AIの活用は製造業にどのような価値をもたらすか
AIの活用は製造業にどのような価値をもたらすか

AIの活用は製造業にどのような価値をもたらすか


関連トピック

製造業がAIを活用し、今だけでなく、将来にわたって真の価値を引き出すための5つの⽅法とは。自動車メーカーをはじめとするさまざまな企業の事例を交えて解説します。


要点

  • 生成AIが新たなケイパビリティを実現させ、AIの利用の仕方を上のレベルへと押し上げて、製造業の復活を加速させている。
  • AIの導入は、ポイントソリューションの重視や、期待とインセンティブ策のズレが足かせとなり、なかなか進んでいない。
  • 5つの取り組みは、迅速な対応と長期的な対応を必要とするが、企業がAI導入の準備を整える一助になり、また、パイロットプロジェクトの成功を組織全体で生かすことができる。


EY Japanの視点

昨今、ビジネスにおけるさまざまなシーンでAIの活用が進められています。企業戦略を描き、業務高度化、効率化を推し進めていく上でAIは欠かせないものとなります。一方、AIを企業内で有効に活用していくためには、技術論のみにとどまらず、組織戦略、人材戦略と結び付け、さらに中長期の戦略として継続してアップグレードしていくことが必要です。また、世の中は多様化の一途をたどっており、企業は社会課題やトレンドを読み解き、戦略を推進していくことが求められています。製造業および自動車メーカーにおいても、AIをはじめとするテクノロジーへの理解が、企業の戦略の推進や成長には必須といえるでしょう。


EY Japanの窓口
山本 直人
EYストラテジー・アンド・コンサルティング株式会社 テクノロジーコンサルティング AI&データ パートナー
山田 マーク裕二郎
EY Japan 製造業・モビリティリーダー EYストラテジー・アンド・コンサルティング株式会社 パートナー

人工知能(AI)は「流行語」の枠をはるかに超え、製造業全体に深く、また幅広く影響を及ぼすようになってきました。企業はすでにオペレーショナルテクノロジー(OT)のポイントソリューションでの機械学習(ML)など、AIの従来型アプローチを用いていますが、生成AIの急速な普及で、AIが持つ、変革とディスラプションを起こす能力と潜在力に対する認識が高まっています。

数字から見る、変革の進捗状況とスピード

  • AIを活用した製品・サービスの変更を資本配分プロセスに組み込み、AIを活用したイノベーションに積極的に投資している先進製造業・モビリティ企業は全体の49%¹。
  • 今後12カ月間にこの組み込みと投資を計画している企業が41%で、これを計画していない企業はわずか10%。
  • 2030年までに、企業の96%が製造AIへの投資を拡大する見通し²。
  • 2030年以降、製造業のリーダーの59%が、AIは製造業の未来にとって重要な存在またはゲームチェンジャーになるとみている。
     

AI導入を阻む複雑な課題

迅速な対応が不可欠であるにもかかわらず、製造業のリーダーは不確実性や制約という壁に、行く手を阻まれることが少なくありません。企業を特に悩ませているのが、サプライチェーン、戦略、人材、情報技術(IT)という4つの主要な領域の課題です。


EYのCEO Outlook Survey 2023によると、先進企業のCEOの29%が現状に合わせてサプライチェーンを変え、レジリエンスを高めることを今後6カ月間で最も重要な戦略的取り組みの1つと位置付けています。その一方で、地政学的環境の変化を受けて、サプライチェーン計画を先送りしたと回答したCEOも32%いました。工業製品メーカーのCEOのほぼ半数(49%)が、サプライヤーの多様化や在庫積み増し、テクノロジーへの投資、連携の強化、自国に近い場所への生産拠点の移転によりサプライチェーンの調整を図っています。

サプライチェーンの重視
のリーダーが、テクノロジーへの投資やサプライヤーの多様化、生産拠点の移転でサプライチェーンを強化することを望んでいます。

調査対象となった先進企業のCEOの45%程度が、AIは善の力であり、ビジネスの効率とイノベーションにプラスの効果をもたらすと考えています。製造業のリーダーの60%強が、テクノロジーケイパビリティやサステナビリティの強化と、資本配分戦略への新製品・サービスの組み込みを優先しています。また、57%がオーガニックな成長に向けた取り組みやM&Aに投資し、テクノロジーの向上と製品やサービスの拡大を図っています。

AIは善の力
の製造業のリーダーが、AIをビジネスの効率化とイノベーションを促す重要な推進力と位置付けています。

企業のAI導入に向けた意欲的な取り組みは、適したテクノロジー人材の不足で失速する恐れがあります。こうした状況を受けて、先進企業のCEOの27%が、今後6カ月間に優先的に取り組むべき戦略上の最大の課題の1つに、人材の獲得と定着を目的とした新たなワークモデルと人材戦略の導入を挙げています。企業の4分の1(26%)にとって、会社の成長加速に必要なスキルセットを備えた人材の不足と、そうした人材に関わるコストの上昇が、ビジネスを成長させる上での最大のリスクです。先進企業の35%が、従業員のウェルビーイングやスキル育成を含めた人材への投資の拡大を計画しているのもそのためです。

人材が成長に与える影響
の企業が、会社の成長加速に必要なスキルセットを備えた人材不足と、そうした人材に関わるコストの上昇が、ビジネスを成長させる上での最大のリスクだと考えています。

一方、製造業リーダーシップ評議会(Manufacturing Leadership Council)が実施した別の調査結果から、製造業のリーダーの65%が、フォーマットや統合、プライバシー、ガバナンスをはじめとするデータ関連の問題が、自社がAIを導入する上での最大の課題であると考えていることが分かりました。先進企業のCEOの45%が今後12カ月間で業績に最も大きなリスクをもたらすと考えているのは、サイバーリスクを含めたテクノロジーディスラプションとデジタルディスラプションです。こうしたギャップを埋めるため、CEOの70%が、データとテクノロジー、サイバーセキュリティへの設備投資を増やす意向を示しています。

設備投資
の製造業のリーダーが、データとテクノロジー、サイバーセキュリティへの設備投資を増やす方針です。

第1章  AIが持つ潜在的な力を活用するために製造業のリーダーが実行可能な5つの取り組み
1

第1章

AIが持つ潜在的な力を活用するために製造業のリーダーが実行可能な5つの取り組み

企業はAIを活用し、真の価値を引き出すことができます。

不確実な状況にあるとはいえ、AI導入の準備を確実に整えるために、製造業のリーダーが今、講じることのできる対策があります。EYでは、AI導入の課題に対処するための、セクターの枠を超えた5つの取り組みを特定しました。この取り組みでは、「今すぐ」と「後でしっかり」の2つの異なる対応が必要です。

技術が急速に進歩しているので、この5つの取り組みは2段階に分けて進める必要があります。「今すぐ」の推奨策は、最小限の投資しか必要とせず、最小限の混乱しか生じさせず、複数の要素で構成されており、また短期間で目に見える成果を上げられるはずです。成果が積み上がり、勢いを得るにつれ、「今すぐ」の推奨策は、「後でしっかり」の提案策に移行します。将来を見据えたこの提案には、トップダウン型の戦略の取りまとめと資本配分が必要であり、AI導入への取り組みを拡大するための持続可能なフライホイールを構築する必要があります。

この5つの主な取り組みは、戦略と業務目的に沿った、採算性の高いAI導入の実現に役立つはずです。

AI導入への取り組み

AIの価値を実現するオフィスを設置し、それをコントロールタワーに進化させる

将来のシナリオを模索し、AIに対してそれに合わせたアプローチをとる

従業員のリスキリング計画を策定する

データアーキテクチャ・アセスメントを策定し、アップグレードのロードマップを作成する

AIエコシステムパートナーシップを構築する

今すぐ

担当範囲を絞ったAIの価値を実現するオフィスを設置し、その実験と学びを繰り返すテスト・アンド・ラーンの責任を経営幹部が負う

逆算プランニングでAIをビジネス価値につなげる

スキルアセスメントを策定し、リスキリングのニーズを把握する

データアーキテクチャ・アセスメント

AIエコシステムと補完的ケイパビリティをマッピングし、パイロットプロジェクトを開始する

後でしっかり

AIの価値を実現するオフィスを拡充し、コントロールタワーにする

継続的なリソース配分で、領域をまたいだ会社の変革を加速させる

リスキリング計画を策定・実施する

データ戦略を実行し、ROIと影響、実現性に基づき段階的なアップグレードを図る

主要な評価基準を用いて、小規模ながらも強固な、パートナーのAIエコシステムを支える

取り組み1:「AIの価値を実現するオフィス」を設置し、それをコントロールタワーに進化させる

製造業企業は、AIに関わる試験的試みとリソースを合理化し、それをビジネス成果につなげる部署を立ち上げるべきです。価値を実現するオフィスは、ナレッジ共有の取りまとめとガバナンスの構築を担いますが、その主たる目的は便益の実現と、プロジェクトとリスクマネジメントの実施、リソースの最適化です。
 

価値を実現するオフィスは小さな規模でスタートさせても構いませんが、全社的なAI導入への取り組みから最大限の価値を引き出すには、このオフィスを本格的な「コントロールタワー」に進化させなければなりません。コントロールタワーはAI戦略を担当し、全社的な取り組みのかじ取りをする最上位部署です。さまざまな部門に資本を配分し、部門間でリソースを調整する権限があります。

 

今すぐ:担当範囲を絞ったAIの価値を実現するオフィスを設置し、その実験と学びを繰り返すテスト・アンド・ラーンの責任を経営幹部が負う

AIを試験的に導入する1つの方法が、1つの部署内に簡単なプロジェクトマネジメントオフィスを設置し、それを価値を実現するオフィスにすることです。この取り組みでは、さまざまな専門分野を持つステークホルダーを取り込み、経営幹部の支援を受けて、優先度が高いプロジェクトや、成果がすぐ出るプロジェクトに重点を置くとともに、ガバナンスの実践を積極的に分析し、ビジネス上の新たな要件に合わせてその実践を変える必要があります。生成AIとローコードやノーコードのような使いやすいテクノロジーを活用することで、試験的試みの技術的ハードルが低くなり、技術畑ではない人材が早期に参加できるようになります。そのすべてが、賛同者を増やし、専門知識を醸成し、アジリティを高め、価値を創造する活動を可能にするのです。

 

後でしっかり:AIの価値を実現するオフィスを拡充し、コントロールタワーにする

価値を実現するオフィスの信頼性の向上と担当範囲の拡大に伴い、経営幹部による監督を強化した上で、その自律性と責任を拡大させることにより、AI導入の規模を拡大できます。このオフィスを、全社的なプロジェクトの取りまとめに欠かせない正式な地位とガバナンス体制、リソースを備えたコントロールタワーに進化させるべきです。コントロールタワーが、リスキリングニーズへの対応とデータインフラのアップグレード、エコシステム戦略の取りまとめも担うことになると考えられます。

取り組み2:将来のシナリオを模索し、AIに対してそれに合わせたアプローチをとる

AIの潜在的なユースケースは数々ありますが、企業はそのユースケースを全体的な戦略やビジョンに整合させることに苦労する場合が少なくありません。
 

AIがもたらす可能性のある影響と利益に関するシナリオを把握することで、企業はリソースの配分と取り組みの優先順位付けをより効率的に行えるようになります。



今すぐ:逆算プランニングでAIをビジネス価値につなげる

AIに関する全体的なビジョンに沿った重点的な取り組みを策定するには、まず、逆算プランニングで、AIが会社とセクターに及ぼす可能性のある影響を把握する必要があります。将来のシナリオは、規制、マクロ経済、サプライチェーン、リソース面の制約を考慮に入れ、AI活動をビジネス価値に結び付けるものでなければなりません。



後でしっかり:継続的なリソース配分で、領域をまたいだ会社の変革を加速させる

価値を実現するオフィスをコントロールタワーへと移行させるために、トップダウン型のシナリオプランニングや資本配分と、ボトムアップ型の学びや活動を組み合わせましょう。シナリオは、リスキリング計画に必要なスキルや、データアーキテクチャのアップグレードに必要なデータ要件、エコシステム戦略に必要な新しいコンピテンシーを把握する上での参考にもなります。

取り組み3:従業員のリスキリング計画を策定する

AIの機能が急速に進歩し、より幅広い作業を、より簡単かつより精巧に行うことができるようになり、AIが仕事と人材に広くプラスの影響を及ぼすのではないかと期待する声が広がっています。

特に生成AIは、コードや電子メール、画像、プレゼン資料のような創造的・分析的なアウトプットを生成するだけではありません。生産現場の「ブルーカラー」職や「ニューカラー」職に取って代わる可能性があります。AIを活用した産業ロボットは物体認識や学習、調整などのスキルの向上により、自らの果たす役割を拡大させています。生成AIは、予期せぬダウンタイムを削減する能力を高め、また予測精度を上げて、工場の適応力と効率性を向上させることができると考えられます。

AIが果たす役割の拡大で、従業員は今後、AI利用の習熟と、生成AI時代に重要性を増すであろう、品質保証やコンテンツ統合、顧客エンゲージメントなどのコンピテンシーの向上を目的としたリスキリングを余儀なくされるでしょう。
 

今すぐ:スキルアセスメントを策定し、リスキリングのニーズを把握する

まず、AIが担う可能性が高いタスクは何かと、労働者に必要なコンピテンシーは何かを見極めましょう。特にブルーカラーについては、生成AIが及ぼす影響はこれまであまり掘り下げて検証されていません。
 

後でしっかり:リスキリング計画を策定・実施する

企業は、常に変化するスキルのニーズに対応できる継続学習文化の醸成に努めなければなりません。リスキリングをキャリアアップと金銭的報酬に結びつけるインセンティブ策が重要な役割を果たす可能性があります。また、イノベーションの種を見つけ、イノベーションを奨励することで、企業は有能な人材の従業員エンゲージメントを維持すると同時に、必要なスキルセットを備えた新しい人材を獲得することができます。

取り組み4:データアーキテクチャ・アセスメントを策定し、アップグレードのロードマップを作成する

企業はこれまで、まとまりのあるデータ戦略なしに、OTに的を絞ったポイントソリューションを採用してきました。しかし、組織全体でAIの導入を効果的に進めるには、適したデータアーキテクチャの構築が欠かせません。この課題を複雑にしているのは、(構造化データを用いる)従来型AIと(非構造化データの処理に優れた)生成AIで使用するデータの種類が異なることです。全従業員が生成AIを利用できるようにするためには、大規模言語モデル(LLM)に業務手順とベストプラクティスを学習させ、会社の「ナレッジグラフ」を構築する必要があります。しかし、そうした情報のほとんどは従業員の頭の中にしか存在していないことが多く、正式に体系化されていない可能性があり、ましてデジタル形式で保存されていることはないかもしれません。
 

今すぐ:データアーキテクチャ・アセスメントを実施する

データアーキテクチャを評価し、プロセス設計と依存関係、データの質とセキュリティを把握しなければなりません。適切なベンチマークはパフォーマンスの基準になり、AIの将来のユースケースを支えることができます。段階的なアップグレードと、対応するユースケースの潜在的なROIを組み合わせて、考えられるシステムアップグレード・シナリオをマッピングしましょう。ガバナンスを見直し、強化して、レガシーリスク(データプライバシーやバイアス、サイバーセキュリティなど)に加え、AIの新たなユースケースがもたらす新たなリスクもカバーする必要があります。
 

後でしっかり:データ戦略を実行し、ROIと影響、実現性に基づき段階的なアップグレードを図る

インフラのマッピングが終わったら、AIアプリケーションに必要なデータを収集、保存、管理する戦略が必要になります。最初のステップは、どのようなプロセスがデータの質を高めるかを見極め、そのプロセスを導入することです。次のステップで、ROI重視の段階的アプローチでデータを取得し、新しいユースケースを導入することができます。AIモデルのテストと導入に必要な過去のデータの不足を補う必要がある場合の「合成」データを含めた、新しいデータを取得する機会を探りましょう。

取り組み5:AIエコシステムパートナーシップを構築する

企業は、複雑なサプライチェーンパートナーエコシステムの管理に慣れています。サプライチェーンでも、AIパートナーシップでも、パートナーの審査とパフォーマンス基準の設定、パートナーシップコストの管理は重要です。

一方、AIソリューションには中央システムへの接続と適応力、長期間にわたる管理が必要になるため、AIパートナーシップでは統合の複雑さと深さが増します。パートナーが増えるごとに、統合と管理のコストが増大し、テクノロジースタックの取りまとめに影響が及ぶのです。AIパートナーの業績不振は、従来のサプライチェーンパートナーのそれより、大きなダメージをもたらしかねません。
 

今すぐ:AIエコシステムと補完的ケイパビリティをマッピングし、パイロットプロジェクトを開始する

AIプロジェクトのパートナーを選ぶ際、企業は自社のAI能力、成熟度、エコシステムを、新たなベストプラクティスと比較しましょう。補完的ケイパビリティと経験を備えたパートナーとエコシステムは、スキルとテクノロジー、導入のギャップを補うことができます。その一方で、新しいパートナーとエコシステム関係には新しいガバナンス体制が必要です。複数の事業者と早期にパートナーシップを締結し、小規模なパイロットプロジェクトの機会を把握すれば、大型のAIプロジェクトを手がける前に経験を積むことができます。
 

後でしっかり:主要な評価基準を用いて、小規模ながらも強固な、パートナーのAIエコシステムを支える

AIパートナーエコシステムが進化する中、エコシステム関係を評価する主要な基準を確立することが不可欠です。これは、重要度の高いパートナーを選別し、そのパートナーと関係を築く一方、価値をもたらせなかったり、将来のニーズに対応できなかったりする不要なパートナーを断固とした姿勢で排除する上で役立ちます。エコシステムの進化に合わせて、担当部門とガバナンス、ベストプラクティスの戦略も進化させなければなりません。

出所:EYの分析結果、2023年12月


AI導入時に企業が検討すべき主な課題

企業は常に、OTを重視してきました。AIがこの傾向を逆転させることはないでしょうが、IT/OTコンバージェンスの深化を後押しすると考えられます。ビジネス主導型のポイントソリューションは数が増え、OTデータの標準化と相互運用性の確保が必要になりそうです。そのため、企業は成熟したデータアーキテクチャの必要性を認識し、それを受けてITに妥当な投資をし、AIが持続的かつ安全に価値をもたらすことができる体制を整えなければなりません。AIはテクノロジーがなければ力を発揮できませんが、AIの導入は企業が主導すべきです。

AIが企業にもたらすことができる便益の多くは、基本的な業務で生じます。そのため、そうした業務をAI導入前に内製化する必要があります。これは、単なるテクノロジーのアップグレードではありません。組織と文化のアップグレードでもあるのです。

サプライチェーンは何世紀も前に誕生し、常に新たなテクノロジーを活用し、適応と改善を行ってきました。現在、レジリエンスと費用対効果が高く、予測がしやすいサプライチェーンと言えば、AIを活用したサプライチェーンです。

AIを一時的な流行とみる人もいますが、AIは転換を促す「スイッチ」ではなく、長期的な取り組みの「ジャーニー」であるということを記憶にとどめておくことをお勧めします。

本稿の作成に当たり、EY Global Advanced Manufacturing & Mobility Analyst, Ernst & Young LLPのFrancisco AlmeidaとEY Global Advanced Manufacturing & Mobility Analyst, Ernst & Young LLPのMichael S Fiske、Director, EY Global Advanced Manufacturing & Mobility Lead Analyst, Ernst & Young LLPのAnil Valsan、Director, EY Knowledge Insights, Ernst & Young LLPのGautam Jaggi、EY-Parthenon Global Advanced Manufacturing & Mobility LeaderのClaudio Knizekが協力してくれました。ここに感謝の意を表します。

  1. EY Global Outlook on AI strategy, 24 October 2023.
  2. Manufacturing in 2030 Project - The Manufacturing Leadership Council, 31 October 2022.
  3. Mercedes-Benz invests over $2.2B in AI reskilling, Automotive Dive, 1 Aug 2023.

レポートをダウンロードする(英語版のみ)


本記事に関するお問い合わせ

サマリー

AIの秘めた、変革とディスラプションを起こす力を活用するため、企業は業務のAI化を進めています。その一方で、AIの導入はサプライチェーンや戦略、人材、ITに関わるものを中心に、複雑な課題をもたらしてもいます。

より戦略と業務目的に沿った、採算性の高いAI導入へと企業を導く上で有効な取り組みが5つあります。これらの取り組みには、価値を実現するオフィスの設置、将来のシナリオに沿ったAI戦略の策定、従業員のリスキリング計画の策定、データアーキテクチャをアップグレードするためのロードマップの作成、AIエコシステムパートナーシップのキュレーションが含まれます。


この記事について

執筆者

執筆協力者