平田 邦紘

記事の内容が全てではないとは思うが、こんなにも費用が掛かるものなのだろうか…

個人的に非常に興味のある講座です。 当社のような昔ながらの製造業へデータ駆動型アプローチを導入しようとすると、人材開発、社内文化醸成、データ集積・活用基盤の整備に加え、AI技術に適した実課題の選定、それをビジネスに昇華させた成功事例の創出等、様々なハードルを越える必要があると痛感しています。 これら複数の課題を同時に解決していくには、適正スキルを保有するメンバーの選定はもちろんのこと、その活動を力強くマネジメントするリーダーが重要だと考えています。 今回の講座は、まさにAIプロジェクトのリーダー向けだと思いますし、当社の取り組みとの違いの明確化や今後の方針の参考に出来るのではと期待します。

ものづくり企業である当社でも、今回のコロナ禍による出社制限を受けてリモートワークの推進やオフィスリニューアルがテーマアップされている。 新たな人事制度やICT環境を整備する会議にて、この記事のような悩みが正に出され、リアルコミュニケーションの重要さを基軸とした方向での検討が進んでいる。 リモートではどうしてもコミュニケーションの量・質が低下してしまうし、偶発的な出会いによる雑談が新たなアイデアを引き出す上で大事だ、という流れだ。 DXを推進する立場としては、それらの「不安」をデジタルテクノロジーでサポートし、これまでの働き方よりもさらに良い状態を模索しているのだが、口頭の説明では漠然した「不安」という精神的ハードルを越えるのは難しい。 結局、関係者内でオープンソースのデジタルツールをいくつか社内サーバーに実装して実際に使ってもらうことによって、その不安を払拭していくようにした。 結局、正解は誰もわからない上に、各社の文化・風土が影響するのだから、スピード感もって試行錯誤をするしかない。

データアナリティクスに関するテーマの企画会議で、「◯◯の予測」がタイトル(むしろゴール)として設定されそうになることが往々にしてある。 もちろん、高精度な予測モデル構築することは手段のひとつとして必要なことだと思う。ただ、本当に大事なのは、予測値を見た結果、それが意思決定にどのような影響を与えて、その後の行動がどのように変わり、それがどのようなビジネス価値を生み出すのか、というところだと思う。 これをデータアナリティクス部門と事業部門でしっかりと合意形成出来ていないと、データの種類や量、アルゴリズムの選定、実装する出力機能が大きくズレてとても悲惨なことになる。テーマによっては、エクセルで解決できることもあるし、ワークフローの見直しだけで解決できるものもある。 そういう意味で、競馬の例は非常に分かりやすかったので、これから使わせてもらおうと思う。 また、参考書籍として、元大阪ガスの河本さんの書籍が最初に紹介されていたことが個人的にはとても嬉しかった。データサイエンスが世間を騒がしているが、データ×AIの文化が醸成されていないと取り組みに対する社内の理解はそう簡単には得られない。そういうことを分かりやすく、かつ、具体的な解決策も提示してくれているのでお勧めです。

画像と自然言語関連はますますAI技術が浸透していき、あっという間にインフラレベルに落とし込まれると思います。 弊社でも、AIの活用事例を１つ提示し、その原理を説明したとたんに、過去からあった技術かのように扱われるようになりました。(これをAI効果と呼びます) 大事なことは、流行りに乗った取り組みではなく、定例業務として最新のAIアルゴリズムや活用事例をトレースし、自社の課題に合致するかを考える組織・人材を確保するかが今後の成長の境目になるかと思います。

正直、中国のAIに関する昨今の取り組みには、とてつもない驚異を感じる。 この記事にある通り、AIを導入する際のOutcomeとして、中国では(良し悪しは別として)「党のおかげと感じさせる」ことに注力しているのであれば、AI導入の姿としては大きな間違いが少なくなる。 なぜなら、AIは所詮生活や研究開発を改善させるためのツールであり、それを用いることで国民が幸福(となるかどうかは分からないが)となる指標を改善しようという正しいAI活用の姿が形成されるからだ。 日本企業の場合、AIを魔法のツールまたは得たいの知れない気味の悪いツールと感じている経営層が多く、AIを導入することが目標となることが散見される。その場合、KPIは何になるのかが曖昧な場合が多い。 まずは何が課題で何を解決したいのか。 それはAIを用いる必要があるのか。 既存人員で対応できるのか、出来ないのか。 既存システムで解決出来るのか、出来ないのか。 具体的に落とし込んでいき、本当に必要なリソースをつぎ込むことが出来ない場合、失敗に至るリスクは高まる。 まずはAIというバズワードを忘れて、従来の実験ツールである実験計画法や重回帰分析、品質工学、統計等をまずは使いこなそう。 その上で、良質なデータの収集や統計的考察の重要性を捉え、それらデータは中国だとあっという間にマンパワーやお金で解決してしまう。 日本が上から目線で語るメカニズムや研究者の考察等は、中国ではAIで一気に補完しようとしている現状を改めて受け止めよう。 日本の製造業の生き残りはこの10年に掛かっていると個人的に思う。

大学生時代から10年以上お世話になってるタケオキクチということもあり、この取り組みの個人的な注目度はとても高い。 仕事着は特殊な機能を持った作業着を抜けば周囲の目を意識して選択しているだけなので、僕のようなタイプにとってはプロが振れ幅を持たせて提案してくれるのは本当に有難い。 ただ、世の中が服装の自由をどこまで許容してくれるのかは不安だが…(特に年配の方と会う場合は無難に気にしてしまう) そういう意味では、タケオキクチは落ち着いたテイストなので自分の感覚にとてもマッチしており期待している。 ちなみに、私は地方で働いているが、私服で参加した会社の飲み会で少し柄のある靴下やボーダーのニットを着ていただけで結構いじられた。これが地方の現実です。

全固体電池に限らずプラスチック業界も同じ事が起きています。 現在、プラスチック業界では、新しいプラスチック自体の開発は少なく、プラスチックに様々な原料を添加することで目的とする機能を付与することによる複合材料としてのレシピ検討がメインの活動と言えるでしょう。 材料としての特性に加え、量産性やコスト、法規制を統合的に考えた最適な材料比率を時間を掛けて探索するわけですが、この記事にあるように、その取り組みはAIの最も得意とする部分です。 当社でも、長年掛けて見つけた最適比率と同じ材料が業界に参入したばかりの新興メーカー(中国)から製造・販売されているという事実が見つかりました。現場では模倣だとする意見が大半ではあるのですが、もしこれがAIによるものだとしたらあっという間に後塵を拝することになるでしょう。 さらに個人的に深刻だと感じているのは、世界的には当たり前のツールであるシミュレーションですら日本の研究における地位が低いことです。研究者が大好きな理論式から結果が算出されているにも関わらずです。 確かに、シミュレーションでは現象をモデル化するために実験との絶対値を完全に予測することは期待出来ませんが、このツールをどのように使いこなすか、または、どのようにして現実を再現する新しいモデルを組み込むか、によってシミュレーションの進歩があるのです。 にもかかわらず、実際には市販ソフトによって自分のイメージを伝えることの出来る虹色の綺麗な図を作成するためのツールとして活用されており、解析担当者含め、誰も結果に期待していないのが大方の現状です。 やはり、汗をかきながら何度も何度も実験をして、トライ&エラーで成功に結びつける美談が日本人(テレビを見る層＝経営層)は大好きで、たまにある高視聴率のドラマもそんな感じの内容がほとんどです。 少し脱線しますが、ドラマが伝えたいような美談が若手の感覚では美談として見えていないということに製作側に気がついて欲しいです。正直、長時間労働や根性論、感情論にしか見えません… AIは、メカニズムは分からないけど過去のデータから最適解はこれだよ、というツールですので、それこそ日本の昔ながらの文化との相性が悪いと感じています。 上記意味において、日本における素材開発は本当に危険な環境にあると危惧しています。

幼少期より教養を積み上げ、学生時代に専門性を深め、自分自身で確立した価値観に基づいて選択し、自分の行動に自分で責任を取り、尚且つ、結果を出すことで確固たる自信を獲得し、より高いステージの行動に移す。これら一つ一つが憧れる要素です。 学歴ももちろんですが、各時期に経験した数値化できない暗黙知の多さが人生に素晴らしい影響を与えているのだと思います。 実社会では自分も含め環境の変化を嫌う人が多い中で、人間の感情も慣性が働くのだなぁと半ば諦めた感覚がありましたが、知的好奇心で変化に飛び込んでいく方々を見ると自分ももう一度感情を奮い立たせなくてはと反省します。 それにしても、高橋さんが彼氏彼女の事情に影響を受けていたとは驚きました。自分も大きく影響を受けた一人として、勝手ながらとても親近感が湧きました。

AI, IoTについて、どこのものづくり企業であってもその重要性を認識していて、今後の事業戦略に明文化していると推察される。 ただ、多くの企業では「それらの活用方法を模索する」というニュアンスが強く、リソースの割当て方はとても心許ない。例えば、デジタル技術に関して専門外の既存研究者数人に市場調査・自社への実装判断までを含めて数年単位の期間を与えて取り組ませているのが現実だ。 一方で、現実を的確に認識している一部企業は、AI企業をM&Aすることや、その分野を学んでいる学生達を一括採用し、技術の取り込み及び技術者の確保をいち早く行っている。 あと5年もすればその差が明確になると思う。 M&Aが出来ない、または引く手あまたの分野の学生を確保するほどの知名度が無い企業は、いち早く戦略的パートナー組織(企業・大学等)を確保した方が良い。 今のものづくり業界では、新材料開発～製品設計までを統合的にAIに認識させ、試作なしに一発で製品開発しようという取り組みが進められており、開発期間とコストの劇的な削減が模索されている。

4歳の娘と会話していると「なんで？」という問いが良く返ってくる。その問いに返答してもまた「なんで？」…おそらく自分の返答が言葉足らずだったり、抽象的なものであったり、経験したことのないものである等が原因で、娘には理解が出来ないのだと思う。よくよく考えると、なぜかを説明することが難しいこともしばしばある。自分はいつからか似た境遇のグループの中で生活していて、多くの共通理解の下、具体的説明は不要な環境で過ごしているのだと気付かされた。 最近のブームはこの返答に一発で答えきること!!このゲームをしているときは自分の頭がフル回転している感覚がある。正直、こんなに楽しい時間はない。最近はこの会話がお互い好きで、朝５時台に起きては会話を楽しんでいる。娘はパズルをしながら、自分は仕事の準備をしながら。こんな感じで毎日ポジティブな気持ちで日々がスタート出来ており、娘には本当に感謝している。

この大きな変革の流れに対してこれまでの日本式生産体制はついていけるのか、それとも大きく方向転換するのか、材料メーカーとしてはとても注視しています。数年単位での開発を行ってきた自動車産業は、半年単位の電機産業のようなスピード感で開発していかねばならず、とはいえ研究の無い開発を続けると製品はコモディティ化してしまうので、あっという間に後発企業に追いつかれてしまう…本当に恐ろしい時代になりました。今あるリソースの最適化と優秀な人材の獲得・育成が必須であるが、少子超高齢化社会の日本ではドラスティックな対応には限界がある。そうなると優秀な戦略的パートナー企業をどれだけ多く保有出来るかが鍵だと思う。