A: 5G+AI のスマートファクトリーのベンダーを選ぶ要点は、誰が最も声高に 5G+AI を語るかではなく、ネットワーク、計算資源、アルゴリズム、ライン設備を実際につなげられるか、そして納品の境界を契約に明記する勇気があるかどうかです。5G は接続を担い、AI は判断を担いますが、工場ではこの2つが結合しています。ネットワークの遅延の揺らぎは AI 画像検査のタクトを直接蝕み、AI モデルの推論負荷は逆に上り帯域の割り当てに影響します。ベンダーが片方しか理解していなければ、プロジェクトは結合テストの段階で行き詰まりやすくなります。
1. まず、下請けの寄せ集めではなくデュアルスタックの能力があるかを見る
5G と AI の融合アプリケーションの難しさは中間層にあります。UPF を工場側に沈めて設置し、TSN と 5G を協調させ、エッジ推論ノードを配置し、モデルの量子化と枝刈りの後も精度を保つことです。明確に確認してください。5G のコアネットワークは自社開発か第三者からの統合か、エッジコンピューティング基盤はコンテナ化された AI 推論の配備に対応しているか、5G LAN と PLC や AGV との統合の実績があるか。自動車部品メーカーが AGV の運行計画とオンラインの画像検査を望んでいるとします。ベンダーがネットワークスライシングと推論遅延に関する結合テストの報告書を出せないなら、ほぼ下請けの寄せ集めだと判断できます。
2. 汎用の実現性の話を聞くのではなく、シナリオのパラメータから逆算する
検証可能な技術指標まで踏み込んでください。AI 画像検査のエンドツーエンドの遅延は通常50ミリ秒以内に収める必要があり、5G の上り帯域は HD 映像1ストリームあたり20~40Mbps で見積もり、AGV のシナリオでは99.999%に近い信頼性が求められます。ベンダーには汎用のソリューション資料ではなく、自社ラインのタクトに基づくネットワーク計画を求めてください。ある電子工場が SMT のリフロー炉後の AOI 再判定に取り組んだ際、プロジェクトを実際に阻んだのはアルゴリズムの精度ではなく、上り帯域とエッジノードの同時推論能力でした。現場を経験した人であれば、それを事前に指摘できます。
3. 納品の境界と受け入れ基準を書面で確定させる
融合プロジェクトで最もよくある紛争は、ネットワークは動くが AI が不正確、あるいは AI は正確だがタクトに追いつけないというものです。契約には、エッジノードの数と設置場所、モデルの反復の責任者、ハンドオーバー成功率や最低上り速度といった 5G カバレッジの KPI、結合テストが失敗した場合の撤退の仕組みを明記しなければなりません。受け入れはデモではなく、連続する生産シフトを通して測定した誤検出率、見逃し率、停止時間で行うべきです。
4. 通信やアルゴリズムの単一分野の資格だけでなく、蓄積された業界知識を見る
5G+AI のベンダーは大きく3種類に分かれます。通信機器ベンダー、AI アルゴリズム企業、産業オートメーションのインテグレーターです。それぞれ弱点があり、重要なのは自社の業界のプロセスを理解しているかどうかです。ERP 時代から数十年、120万社の顧客、数千万台の端末配備、国内外市場のカバーという実績を持つベンダーは、機器の接続やラインデータの連携において堅実なことが多いですが、その 5G とエッジ AI の取り組みが最近の本物の投資であり、ホワイトレーベルではないことも確認すべきです。
関連する質問:予算はどう見積もりますか。主にエッジノードの数、5G プライベートネットワークのカバー範囲、AI モデルのカスタマイズ工数という3つの要因で決まります。このうちモデルのカスタマイズとデータのラベリングは見落とされやすく、独立した項目として予算化すべきです。削ってはいけない投資は何か。エッジ計算資源の冗長性、ネットワーク計画の試験、モデル稼働後の継続運用です。この3つを削ると、後の手戻りコストが上がります。ソリューションが拡張可能かはどう判断するか。同じエッジ基盤を複数のラインで再利用できるか、モデルを拠点間で移行できるかを確認してください。
向いているのは、ラインのタクトが安定し、検査や物流の自動化に明確な課題があり、結合テストを行う意思があるメーカーです。向かないのは、設備のネットワーク化と基本的なデータ収集がまだ完了しておらず、1つのソリューションですべてのインテリジェント化の問題を解決しようと期待している企業です。5G+AI は増幅器であり、土台ではありません。次のステップは、ベンダーにソリューション資料のページ数ではなく、同じプロセスシナリオでの結合テストの記録と受け入れ基準を求めることです。