数年前、私は非常に優秀なコンサルタントたちと一緒に仕事をする機会があった。初期の段階で、顧客へのヒアリング（カスタマー・ディスカバリー・セッション）について話し合っていたとき、シニアコンサルタントの1人が私を見てこう言った。「ナタリー、顧客はみんな嘘つきだって知っているよね？」
「そんなことを言ってはいけません」と私は声を上げた。彼は笑って説明した。
「顧客に販売注文の支払い条件は何かと尋ねると、彼らは自信を持って『Net 30（30日後払い）』と答える。例外があるかと聞けば、『いや、Net 30だけだ』と言う。ところが、彼らのレガシーERP（基幹業務システム）を開いてみると、そこにはずらりと長い支払い条件のリストがある。Net 45、Net 60、Net 120。早期支払い割引や、主要顧客向けの特別契約まであるんだ」
彼は別の例を続けた。「倉庫に顧客所有の在庫を保管しているか尋ねることもある。すると、絶対にないと言う。だが後で倉庫を歩いていて、何の変哲もない防水シートの下に何があるのか尋ねると、倉庫管理者が何気なく『ああ、それは顧客Xの在庫です。ここで保管しています』と答える」
顧客はルールを語り、例外は語らない
もちろん、このシニアコンサルタントは顧客を実際に不誠実だと言っていたわけではない。彼が指摘していたのは、業務プロセスやデータ群について尋ねられたとき、顧客はルールを説明するのであって、必ずしも例外を説明するわけではないということだ。そして、そうした例外がどのように生まれたのかまでは、まず説明しない。
経験豊富なコンサルタント、ソフトウェア開発者、ソリューションアーキテクト、独立系ソフトウェアベンダー（ISV）であれば誰もが、これを直接見てきたはずだ。企業は時間とともに回避策を積み重ねる。プロセスは進化する。例外は標準的な慣行になる。善意の従業員は業務を止めないために創意工夫を凝らすが、その方法が文書化された手順に記載されることはない。
データが語る物語、プロセス文書が語る物語、従業員が持つ暗黙知は、それぞれ異なる視点から事業を見ている。
設備レンタル事業も例外ではない。予防保守が公式なプロセスかもしれないが、点検は紙で行われ、修理はスプレッドシートで追跡され、設備の状態が必ずしも即時に記録されるわけではない。ある技術者は、スケジュールが逼迫すると特定の機械が後回しにされがちだと知っているかもしれない。AIは与えられた情報からしか学習できない。だからこそ、クリーンで完全なデータが極めて重要なのだ。
クリーンなデータはAI成功の鍵
保守履歴が不完全だったり、点検記録がERPシステムの外に存在していたりすると、AIは不完全な全体像に基づいて推奨を出す。これはハルシネーション（幻覚）とは同じものではない。利用可能なデータに対する真正な応答である。ソフトウェアパートナーとして、私の会社は何年にもわたり、組織がプロセス文書や方針の中で見落としている業務上の詳細を明らかにしてきた。私たちは、顧客が信頼性の高い、信用できるデータを構築する支援の専門家である。だからこそ私は、AIが最も力を発揮するのは、必要なデータとプロセス知識がテクノロジー自体の中に取り込まれているときだと知っている。
クリーンで構造化され、アクセス可能なデータを持つレンタル企業は、他社を引き離している。マスターデータ管理と規律あるデータ入力が、AIに意味のある成果をもたらすための土台をつくる。AIが設備保守を変革する前に、まずAIが正しい物語から学んでいることを確認しなければならない。
予防保守のギャップは現実に存在する
予防保守の戦略と実行の間にあるギャップは、労働力の減少とコスト上昇という圧力にさらされている。リーダーの64%が、自社施設で予防保守を積極的に活用していると述べているにもかかわらず、回答者の半数はなお、計画保守作業に費やす時間が全体の40%未満にとどまっている。
この断絶は多くを物語っている。リーダーは自分たちが何をすべきかを理解している。予防保守が故障を減らし、稼働時間を守り、設備寿命を延ばすことも理解している。しかし実際には、チームは日々発生する火消しに追われ続けている。受け身の作業が、依然としてスケジュールを支配している。
AIには、このギャップを埋める可能性がある。専門知識を置き換えるのではなく、それを強化することによってである。
AIが作業時間の予測、リスクに基づく作業指示の優先順位付け、過去の故障におけるパターン発見を支援できれば、リーダーは予防保守の時間を守るための明確な視界を得られる。そうして戦略は現実になる。
AIはチームを置き換えるのではなく、高めている
長年にわたり、保守の卓越性は、音や感触、直感で問題を診断できる熟練技術者の経験の中に宿ってきた。あまりにも多くの場合、その専門知識は文書化されてこなかった。そして今、保守チームはより少ない人員でより多くのことを求められている一方で、熟練技術者たちが引退し、数十年に及ぶ知識を持ち去ろうとしている。
AIが活用できるクリーンなデータを持っていれば、診断、トラブルシューティングの手順、修理推奨を記録することで、その専門知識の保存を支援できる。同時に、インテリジェントな作業指示、部品推奨、スケジューリングを通じて管理業務を削減する。その結果、技術者はより優れたツールを持ち、生産性を高めることができる。
私が目にしているもう1つの心強い傾向は、AI導入が保守チームへの投資と並行して増えていることだ。組織は人材とテクノロジーの双方に投資している。AIは技術者を置き換えるためのものではないからだ。すべての技術者の生産性を高め、必要な在庫を手元にそろえた状態で保守作業を完了できるようにするためのものなのである。
診断を加速し、部品と工数を推奨し、作業指示を生成し、在庫の利用可能性を調整し、スケジューリングを改善することで、AIは管理業務を減らし、保守チームが問題解決に集中できるようにする。そして顧客にとっての安全性と設備の利用可能性を高める。
今後の設備保守のトレンドはこう進むと見ている
設備保守は戦略的機能であり、バックオフィスのコストセンターではない。稼働時間は収益を生み、信頼性は評判を守り、サービス品質は顧客関係を強化する。
産業・建設分野の保守の次の段階は、3つの変化によって定義されると私は考えている。
1. 予防保守は、勝者が執着する業務になる。インテリジェントなスケジューリングに支えられ、技術者の時間を真に守ることによってである。
2. ダウンタイムは、NASCAR（米国のストックカーレース）のピットストップのようなものになっていく。定期的な雑務から、1分1秒が重要で、手元に利用可能な在庫があるかどうかによって誰が最初に資産を現場へ戻せるかが決まる、最適化された業務プロセスへと変わる。
3. 設備の「百科事典」が、すべての技術者の手元に置かれるようになる。知識は、一部の経験豊富な技術者だけが持つ個人的な優位性ではなく、共有されデジタル化された資産になる。
AIはこれらすべての変化を促進し、実践的で利用しやすく、産業現場の労働力のために設計された変革を生み出す。AIは顧客に、稼働時間をどう守るか、技術者をどう力づけるか、そして保守を成長の戦略的推進力へどう変えるかを考え直す機会を与える。
