コリー・マクニーリー氏は、UHYコンサルティングのマネージングディレクターである。
私は長年にわたり、自動化、デジタル化、グローバルな混乱のサイクルを通じて製造業が進化する様子を見てきた。今起きていることは、これまでとは異なると感じている。AIは意思決定の方法と問題解決の方法を再構築し、より精密なオペレーションをもたらしている。
事後対応から予測型へ
私が目にする最も即座の変化の1つは、事後対応型のオペレーションからの脱却である。数十年にわたり、製造業の多くは問題が発生した後に対応することに依存してきた。AIはそのリズムを変える。
メンテナンス面では、企業は現在、機械データをリアルタイムで分析している。振動、オイル使用量、微妙な性能異常を調べて、故障が発生する前に予測する。ダウンタイムを待つのではなく、それを計画し、かつては達成が困難だった効率性を生み出している。
AIは、サプライヤーの遅延や品質問題など、潜在的な混乱が完全に顕在化する前にフラグを立てることができる。また、過去のパターンに基づいて代替案を提案することもできる。物流と計画も進化している。AIはルーティングと効率性を改善するだけでなく、チームが膨大なデータセットを理解するのを支援する。生産計画では、これらのツールは人員配置、設備、稼働率に基づいて生産能力を推定できる。
適切な問題にAIを適用する
私がよく目にする誤りの1つは、組織が特定の製造タイプに対して誤ったユースケースを選択することである。例えば、部品製造では、欠陥を識別するビジョン学習システムへの投資は真の価値を生み出すことができる。精密工学では、欠陥を視覚的に検出することが難しいため、そのアプローチは機能しない可能性がある。その場合、エンジニアリング図面の最適化や設計ワークフローの改善にAIを適用する方が理にかなっている。
企業が単に他社に追いつくためにAIを導入する場合、結果は期待外れになる傾向がある。成果を上げる組織は、明確に定義されたビジネス目標から始める。彼らは解決しようとしている問題を正確に把握している。これは単純だが重要な問いを提起する。測定可能な影響を生み出す場所にAIを適用しているのか、それとも最も目立つ場所に適用しているだけなのか。
リスクを理解する
システムがより接続されるにつれて、サイバーセキュリティはより複雑になる。規制上の考慮事項は業界によって異なり、一部のセクターでは厳密に管理され区画化されたデータ環境が必要となる。
また、見過ごされがちな、より微妙なリスクもある。AIシステムは時間の経過とともにドリフトする可能性がある。今日うまく機能するモデルは、適切な監視なしには劣化する可能性がある。そして、あらゆるシステムと同様に、AIは誤った出力を生成する可能性がある。ほとんどの人は、AIツールを使用する際にこれを直接経験している。
だからこそ、管理が重要なのである。組織は、出力を検証し、決定を記録し（特に不利な決定の場合）、時間の経過とともにパフォーマンスを監視するメカニズムが必要である。これは、決定に重大な結果が伴う場合に特に重要になる。
基盤を正しく構築する
データ品質が中心に位置する。AIはデータで動作し、そのデータが一貫性がないか不完全である場合、結果は停滞する。私はしばしばデータをAIの血液と中枢神経系と考える。それが正常でない場合、下流のすべてが影響を受ける。
プロセスの成熟度も重要な要素である。壊れたプロセスを自動化すれば、単により速い壊れたプロセスが得られるだけである。正しいアプローチは、まずワークフローを評価して改善し、その後AIを重ねることである。
期待を現実的に保つことが重要である。AIは反復と規律を必要とする長期的な能力である。それを段階的な構築として扱う組織は、時間の経過とともにより強力なリターンを見る傾向がある。
私は、企業がゆっくりと着実なアプローチを取り、特定のユースケースに焦点を当て、そこから構築するのを見てきた。また、AIを万能の解決策として扱う企業も見てきた。それをスプリントではなくマラソンとして扱う組織が、最終的に最も高いROIを実現する。
人々を巻き込む
テクノロジーは急速に進化するが、人々はそうではないことが多い。製造業では、現場の多くの従業員は技術的に深い知識を持っておらず、文脈なしにAIを導入すると抵抗を生む可能性がある。
私は、数十年にわたって機械を操作してきた経験豊富なオペレーターのことを考える。その人は、設備がどのように動作するかについて直感的な理解を培ってきた。その直感に挑戦するAIシステムを導入することは、せいぜい破壊的に感じられる可能性がある。
従業員は、これらのシステムが何ができて何ができないかについて実用的な理解が必要である。彼らは、AIを判断を置き換えるのではなく強化するアシスタントとして見る必要がある。トレーニング、反復、継続的なエンゲージメントはすべて、その移行を成功させる上で役割を果たす。
リーダーにとって、これはデータを扱うことに慣れ、新しいツールに対してオープンで、出力の検証に規律を持つチームを構築することを意味する。また、人々が取り残されるのではなく、一緒に連れて行かれるように移行のペースを調整することも意味する。
製造業におけるAIの最大の影響は、単一の画期的な瞬間からもたらされるものではない。それは、毎日起こる多くの小さく、よりスマートな決定からもたらされる。勝利する製造業者は、AIを単なる別のテクノロジープロジェクトとしてではなく、ビジネスの運営方法の一部として扱う企業である。
