Mastercam社長のラス・ブコウスキー氏。
製造業のリーダーたちは、今日の技術的環境を進む中で、あらゆる場面で人工知能に遭遇せずにはいられない。医療機器から航空宇宙システムまで、AIの機能はほぼすべてのものに統合されつつある。
しかし私は、AIが製造業に来るかどうかという問題ではなく、現在の急増が本当の価値をもたらしているのか、それとも単に誰も実際には求めていない過剰に宣伝された機能の最新の波を表しているだけなのかという問題だと考えている。
製造業のリーダー、パートナー、業界専門家と相当な時間を費やして話をした結果、今日ではAIがほぼすべてのビジネス会話を支配していると言える。しかし、これらの議論、特に製造業の経営幹部との議論をより深く掘り下げると、「AI」は基本的な自動化から高度な検索機能まで、そして時には本物の機械知能まで、あらゆるものを表す包括的な用語になっていることがわかる。
製造業AIの7つのレベル
業界専門家は一般的に、AIの5〜7つのレベルを認識している。このスペクトルを理解することで、製造業者はマーケティングの誇大宣伝と実践的な実装機会を区別し、実装方法、開発コストとタイムライン、そして異なるAIカテゴリに適した市場ポジショニングについて意味のある会話ができるようになると私は考えている。
レベル1：ルールベースのロジック
これはAIの最も単純な形態であり、特定の入力に基づいて事前に決められた意思決定モデルを使用する。既存の多くの製造ソフトウェアソリューションはすでにこのレベルで動作しており、確立されたルールとユーザーパラメータに基づいて決定を下している。
レベル2：基本的な機械学習
このレベルでは、AIは過去のデータセットに基づいて推奨事項を提供するために統計モデルを組み込んでいる。製造業では、これには以前の操作から得られた実証済みの結果に基づく最適化された送りと速度の推奨が含まれる場合がある。これらのモデルは通常、追加データによって時間とともに改善されるが、近似とデータ品質に基づくリスクも伴う可能性がある。
レベル3：パターン認識
パターン認識は、複雑なデータセット内の類似性を識別するために深層ニューラルネットワークを活用する。音声認識や画像識別を製造プロセスに適用したものと考えればよい。この技術は、自動化された欠陥検出や、コンピュータ支援設計システムにおける高度な特徴認識を可能にすることで、品質管理に革命をもたらす可能性がある。
レベル4：大規模言語モデル（LLM）
LLMは、ChatGPTやMicrosoft Copilotなどのプラットフォームを通じて一般の想像力をとらえている。基本的にはパターン認識技術の拡張として機能しているが、LLMは非構造化入力を処理し、人間のような応答を生成する能力があるため、別個の考慮に値する。
ただし、製造ワークフローでLLMを採用する前に、誤情報、知的財産に関する懸念、環境の持続可能性に影響を与える可能性のある大きな計算要件など、リスクを慎重に評価することが重要である。
レベル5：決定論的最適化
このレベルのAIは、人間のような行動を超えて、実際に人間の基本的な能力を超える。これは、基礎となる物理学とパフォーマンス指標の両方を組み込んだ明示的な問題モデルを利用する。決定論的最適化ツールは、トレーニングデータに依存するのではなく、利用可能なアルゴリズムを使用して最適なソリューションを検索する。製造ソフトウェア分野での私の経験に基づくと、これはミクロレベルの最適化を通じて製造プロセスを再形成する可能性があると考えている。
レベル6：逐次決定問題
逐次決定問題は、現在の決定の将来的な影響を考慮することで決定論的最適化を拡張する。この強化学習アプローチは、個々の問題だけでなく、相互接続された課題の連鎖全体を最適化するために、複数の「what-if」シナリオを実行する。予測メンテナンスは、この種のAI手法が製造業者に利益をもたらす可能性のある一例だろう。
レベル7：高度な知能
このレベルは現時点ではSFの領域にとどまっており、人間のように感情と経験を使って創造性、論理、推論を用いて問題を解決するAIを表している。おそらく、このレベルが当面は理論上のものにとどまっていることは幸運なことだろう。
製造業者が本当に求めているもの：実用的な自動化
AIはしばしば複雑な言葉と高い期待に包まれている。しかし私の経験では、製造業の経営幹部にとっての本当の価値は単純明快だ：インテリジェントな製造を使用することで、時間を節約し、コストを管理し、より少ない摩擦で生産を継続できる。
しかし、現在、これらの目標は多くの課題に直面している。
まず、スキルギャップが拡大し続けている。経験豊富な技術者は新しい人材が入ってくるよりも速いペースで労働力から離れている。デロイトの調査によると、人材ギャップを埋めなければ、2033年までに米国は約200万人の製造業労働者が不足する可能性がある。
また、原材料コストが上昇している。インフレ、サプライチェーンの緊張、グローバルな競争により、原材料、工具、消耗品のコストが増加している。製品設計は進化しており、この複雑さの増大は品質保証と生産の俊敏性への要求を高めている。
さらに、世界的な不確実性がサプライチェーン全体に課題を生み出している。第10回年次製造・サプライチェーン状況レポートによると、多くの製造業およびサプライチェーンのリーダーは貿易緊張の高まりを懸念している。
製造業における「AI」の概念は、しばしばこれらの課題に効果的に対処する自動化されたソリューションを表している。そして私の経験では、ソリューションの基盤となる技術が技術的に「AI」であるかどうかは、通常、実用的な結果よりも重要ではない。
既存の機能の再構築
製造ソフトウェアに関しては、複雑さよりも「ユーザーフレンドリーさ」を求めるべきだ。例えば、圧倒的な数の技術的オプションを「インテリジェントな選択」や「AIアシスト型ワークフロー」として再パッケージ化するソフトウェアプラットフォームは、ユーザーに数十の複雑なパラメータをマスターさせることなく、コンテキストと過去の成功パターンに基づいて意思決定をガイドするのに役立つ。
これは誤解を招くものではなく、単純化されたものであり、強力な既存の技術をその機能とアクセシビリティを強調する方法で提示している。私は、さまざまな製造ソフトウェア機能で同じ再構築アプローチを探すことをお勧めする。そうすれば、即時の価値をより簡単に認識できるだろう。
戦略的機会
AIはすべての生産課題を解決する特効薬でもなく、熟練労働者を大量に置き換えるものでもない。代わりに、AIはワークフローを強化し生産性を向上させるもう一つの強力なツールを表している。
製造業のリーダーにとっての重要な洞察は次のとおりだと考える：私たちは顧客がAIであるべきだと考えるものを定義する立場にある。AIの純粋性を追求したり、一般的な技術の誇大宣伝に巻き込まれたりするのではなく、顧客の成果に焦点を当てるべきだ。ソリューションがインテリジェントに見え、インテリジェントに振る舞い、インテリジェントな結果を提供するなら、基盤となる技術スタックに関係なく、顧客はそれをAIとして認識する可能性が高い。
前進するために
AIツールを検討している場合、顧客の要求と実用的なビジネスの現実のバランスを取ることに焦点を当てることをお勧めする。AI時代の成功は、高度なアルゴリズムや大規模なデータサイエンスチームを持つ企業に限定されるものではない。それは、顧客のニーズを理解し、実用的な自動化の機会を特定し、基盤となる技術が技術的に「人工知能」として認定されるかどうかに関係なく、測定可能なビジネス価値を提供するソリューションを提供することからも生まれる。
製造業におけるAI採用の増加は現実のものだが、それを推進しているのは技術的な複雑さではなく、ビジネス成果である。だから、後者が自然に進化するのを待ちながら、前者に焦点を当てるべきだ。
（<a href="https://www.forbes.com/councils/forbesbusinesscouncil/2025/10/22/ai-in-manufacturing-moving-beyond-the-hype-to-real-business-value/"" target="_blank" rel="noopener">forbes.com 原文）
