Hitachi's "Physical AI" Strategy: Turning "Craftsman's Intuition" into Data

「この不具合なら、まずはあの図面を見るべきだ」――。

数十年前に製造され、インフラを支え続けてきた部品を前に、ベテラン技術者は感覚的に正解を導き出す。

ベテランの頭の中にあるのは、マニュアルには書かれていない「勘」という名の暗黙知だ。これは長年の経験が導き出すものといえる。しかし今、この職人技が継承されずに、国内の製造業全体が「静かな危機」に直面している。

前編記事【製造現場の「AIアレルギー」をどう払拭？ 日立・新卒デジタル人材「3カ月奮闘記」】では、日立製作所・水戸事業所に飛び込んだ新人データサイエンティストの禹周賢（ウ・ジュヒョン）さんが、現場の「AIアレルギー」を払拭し、1時間の調査業務をわずか5分に短縮するまでの奮闘をレポートした。

続く後編では、職人本人が無自覚な「勘」の知識を、いかにして解剖したのかに迫る。現場（下流）で得た客観的なデータを、次のモノづくり（上流の設計）へと還流させていく、日立の「フィジカルAI」戦略を、現場のDXに挑んだ禹さんと、受け入れ先の担当者に聞いた。

AI化を阻むのは「属人化された報告書」の壁

世界的に注目を集める「フィジカルAI」。現場のデータをAIと掛け合わせるこの領域において、日本の製造業には大きな勝機があると言われている。日本企業には長年、現場で地道に蓄積されてきた「圧倒的な質と量のデータ」という基盤が存在するからだ。

日立は机上のデータ分析にとどまらず、現場の課題を肌で知るAI人材を育成するため、新人データサイエンティストを3カ月間工場に配属する独自の研修プログラム「モノづくり実習」を展開している。この実習で水戸事業所の品質保証部門に配属された禹さんも、現場に眠るデータの価値を評価する。

「日本企業のフィジカルAIの強みは、地道に蓄積してきたデータの量が多く、質も高い点にあります。ですが現場のデータを、そのままAIに活用できるわけではありません」

水戸事業所では、新幹線や国内外の鉄道システムを支える制御装置を製造している。同事業所の鉄道部品は、30年以上の長期間にわたって使用されることもあり、顧客から戻ってくる返送品の調査には、ベテランの経験則が不可欠となっている。

品質保証部門が抱えていたのは「データの質にばらつきがある」という課題だった。鉄道部品の返送品調査に関する報告書は、データ化されてはいたものの、その内容は極めて属人的なものだったのだ。

品質保証本部の前田慶介部長は、データの粒度の問題について「人によってかなり詳しく書く人もいれば、詳しく書かない人もいる」と、担当者によって書き込み度合いが全く異なっていた実態を明かす。記載の粒度がバラバラでノイズが多く、検索や分析が難しい状態にあったという。

「コツは何？」と聞いても誰も分からない “職人の行間”を探す