各産業へのAIの導入が期待されている。しかし、導入までどのような問題があるのか、実際に導入を行うためには何が必要なのかという情報はあまり多くない。実際に様々なAIプロジェクトを推進している、日本システムウエア株式会社（以下、NSW）サービスソリューション事業本部ビジネスイノベーション事業部デジタルテクノロジー部AIチームリーダーである神保昌徳氏にお話を伺った。（聞き手：IoTNEWS代表 小泉耕二）
製造業でのAIプロジェクトの事例
製造工程での作業分担の事例。エリアを区切ることで、作業を検出している。神保氏は、製造業での案件は、管理者の悩みを解決するものが多いという。しかし、作業効率を見たいという悩みがあったとしても、作業者ごとのばらつきがわからなかったり、1製品を作るのに様々な工程があり各人がどのくらい関わっているのかわからなかったりするという課題があった。こうした課題の解決方法として、カメラを使用し、作業者個人がどこで何と一緒にいるかを監視するという方法がある。しかし、人がずっと張り付いて監視を行うのは現実的ではない。そこでAIによる画像認識で監視を代替するという方法を取ることがあるという。神保氏が担当した製造業の案件では、大きな機械を作る製造業での作業分析を行なったという。大きな機械を作る分、部品や道具も大きくなる。そのため、作業者も作業ごとに移動が生じる。この事例では、物体検知のアルゴリズムを利用し、作業分析を行なっているという。設置したカメラの映像をいくつかの画角で区切り、その中でどんな作業をしているかということを、人と道具の位置を検知し、映像の内容から作業を逆算し分析している。神保氏は、製造業という業界の特性上、システムとして出来上がった状態で納品する必要があったと語る。いくらAIの精度が素晴らしかったとしても、実際に現場ですぐに活用できる状態になっていなければ使用することは出来ないという。また、物体検知と製造工程を合わせ込む部分に難しさを感じたという。現場の課題に対して、物体検知を検討するだけではなく、どのAIが良いのかということや検知するエリアをどうやって決めるのかなどといった、その他の検討を組み合わせていく必要があるとした。
AIプロジェクトを担当していく中での気付き
神保氏は、様々なAIプロジェクトを担当する中で、AIとシステム開発の両方の知識が必要であることに気付いたという。AIで判定を行うときに、AIが何を見て判定しているかということが重要である。神保氏が過去対応したプロジェクトでも、部品の良否判定をするときに、実は部品ではなく背景の色味を基に判定してしまっていたことがあるという。また、前述の製造業での事例でも、画像認識のフレームの区切りの部分で人物を追えなくなってしまったときに、AIだけだとその人がいなくなってしまったと判定してしまった。AIの知識があることで、こうした問題に気付くことが出来るようになる。しかし、このような課題はAIで解決することは難しく、システム開発の知識によって解決する必要があるという。実際にAIの誤りをシステムで自動補正を行なっていることがよくあると神保氏は語る。こうしたAIとシステムのつなぎが一番大変で、工数も一番かかっているという。データサイエンティストはきれいなデータに対しては強いが、現場には整理されていないデータが多い。どちらかに偏ってしまってはAIプロジェクトはうまく進まなくなってしまう。ちょうど間を取ることがAIプロジェクトにおいて重要なポイントであるという。
NSWならではの強み
NSWの事業領域。システム開発を中心に様々な分野を担当しているため、最適な提案が可能になる。神保氏は、NSWは長くSIやIoTをやってきている実績があると語る。そのため、企業の課題を必ずしもAIで解決する必要がないということがNSWの強みであるとした。総合的に課題を分析し、AIにこだわらず、より良い解決方法を提案できるのだ。課題の深堀りをしていくと、システムだけで解決できるような課題もあるし、AIによる判定が必要不可欠な課題でもAIが必要な部分を見極めることで、その部分に注力することが出来るという。例えば、製造業における外観の傷の判定でも、無数のパターンがある傷を全てシステムで解決することは難しい。ただ、判定の箇所だけにAIを使いその他はシステムで対応するということを見極められることがNSWがSIerであるから出来ることであるとした。
[(https://iotnews.jp/202007_nsw)
