日本の製造業の課題：ベテランの「勘」をデータ化し、AIで世界競争力を高める日立の取り組み
本記事は、日本の製造業が直面する「職人技の継承危機」と、それに対する日立製作所の先進的な取り組みを詳述している。日本の製造業は、長年現場で蓄積されてきた「圧倒的な質と量のデータ」という強みを持つ一方で、ベテラン技術者が持つ「勘」に代表される暗黙知が形式知化されていないという深刻な課題を抱えている。日立は、この課題解決のため、新卒データサイエンティストの禹周賢氏を水戸事業所（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）の品質保証部門に3カ月間配属する独自の研修プログラム「モノづくり実習」を実施した。品質保証部門が抱えていた具体的な課題は、鉄道部品の返送品調査に関する報告書が、担当者によって記載の粒度が異なり、ノイズが多く、検索や分析が難しい「データの質にばらつき」がある点であった。さらに、ベテランの「この不具合なら、まずはあの図面を見るべきだ」といった直感的なノウハウ（暗黙知）が、文章化されていないことが、業務の大きな負担となっていた。これに対し、禹氏は、単に「暗黙知とは何か」と尋ねるのではなく、膨大な過去の報告書を紐解き、「業務フローのどこを暗黙知と定義し、どうヒアリングするか」という根本的なプロセス構築からアプローチした。その結果、熟練者が無意識に行っている「判断の行間」を過去のデータと照合し、論理的なデータへと変換することに成功した。これは、現場のデータ（下流）を次のモノづくり（上流の設計）へと還流させる日立の「フィジカルAI」戦略の具体的な実践例であり、日本の製造業が持つ知見をAIという形式知に変える試みである。
背景
日本の製造業は、長年の経験に基づく熟練工の「勘」や暗黙知に支えられてきたが、技術継承の難しさが「静かな危機」となっている。日立は、この課題に対し、現場のデータとAIを組み合わせる「フィジカルAI」戦略を推進しており、新卒のデジタル人材を現場に深く投入することで、この知見の形式知化を目指している。
重要用語解説
- 暗黙知: 個人の経験や勘に基づき、言語化や形式化が難しい知識のこと。ベテラン技術者の「この不具合なら、まずはあの図面を見るべきだ」といった直感的なノウハウがこれにあたる。
- 形式知: 知識を言語化し、マニュアルやデータとして体系的に蓄積・活用できる知識のこと。暗黙知を形式知化することが、企業が生き残るための急務とされている。
- フィジカルAI: 物理的な現場（ファクトリーや現場作業）で得られたデータをAIと掛け合わせ、具体的な課題解決やプロセス改善に役立てる技術領域。製造業のDXにおいて特に重要視されている概念である。
今後の影響
本取り組みは、単なるデータ分析に留まらず、現場の業務プロセスそのものを再定義し、知見をシステムに組み込むことで、製造業の競争力を根本から変革する可能性を秘めている。成功すれば、日本の製造業が持つ「質の高いデータ」という最大の資産を最大限に活用し、グローバルな技術競争において優位性を確立できると期待される。今後の課題は、このプロセスをいかに標準化し、全社的に展開するかである。