Yu Fang（ユー・ファン）氏はSonatus（ソナタス）のCTO、CPO兼共同創業者である。
自動車分野における人工知能（AI）は、自動運転機能やデジタルアシスタントと関連付けられることが多い。しかし、車両の所有における中核的な部分であるサービスとメンテナンスを再形成する、より静かな変革が進行中だ。
現代の車両は毎時間ギガバイト単位のデータを生成しているが、その多くは未活用のままだ。リアルタイムの車両データとAI駆動のインサイトを組み合わせることで、自動車メーカーとサービスプロバイダーは診断の精度を向上させ、修理ワークフローを効率化し、故障を事前に防止できる。実際には、これにより使用不能時間の削減、コスト低減、よりシームレスな所有体験につながることが多い。
Sonatusの最高技術責任者（CTO）兼共同創業者として、私はクラウド、モバイル、組み込みシステムにわたる先進技術、特に商用車両の安全性を高めるAIベースのツールの開発に20年以上携わってきた。データセンターと自動車分野にわたる高性能チームを率いてきた経験から、基盤となるデータ（およびそれをリアルタイムで活用する能力）がいかに重要かを実感している。Sonatusでは、グローバルな自動車メーカー（OEM）と協力してインテリジェントな診断を大規模に実装してきた。AIを活用したインサイトが車両所有体験全体をいかに向上させるかを私は直接目の当たりにしてきた。
事後対応から予測型サービスへの転換
従来のサービスモデルは事後対応型だ：何かが壊れ、警告灯が点灯し、技術者がトラブルシューティングを開始する。しかし、問題は常に再現しやすいとは限らない。これにより、何度も訪問を繰り返したり、修理が遅れたり、顧客の不満につながることが多い。
AIはより賢明な代替手段を提供する：継続的な健全性モニタリングと状況に応じたデータ収集により、車両は今やタイムリーで状況に特化したインサイトを提供できる。一般的なログファイルを調べる代わりに、サービスチームは特定の問題に関連するデータのみを、それが発生したまさにその時点で受け取る。電子制御ユニットからのログ、故障コード、あるいはイベント発生直前の瞬間に記録された簡単なセンサーフィードなどを考えてみよう。
この変化により、根本原因分析の迅速化、再訪問の減少、サービスベイ全体でのより効果的なトリアージが可能になる。
より多くのデータではなく、適切なデータを取得する
コネクテッドカーはすでにデータが豊富だが、課題は量ではなく精度だ。2030年までに、1台の車が運転1時間あたり25GB以上のデータを生成する可能性がある。先進システムではさらに生データ量が増加する。
しかし、データは的を絞って関連性がある場合にのみ有用だ。最新のAIプラットフォームは、走行全体を受動的に記録するのではなく、ブレーキ圧力の異常などの特定の車内イベントに基づいてデータ収集を動的にトリガーできる。これにより帯域幅を節約するだけでなく、インサイトを得るまでの時間を短縮できる。
その結果、リアルタイム分析を促進し、診断の推測作業を減らす高品質で低遅延の情報が得られる。
早期発見によるフリートとOEMのメリット
予測メンテナンスは、ダウンタイムが直接的な収益損失につながる商用フリートにとって特に価値がある。車両集団全体のパターンを分析することで、AIシステムは異常値を検出し、新たなリスクを特定し、さらには故障が発生する前に修理を推奨することさえできる。特筆すべきは、当社が調査した自動車業界の専門家の57%が、診断を含む車両データの収益化をOEMにとって最も価値の高い機会としてランク付けしていることだ。
OEMにとって、これらのインサイトはソフトウェアアップデートサイクルに組み込むことができ、エンジニアが車両のライフサイクルの早い段階で問題を解決するのに役立つ。マッキンゼーによると、リアルタイムのフィードバックループを取り入れる自動車メーカーはリコールコストを最大30%削減できる。
サービスコストの削減を超えて、このような知見は販売後も顧客の信頼とブランドロイヤルティを維持するのに役立つ。
ライフサイクルイノベーションの基盤
車両がますますソフトウェア定義型になるにつれ、販売後のフェーズにおけるAIの有用性は継続的に成長するだろう。自動車メーカーはますます初期取引を超えて、よりスムーズな診断、より迅速なサービス、計画外の訪問の減少など、所有体験全体にわたって価値を提供することに注目している。
AIはこれらの成果を実現する上で重要な役割を果たす。クラウドのみに依存するのではなく、分析機能を車両システムの中核に直接組み込むことで、メーカーは帯域幅が制限された環境でもリアルタイムの意思決定能力を提供できる。また、フリートや地域全体で継続的な改善をサポートする、よりスケーラブルでモジュラーなサービスアーキテクチャへの道も開かれる。
念頭に置くべき課題
車両診断におけるAIのメリットは明らかだが、これらのシステムの実装には障害がないわけではない。最大の課題の一つは、適切な精度と関連性を持つデータ収集だ。関連性のないデータを大量に収集すると、ストレージと帯域幅の制限を超えてしまう可能性がある。逆に少なすぎると、インサイトが失われる。AIシステムは特定の車両イベントに関連するデータを動的に収集するよう慎重に調整する必要がある—これはOEM向けのソリューション展開時に私たちが重点的に取り組んできたことだ。
プライバシーと同意も常に念頭に置くべき重要な考慮事項だ。車両データの収集と送信には、エッジとクラウドの両方にわたる堅牢な同意メカニズムと安全な取り扱いが必要だ。規制は地域によって異なるため、OEMは異なる法的要件や消費者の期待に適応できるシステムを設計する必要がある。
最後に、人的要素がある。AI強化型診断は技術者に取って代わるものではなく、彼らをサポートするものだ。導入の成否は、複雑さを増すことなく明確で実用的なインサイトを提供するツールの構築にかかっている。Sonatusでは、サービスチームに状況に応じたイベント固有のログを提供することで、診断の労力を減らし、問題解決を加速できることがわかっている。
今後の展望
AIはまだサービスベイで一般的に使われる言葉ではないかもしれないが、その影響力は拡大している。車両データを実用的なインテリジェンスに変換することで、問題の診断方法、修理の実施方法、そして車両が時間とともにどのように進化するかを変革する力を持っている。
今後数年間で、この静かな革命に投資する自動車メーカーは、単により賢い車を提供するだけでなく、よりスマートな所有体験を提供する上でより有利な立場に立つだろう。
