製造業のAI活用で失敗しないコツ

本記事は、日本システムウエア株式会社（NSW）の協力のもと制作しております。

近年、AIに関する注目が高まっている。AIが万能であり、人間のように思考したり、決断したりできると考える人もいるようだが、実際は、そういった複雑なことを実現するのは簡単ではない。

しかも、AIを利用しようとすると、まず、データを集め、分析し、AIモデルといわれるアルゴリズムを作るという流れが必要で、専門的な知識が必要だ。

本稿では、AIを活用するためのポイントを日本システムウエア株式会社（NSW）の事例とともに紹介する。

なぜ今AIが注目を集めているのか

AIが注目を集めていることの理由の1つに、AI自体の精度が向上していることがあげられる。

AIモデルを構成するアルゴリズムの高度化や、高度な処理を行うためのデバイスや、クラウド環境の高機能化、高速化によって、推論の精度が飛躍的に向上しているからだ。

また、AIを使った業務改善や、新たな取り組みを行う企業が増えたことで、ノウハウが蓄積された企業では、目的によってはAIモジュール開発が短期化したり、簡単に利用できる状態が生まれてきていることもその要因だと言える。

さらに、社会背景も見逃せない。

少子高齢化による働き手の不足や、熟練者の技能伝承の問題があり、こうした課題を解決する手段としてAIの活用が望まれている。

すでに様々な産業分野でAIの利用が開始しており、予知保全や最適化といったソリューション、映像や音声を認識し判断するといった、用途も多岐にわたっている。

AI導入でコスト低減をするための注意点

一方で、AIを活用しようと思っても、パートナー企業の選定をうまくやらないと、思った以上にコスト（工数）がかさむ場合がある。

理由としては、AIモデルを作るためには、データを「学習」するというフェーズがあるのだが、学習するデータを整理するための「アノテーション」という作業が必要だ。

この「アノテーション」という聞き慣れない言葉は、簡単にいうと、「データを整理して、タグをつける」という意味だ。

タグをつけるというのは、データそのものには意味がない数字の羅列になるわけだが、アノテーションという作業を行うことで、データに名前がつくことになる。このタグをつけることで、AIはデータを学習することができる様になるのだが、この作業に時間がかかるのだ。

何万件といったデータに、タグをつけるという作業を人が行う必要がある場合、非常に多くのコスト（工数）がかかる。

AIモデルの作成と活用のフロー

1. 分析テーマ決定
2. 分析データチェック・加工
3. 分析モデル構築
4. 分析モデル評価
5. 分析モデル展開
6. 分析モデル運用

また、学習した後のAIを「AIモデル」と呼ぶが、このAIモデルが推論する精度が悪い場合、モデル自体で使われる数式を見直すだけでなく、初めに学習したデータの構造を見直し、再度アノテーションを行う必要がある場合がある。

こういったことを回避するためには、具体的な多くのケースについて、経験したことがあるデータサイエンティストやシステムエンジニアが必要になる。

事例を見る時の注意点

こういった問題を起こさないために、事例が豊富なAI企業を探すこととなるのだが、その際に注意点がある。

まず、AIを活用するためには、データを収集する必要がある。

収集したデータを単純に並べ、グラフにする様な可視化施策や、ある閾値を設定し、その閾値を超えた場合アラートを出すといった活用は、比較的単純なデータ利用だ。

AIを活用した場合、収集したデータから未来を予測することができたり、これまでではできなかった様な業務改善が可能になる。

そこで、事例を見る際は、「どういうデータを収集」し、「どういうAIモデルを作成」したら、「どんな精度の結果」が生まれ、「どんな業務改善が実現できたのか」について、知ることが重要になる。

事例が羅列されているからといって、その企業が精度良く業務改善をするAIモデルが作れるとは限らない。

こういった点に注意して、自社にAIを取り入れた場合に、満足な結果を得られるかどうかというイメージを持てることが重要になるのだ。

それには、事例集を見て、さらに突っ込んだ質問を行い、自社にあったAIが作れるかどうかを確認することが重要になる。

IoTNEWS編集部

IoTに関する様々な情報を取材し、皆様にお届けいたします。