あなたの工場はAIの準備ができていない。でも従業員はすでに準備ができている。

2026年Scaling Business Summit（ホーチミン市）からのインサイト。

その夢には名前がある：ダーク・ファクトリー。従業員なし。休日なし。ストライキなし。24時間365日、オンデマンドで稼働する工場。これが10年間、製造業のAI投資の議論を駆動し続けてきたイメージだ。David Will（DRÄXLMAIER Vietnam ゼネラルディレクター）はSBSのステージに立ち、ほとんどの工場管理者が思っていても口にしないことを言った：今生きている人間は誰もそれを目にしないだろう。

DRÄXLMAIERは小規模な実験ではない。65,000人の従業員と50億ユーロの売上を持つ、ニーダーバイエルン出身の自動車部品サプライヤーだ。BMWやメルセデスの車に搭載されるインストルメントパネル、電子部品、高電圧バッテリーパックを陰で支える隠れた巨人の一つだ。ベトナムでの事業が存在するのは、主力製品である自動車ワイヤーハーネスが設計上70%が手作業だからだ。まだどのロボットもそれを解決していない。

その後に続いたのはAIへの悲観的な見方ではなかった。正直な見方だった。Davidは製造AIが実際にどこにいるのか、なぜ行き詰まるのか、そして革命にコミットする前にすべての工場管理者が答えなければならない問いを整理した。

1. ダーク・ファクトリーは来ない。その計画をやめよ。

ビジョンははっきりと定義されている。ChatGPTにケーブル製造の未来はどのようなものかと聞けば、ほぼ自動化された施設の画像が生成される：コンピュータビジョンカメラ、人間-機械インターフェース、自動品質検査。Microsoft Copilotに聞けば、ARヘッドセット、予知保全システム、デジタル作業指示書が出てくる。どちらの絵も印象的に見える。どちらにも依然として人間がいる。

Davidの主張は技術が役に立たないということではなかった。目標——人間の介入なしに完全に稼働する工場——が非常に遠い未来のビジョンだということだ。中国のメーカーはダーク・ファクトリーの称号を主張してきた。メンテナンス現場で時間を過ごしたことがある人は現実を知っている。「工場が本当にそのモードで動けるのは、おそらく日単位ではなく時間単位の話だろう。」

GartnerのAI成熟度モデルにおけるDRÄXLMAIERの正直な位置付け：アクティブとオペレーショナルの間のどこか。先頭を走っていない。システム的変革には程遠い。意図的なファスト・フォロワーとして、方向性を決める前に臨界質量を構築中だ。「私たちはゲームをリードしていない。先駆者でもない。ファスト・フォロワーになろうとしている。」

教訓1：ダーク・ファクトリーは計画の地平線であり、近未来のロードマップではない。それを認める企業は、そうでない企業よりも賢く投資する。

2. オフィスAIはスプリントした。工場AIはまだウォームアップ中だ。

DRÄXLMAIER内部のギャップは際立っている。オフィス側では、同社は大きく進んでいる：AIアシスト型ITチケッティング、特許草案作成の自動化ワークフロー、RAGベースの社内ナレッジ検索、そしてMicrosoftと共に構築した、非技術系スタッフが自ら管理プロセスを自動化できるエージェントシステム。Davidは、エージェントフレームワークが工場フロアに届けば「膨大な可能性」があると指摘した領域として、物流管理、資材発注、生産スケジューリングを挙げた。

そして製造がある。まだ実験段階だ。少数のパイロットプロジェクト。スケールされた展開から大きな距離で隔てられた概念実証の島々。

「生成AIモデルとエージェントを含むオフィスアプリケーションの方が、製造よりも大幅に発展していると感じている。」

この非対称性はDRÄXLMAIERに固有ではない。テキストと数字——オフィスワークの原材料——は現在のAIモデルが最も得意とするものだ。物理的プロセス、空間的推論、多変量品質検査：より難しい問題であり、ラボの精度と製造要件の間のギャップは、ほとんどのAIベンダーが認めているよりも大きい。

教訓2：オフィスAIと工場AIは異なるタイムラインの異なる分野だ。それぞれを別のロードマップとして扱えば、両方においてより良い意思決定ができる。

3. 変動性がモデルを壊す変数だ

DRÄXLMAIERで機能するプロジェクトは一つの特徴を共有している：低い変動性。シャント（小型電子部品）は一つの定義された欠陥タイプを持つ一貫した形状を生産する。その部品で訓練されたコンピュータビジョンはエアポケット欠陥を確実に検出できる。ボーデンケーブルはロックするかしないかだ。二次元画像で十分だ。どちらも扱いやすい問題だ。

ワイヤーハーネスはそうではない。それは、購入者が選択するすべての設定オプションに基づいて変化する、分岐した柔軟なアセンブリだ。シートヒーターあり、またはなし。このトリムまたはあのトリム。プレミアムSUV用のハーネスは数百のバリアントで異なって見える。変動性はエッジケースではない。それが製品なのだ。「製品に膨大な変動性がある。その製品に70%の手作業があることで、同時に非常に管理が難しい欠陥のリスクが巨大になる。」

David Will - General Director at DRÄXLMAIER

高変動性の柔軟なアセンブリを処理し、製品仕様が変更されたときに適応するようにモデルを訓練することは、均質な部品で訓練することとは根本的に異なる問題だ。DRÄXLMAIERの現在のプロセス監視パイロットの開発期間：1年以上、主要な産業パートナーとの協力のもと、まだ完全には展開されていない。

教訓3：工場AIプロジェクトの前に、「製品はどれほど変動するか、そしてその変動は訓練コストと再訓練サイクルに何をもたらすか？」と問え。

4. 95%の精度は問題であり、マイルストーンではない

聴衆からの質問がセッションで最も鋭い瞬間の一つを生み出した。参加者が電磁干渉と振動がある工場環境でのセンサー精度について尋ねた。Davidの答えは製造AIの問題の核心を突いた。

「私たちが見てきたモデルは95%の精度を持っている。自動車業界ではこれが受け入れられないことを学んだ。」

自動車品質は百万分の一単位で測定される。BMWに100万本のワイヤーハーネスを納品するということは、バッチ全体で最大200個の欠陥を意味する。95%の精度は100万個あたり5万個の欠陥を生み出す。AIが現在提供できるものと自動車サプライチェーンが要求するものとのギャップは、較正の問題ではない。技術の現在の能力と業界の交渉不可能な基準との根本的なミスマッチだ。

これがDRÄXLMAIERが現状のAIに品質検査を任せられない理由だ。技術は欠陥を検出する。ただし十分な数を検出しない——そして自動車業界では、見逃された欠陥がリコールを引き起こすものだ。

教訓4：製造におけるAI精度は汎用ベンチマークで測定されない。顧客の欠陥許容度に対して測定される。プロジェクトを始める前にその数字を知れ。

5. 革命を止める問い

Davidは、部屋にいるすべての工場管理者がすでに抱えていた問いで締めくくった。「工場管理者として、投資対効果がない。1年間AIを訓練することに本当に意味があるのか、またどのような状況でそうなのか。それとも、ここベトナムでベトナムの労働者と働き、そのビジネスを続けることの方が意味があるのか？」

これはAIへの懐疑論ではない。プロセス経済学だ。AI投資を価値あるものにする条件は具体的だ：低い製品変動性、プロセスの安定性、予測可能なアウトプット、そして仕様が変わるたびにモデルの完全な再訓練が必要にならないという確信。それらの条件が満たされれば、投資の計算式が変わる。満たされない場合、熟練した労働力を続けることは野心の失敗ではない。正しい決断だ。

DRÄXLMAIERが発見した皮肉：彼らの労働力はプロセスの準備ができる前にAIの準備ができていた。従業員は外部のAIツールをあまりにも積極的に使用していたため、会社はそれらを禁止しなければならなかった。ボトルネックは採用ではなかった。製品の性質だった。「AI準備ができていないのは労働力ではない。組織自体がそのモメンタムから自分を守らなければならないほどだ。」

教訓5：製造AIのボトルネックが労働力であることはめったにない。大抵は製品とプロセスだ。正しい問題を解け。

CEOのための実行プレイブック：明日すべきこと

1. オフィスAIのロードマップと工場AIのロードマップを分離せよ。ツール、タイムライン、リターンプロファイルは異なる。それらを一つのイニシアティブとして扱うと、混乱した優先順位と誤解を招く指標が生まれる。
2. 最高ボリュームのプロセスで変動性監査を実施せよ。最も自動化に適した候補を特定せよ：低変動性、安定したアウトプット、明確な欠陥定義。そこから始めよ。最も複雑な製品から始めるな。
3. AIベンダーに百万分の一相当を聞け。品質検査契約の前に、顧客があなたを測定するために使用する単位でベンダーに精度の主張を表現させよ。そのギャップは示唆に富む。
4. 完全な再訓練コストを計算せよ。製品仕様が変わるとき——そして変わる——モデルを再訓練または適応させるにはいくらかかるか？プロジェクトを承認する前に、それを総所有コストに加算せよ。
5. 労働力がすでに何を使っているかを把握せよ。DRÄXLMAIERの従業員は組織より先を行っていた。チームを調査せよ。彼らがすでに使っている非公認ツールが、本当の需要がどこにあるかを教えてくれる——そしてしばしば最も価値の高い出発点を指し示す。

→ YouTubeでフルセッションを視聴する