私は、最も声高に叫ばれるテクノロジーのビジョンが、最も意味のあるものだとは決して信じてこなかった。
私の視点は、エンジニアリングと、実際にモノを作る人々と過ごした時間に根ざしている。工場の現場で、シフトを超えて、現実的な制約の下で。その経験が、製造業におけるAIについての私の考え方を形成し、生産性が人を知的エージェントだけで置き換えることによって解放されるという考えに懐疑的である理由となっている。
それは巧妙な物語だが、歴史や製造業の実際の仕組みとは切り離されている。
我々は以前にもこのサイクルを見てきた
製造業は何十年もの間、生産性を追い求めてきた。1950年代から1970年代後半まで、企業がより良い工具、より良いプロセス、労働力のスキルに投資するにつれて、生産性と雇用は共に上昇した。利益は人々を排除するのではなく、可能にすることから生まれた。
それが1980年代に変わった。自動化とオフショアリングが支配的な戦略となった。生産性の向上は、能力を高めるのではなく、人員を削減することからますます生まれるようになった。しばらくの間、それは機能した。2010年代までには、それは止まった。
米労働統計局によると、製造業の労働生産性の伸びは2000年代半ば以降、急激に鈍化した。ニューヨーク連邦準備銀行の分析によると、生産性は2007年以前は年間3%以上を平均していたが、その後ゼロ近くまで低下し、一部の期間ではマイナスに転じた。これは自動化とソフトウェアへの継続的な投資にもかかわらずである。OECD（経済協力開発機構）のデータは、ほとんどの先進国で同様のパターンを示している。
これが、人々が製造業の生産性停滞について語るときに意味することだ。それはテクノロジーの欠如ではない。それは、自動化を人間の判断を拡張する方法ではなく、その代替として扱ったモデルの限界なのだ。
真の制約は労働力ではない
もし製造業の雇用が過去20年間の消費に合わせて拡大していたら、米国だけでも今日、数百万人の追加労働者が必要になるだろう。そのような労働者は存在しない。ドイツと日本は、製造業の労働力が高齢化するにつれて、さらに急峻な課題に直面している。これは高齢化と雇用に関するOECDの調査によるものだ。
しかし、これは製造業に人が多すぎることを意味するのではない。それは、我々が持っている人々に十分なレバレッジを与えることに失敗したことを意味する。
労働力不足は、プロセスエンジニア、保守技術者、電気技師、ロボット工学専門家などの熟練した役割で最も深刻だ。世界経済フォーラムは、これらの不足を産業経済における成長と回復力の主要な制約として繰り返し指摘してきた。
同時に、製造業の未来は明らかにより高度な技術を伴う。AI、ロボット工学、ビジョンシステム、ソフトウェア定義のオペレーション。暗黙の前提は、技術オペレーションのリーダーがこれらすべてを単純に吸収するということだ。プロセスエンジニアがデータサイエンティストにもなるということ。工場長がロボットプログラマーにもなるということ。
それは現実的でもスケーラブルでもない人材へのアプローチだ。
歴史的に、製造業が成功したのは、テクノロジーが人々に適応したからだ。CNC工作機械は、機械工が制御システムエンジニアになることを要求しなかった。PLC（プログラマブルロジックコントローラー）は、電気技師がコンピューターサイエンティストになることを要求しなかった。ツールは進化し、熟練した専門家が既存のワークフロー内で安全かつ効果的にそれらを適用できるようになった。
AIも同じ道をたどるべきだ。
なぜ自動化は期待を下回り続けるのか
自動化は、安定した反復可能な環境で最もうまく機能するが、製造業がその説明に当てはまることはめったにない。さらに、自動化が実行可能な長期的ソリューションになるためには、コスト曲線が需要曲線と一致する必要がある。
実際のオペレーションは変動に満ちている。サプライヤーの遅延、機械のドリフト、材料の違い、需要の変化、規制上の制約がある。そのような瞬間に必要な判断を置き換えるためにスイッチを入れることができる管理機械は存在しない。
それでも何年もの間、業界は工場の現場から遠く離れた場所で展開された大規模で硬直的なシステムで、とにかく制御を集中化しようとした。それらが失敗したとき、チームはスプレッドシート、ホワイトボード、紙に戻った。それらのツールが現代的だったからではなく、それらが現実を反映し、エンジニアは問題解決者だからだ。
OECDによると、テクノロジーからの生産性向上は、テクノロジー自体と同じくらい、組織の変化と労働力の能力向上に依存している。システムが実際に仕事がどのように行われているかと一致しない場合、ソフトウェアがどれほど高度に見えても、リターンは減少する。
AIはオペレーションの内部に存在する必要がある
AIは可能なことを変えるが、それは製造業が実際にどのように機能するかに基づいている場合に限られる。
ほとんどのAIの成功事例は、ミスが安価で元に戻せるデジタル環境から来ている。製造業はその逆だ。ダウンタイムは高価だ。品質の失敗は伝播する。安全性とコンプライアンスは交渉の余地がない。
世界経済フォーラムは、AIが予知保全や検査などにすでに使用されている一方で、真の変革は人間がデータ、プロセス、意思決定をどれだけうまく調整するかにかかっていると指摘している。MITスローンの研究は同様のパターンを示している。AI導入は、改善が現れる前にパフォーマンスの初期低下を引き起こすことが多い。これは、組織がAIを実際のオペレーションに統合するために必要な作業を過小評価しているためだ。
製造業において、ハルシネーション（幻覚）は不便ではない。それは故障モードだ。
AIが有用であるためには、実際のデータと実際のワークフローに基づいて、結果に対して人間が責任を負う形で、生産システムの内部で動作する必要がある。このように適用されると、AIは人々がより速く動き、より明確に見るのを助ける。それは判断を置き換えるものではない。
能力向上はスキルアップ競争に勝る
したがって、「自律的なAI駆動型製造業」という鮮明なビジョンにもかかわらず、せいぜい短期的には半自律的、長期的には高度に監視された自律性を得ることになるだろう。人々の助けを借りて。近い将来のそれらのエンジニアは、拡張AI運用AIエンジニアとなり、今から訓練を始めたとしても、我々は十分な数を確保できないだろう。しかし、とにかくすぐに始めるべきだ。
製造業のスキルギャップを再訓練の問題として捉える傾向が高まっている。もし全員にAI、ロボット工学、ソフトウェアエンジニアリングを教えることができれば、生産性は回復するだろう。
それは要点を見逃している。
問題は、製造業の専門家が学べないということではない。すべての技術リーダーにすべての新興技術を習得するよう求めることは、現実的でも必要でもないということだ。
スケールするのは能力向上だ。人々がすでに働き、意思決定を行う方法と一致する形で高度な技術を組み込むシステム。これが以前の産業革新の波が成功した方法だ。これが、AIが実際の生産性とスキルのギャップを埋めるために現れる必要がある方法だ。
自動化からオーケストレーションへ
製造業がよりソフトウェア駆動型になるにつれて、課題は自動化だけからオーケストレーション（統合調整）へと移行する。
現代のオペレーションは、工場、サプライヤー、地域、規制体制にまたがる。OECDと世界経済フォーラムの両方の研究によると、適応性、相互運用性、調整が現在、競争力の中心となっている。
単一のシステムやベンダーがすべてをカバーすることはできない。オープンで構成可能なシステムにより、メーカーは、老朽化が早い硬直的なアーキテクチャに自らを閉じ込めることなく、テクノロジーの変化に応じて進化できる。
オーケストレーションは、人間をループ内に保ちながら、複雑さを管理するためのより良いツールを提供する。それが製造業の持続可能な生産性向上がもたらされる場所だ。
地に足をつけて
完全自律型工場やエージェント駆動型組織のような極端なビジョンに巻き込まれるのは簡単だ。これらは、方程式から人間を取り除くことを約束するクリーンな物語だ。
しかし、私はそれらのビジョンが信頼できるとも有用だとも思わない。最も意味のある前進の道は、最も派手ではないかもしれない。人々に投資し、オペレーションの現実を尊重する。超人的な専門知識を要求するのではなく、人間の能力を拡張するテクノロジーの設計にコミットする。
もしAIが最前線の仕事をより熟練し、より尊重され、より影響力のあるものにしないのであれば、それは製造業の真の問題を解決していない。
製造業の未来は、機械だけでは書かれない。それは、AIを使って自分たちができることを拡張し、置き換えるのではなく、人々によって書かれるのだ。
