アクセンチュアの「FDE」ならぬ「RDE」、定着と成果を重視した体制を強調　計画工数7割減の事例も

数字にも表れる「PoC止まり」の現状

　アクセンチュア株式会社 常務執行役員 Lead – AI and Data, AIセンター長の保科学世氏によれば、日本企業の現在地は厳しい。アクセンチュアのグローバル調査では、高度なAIの導入を検証している日本企業は42%と調査国中トップだったにもかかわらず、本格展開のフェーズに進んでいる割合は24%と、グローバル平均の31%を下回った。

　背景には、AI前提でプロセスを再設計できていない状況がある。多くの企業で検証が技術的なものに偏り、かつ既存業務をそのままAI化する傾向があるという。そうした現場に入り込み、成果を重視したAI実装を進めるのがRDEだ。

　アクセンチュアのRDEは、業界知識を持ち業務のコンサルティングができる人材をはじめ、データ、AI、エンジニアリングの専門家が1つのチームを組む。同様の体制はFDEでも見られるが、同社のLead - Accenture OpenAI Business Group, Japan AI and Data マネジング・ディレクター 貝沼佑亮氏はFDEと比較し、RDEの強みをこう述べた。

「FDEは、かなり難しい問題において0を1にする。一方で、当社が掲げるRDEは、0を1にするだけでなく、1を10、10を100にするところまで担う」（貝沼氏）

　AIの実装にとどまらず、業務手順の組み直しや本格運用への定着、顧客自身が改善を続けられる体制づくりまで対応する形だ。

製造事例では計画工数を7割削減、不良損失も1〜2割減

　RDEによる変革の1例として、事業とコーポレートの両面で効率化と意思決定の高度化を進める製造業の事例が紹介された。基盤となるのは、AIが経営の意思決定を支援する「AI Powered Management Cockpit」である。設計開発、生産計画、歩留まり改善といった各領域の取り組みをこのコックピットで集中管理し、全体最適を図る仕組みとなっている。

　具体的な活用領域は、次の3つだ。

設計開発：ナレッジグラフで過去の知見を設計変更に生かす

　設計開発の領域では、AIが過去の不具合や技術者の知見を参照し、設計変更を支援する。不具合が起きた際は、AIが現在の設計や過去の不良レポート、実験レポートを分析して原因を示し、既存の構造解析ツールを操作して設計変更案を提案。人が承認すればCADの修正まで行い、製造への影響範囲も特定する。

　ここで鍵を握るのは、過去の技術者の知見やデータのつながりを構造化した「ナレッジグラフ」だ。AIがこれを参照することで、難度の高い設計業務でも示唆のある分析が可能になり、判断の精度向上と工数削減を両立している。

製造：原料や他工程までさかのぼって不良を削減

　製造の領域では、AIが設備の稼働条件を最適化し、不良の削減につなげている。人が分析する場合、自分の製品や工程には詳しくても、原料や他工程のデータまでさかのぼるのは難しい。AIは多様なデータを組み合わせて最適な条件を推奨でき、その精度は人による分析を上回ることも増えてきた。貝沼氏によれば、本事例に限らず複数の企業で不良による年間損失を1〜2割程度削減したとのことだ。

生産計画：膨大な組み合わせをAIで解き、計画工数を約7割削減

　生産計画の領域では、工程の長い製品ほど、どの製品をいつ、どの設備で動かすか組み合わせが膨大になり、人が解くには時間がかかる。しかし、組み合わせ問題に強いAIを導入したことで計画工数を約7割削減し、納期遅延も解消しつつある。数千工程に及ぶ生産計画にも、2～3ヵ月で適用した。

　そのほか、事例では製造業ならではの業務に限らず、コーポレート部門のAI化も示された。以前はRPAによる効率化は定型処理が中心だったが、AIエージェントの登場で非定型業務や調査・文書作成まで対象が拡大している。同社だけでなく、総務・人事・経理へのAI実装で300〜500人分の工数削減効果を得る企業も増えているという。