ナレッジセンター
目次

Q: AI アルゴリズムの選定では、自社開発と購入のどちらを選ぶべきか。投資対効果はどう計算するのか

A: 先に結論を言えば、多くの工場が AI アルゴリズムを選ぶ場合、成熟したソリューションを購入するほうが、自社開発よりも回収期間が明らかに短くなります。継続的に維持できるアルゴリズムチームがあり、再利用できる類似の場面が十分にある場合を除きます。自社開発はライセンス費用を節約できるように見えますが、隠れたコストが大きいものです。決める前に三つの計算をしてください。

1. まず投資構造の違いを見る

自社開発の障壁はコードではなく人です。実用的な産業 AI のアルゴリズムチームには、最低でもアルゴリズムエンジニア一名、データエンジニア一名、現場での調整を担うエンジニア一名が必要で、年間の人件費は保守的に見ても 60 万〜120 万元です。これにはデータ収集のための改造、計算用サーバ、試行錯誤の間のライン停止による機会損失は含まれていません。多くの工場は人件費だけを予算に入れ、試行錯誤の期間が半年から一年に及び、その間は成果が出ないことを見落としています。

購入の場合、研究開発コストは多くの顧客に分散されます。業界でよくあるのはプロジェクト単位または年単位の支払いで、初期投資は自社開発の 30〜50% 程度で済み、納期も数か月ではなく数週間単位で測れます。仮にある電子工場が PCB の欠陥検査をゼロから開発するなら、欠陥サンプルの収集とラベリングだけで二〜三か月かかります。成熟した購入品なら、基盤モデルがすでに大量の類似欠陥を見ているため、現場は主に転移学習による適合を行い、はるかに早く稼働します。

2. 次にリターンの確実性を見る

自社開発のリターン曲線は典型的な J 字型です。初期は投資が続き、変曲点がいつ来るかは不確実です。多くの企業が、実験室では精度 95% なのにラインでは 70% まで落ちる壁に突き当たります。現場の照明、振動、材料ロットの違いがすべて結果に影響するからです。現場データのループが十分に大きくないと、自社モデルは安定しません。

購入したソリューションのリターンは、どちらかといえば線形に近くなります。ベンダーはすでに多くの現場の落とし穴を踏んでおり、モデルの汎化とエンジニアリングのパッケージ化も比較的成熟しています。仮にある自動車部品メーカーが鋳物の表面欠陥検査を望む場合、購入品なら通常は導入から四〜八週間で実用状態に達し、回収期間はおおむね一年から一年半です。自社開発では同じ場面で安定した成果が出るまで一年以上かかることが多く、回収期間は二年半、場合によっては三年に延びます。

3. 三つ目の計算——長期的な保守と改善

自社開発は納品で終わりません。ラインの切り替え、新しい欠陥類型、タクトの変更のたびにアルゴリズムの改善が必要です。小さなチームだけを残すと、一度の人員異動でプロジェクト全体が止まりかねません。購入品には通常、継続的な更新サービスが含まれます。ベンダーには基盤モデルを維持する専任チームがあり、顧客側は現場調整のための少数の人材を用意するだけで済みます。

逆に、複数の工場を持ち、類似の場面が多い場合はどうでしょうか。たとえば同じグループの十数の職場がすべて似た外観検査を行っているような場合、自社開発の限界費用は下がり、長期的には経済的になる可能性があります。ただし前提として、場面ごとに作り直すのではなく、アルゴリズム能力をプラットフォーム化できることが必要です。

全体の提案としては、年商が数億元から数十億元、AI の適用場面が五つ未満、既存のアルゴリズムチームがない製造企業は、購入を優先すべきです。まず業務を回してデータを蓄積し、場面とデータが十分になってから、増分開発のためにチームを作るかを評価してください。すでに複数工場で類似のニーズがあり、アルゴリズム人材を確保できる企業は自社開発を選んでも構いませんが、二年間の継続投資を覚悟する必要があります。選定は白黒ではなく、中核場面は自社開発、ロングテールは購入というハイブリッド型も、多くの企業が採っている道です。

分野: AI-FAQ