生成AI:インテリジェント製造の未来をデザインする

Industry 4.0の進展に伴い、AI統合に必要な要素が整備されています。これにはデータと技術インフラ、熟練した労働力、運用モデルが含まれます。産業用AIは、強力なデータと技術インフラに支えられ、かつてない成熟度に達しています。この進展は、知能化・自動化されたロボットやシステムの実用化を促進しています(図1を参照)。

WEF/McKinseyの次世代インテリジェント製造の技術ピラミッド（技術スタック）は以下の層で構成されています：
(1)基礎データ、接続性、コンピューティングツール
例：クラウドコンピューティング、エッジコンピューティング、5G/6G通信、データレイク
(2)計画と制御のシステムレベルのデジタル化
例：製造実行システム（MES）、顧客関係管理（CRM）、製品ライフサイクル管理（PLM）
(3)プロセス自動化と生産プロセス革新ツール
例：協働ロボット（コボット）、柔軟なロボット、AGV、ドローン、3Dプリンター
(4)オペレーターまたはプロセスレベルのデジタルワーカーツール
例：AR/VR、ウェアラブル、エクソスケルトン、ダッシュボード
(5)機械知能技術による予測、最適化、意思決定の強化
例：ヒューリスティックモデル、応用AI、生成AI

近年、インテリジェント製造の概念と技術は現在広く採用されており、インダストリー4.0 の取り組みはさまざまな分野で進んでいます。2018年に始まったWEFとマッキンゼーのグローバルライトハウスネットワーク(*2)は、AI がますます重要な役割を果たす将来の開発のモデルとして機能します。

これらのライトハウスは、次世代のインテリジェント製造技術の大規模な適用をリードし、財務、運用、持続可能性の改善を推進しています。2024 年末までに172 のサイトが認定されました。過去 6 年間で、ネットワークは 1,000 を超えるユースケースを実証し、2023 年 1 月の時点で 132 の企業が 139 件(重複ケースを除く)を採用しています。特に、WEF 認定の上位 5 つのカテゴリ内の AI 関連のユースケースは、2018年の20%未満から2023年までにほぼ 60% に増加しました。これらの AI ユースケースを実装することで、生産性が2～3 倍向上し、サービスレベルが 50% 向上し、欠陥が 99% 削減され、エネルギー消費が 30% 削減されるなど、大きな成果が得られました。

WEF ライトハウス評価では、技術的な可能性、ビジネス パフォーマンスへの影響、持続可能性を定量的に評価します。このフレームワークは、５つの主要カテゴリと 10 以上のサブカテゴリで構成されています。ライトハウスによって影響は異なりますが、適切な実装によって期待どおりの成果が一貫して得られ、他の企業がインテリジェント製造を採用する動機付けになります。その結果、ライトハウスの 64% が、複数のユースケースを統合し、デマンドチェーンの俊敏性、顧客中心性、サプライチェーンの回復力、生産性/速度を改善することで、環境にプラスの影響を及ぼしています。持続可能なライトハウスは、デジタルテクノロジーが持続可能性と競争力の両方を促進できることを証明しています。

グローバルライトハウスのユースケース、KPI、運用メカニズムは貴重なベンチマークを提供し、特にソフトインフラストラクチャ開発において、従来の AI と最近の生成AIの両方を実装するためのモデルとして機能します。

インダストリー4.0は当初、製造効率の向上を優先していました。この焦点は現在、顧客価値へと進化しています。次世代のインテリジェント製造は、サプライ チェーンと製造から研究開発、マーケティング、販売、顧客サービスまで、企業全体を網羅する必要があります。

一方、従来のAIは予測可能性と一貫性に優れていますが、非構造化のリアルタイムデータには限界があります。生成AIは、適応性、柔軟性、創造性を備えており、研究開発、マーケティング、販売、顧客サービス、データインフラストラクチャ、HRなどの分野に強力なソリューションを提供します。

3つのケーススタディがジェネレーティブAIの可能性を示しています。(*3)

GE Appliances: スマート アプライアンスの枠を超え、GE はジェネレーティブ AI を SmartHQ アプリに統合しています。Flavorly などの機能は、顧客の材料を分析してレシピを生成し、調理を簡素化し、食料品のコストを節約し、食品廃棄物を削減します。これは、ジェネレーティブ AI を製品に直接組み込む例です。

Bosch: この自動車サプライヤーは、生成AIを使用して、電気モーターのステーターの自動光学検査用の合成トレーニング データを作成しました。利用可能な実際のデータの100倍以上の画像を生成し、プロジェクト期間を数年から6か月に短縮し、検査品質を向上させ、年間6桁の生産性向上を実現しました。これは、生成 AI と従来の AI の相乗効果を示しています。

ACG カプセル: 進化する従業員のスキルに対応するため、ACG はわずか2週間でカスタム生成 AI アシスタントを導入し、トレーニングとゲーミフィケーションを追加しました。5 週間以内に、オペレーターと技術者のほぼ75%がアシスタントを使用し、平均修理時間(MTTR)を30～40%削減し、Global Lighthouseの認定を獲得しました。

前述したグローバルライトハウスの多くの例では、プロセスレベルの特定のタスクに従来のAIが利用されており、一部の「消灯」運用(消灯工場)を含むユースケースごとに個別のモデルが必要になることがよくあります。ただし、従来のAIはルールベースであるため、適応性と柔軟性が欠けています。

これとは対照的に、生成AIは、より優れた適応性、柔軟性、創造性を提供し、生産性、パーソナライズされた顧客体験、人間の想像力の向上を促進します。ただし、現在のアプリケーションは主に単純な質疑応答のインタラクションに限定されています。

今後、生成AIは、コンテキストを理解し、ワークフローを計画し、外部リソースに接続し、目標を達成するためのアクションを実行できるAIエージェントへと進化します。これには、コラボレーション、プロセスオーケストレーション、自律的な意思決定が含まれます。AIエージェント、タスク固有のエージェント、そしてオーケストレーションエージェントで構成されるマルチエージェントシステムが積極的に開発されています。

このビジョンはすでに実現されつつあります。たとえば、富士通の「Kozuchi AIエージェント」は、会議や交渉に参加し、情報を提供してアクションを提案します。 「アジアでの売上は昨年の半分になった」といった発言を分析し、詳細な売上データを表示して生産的な議論を促進することができます。また、倉庫や工場などの安全で効率的な作業現場を支援するために、映像解析用のAIエージェントも開発しました(図2参照)(*4)。今後、生産管理などの専門エージェントも含め、AIエージェントの拡充を図っていきます。