　AIは導入が目的ではなく、AIという道具を使って「何を」「どう」実現するかということが重要なこととなる。「実際に何をするとその現場の経営効果が高まるのか、AIがそれに使えるのかというグランドデザインを描くことが必要だ。シンプルに今の課題を明示し、ベンダーと協力して進めなければ効果的なAI活用はできない」と本村氏は語る。さらに「AIのアルゴリズムの中身や手法の理解よりも、グランドデザインを描き、ユーザー自身の課題や思いを訴え、共通のゴール設定をすることが重要だ。技術の中身はAIベンダーに任せ『やりたいこと』を明確化するということだ」（本村氏）。

　その際には、ユーザーとAIベンダーのチームワークが大切になるが、そこで「ベンダーに情報を開示しない」というハードルが生まれる。工場データにはノウハウが詰まっていることからデータや業務の中身は教えられないということが大きな理由となる場合が多い。しかし、ユーザーが重要だと考えているデータ・変数の取り扱わないことには分析結果に大きな影響を与える。さらに、業務プロセスの変更を考慮したAIモデルの開発に対しても障壁となる。

　本村氏は「AIベンダーは、データを分析することが目的ではない。分析することで運用効果の見込みや、効果的な運用方法を探っているので、積極的に細かく聞いてくるベンダーの方が本当は質の良いベンダーだと捉えていい」と述べた。また、重要なデータは、データが実際に使えるかどうかの見極めや、AIを再学習させる仕組みや、バージョン管理、アップデートするための監視など運用後のサポートにも必要となる。ただ、ベンターの選定時には開示を避けるなど「データを教えるタイミングは考慮すべきだ」（本村氏）としている。

　こうした根本要因を解決した上で、本村氏は、製造業がAIを活用し業務プロセスを効率化したり、属人化している業務をデジタルに置きかえて継承の問題を軽減したりするなどの経営革新を実現するためのポイントとして以下の5つのポイントを挙げる。

期待効果を明確にする
AI手法にこだわらない
プロジェクトを止めない
目的志向で連携する
現場を巻き込む

　本村氏は「AIなど各種ツール導入は、最終的には経営価値につながる革新が目的となる。そこを明確化し、さらに導入についてはアジリティ（俊敏性）が重要となる。成功している企業の言葉として参考にしているのが『導入してからでないと経営効果が分からないのでAI導入は50点でいいので最短でアジリティに』という言葉だ。入れた後の改善サイクルを素早く回すことで効果を高めていくということが重要だ」と語っている。

製鉄現場のAI活用、画像×AIで緩衝材不良の検出率85％、過検出0.02％に
NECは2020年7月13～17日、バーチャルイベント「NEC iEXPO Digital 2020」を開催。本稿では、テーマセッション「ディープラーニングによる異常検知システムの実用化　～製鉄生産現場の品質向上～」に登壇した、日本製鉄名古屋製鉄所設備部制御技術室主査の園田貴之氏の講演内容を紹介する。
製造現場で活躍広がる「画像×AI」、どういう場で生きるのか
グルーヴノーツは、「製造×画像AI」をテーマに2020年4月14日、オンラインセミナーを開催。グルーヴノーツアカウントエグゼクティブ岩野敦氏が製造業向けのインフラ設備・機械の保全・安全管理業務における画像AIの活用事例などを紹介した。
“人をお手本にするAI”は製造現場に何をもたらすのか
協働ロボットなど機械が人と共に働く場面が増える中で、円滑に人と協調する能力が機械にも求められるようになっている。これらの要望に応えるため、三菱電機では「人と協調するAI」を開発した。同技術により得られる価値や狙いについて、開発陣に話を聞いた。
AIと機械学習とディープラーニングは何が違うのか
技術開発の進展により加速度的に進化しているAI（人工知能）。このAIという言葉とともに語られているのが、機械学習やディープラーニングだ。AIと機械学習、そしてディープラーニングの違いとは何なのか。
世界を変えるAI技術「ディープラーニング」が製造業にもたらすインパクト
人工知能やディープラーニングといった言葉が注目を集めていますが、それはITの世界だけにとどまるものではなく、製造業においても導入・検討されています。製造業にとって人工知能やディープラーニングがどのようなインパクトをもたらすか、解説します。
人工知能は製造現場でどう役に立つのか
人間の知的活動を代替するといわれる人工知能が大きな注目を集めている。ただ、製造現場で「使える」人工知能は、一般的に言われているような大規模演算が必要なものではない。「使える人工知能」に向けていち早く実現へと踏み出しているファナックとPFNの取り組みを紹介する。