A: 企業のAI戦略計画を実現するには、データ基盤は「データがあれば十分」ではなく、「データが使える、つながる、統制できる、反復できる」状態を実現することです。この4層の土台がなければ、どれほど立派なAI計画もスライドの上にとどまります。具体的には、次の5つの側面で基盤を整える必要があります。
1. まずデータ資産を棚卸しし、「何があり、何が足りないか」を明確にする
多くの企業はすぐに大規模モデルやインテリジェントな生産計画の話をしますが、設備台帳、作業指示の記録、検査結果さえExcelや紙の伝票に散在しています。AI戦略計画の第一歩は、中核業務のシナリオを中心にデータソースを棚卸しすることです。ERPの受注と在庫、MESの工程と設備状態、SCADA/PLCのリアルタイム時系列データ、WMSの物流データ、QMSの検査データ、さらにエネルギー、治具、金型の関連データです。資産の全体像が見えて初めて、どのシナリオが今すぐ実行でき、どれが先にデータ収集を追加すべきかを判断できます。
2. データは「つながる」必要があり、サイロを壊してこそAIは価値を生む
AIモデルが最も困るのは、同じ材料がERPではコードA、MESではコードBと呼ばれていたり、設備の故障記録と保全の作業指示が対応していなかったりすることです。そのため企業はマスタデータ管理の仕組みを整え、材料、設備、工程、人員、サプライヤーといった中核オブジェクトのコードと定義を統一する必要があります。同時に、産業インターネットプラットフォームやデータ基盤を通じてOTデータとITデータをつなぐべきです。ある自動車部品会社がAIによる品質予測を行おうとする場合、ダイカスト機のパラメータ、金型の寿命、環境の温度と湿度、最終検査の結果が同じデータチェーンになければ、モデルは有効なパターンを学習できません。製造企業にサービスを提供する際、ZEVONは通常まずMESとERP/QMSの間のデータインターフェースを整理し、AIアプリケーションがきれいなデータの入口を持てるようにします。
3. データは量よりも品質が重要

産業の現場では、センサーのドリフト、手入力による後追い、停止中の欠測、二重報告がよく起こります。AI戦略計画には、データのクリーニング、ノイズ除去、時刻合わせ、補完のルールを含める必要があります。たとえば、ある電子工場がAI外観検査を行う場合、学習サンプルにぼやけたラベルや誤判定画像が大量に含まれていると、モデル稼働後の誤検出率が高くなり、生産ラインが使いたがらなくなります。企業は完全性率、正確性率、時系列の整合率といったデータ品質KPIを設定し、日常の運用保守に組み込むことをお勧めします。
4. リアルタイムのデータ収集とエッジコンピューティング能力が必要
多くのAIシナリオはミリ秒や秒の単位で動作します。たとえば設備の予知保全、AIによる視覚ガイダンス、工程パラメータのリアルタイム最適化です。そのためデータ基盤には「保存できる」だけでなく、「速く伝送し、近くで計算できる」ことが求められます。ライン側にはプロトコル解析と一次フィルタリングを行うエッジゲートウェイを置き、主要な特徴量をクラウドやローカルサーバーに送って学習します。生データをすべて中央の計算機室に送り込むと、ネットワークコストも遅延も許容できません。
5. データのセキュリティと権限の仕組みは不可欠
AI戦略計画では、どのデータが工場外に出せるのか、どれがローカルでの学習のみ可能か、どれが工程レシピに関わりマスキングが必要かを明確にしなければなりません。特に複数工場やマルチテナントの場面では、権限をフィールドレベルまで細かく設定する必要があります。作業指示とデータ収集において、ZEVON ESOPはワークステーションの権限とバージョン管理を組み合わせ、AIが使う作業データと品質データの出所を追跡・監査できるようにしています。これは120社以上(15以上の業種)の顧客がAIを計画する際に特に重視している基盤能力です。
まとめと提案:企業のAI戦略計画のデータ基盤は、資産の棚卸し、マスタデータの統一、OT/ITの接続、品質の統制、エッジのリアルタイム能力の構築、セキュリティ権限の整備という6つのステップで進められます。まず価値の高い1〜2のシナリオ(AI検査や設備ヘルス管理など)でデータの閉ループを作り、うまく回ってから横展開してください。すべてのデータが完璧になるのを待ってからAIを始める必要はありませんが、データのサイロや汚いデータにモデルを直接載せるのも避けるべきです。MES+AIの方向におけるZEVONの実践が示すように、データ基盤を業務シナリオと一緒に計画することで、AI導入の成功率は大きく高まります。