時期ではなく終了条件でフェーズを区切る
ロードマップの失敗で多いのは、「何月までに何をする」と時期だけを決め、次のフェーズに進む条件を決めていないことです。期限が来たという理由だけで本番や横展開に進むと、データや体制が整っていないまま範囲だけが広がり、PoCより悪い結果になります。
McKinseyの2018年の調査では、デジタル製造の取り組みを全社展開できた企業は約30%（業界別に20〜34%）で、ライトハウス工場（モデル工場）を設けている企業は25%でした。WEFは、インテリジェント工場の取り組みのうちパイロット段階にとどまる企業が2020年に74%（前年56%）に増えたと報告しています（RTInsightsの報道、2021年4月）。全社展開の手前で止まる企業が多いことを前提に、各フェーズの終了条件を明確にしておく必要があります。
4つのフェーズ
フェーズ1：データ基盤整備（目安0〜6か月）
最初のAIテーマに必要な範囲で、データの土台を整えます。全社のデータ基盤を一度に作るのではなく、工場全体で共通に使うルールだけを先に決めます。
- タグの命名規則と資産階層（工場・エリア・ライン・設備）
- ロット番号・品番・設備IDのキーの付け方
- 最初のテーマに必要なデータの収集と蓄積
終了条件：最初のテーマの入力データとラベルが、手作業なしで揃うこと。
フェーズ2：単発PoCから本番へ（目安6〜12か月）
1つのテーマをPoCから本番運用まで進めます。複数のテーマを同時に走らせるより、1つを本番まで通すことで、データ連携、MESへの結果の戻し方、運用体制、再学習の手順といった、次のテーマでも使う仕組みが一通りそろいます。
終了条件：本番で3か月以上運用し、工場KPIへの効果を測定できていること。
フェーズ3：横展開（目安1〜2年）
同じテーマを他のラインや工場に展開する、または同じデータ基盤を使って別のテーマを追加します。ここで、フェーズ1で決めた命名規則とキーが効きます。設備ごとにタグ名が違うと、展開のたびにデータ整備をやり直すことになります。
終了条件：2つ目以降の展開で、1つ目より短い期間・少ない費用で本番に到達できること。
フェーズ4：高度化（目安2〜3年）
複数のテーマを組み合わせ、工程をまたいだ判断に進みます。例えば、外観検査AIの結果と工程条件のデータを組み合わせて不良の要因分析を行う、予知保全の予測を生産計画に反映する、といった使い方です。生成AIやAIエージェントで、品質記録や保全記録を横断して検索・提案する仕組みもこのフェーズの候補になります。
終了条件：あらかじめ決めず、フェーズ3の結果を見て設定します。
データ基盤を並行で整える理由
データ基盤を「フェーズ1で完成させてからAIに進む」と考えると、基盤整備だけで1〜2年かかり、成果が見えないまま予算が止まります。逆に、テーマごとに個別のデータ整備をすると、横展開のたびに作業が重複します。
現実的なのは、ルール（命名規則・キー・データ品質の基準）は最初に全体で決め、実装はテーマに必要な範囲から順に広げるやり方です。中国工业互联网研究院の鲁春丛院長は、多くの智能化改造プロジェクトで投資の50〜60%をデータエンジニアリングが占めると述べています（2025年9月）。ロードマップの予算でも、データ基盤の費用をAIテーマとは別の行で、全期間にわたって計上します。データ基盤側の計画は データ基盤の段階的な整備 で扱っています。
| フェーズ | AIの成果物 | データ基盤の成果物 | 体制の成果物 |
|---|---|---|---|
| 1 基盤整備 | テーマの選定とKPI | 命名規則・キー・最初の収集 | 推進責任者と現場の担当者 |
| 2 単発PoC→本番 | 1テーマの本番運用 | MESへの結果の戻し、モデルの版管理 | 運用手順と再学習の担当 |
| 3 横展開 | 複数ライン・複数テーマ | 共通のデータ蓄積先、データ品質の監視 | 展開の標準手順、社内の教育 |
| 4 高度化 | 工程横断の判断 | テーマ間のデータ連携 | 現場主導の改善サイクル |
ロードマップを見直すタイミング
ロードマップは一度作って終わりではなく、各フェーズの終了時に見直します。見直しでは、次の3点を確認します。
- 終了条件を満たしたか、満たさなかった場合の原因はデータ・技術・体制のどれか
- 工場KPIへの効果が、次のフェーズの投資に見合うか
- 技術や製品の変化（新しい既製ツール、価格の変化）で、計画を変えるべき点はないか
ロードマップの前提になる戦略の作り方は 製造業のAI戦略の立て方 で、横展開の壁と対策は 製造業AIの横展開を阻む4つの壁 で扱っています。
よくある質問
3年より長いロードマップを作るべきですか
AIの技術と製品は変化が速いため、詳細な計画は3年程度が限界です。データ基盤のルールや推進体制のような長く使う部分は、5年以上を見据えて決めても構いません。
中小製造業でも4フェーズで進めるべきですか
考え方は同じですが、期間と範囲は小さくなります。フェーズ1は既製ツールで扱うデータの整理、フェーズ2は1つのツールの本番運用、フェーズ3は同じツールを別工程に使う、という規模で進めます。
フェーズ2でPoCが失敗したらどうしますか
失敗の原因を分けて、フェーズ1に戻るか、別のテーマでフェーズ2をやり直すかを決めます。データが原因ならフェーズ1のデータ整備に戻り、テーマの選び方が原因なら候補リストから次のテーマを選びます。
この記事に出てくる用語
AIは「データ基盤」で決まる
PoCは成功したのに本番で止まる。原因の多くはモデルではなく、MESと設備データの側にある 全130本
- MESとAIの関係：ロット・作業指示・品質判定がAIの精度を決める理由
- 製造業AIが本番で止まる7つの理由：PoCは成功したのにラインに載らない構造
- 製造業のAI-OCR：紙の検査記録・点検表・ミルシートをデータ化する手順
- データ基盤の段階的導入ロードマップ：ユースケースから逆算する8ステップ
この記事を書いた人
DELMIA Apriso を中核とした MES / 製造DX の導入・運用・人材育成と、製造業向けAIの調査・開発・教育を手がけるITコンサルティング企業。ISO 9001:2015 / ISO 27001:2022 認証取得。 日本・中国・米国で製造業のMES・データ基盤・AI導入を手がけた実務者が、欧米・中国の一次情報にあたって書いています。
