11月2日、IIoT Worldが「Why AI Pilots Stall Before Production」と題した記事を公開した。AIパイロット（概念実証）が成功しても本番環境への移行で止まってしまうのは、データ・オーナーシップ・モデル選択という3つの構造的問題に原因がある——そう論じる内容だ。
この記事は、Industrial AI Summit 2026でのパネルディスカッションをもとに構成されている。
AIパイロットは「氷山の一角」にすぎない
登壇者の一人、IoT戦略コンサルティングファームStrategy of ThingsのBenson Chanは、AIパイロットと本番環境の関係を氷山に例えた。パイロットは水面上の小さな先端部分であり、その下には本番稼働に必要な巨大な運用要件が隠れている。
パイロットは意図的にスコープを絞って設計される。データはファイルで手渡され、APIとの連携は1〜2本、予算は検証のみをカバーする。費用感でいえば1〜3万ドル程度だ。
ところが本番環境は全く別の話になる。同じ工場フロア内でも機器ごとにソフトウェアバージョンが異なり、セキュリティポリシーが接続を制限し、MES（製造実行システム）・ERP・スケジューリングシステムとの統合には継続的なエンジニアリングが必要になる。サイバーセキュリティ要件、ガバナンス、リスク管理、従業員トレーニングが積み重なる。
結果として、本番導入のコストはパイロット投資の数倍に達することが多く、しかもパイロット段階では誰も想定していなかった要件が次々と浮上する。
パネルには他にSiemensのFlemming Kongsberg、製造業向けAIプラットフォームを手がけるNeoAIのMaddie Zeng、IoT向けクラウドプラットフォームCumulocityのJonathan Weissも登壇し、それぞれの現場経験をもとに議論が展開された。
本番移行を止める3つの構造的問題
1. データが使われていない
最も確実なAI準備度のチェック方法は、「そのデータを今すでに誰かが使っているか？」という問いだ。人間のチームがERP、メール、フィールドノート、ドキュメントから情報を集め、手間はかかっても機能しているワークフローがあるなら、AIが扱える形でデータは存在している。
逆に、データがそもそも存在しない施設も珍しくない。16〜20台の機械がいずれもシステムに接続されておらず、25年のベテランオペレーターが一度もデータを記録したことがない、というケースも現実にある。そうした環境では、スクラップの量を「シフト終わりに廃棄箱を目視確認する」方法で測っている。
データ準備度を判断する3つの問いは以下だ。
- データは存在するか？ 接続された機械、センサー、デジタル記録がある
- データは信頼できるか？ 一貫して収集されており、数値が現実を反映している
- すでに誰かが使っているか？ たとえ手動でも、既存のワークフローがデータに依存している
3つすべてにYesと言えるなら、AIの土台がある。データの正確性についてまだ社内で議論が続いているなら、AIより先にデータ基盤の整備が必要だ。ただし「全部整ってからAIを始める」という方針は、プロジェクトが永遠に終わらないリスクを持つ。より現実的なアプローチは、すでにデータが流れているユースケースを選んでそこから始めることだ。
2. オーナーシップが不明確
技術的な失敗よりも、オーナー不在がAIプロジェクトを殺すケースの方が多い。AIプロジェクトが設計・製造・オペレーションにまたがると、3つの組織機能に接触することになる。そのどれにも「この数字に責任を持つ一人の事業オーナー」がいなければ、部門の境界でプロジェクトは止まる。
3. 汎用モデルへの過度な依存
大手AIラボの汎用モデルを製造プロセスに使っている企業は、同じモデルを使う競合と同等の能力しか持てない。自社の運用データ、ドメイン知識、プロセス固有の学習を上乗せして初めて、競争優位が生まれる。汎用モデルはマーケティング文章や社内コミュニケーションには有効だが、差別化された製造アウトプットは生まない。
また、コードアシスタントで数時間で作ったプロトタイプを「製品」と混同するケースも繰り返し指摘された。デモが動くことと、コンプライアンスを満たし、ガバナンスが効き、既存システムに統合された本番システムになることの間には、相当量のエンジニアリングが残っている。
ブラウンフィールドとグリーンフィールドの誤解
「古い工場にAIは無理」「新しい工場はすぐ使える」という思い込みは、どちらも間違っている。
| 要素 | ブラウンフィールドの実態 | グリーンフィールドの実態 |
|---|---|---|
| 機器接続性 | センサーが低コスト化し、PLC非搭載機械へのレトロフィットも現実的 | 同一工場内でもPLCブランドやMESソフトが混在する |
| データ標準化 | 形式はバラバラだが既存チームが使っているケースが多い | 標準化が期待されるが、新型コントローラーでも達成は稀 |
| 接続コスト | 10年前より大幅低下。シリアルポートや旧インターフェース向けアダプターが存在 | 紙の上ではシンプルに見えるが、統合には相当のエンジニアリングが必要 |
シリアルポートやUSB向けのアダプターを使えば、40〜50年前の機械からでもデータを引き出せる。一方のグリーンフィールドも、最新のSiemensやAllen-Bradley製PLCでMQTTデータを流せる環境に見えても、単一工場内で複数システムが混在する現実は変わらない。
どちらの環境でも、出発点として見るべき変数は一つ——「データがすでに存在し、誰かがそれを使っているか」だ。
詳細はWhy AI Pilots Stall Before Productionを参照していただきたい。
