取って代わるものではありません。その根底にあるのは、資産自体が構築される時間軸です。私たちは、この変革が単独では実現しないことを理解しており、その実現を支援する準備ができています。
チャットボット経済は数ヶ月単位で進化できる。しかし、それを支えるインフラはそうはいかないし、そもそもそのような設計にはなっていない。この点を正しく理解した業界は、AIをより早く導入するだけでなく、ブームが去った後も生き残るだろう。そのための取り組みは、次の計画策定サイクルではなく、今すぐに始めなければならない。
