製造業の競争力向上に向けて、AIを最大限活用するために取るべき適切なアプローチとは

多くの製造業において、AIの活用は抽象的なイメージにとどまっており、本格的な将来像を描いた導入に向けた取り組みは始まったばかりです。こうした状況の中EYとMicrosoft社による調査を実施したところ、AIを活用した業務改善には多くのメリットがあるという、企業のAI活用を後押しする結果となりました。

本調査はヨーロッパにおける製造業86社を対象としたものですが、その結果はヨーロッパのみならず全世界の製造業に通じるものといえます。過去12カ月で、「自社のビジネスにとってAIの必要性・重要性がさらに増している」と回答した企業は81％に上りました。一方で、具体的にAI導入を目的とした主管部署を設け、詳細な実行計画を策定している企業はわずか10％にとどまります。また16％の企業は、具体的な将来像を描かないままに部分的な開発・導入を行っていると回答しました。全社的に導入できている企業は12％にとどまりますが、そうしたAIにおけるリーディング企業は平均5年以上取り組みを継続し、コスト削減やより的確な意思決定、顧客満足度の向上を実現しています。

ただし、これらの効果は導入さえすれば完全に得られるというものではありません。AIの本来の価値を引き出し、効果を最大化するためには、綿密な導入計画に沿った適切なアプローチが重要です。本記事では、製造業がどのように先進的な取り組みを進めることができるかをご紹介します。（詳細は調査報告書をご確認ください）

オポチュニティと課題

M&Aに関するインサイトを提供するクラウドベースのプラットフォーム「EY Embryonic」によると、製造業がサービス開発力強化を狙ってAI関連事業とM&Aや出資といった形で協業した事例は、2014年時点ではわずか5件でしたが、2019年には59件まで急増しました。この期間での事例総数は179件、複合年間成長率（CAGR）も64%となり、総額は14億ユーロに上りました。

製造業がAIに注目するのには理由があります。工場にスマートセンサーやIoT、AIなどを導入することで予知保全が可能となり、コスト削減や重要資産の寿命延長が期待できます。本調査でも68％の企業が既にデジタルを活用した予知保全を実施していると回答しています。また、デジタルツインによって製品やプロセス、設備などの仮想レプリカを作成し、AIでリアルタイムにデータを分析・処理することができます。デジタルツインを採用していると回答した企業は62%に上り、例えば物流プロセスに関する事例では、主要な港の混雑状況を監視することで、輸送コストやリードタイムへの影響の把握が可能となります。これらは迅速で的確な輸送手段の判断につながります。さらにAIは、生産や物流に限らずバリューチェーン全体にわたり有効であり、66％の企業がAIチャットボットによるテキスト解析により、迅速な問い合わせ対応を実現しています。サイバーセキュリティ関連では、不正アクセスの検知にAIを活用する企業も多く見られました。（69%）

活用法は多岐にわたり、上記の他にも大きな効果が期待されているものがあります。例えば、顧客の需要予測（37%）やシームレスな在庫管理（32%）が挙げられます。また、アナリティクスはより良い意思決定と労働力の有効活用を促進します。ARの活用などにより、遠隔の熟練技術者とデバイス上で確認しながら、新人の技術者でも作業を可能にするビジュアルアナリティクスは、熟練技術者をより高価値な作業に充てることで、生産や保全活動におけるオペレーションの効率向上を実現します。

1. AIが持つ可能性を理解する

事業横断的な大規模なAI導入を試みる際に、その活用方法やリソース確保および優先度について、経営層と討議し承認を得るには、最高責任者レベルの経営幹部の賛同が必須です。そのためには、AIに関して知見のある人材をプロジェクトのサポーターとしてつけることも効果的です。こうした人材がいることで、説得力のあるビジネスケースの作成やPoCのための指標設定を行った上で導入を進め、本番環境へと移行できます。経営層の理解や賛同が得られない場合、AI導入に向けた取り組みは、他の優先課題や市場の混乱に埋もれてしまう恐れがあります。

2. 組織変革と計画策定を行う

AIに限らず、テクノロジーを効果的に活用するためには、アジャイルでオープンな組織文化であることが大前提となります。導入計画には、組織のビジネス戦略に沿ったKPIが設定され、十分な予算が割り当てられる必要があります。また、プロジェクトのサポーターやデジタルを専門とするチーム、もしくはセンター・オブ・エクセレンス（CoE）と連携し、データ収集やクレンジングなど現時点での要件に対応し、将来像の実現に向けた取り組みをサポートする主管部署の設置も必要になります。

3. データの基盤構築と構造化を行う

データ主管部署またはオーナーは、多くの顧客とプロセスが入り交じるサプライチェーン全体におけるデータポイントを、徹底的に監視するための重要な存在です。データ品質を向上させるためには、アナログデータのデジタル化や、その他のデータソースのクリーニング、構造化が不可欠であり、それらがAIを備えたソリューションの有効性向上へとつながります。またデータレイクなどのデータベースに保存することで、データの流れを導き、アナリティクスのケイパビリティを強化します。データのガバナンス、プロセス、説明可能性、透明性は全て必要なものであり、AI導入前に対処しておく必要があります。

4. 外部とのパートナーシップを組む

製造業は、さまざまなスキルセットを持つ多くの有能な人材を育成してきましたが、AIに関するノウハウを持つ人材はまだ不足しています。こうした状況に対し、スタートアップや研究機関、コンサルティングファーム、その他のテクノロジーの専門家といった外部の強固なエコシステムを活用することで、ビジネスやユースケースに異なる視点を加えることができます。

5. 社内でAI人材を育成する

外部とのパートナーシップを築いた場合でも、社内の従業員もAIの活用に関する新たなスキルを習得し、新たな役割を果たす必要があります。AIの専門家やデータサイエンティスト、エンジニアといった、知見を持つ人材を新たに採用することももちろん重要ですが、データサイエンスに対する理解を組織全体に浸透させることが求められます。足元のニーズだけにとらわれるのではなく、将来的な可能性を見据え、多様な分野のスキルや経験がそろった環境でこそ、AIはその価値を発揮します。