ナレッジセンター
目次

Q: 製造業における AI セキュリティとデータプライバシーはどう扱うべきか。実務的な事例はあるか。

A: 製造業の AI について、セキュリティとプライバシーの基準は「ハッカーを防ぐ」では要約できない。核心はまずデータを分類して境界を明確に引き、そのうえでモデルの使い方を論じることにある。私の判断は明快である。大多数の工場で AI のリスクは外部からの攻撃ではなく、内部データが無防備に流れていることと、サプライチェーン連携時の過剰な権限にある。

1. まず工場の外に出してはいけないデータを洗い出す。製造業のデータはおおよそ3層に分かれる。設備層はリアルタイムの工程パラメータと PLC の制御指令で、改ざんは人身と設備の安全に直結する。生産層は生産計画、歩留まりデータ、工程レシピで、中核的な競争資産である。業務層は受注、コスト、サプライヤー情報で、営業秘密に関わる。3層の保護水準はまったく異なる。工程レシピと歩留まりデータは原則として工場外やパブリッククラウドに出さない。これが基準線である。多くの企業が大規模モデルでナレッジベースを作ろうと早速考え、工程文書をすべてアップロードしてしまうが、これは教科書的な誤りである。

2. モデルの導入形態がプライバシー境界を決める。製造業の AI には現在3つの経路がある。パブリッククラウドの API 呼び出し、プライベート導入、ローカルエッジ推論である。工程パラメータやレシピデータを扱うシーン、例えば外観検査の欠陥サンプル学習や工程パラメータ最適化では、プライベートまたはエッジ導入を推奨する。ある電子工場は SMT 実装の欠陥検出を行っており、欠陥画像には製品型番とロット情報が含まれる。これをパブリッククラウドで推論すると、製品構造と歩留まりの変動パターンを外部に晒すことになる。同社はライン脇にエッジ推論ボックスを置き、画像を工場外に出さず統計結果のみを MES に上げる方式を採った。この発想は参考に値する。生データはローカルに留め、モデルは連合学習や定期的なオフライン反復で更新する。

3. 権限と監査はコンシューマー向け AI より一段厳しくする。工場の AI システムの利用者は、オペレーター、工程技術者、設備保全担当、管理者であり、各役割が見られるデータ粒度を分けなければならない。自動車部品メーカーが AI 計画アシスタントを導入したとしよう。オペレーターは自ステーションのタスクとタクトタイムのみ、工程技術者は工程の制約パラメータ、コストデータは管理者のみが見られる。この権限体系は企業の既存の ERP や MES のアカウント体系と接続すべきで、別建てにしてはならない。さらに、すべての AI への問い合わせとモデル呼び出しは監査ログを残し、誰がいつ何を尋ね、モデルが何を出力したかを記録して、すべてを追跡可能にしなければならない。これは技術的な潔癖ではない。データ漏えいが起きたとき、責任を明確にできるのは監査ログだけである。

4. サプライチェーン連携が最も見落とされやすい漏えい点である。完成車メーカーが部品サプライヤーに、AI 予測のための生産能力データと品質データの共有を求める場合、サプライヤーはデータを完成車メーカーの AI プラットフォームに送信する。多くの企業は、この経路で匿名化が行われたか、送信が暗号化されているか、相手側のデータ保持方針はどうか、といった点を確認していない。ある実務事例では、自動車部品メーカーが完成車メーカーに設備 OEE データのインターフェースを開放したが、権限が広すぎたため、相手が自社の生産計画のリズムとボトルネック工程を推測できてしまった。後に、集計された OEE の範囲のみを公開し、単機のリアルタイムデータは出さない形に改めた。連携シーンの原則は、生データではなく結論を、精密値ではなく範囲を渡すことである。

5. コンプライアンスではサイバーセキュリティ法だけを見ないこと。製造業の AI は、制御システムの変更を規制する労働安全関連の法規や、データ保持に関する製品品質トレーサビリティ要件にも関わる。AI モデルが工程パラメータの推奨や品質判定に関与するなら、そのバージョン、学習データの出所、判定ロジックは説明可能かつ追跡可能でなければならない。ある食品工場が異物検出に AI を使い、後に見逃しのクレームを受けた。調査すると、モデルの反復後にしきい値が変更されていたが変更記録がなく、ライン全体の検査記録が自らを証明できなくなっていた。こうした問題はハッカー攻撃よりはるかに多い。

実務的な提案:AI を導入する前にデータ資産を棚卸ししてデータフローを可視化し、「物理境界を絶対に越えてはいけないデータ」の一覧を作り、そのうえで導入形態を選ぶ。権限体系は既存アカウントと接続し、初日から監査ログを有効にする。サプライチェーン連携のインターフェースは最小必要限で開放し、集計値を優先する。これらの作業が終わってからモデル性能を論じるべきで、順序を逆にしてはならない。ERP 時代から数十年にわたり深く取り組み、120万社のお客様にサービスを提供し、累計数千万台の端末を導入してきたベンダーは、権限体系と監査チェーンに既製の蓄積を持つことが多い。選定ではモデル精度だけでなく、この領域の成熟度に注目するとよい。

分野: AI-FAQ