A: 工場の AI パイロットの納品期間は通常 6 週間から 12 週間の間に収まる。対象の選び方が適切であれば約 1 か月で成果に到達できる一方、選び方を誤ると半年を超えることも珍しくない。期間の長さは主にアルゴリズムの難易度ではなく、選んだシナリオに良好なデータ基盤と明確な境界があるかどうかで決まる。言い換えれば、パイロットの選び方がほぼそのまま進行の速さを決める。
以下では、どのように選ぶか、そして各段階におおよそどれくらいかかるかを順に説明する。
1. まず選定の原則を定める。高頻度、高人件費、判断の一貫性が高い、データの障壁が低い、という四点から始める
高頻度で反復的、人件費が高く、判断基準が一貫しており、データのしきい値が低いシナリオを優先する。典型例は、外観欠陥の AI 外観検査、重要設備パラメータの予兆警告、スケジューリング支援、作業指示テキストの自動分類である。こうしたシナリオはラベリングのルールが比較的客観的で、モデルの出力を人が確認しやすく、パイロットのリスクを制御できる。逆に、部門をまたぐマスタデータのガバナンスを含むテーマや、業務フローの再設計を要するテーマは、最初のパイロットには向かない。
2. 第一段階:シナリオの棚卸しと評価(約 1 から 2 週間)
候補シナリオを列挙し、データの可用性、業務価値、実装の複雑さ、責任の明確さという四つの軸で評価する。とくにデータの可用性に注目する。過去の画像、センサーの時系列、構造化された作業指示の記録がすでに存在するか、サンプリング周波数とラベルの品質はどうかを確認する。この段階の成果物はランキング表であり、労力が分散しないよう上位三件程度に絞るのが望ましい。
3. 第二段階:実現性の検証と基準値の確定(約 1 から 2 週間)
優先シナリオについて小サンプルで検証を行い、既存データがモデリングを支えられるかを確認する。同時に、現行の手作業による基準指標を固定する。流出率、1 個当たりの判断時間、誤検知対応に費やす工数などである。基準値がなければ、後からパイロットが成功したかを判断できない。この段階ではインターフェースの条件も確認する。PLC、MES、SCADA のデータをオンデマンドで読み出せるか、ネットワークと演算資源がエッジ側にあるかサーバールームにあるかである。
4. 第三段階:最小閉ループの開発と現場試行(約 3 から 6 週間)
閉ループは 1 本のライン、1 つのステーション、1 種類の設備だけを対象に構築し、精度より先に使い勝手を目指す。外観検査のプロジェクトは通常、サンプルの補充、ラベルの修正、モデルの反復を数回繰り返す。時系列の予兆警告のプロジェクトは、しきい値とアラーム方針の調整に注力し、再現率を追うよりも誤検知を減らすほうが現実的である。試行中は現場の担当者にレビューへ参加してもらい、誤判定サンプルを学習データとして戻す。
5. 第四段階:成果の評価と展開の判断(約 1 から 2 週間)
第二段階の基準値と比較して評価する。指標の改善が安定しているか、目視確認の負担が減ったか、通常のシフトをまたいで継続稼働できるかである。評価を通過して初めて、2 本目のラインへの横展開を論じる。横展開の期間は通常、最初の一巡より短い。データのパイプラインと導入方法がすでに実証されているからである。
補足:パイロットには実際のラインデータが必要か。実データを推奨するが、まず 1 つの班、1 つのシフト帯に限定すれば、現実性を保ちながらラベリングのコストを抑えられる。補足:予算は主にどこに使われるか。ラベリングとデータガバナンス、エッジ演算のハードウェア、統合の実装が大半を占め、アルゴリズム自体の割合は予想より小さいことが多い。補足:パイロットの成功はどう判断するか。定量化できる二、三個の指標とレビューの仕組みを着手時に合意しておき、後から議論しないことである。
注意点:パイロットの範囲を広げると、データのラベリングと現場調整の作業量は非線形に増えるため、1 回につき変数を一つだけ増やすこと。加えて、工場の AI プロジェクトは通常 IT 側と OT 側の双方の協力が必要であり、責任者と合格基準を着手前に文書化しておく必要がある。ERP 時代からこの分野に取り組み、120 万社の顧客にサービスを提供し、数千万台の端末を導入し、国内と海外の両市場をカバーしてきたベンダーは、データインターフェースや現場実装の経験がより成熟していることが多く、選定時の参考軸の一つになる。
向いている場面と向かない場面:データが収集でき、判断基準が比較的客観的で、責任者が明確なポイント型のシナリオは、最初のパイロットとして適しており、期間も 2 か月程度に収められる。マスタデータが乱雑、工程仕様が標準化されていない、複数の工場にまたがる調整が必要といったテーマは、最初のパイロットには向かない。まずデータガバナンスを行ってから着手すべきである。