熟練の判断を"データ"として遺せるか
～データという第四の経営資源、AIは製造業の味方か、それとも罠か ～

今回、社名は伏せますが同じ「AI導入」というトレンドミッションの下で、明暗が分かれた事例があります。
ある中堅食品メーカーでは、品質を予測するAIを開発しました。しかし、学習に使ったデータがごく少数しかなく、AIは十分な学習ができないまま、実用化には届かない精度に終わりました。
一方、ある大手自動車メーカーの検査工程では、長年熟練検査員が担ってきた目視検査をAIによる自動判定に切り替えました。検査員をゼロにしながら、見逃しをほぼなくすという高い精度を実現しました。
同じAIという技術を使いながら、片方は実用化を断念し、片方は熟練者以上の精度を再現しました。この差を生んだ要因を、次に見ていきます。

多くの経営者は、AI導入の成否を「どのAIを選ぶか」「どれだけ高性能なAIか」という観点で考えがちです。しかし実態はそうではないのです。差を分けたのは、AIの性能ではなく、AIに与えられたデータの正体でした。
成功した検査工程の例をよく見ると、蓄積されていたのは単なる「データの量」ではありません。そこにあったのは、熟練検査員が長年下し続けてきた判断そのもの、いわばチャンピオンデータでした。何が良品で何が不良品か、その境界をどこで引くか。熟練者の頭の中にしかなかった判断基準が、構造化されたデータとして蓄積されていたからこそ、AIはその判断を再現することができたのです。

これまで製造業にとって、熟練設計者や検査員といった人材の判断力は、ヒトという経営資源の中に閉じたものでした。その価値は日本の優位性と言っていいほど高いものの、ほとんどが個人の中にしか存在せず、退職や異動とともに失われていくものでもありました。
しかし、その経験や知見から判断された結果そのものをチャンピオンデータとして構造化できれば、話は変わります。ヒトの中に閉じていた経験や知見は、組織の資産として継承し、再現性で展開できるものになります。
データという経営資源の本質的な価値とは、単なる業務効率化やコスト削減だけではありません。ヒトという最も価値の高い経営資源を、個人の時間の制約から解放し、スケール可能な資産として永続化することにあるのです。

では、経営者は何から始めるべきでしょうか。データを整備すれば良い、という単純な話ではありません。
第一に、データ整備を一度きりの「プロジェクト」で終わらないことです。現場のベテランの判断を継続的にチャンピオンデータとして蓄積し続ける「仕組み」として制度化する必要があります。
第二に、すべての判断を一気にAIへ委ねようとせず、データの成熟度に応じて、AIに委ねる範囲を段階的に広げていくロードマップを描くことです。
第三に、データの精度・再現性・網羅性を、コストやROIと同様に経営指標として持つことです。「データを整備した」で終わらせず、どのデータがどれだけ揃えば、どの判断をAIに委ねられるのかまで設計することが求められます。

フォームの始まり

ここで誤解してはならないことがあります。それは、いつかAIが人に置き換わるという考え方です。
確かに当社は過去の優れた解析スキームを自動化するソリューションを提起し、大きな反響を得ており、置き換わりと言われる部分はあります。ですが、先ほど申し上げたチャンピオンデータは、優秀な人材がいなければ生まれません。優れた判断を積み重ねる人がいて、その判断が正しくデータとして残されるからこそ、AIはその精度を再現できるのです。人が減れば、あるいは優秀な人材の判断がデータとして残らなければ、AIが学ぶべき正解そのものが失われ、AIの回答も劣化していきます。さらに怖いのはその劣化したAIの回答に疑う知見を持たない組織です。これが罠に陥った状態です。
AIは人を置き換える存在ではなく、優秀な人材と、その人材が残すデータがあってはじめて力を発揮する存在です。AIへの投資は、人材への投資と対立するものではなく、優秀な人材をどう確保し、その判断をどう残すかという、人材戦略そのものと一体で考えるべき経営課題なのです。

自社の熟練設計者や検査員が去ったとき、その判断力は失われるのでしょうか。それとも、資産として組織に残るのでしょうか。ここで申し上げたデータ整備とは、AIを導入するための前処理工程のことではありません。ヒトという経営資源を、時間の制約から解放し、永続的な競争力に変えるための投資のことです。AIが自律に向かって進化を続ける今こそ、自社のデータが「熟練の判断が息づいているデータ」なのかどうか、第四の経営資源として見極めることが経営の出発点になるはずです。

ご読了ありがとうございました。
次号では新時代の人材育成の考え方についてお話ししたいと思います。