製造業全体にAIを適用することには、独自の課題と機会があります。
AIは、製造業を変革し生産性を高めるとともに、社会と人類にも好ましい影響を与える可能性を秘めた強力なツールです。
今年の年次総会では、イノベーションを責任をもって大規模に導入する方法が取り上げられていますが、本稿では、AIもあらゆるツールと同様に、思慮深く責任ある人の手によって使われなければならないことを考察します。
人工知能(AI)は、産業の運営のあり方を変えつつあります。AIは世界中のほぼすべての企業に関わっています。しかし、現在の議論の多くは、大規模言語モデル(LLM)と、それがホワイトカラーの業務、雇用、組織に与える影響に焦点を当てています。
製造業者の見通しはやや異なります。生産性向上の可能性は同様に大きい一方で、私たちの事業分野におけるAIの適用には独自の課題があります。その中には、人命がかかる重要インフラを構築する際に、結果をどの程度信頼できるか、また、顧客やサプライヤーと独自のノウハウをどの程度安全に共有できるかという問題が含まれます。
三菱重工業(MHI)では、これらの課題の解決に取り組んでおり、大規模な製造・技術企業のすべてが、自社の事業と社会全体の双方に利益をもたらす形でこれに取り組むことが極めて重要だと考えています。
世界経済フォーラムは、人工知能に関するガードレールをどのように構築していますか。
AI卓越性センターは、各分野のリーダーをつなぎ、人工知能の急速な進化と、それが経済や社会に及ぼす影響を理解することを支援しています。AIの導入に伴う機会、リスク、トレードオフに関する、十分な情報に基づいた対話を支援しています。
信頼できる場と協働イニシアティブを通じて、同センターはパートナーが共通理解を築き、AIの革新と利用に関する責任あるアプローチについて協働できるよう支援しています。
生産性の可能性
まず指摘しておきたいのは、AIがここ18か月ほど大衆の想像力をとらえてきたものの、AIそのものは誰にとっても新しいものではないということです。AIを、大規模なデータセットを収集し、アルゴリズムでそれを分析して洞察を得ることと捉えるなら、大規模で先進的な製造業者の多くが、数年前からAIを導入してきたと私は確信しています。私たちは、生産の最適化や、顧客が当社から購入した設備を運用する支援のためにAIを活用しています。
工場では、プロセスを自動化し、工作機械やロボットをより知能化するためにもAIを活用しているほか、製品検査の品質と一貫性を向上させるためにも用いています。
さらに先へ進める機会もあります。ガスタービン、船舶、原子炉部品などの組み立てに広く用いられる一般的な技術が溶接です。一見単純に思えますが、高度な熟練を要する工程です。熟練の専門家は、五感をフルに使い、長年の経験を通じて、作業の質を高める「第六感」を身につけていきます。現在、溶接工の作業方法を撮影・記録し、これらの作業にAIを適用するのに十分なデータを集められるかどうかを検証しています。これにより、人間の技能と機械のような一貫性を組み合わせ、危険を伴いうる作業を自動化し、関係者をより安全でクリーンな作業へ移すことができるようになるでしょう。
同時に、検査工程を改善するため、一部の製品ラインに、わずかな凹凸、傷、変色といった人工的な欠陥を意図的に加え、AIシステムを学習させています。これにより、将来的に実際の欠陥をより的確に検出できるようになることが期待されます。
一方で、当社はすでに、当社が建設するインフラを稼働させる運用技術(OT)システム向けに、自社開発のアルゴリズムを開発しています。当社が販売するガスタービンにはすべてOTシステムが備わっており、その挙動におけるごくわずかな異常も検知できるため、顧客は部品の故障の数日または数週間前に交換の必要性を予測することができます。
より一般的な用途としては、事業開発を支援するためにLLMも活用しています。当社の優秀な営業担当者であっても、数千にのぼる製品のうち、どれが顧客の潜在的な課題を解決しうるかを迅速かつ容易に判断することはできません。AIがその結びつけを行い、そのリードを人間が追求します。
保護をめぐる課題
しかし結局のところ、AIは単なるツールであり、手法にすぎません。特定の部品の製造に用いられる3Dプリンティングに似ています。あらゆるツールと同様に、AIにも欠点があります。その一つは、誰もがAIを利用できるため、他の手法、人間の技能、経験と組み合わせない限り、競争優位は6か月から1年以内に急速に失われる可能性が高いことです。その結果、全体としてのパッケージを模倣しにくいものにできます。この点は、例えば金融サービスやコンサルティング事業よりも、製造業者にとって実現しやすいと私は考えています。
より懸念されるのは、少なくとも現時点では、アルゴリズムの出力を信頼できない場合があることです。サードパーティのデータ(他のAIモデルのデータを含む)で学習させたAIモデルは、必ずしも信頼性が高く再現可能な結果を生み出さないことが分かっています。自社の情報のみで学習させた方が良い結果が得られますが、その量が十分でない場合もあります。
このことから、AIシステムやLLM内で独自データがどの程度安全に保たれるのかというより広い問いが生じます。MHIは、日本国内および海外において、当社の分野でAIを積極的に活用している企業の一つであるため、顧客やサプライヤーと可能な限り多くの知識や経験を共有したいと考えています。
同時に、当社の知的財産や事業上の立場、さらにはパートナーのそれらを保護する必要があります。機密データが双方向で共有されるAI対応のサプライチェーンを確立する課題を解決できた者がいるとは、私には思えません。
このことは、ハイパースケーラーが規模をさらに拡大するデータセンターの構築に巨額の投資を行っているにもかかわらず、多くの企業は独自データの管理を比較的厳格に保ちたいと考えることを示唆しています。これにより、顧客の敷地内に設置されることもありうる、小規模な「エッジ」データセンターへの需要が高まる可能性があります。これらにも電力、冷却、OTシステムが必要になります。これは競争の激しい市場ですが、当社は既存製品と新たな投資を組み合わせることで、説得力のある統合ソリューションを構築しつつあります。
人的スキルの維持
私の業界に特有の懸念がもう一つあるとすれば、それは、現在のAIとデータセンターのブームによって、新たな製造技術の開発から資源が流出しつつあるということです。訪問するどの国においても、アルゴリズムやソフトウェアを学ぶ学生が増える一方で、「ハードウェア」や、日本で「ものづくり」と呼ばれるもの、すなわち物を作る職人技の習得に焦点を当てた講座や徒弟制度は減っているように感じます。
AIは、製造業やその他多くの産業を変革し、社会と人々の生活に大きく好ましい影響をもたらす生産性向上を実現する可能性を秘めた強力なツールです。しかし、あらゆるツールと同様に、思慮深く責任ある人の手によって使われる必要があります。
