Rob Ratterman氏は、WaitesのCEO兼共同創業者として、世界中に50万個以上のセンサーを展開し、予知保全のグローバル展開を牽引している。
製造業者は、「インダストリー[次のバージョンを挿入].0」という絶え間ない誇大宣伝の波に晒されており、無人工場やヒューマノイド労働者による未来が約束されている。それは魅力的なビジョンだが、人間不要の製造業が目前の未来であるという無謀な誤解によって煽られている。
実態を明らかにしよう。今年初め、ガートナーは予測した。2028年までに製造業とサプライチェーンにおいてヒューマノイドロボットを生産段階まで拡大する企業は20社未満であり、製造業界の認識と現実の間には大きなギャップがあることを示している。製造業は、今後かなりの期間、人間主導のビジネスであり続けるだろう。
AIは役立つか?もちろんだ。引き継ぐ準備はできているか?絶対にできていない。
人間の優位性
完全自動化に執着することで、リーダーたちは、まだ存在しない人間不要の現実に精神的に飛躍している。実際、今まさに焦点を当てるべきは人間なのだ。AIの誇大宣伝の見出しを追いかけていると、高価で硬直的なツールで満たされた施設を手にすることになるかもしれないが、それは最終的にあなたの実際のビジネス目標とは一致しない。
その代わりに、現在のテクノロジーとAIツールが、人間の労働者レベルで実際にどのような違いを生み出せるかを理解する必要がある。そして、それが多くの製造業者にとって欠けている部分なのだ。私たちは、機械とプロセスのデータをすべて取得し、分析し、解釈し、運用可能にする方法を何十年もかけて解明してきた。それは素晴らしいことだが、そこで止まってはいけない。
私たちは、無形のデータストリームを習得した。温度、速度、振動を追跡するために、ほぼすべてのベアリングにセンサーを設置した。生の数値を機械からクラウドに移動させるデータ操作を完成させた。機械にXをさせる、またはYをさせないようにすることに集中しすぎて、機械の前に立っている人のことを考える余裕がなかった。
製造業の次のレベル、つまり今まさに私たちの扉をノックしているレベルを解き放つには、プロセスデータとシステムデータを人間レベルで使用する方法を学ばなければならない。
製造業の現状と将来像
「無人化」幻想の主な魅力は、給与支払いの減少という約束だが、ここでも私たちは誤った方向に導かれている。アルゴリズムは微細な欠陥を発見したり、機械の故障が発生する前に予測したりできるか?もちろんできる。そして、その技術的飛躍は業界に革命をもたらした。しかし、アルゴリズムはレンチを回したり、ベアリングにグリースを塗ったり、調整を行ったりできるだろうか?
製造業がどれほど進歩しても、現在市場に出ている、あるいは視野に入っている技術で、熟練労働者の触覚的な問題解決能力と手先の器用さを再現できるものはない。そして、深刻な労働力不足の時代において、目標は人々に力を与えることであるべきだ。私たちは、スタッフを維持し、彼らの専門知識をより影響力の高いワークフローに向け直すことに焦点を当てなければならない。
調査によると、製造業界は2024年から2033年の間に380万人の新規従業員を必要とし、このギャップは、激しい退職の波が業界の安定性を脅かすにつれて拡大するばかりだ。労働力の4分の1がすでに55歳以上であり、米労働統計局の2026年2月の計算では、製造業界に43万8000件以上の求人があることが示されており、時間と人材が緊急に不足していることは明らかだ。今日の規模と能力では存在しない技術を夢見るのをやめ、代わりに現在の労働力がレンチをより速く、よりスマートに、より自信を持って回すのを助けるAIの展開を始めなければならない。
今日、AIの真の価値は、工場現場での存在の粗い部分を滑らかにする能力にある。前進するには、プロセスレベルとシステムレベルで学んだことを人間レベルに適用する必要がある。言い換えれば、人間を10倍効果的にし、彼らの生活を楽にし、彼らの才能を維持するにはどうすればよいか?
皮肉なことに、答えはAIを通じてだが、それには視点の完全な転換が必要だ。製造業界のリーダーは、施設を「よりスマート」にする方法に執着するのをやめ、労働者の次の動きを否定できないもの、楽なもの、そして私たちのデータの全重量に支えられたものにする方法に焦点を当て始めなければならない。
技術の背後にあるチームに力を与える
データと工場現場の間のギャップを埋めるには、データストリームの最後にいる人間を実際に考慮するシステムとワークフローを優先する必要がある。
予知保全を例に挙げよう。センサーが振動の変化を検出すると、高度な機械学習アルゴリズムは、特定の時間枠内での故障の可能性を示す数値を提供する可能性がある。たとえば、今後48時間以内に90%の故障確率。しかし、それは戦いの半分に過ぎない。チームを最適化するために、このデータをもう少し進めてみよう。
これらの洞察を人間レベルにもたらすには、次のような質問をする必要がある。適切な時期に適切な技術者を配置するにはどうすればよいか?適切な部品を在庫していることをどのように確認するか?自然な生産の谷間に修理をスケジュールできるか?これらの質問への答え方が、人間の労働を最適化し、継続的な労働力不足の中で少ない人数で工場を繁栄させ、製造業の次の時代へと私たちを推進する。
これらの具体的なワークフローに本当に焦点を当てることで、小規模なチームがより専門化され、高価値のタスクに集中できるようになる。そして、それはまさに私たちが行う必要がある変化だ。データが人間の行動を駆動すると、その利点は計り知れない。
• 仕事の満足度の向上: データ駆動型の予測可能性は、緊急文化を排除し、午前3時の危機的な電話や子供のサッカーの試合をまた逃すことによる燃え尽き症候群を排除できる。
• 意味のある労働: AIは、技術者が実行するすべてのタスクが必要で、影響力が高く、意図的であることを保証することにより、忙しい仕事のフラストレーションを取り除くことができる。
• 資本利益: AIで小規模で専門化されたチームに力を与えることは、労働力不足を相殺し、残業の削減、離職率の低下、信頼できる生産タイムラインを通じて直接的な財務的見返りをもたらす。
自律性は気を散らすものだ。苦労して獲得したデータを使用して現場の人に力を与えることで、彼らの日常業務を一連の推測から一連の高価値の勝利に変えることができる。
