日本の製造業はAIで世界に勝てるか？ 日立・新卒デジタル人材が見つけた「データを資産に変える方程式」（2/2 ページ）

[河嶌太郎，ITmedia]

下流のデータを上流へ戻す、フィジカルAIの本質

　こうして形式知化されたノウハウは、生成AIを用いた情報探索ツールへと組み込んだ。このツールの導入は単なる「調査業務の時短」だけが目的ではない。

　「今までデータを蓄積してきても、分析にどうしても人の主観が入ってしまい、間違った結果につながる可能性がありました。客観的なAIのアシストと、われわれの経験を掛け合わせて分析できれば、それは強力な強みになります。下流（品質保証）から上流（設計など）に対して『こういう傾向があるんだ』とフィードバックしていきたかったのです」（前田部長）

　「上流工程へのフィードバック」という品質保証部門の真の目的を果たすためには、テクノロジーの力だけでは不十分だ。現場に蓄積されたデータの性質や、作業員の思考プロセスを深く理解する人間が介在する必要がある。

　日立製作所が推進する「モノづくり実習」の本質も、まさにここにある。最先端のITスキルを持つ新人データサイエンティストが製造現場に飛び込み、現場の言葉や課題を直接肌で学ぶ。ITの専門家がOT（制御・運用技術）の現場を体感する交わりこそが、組織に新たな価値を生み出す源泉となっている。

　「AIがやってくれることが増えれば、品質を保ったまま、その分の時間を他のことに使えるようになります。調査や分析の工程をAIに短くしてもらうことで、今までできなかった別のやりたいことや、未来につながる新しい仕事のやり方を試していける。そこが今後の大きな変化になると思います」（愛甲さん）

日本の製造業が世界に勝つための青写真

　机上のデータ分析にとどまらず、現場の文脈を理解したAI人材を育成することは、日立が掲げる「フィジカルAI」戦略の要といえる。禹さんも実習を通じて、日本の製造業が持つポテンシャルの高さを実感したという。

　「今後、AIのスペシャリストとしてキャリアを築く上でも、日本の製造業が持つ圧倒的なデータ基盤をベースに、どうAIツールを掛け合わせて活用できるか。現場のドメイン知識を習得しながら実践していくことが、ベストだと感じています」（禹さん）

　目指すのは、品質保証部門での効率化の先にある。得られた客観的なデータを設計などの上流工程へ還流させ、バリューチェーン全体を最適化することだ。現場の「質」をAIの「力」に変える挑戦こそが、日本の製造業がフィジカルAIで世界に勝つための青写真となる。

日立製作所 品質保証本部の愛甲隆史さん（左）と、同社デジタルアナリティクス推進部の禹周賢さん