中国の特殊鋼メーカー・永洋特鋼が、AIを生産・経営の全工程に組み込み、経営KPIで成果を出しているという記事を読んだ。この記事では、そこで報じられている事実を整理したうえで、「製造業でAIを入れるとき、先に何を作っておく必要があるのか」を、システムを受託で作る側の立場から書く。
要点 (出典の事実のみ)
- 永洋特鋼は1993年創立の特殊鋼メーカーで、軽軌の国内市場占有率70%、物流装備用扁鋼で約70%のシェアを持つ。
- デジタル化は段階的に進んでいる。2017年以前に基礎業務データの電子化、2017〜2021年に私有クラウドとERPで業務・資金・情報の「三流合一」、2022年に5G専用網を敷いてIT/OTの壁を取り払う「1234+2」アーキテクチャを構築した。
- AI廃鋼判級システムは評定精度98%、検収効率は40%以上向上し、原料品質の紛争は80%減少した。
- 設備の予知保全プラットフォームは半年で隠れた欠陥を23件検出し、保守支出を10〜20%削減。転炉ガス回収効率は17%向上し、外部購入エネルギー費を年1,100万元削減した。
- 銀行と直結した智能收付款システムでは、AIが不規則な記載を意味解釈してミリ秒級で消し込みを行っている。
- 企管部部長の代子伟氏は「デジタル化改造は単に設備を買うことではなく、生産の痛点に対応して実質的な課題を解決することが肝要」と述べている。
徐 聖博の見解
この事例で私が注目したのは、AIの中身ではなく順番である。電子化 → ERPと私有クラウドで業務・資金・情報を1本に束ねる → 5G専用網でIT/OTを接続する、という土台を5年以上かけて積んだ後にAIが載っている。廃鋼の判級も、予知保全も、消し込みも、単体のモデルとしては特別に新しいものではない。効いているのは、判定結果がERPの検収伝票や財務処理まで閉ループで流れる配管のほうだ。
私は受託開発とAIエージェント事業を並行してやっていて、製造・物流を含む幅広い業界の案件を受けている。そのなかで頻繁に見るのが、この順番が逆になっている相談だ。「どのLLMを使うか」から始まり、PoCで精度は出るが、出力の行き先が人の目視とExcelのままなので、経営KPIが1ミリも動かない。永洋特鋼の数値がKPIの言葉(効率40%、紛争80%減、保守費10〜20%減、年1,100万元)で語られているのは、出力が業務システムの中に着地しているからである。
同じものを作るとしたら、どこが難所か
作る側として見ると、この構成でコストが集中するのはモデルではなく次の3点だ。
1. OT側の接続と権限設計。 振動・温度・電流をミリ秒級で取るところまでは設備ベンダーの範囲でも、それをIT側のデータ基盤に継続的に流し、逆に判定結果を制御や業務フローへ戻す経路は、責任分界点の設計そのものになる。ここを曖昧にしたまま進めた案件は、必ず運用フェーズで止まる。
2. 判定基準の量産化。 記事にある「AI検査基準を完全に量化・固化した」という一文が、実務では最も重い工程である。熟練者の目視基準を、再現可能な数値の閾値と教師データに落とす作業は、モデル実装よりはるかに時間がかかる。研究の出自から言えば、ここは評価指標の設計問題であり、精度98%という数字は「何を正解と定義したか」とセットでしか意味を持たない。
3. 継続運用の負荷。 原料も設備も季節も変わるので、判定は必ず劣化する。再学習の頻度、異常時のフォールバック、監視の当番をどう置くか。導入時の見積もりにこれが入っていない提案は、私は信用しない。
開発を生業にしている会社にとっての含意
SIerや開発会社の立場で読むと、この事例は受注の形を変える話でもある。製造業のAI案件を「画像判定システム一式」として単発で受けると、金額は伸びず、効果も証明できないので継続しない。一方、ERP・データ基盤・OT接続を含む運用アーキテクチャの側を持てると、AI機能は後から何本でも載る継続的な取引になる。永洋特鋼の5年の積み上げは、発注側の投資の話であると同時に、どこを取りに行くべきかというベンダー側の陣取りの話でもある。
もう一点、中国の民営メーカーがここまで一気に垂直統合できているのは、投資判断の速さと、システムの分断が日本ほど進んでいないことの両方が効いていると考えられる。日本の中堅製造業で同じ絵を描くなら、既存の生産管理システムや個別最適されたExcel群をどう扱うかが最初の論点になる。全部を捨てて作り直す提案は現実的ではないので、どこを「三流合一」の対象に含め、どこを当面切り離すかの線引きから入るのが実務的だと私は考えている。
(編集レンズ: 作る側の目線 / 実装・運用視点 / 発注側と開発会社への含意)
