ロックインは「データ」「モデル」「接続」の3か所で起きる

AIのベンダーロックインは、3つの場所で起きます。1つ目はデータで、学習データや推論結果がベンダーのクラウドにしかなく、取り出せない、取り出せても形式が独自で使えない状態です。2つ目はモデルで、学習済みモデルの権利がベンダーにあり、再学習も他社に依頼できない状態です。3つ目は接続で、設備やシステムとのつなぎ込みがベンダー独自の方式で作られ、ベンダーを変えるとつなぎ直しになる状態です。

1ラインのPoCでは問題にならなくても、横展開や長期の運用で表面化します。特に、AIの判定結果をMESや品質記録に紐付けて運用している場合、データを取り出せないと品質監査の証跡まで失うことになります。

原則1：学習データと推論結果は自社の基盤に置く

学習に使った画像やセンサーデータ、ラベル、そして推論結果（判定と異常度）は、自社が管理するストレージに保存します。ベンダーのクラウドを使う場合も、自社の基盤へ定期的に同期する仕組みを契約と設計に入れます。

形式は、特定の製品に依存しないオープンな形式にしておきます。データ基盤の分野では、Parquetのようなオープンな形式の上にデータウェアハウスの管理機能を載せる「レイクハウス」という構成が提案されており、提唱した2021年の論文はベンダーロックインへの対処をその目的の1つに挙げています。どの基盤を選ぶにしても、データを標準的な形式で取り出せることを条件にしてください。

原則2：モデルの再学習権と移行の手段を確保する

AIは材料や季節、設備の変化で精度が落ちるため、再学習は運用の一部です。再学習をそのベンダーにしか頼めない状態では、費用も時期もベンダー次第になります。契約では次の点を確認します。

  • 学習済みモデルの権利と、契約終了後に自社が使い続けられるか
  • 再学習に必要な学習パイプライン（前処理の手順、ハイパーパラメータ、評価方法）が文書として引き渡されるか
  • モデルを標準的な形式で書き出せるか、推論環境を他社の環境に移せるか

モデルそのものの権利をすべて得ることが難しい場合でも、学習データと評価用データ、評価の手順が自社にあれば、他社に同じ課題で作り直してもらうことができます。データと評価方法を持っていることが、最も現実的な保険です。権利の定め方はAI開発契約で詳しく扱っています。

原則3：設備との接続は標準インターフェースで作る

設備からのデータ収集は、OPC UAやMQTTといった標準のプロトコルで作ります。OPC UAは通信だけでなく情報の型・階層・単位を持てるのが特徴で、OPC Foundationは業界・機器ごとの情報モデル（コンパニオン仕様）を公開しています。MQTTは軽量な通信方式で、v3.1.1はISO/IEC 20922:2016として、MQTT上の産業向けの約束事を定めたSparkplugはISO/IEC 20237として国際標準になります。

標準で集めたデータを、工場・ライン・設備の階層で1か所にまとめる「Unified Namespace」という考え方も広がっています。AIのベンダーが変わっても、データの入口が標準なら、新しいベンダーは同じ入口からデータを購読できます。詳しくはOPC UAとMQTTの比較を参照してください。

設備から標準インターフェースで集めたデータを自社のデータ基盤に置き、AIベンダーAとBを差し替え可能にした構成図 設備PLC・センサー 標準インターフェースOPC UA / MQTT 自社のデータ基盤学習データ・ラベル推論結果・モデル版オープン形式 AIベンダーA AIベンダーB（交代可） MES・品質記録へ書き戻し
ロックインを避ける構成。データの入口と保管場所を自社側に置けば、AIベンダーは差し替えられる。

基盤ベンダー自体が変わる時代の備え

産業データ基盤の分野では、大型の買収と再編が続いています。Schneider Electricは2026年6月、産業データ基盤のCogniteを約31億ドルで買収すると発表し、CogniteのデータプラットフォームとAI機能はAVEVAの基盤に統合される計画です。調査会社Verdantixは、AVEVA・Cognite・Crosser・TwinThreadの製品の重複整理が課題になると分析しています。Siemensも2025年にシミュレーション大手Altairを約100億ドルで買収しました。

一方で、ロックインを避けることだけを優先して、すべてを自社で組み上げるのも得策ではありません。MIT NANDAの2025年の報告は、生成AIの取り組みで専門ベンダーと提携した場合の成功率が約67%、内製は約3分の1だったとしています。依存してよい部分（モデル開発の技術）と、自社が握るべき部分（データ、評価方法、接続の標準）を分けることが現実的です。

よくある質問

クラウドのAIサービスを使うとロックインは避けられませんか

避けられます。データの入口を標準プロトコルにし、学習データと推論結果を自社の基盤に同期しておけば、サービスを変えるときも同じデータから作り直せます。クラウドを使うこと自体より、データが取り出せるかが問題です。

学習済みモデルの権利はユーザー側が持てますか

契約次第です。ベンダーが汎用の技術や事前学習モデルの権利を保持し、ユーザー固有のデータで学習した部分の利用権をユーザーに認める形が多く見られます。少なくとも学習データと評価方法は自社が持つよう定めてください。

パッケージ製品を選ぶとロックインになりますか

パッケージ製品は導入が速い反面、データ形式や接続方式が製品依存になりやすい面があります。データの書き出し機能と標準インターフェースへの対応を確認すれば、パッケージでも依存度を下げられます。

この記事に出てくる用語

用語集（日・英・中）をすべて見る

この記事のテーマ
#ベンダー選定#データ基盤
この特集について

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

  1. 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
  2. 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
  3. 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
  4. 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
特集の記事をすべて見る →

この記事を書いた人

株式会社サオス

株式会社サオス 製造DX部

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。

運営者情報　編集方針　株式会社サオスのサイト