1946年2月、米陸軍は、砲弾が標的に到達するよりも速く、その弾道を計算できるコンピューターを発表した。
ENIACは巨大だった。重量30トン、真空管1万8000本、スイッチ3000個。コンピューターは驚異的な存在だった。そして、それをプログラムする方法を見いだした6人の数学者もまた驚異的だった。キャスリーン・マクナルティ・モークリー・アントネリ、ジーン・ジェニングス・バーティック、フランシス・「ベティ」・スナイダー・ホルバートン、マーレン・ウェスコフ・メルツァー、フランシス・ビラス・スペンス、ルース・リヒターマン・タイテルバウムである。彼女たちの名前をここに記すべきなのは、コンピューターとそのハードウェアの発明者が称賛を受ける一方で、歴史が何十年にもわたり彼女たちを顧みなかったからだ。
彼女たちは陸軍で人間の「コンピューター」として働き、砲弾の弾道を手計算していた。そして、ENIACがまだ建造中の段階で、そのプログラミングを任された。プログラミング言語もマニュアルも講座もない中、彼女たちは電気回路図を読み込み、方程式を数千のステップに分解し、ケーブルとスイッチを使って計算の一つひとつを機械に実行させた。その過程で、コンピュータープログラミングという職業の創出に貢献したのである。
製造業はいま、自らのENIACの瞬間に直面している。スマートファクトリーは、それを動かすために必要な人材が十分に形づくられる前に到来しつつある。ロボットが生産ラインを動かし、センサーが工場全体で起きていることを追跡し、AIが欠陥を発見し、故障を予測し、生産のリアルタイム調整を支援する。そのすべては、これらのシステムを運用し、修理し、改善できる人々に依存している。
こうした仕事に対する共通の肩書きは、まだ生まれていない。オートメーション技術者と呼ぶ企業もあれば、メカトロニクス専門家と呼ぶ企業もある。名称が何であれ、問題は同じだ。その仕事を担える人材が足りないのである。
長年、メーカーは十分な数の初級人材を見つけることに苦労してきた。いま、その不足はスキルの階段を上っている。オハイオ州のメーカーを対象にしたMAGNETの最近の調査では、技術訓練と経験を備えた人材への需要が7年ぶりの高水準に達したことがわかった。
同じ変化は全米でも起きている。4つの技術職種だけを見ても、米国メーカーは今後10年で約9万人の雇用を追加すると予想されている。皮肉なのは、自動化によって、かつて人々に工場の仕組みを学ばせていた初級職の多くが減っていることだ。メーカーがより多くの人にキャリアの階段を上ってもらう必要があるまさにその時に、最初の一段が消えつつある。
コンピュータープログラミングが、大学、雇用主による訓練、資格、ブートキャンプを通じて認識可能なキャリアパスを発展させるまでには数十年を要した。製造業はそれほど長く待てない。いま、その道筋を構築する必要がある。
1. 技術者のための新たな最初の一段を築く
何世代にもわたり、初級の生産職は製造業の訓練の場としても機能してきた。人々は、機械に材料を投入し、段取りを組み、故障を目にし、それを直せる誰かのそばに立つことで学んできた。その中には、やがて機械加工、保全、品質管理、監督職へと進む人もいた。
自動化は、反復的で危険で身体的負荷の大きい仕事の多くを取り除きつつある。同時に、人々がかつて工場の仕組みを学んだ場も縮小させている。
メーカーは、技術スキルを持たずに入社した人であっても、すべての初級採用者を将来の技術者として扱う必要がある。つまり、従業員が本人と会社の双方に必要なスキルを身につけられるよう、工場内に道筋を作るということだ。
新入社員は初日からその道筋を見通せるべきである。ここから始め、このスキルを学び、この仕事に就く資格を得る、という具合にだ。
2. 機会の文化を築く
スマートファクトリーは、求めるスキルを変化させ続ける。ある製造業人材調査では、先進製造業における現在のスキル要件の40%が5年以内に変化すると推計された。
メーカーは訓練を一度きりのイベントとして扱うことはできない。従業員は、新しいスキルを学ぶことが、より大きな責任、より良い仕事、より高い賃金につながることを理解する必要がある。管理者には昇進できる人材を見極めることが求められ、経験豊富な従業員には彼らを教える時間が与えられるべきだ。
まず、どの仕事が変化しているのか、それにどのスキルが必要になるのか、どの従業員がそこへ成長できるのかを整理することから始める。そのうえで、その従業員に学習のための有給の時間と、次の役割への明確な道筋を与える。
より賢い設備に投資しながら、人々がそれとともに成長する方法を与えない工場は、同じスキル不足を繰り返し生み出し続けることになる。
3. 経験だけを基準に採用するのをやめる
メーカーはしばしば、工場内の特定の機械、制御システム、ソフトウェアをすでに熟知している技術者を探す。しかし、特にその仕事自体がまだ形づくられている段階では、そうした人材は存在しないかもしれない。
ENIACをプログラムした6人の女性は、コンピューターをプログラムした経験などなかった。彼女たちは数学、論理、そしてそのコンピューターが解くためにつくられた問題を理解していた。
メーカーは、同じ種類の可能性を見極める必要がある。次の優れた技術者は、機械の微妙な変化に気づくオペレーターかもしれないし、電気系統の問題をたどる方法を知る整備士かもしれない。人がどう考えるかを基準に採用し、設備については後から教えればよい。
職務記述書は、その仕事が本当に求めているものを反映すべきだ。業務に関係する短い課題は、履歴書以上に多くを明らかにすることがある。候補者にどう診断するかを尋ね、その人が何に気づき、何を試し、何を問うのかに注目するのだ。
業界は、経験を必要としている人を採用することを拒みながら、経験者不足を解決することはできない。
4. テクノロジーが届く前に人を訓練する
企業がロボットを購入したからといって、オペレーターがロボット技術者になるわけではない。設備が高度化したからといって、保全整備士が突然、ソフトウェア、制御、生産データを理解するわけでもない。
大規模なテクノロジー投資はすべて、購入承認の前にいくつかの基本的な問いに答えるべきだ。誰がそれを動かすのか。誰が修理するのか。誰が改善するのか。どの従業員がその仕事へ成長できるのか。どのような訓練が必要で、それはいつ始めるのか。
あまりに多くの場合、こうした問いは機械が到着した後に投げかけられる。生産目標はすでに待っている。ベンダーは数日間の説明を行い、従業員はシステムを学ぶ時間を得る前に通常業務へ戻る。結果として企業は、何か問題が起きるたびにベンダーを呼ぶことになる。
訓練は購入の一部であるべきだ。ベンダーは社内の専門人材の育成を支援すべきである。従業員には、生産を動かし続ける責任を負う前に、学習に充てる時間が確保される必要がある。
5. AIで現場の暗黙知を取り込む
工場で最も価値のある知識の一部は、マニュアルに載ったことがない。ベアリングが故障する前に機械が発する音、繰り返し発生する欠陥を防ぐ調整、停止後にラインを再稼働させる手順である。
そうした知識の多くは、退職が近い経験豊富な従業員の中にある。MAGNETの調査では、メーカーの70%が、退職する従業員から若い従業員へ知識を移転していると回答した。
AIは、その経験を他の人が使えるものへ変える助けになる。経験豊富な従業員が、繰り返し発生する故障や難しい修理について説明する様子を記録する。その会話を保全履歴や設備マニュアルと組み合わせ、検索可能なナレッジベースとして整理する。
経験の浅い技術者は、機械の状態を説明するだけで、似た問題、過去の修理、その背後にある判断の根拠を素早く見つけられるようになる。
AIが経験豊富な技術者の判断力に取って代わることはない。しかし、その判断の事例を保存し、専門家が退職した後も長く利用できるようにすることはできる。
6. パートナーシップで人材パイプラインを築く
中小メーカーの多くは、この人材基盤を単独で構築することはできない。1社が必要とする技術者は数人だけかもしれない。同じ地域の20社が集まれば、教室を埋めることができる。
しかし、それには真の協力が必要だ。メーカーは必要とする中核スキルについて合意し、採用見込み人数を共有し、有給の実務経験と雇用にコミットする必要がある。そうすれば、学校やコミュニティカレッジは実際の需要に基づいて訓練を構築できる。労働力開発機関や地域のパートナーは、人々がプログラムに参加し、修了するのを支援できる。
工場見学は関心を生み出すことはできる。だが、技術者を生み出すことはできない。そのためには、教室から有給の実務経験、そして実際の仕事へとつながる道筋が必要だ。
雇用主、教育機関、地域のパートナーがその道筋をともにつくるとき、小規模メーカーは単独では実現できなかった人材パイプラインを構築できる。
80年前、コンピューターは、コンピュータープログラミングが職業として存在する前に登場した。ENIACは、6人の数学者がその配線を研究し、動かす方法を見いだすまでは、ハードウェアで満たされた部屋にすぎなかった。そうすることで彼女たちは、コンピューティングが世界を変えることを可能にした分野の創出に貢献した。
スマートマニュファクチャリングも同じような地点に達している。テクノロジーは、それを有用なものにするために必要な人々やキャリアパスよりも速く製造現場に届いている。
製造業における次の大きなブレークスルーは、機械ではないかもしれない。それは、誰かに機械の動かし方を教える道筋かもしれない。
