スモールスタートの目的は「次の判断材料を作ること」
スモールスタートは、少ない予算で試すことそのものが目的ではありません。90日程度の短い期間で、「このテーマは本番に進めるべきか」「進めるなら何が必要か」を判断できる材料を作ることが目的です。この材料がないまま小さな取り組みを続けると、PoCを何本やっても本番に進まない状態になります。
McKinseyのグローバル調査では、インダストリー4.0のパイロットを始めた企業の78%がその先に進めず、うち31%は2年以上経ってもスケールを試みていませんでした（2019年2月）。パイロットが止まる理由として、短期の成果では事業性を正当化できないこと、ITシステムとデータの統合が難しいこと、部門間の連携が弱いことが挙げられています。スモールスタートの90日は、これらの壁に早く気づくための期間と考えます。
1テーマ・1ライン・1KPIに絞る
最初の90日は、範囲を次の3つに絞ります。
- 1テーマ：外観検査なら1つの不良種、予知保全なら1つの設備の1つの故障モード
- 1ライン：データが取りやすく、現場の協力が得やすいライン
- 1KPI：AIの精度ではなく、工場の指標（検査工数、計画外停止時間、不良流出件数など）
範囲を広げたくなる理由は、効果を大きく見せたいからです。しかし、範囲が広いほどデータの確認に時間がかかり、90日で判断材料がそろいません。
最初の90日でやる6つのこと
1. テーマとKPIを決める（1〜2週目）
工場の課題の中から、AIで解く意味があるものを1つ選びます。しきい値やルールで足りる課題はAIのテーマから外します。KPIは工場がすでに追っている指標から1つ選び、AIの性能指標（見逃し率など）との関係を説明できるようにします。
2. ベースラインを測る（2〜4週目）
選んだKPIの現状値を、少なくとも数週間分取ります。データがなければ手作業で記録します。ベースラインがないと、90日後に効果を示せません。
3. データを棚卸しする（5〜7週目）
必要なデータが「あるか」「使えるか」を確認します。2026年版ものづくり白書では、製造データを取得している事業者は66.0%ですが、活用しているのは51.4%でした。取得していても使えない理由は、タグ名の不統一、時刻のずれ、欠損、ロット番号との紐付けがないことなどです。この週で、データの所在・形式・欠損率・ロットとの紐付けの可否を一覧にします。
4. 現場と判定基準を合意する（6〜8週目）
AIが何を判定し、その結果を誰がどう使うかを現場と決めます。外観検査なら限度見本と判定基準書、予知保全ならアラーム後の対応手順です。ここで合意できないテーマは、AIを入れても使われません。
5. 既製ツールで小さく試す（9〜12週目）
スクラッチ開発ではなく、既製のツールやベンダーの評価版で、手元のデータを使って試します。目的は精度を最大化することではなく、データの質と量で実用的な精度が出る見込みがあるかを確かめることです。可能なら人の判定と並行して動かし、差分を記録します。
6. 判断材料をまとめる（12〜13週目）
90日の成果を、次の判断ができる形でまとめます。
小さく始めても横展開で困らないための仕込み
スモールスタートは範囲を絞りますが、次の3点だけは最初から工場全体を意識して決めます。後から変えると、横展開のたびに作業をやり直すことになるからです。
- データのキーと命名規則：ロット番号、品番、設備IDの付け方と、タグの命名規則
- AIの判定結果の記録先：ロット番号と結び、MESや品質記録から参照できる場所に残す
- モデルとデータの持ち方：ベンダーのツールを使う場合も、学習データとラベルを自社で保持する
McKinseyの2019年の資料は、パイロットが止まる理由の一つとして「声の大きい推進者に合わせた設計」も挙げています。最初のラインを選ぶときは、推進者がいるラインかどうかだけでなく、他のラインに展開しやすい標準的な条件かどうかも考えます。
PoCの設計の詳細は 製造業AIのPoC設計 で、テーマの選び方は 製造業のAI導入テーマの選び方 で扱っています。
よくある質問
90日では短すぎませんか
判断材料を作るには十分なことが多い期間です。予知保全のように故障の頻度が低いテーマでは、90日で効果までは測れないため、データの質と運用の設計を確かめることに目的を絞ります。
スモールスタートの予算はどのくらいですか
既製ツールの評価版と社内の工数で進めれば、外部への支出は小さく抑えられます。ただし、データの棚卸しと現場の合意形成には社内の工数がかかります。担当者の時間を確保できるかが、予算以上に重要です。
90日で結論が出なかった場合はどうしますか
結論が出なかった理由を分けて記録します。データが不足していたならデータ整備のテーマに切り替え、判定基準が合意できなかったなら基準の整備を先に行います。期限を延ばして同じことを続けるのは避けてください。
この記事に出てくる用語
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。
