工場の機械が共通言語で話す日。業界を変える「翻訳税」の消滅
工場現場において、生成AI導入の9割以上が目に見える成果を生み出していない。この深刻な課題の根底には、モデルの性能不足ではなく、むしろ予想外の落とし穴がある。機械が読み取れるよう設計されていないデータ基盤だ。300以上の企業AI導入事例を調査した結果から、300～400億ドルの投資のうち、わずか5パーセントしか期待されるリターンを実現していないことが明らかになっている。
同じデータなのに、全く別の言語で報告される現実
工場床面に置かれたFanucの数値制御工作機械とSiemensのPLC（プログラマブルロジックコントローラ）が、同じスピンドル負荷を報告する場面を想像してほしい。距離は20フィートだが、使われる用語は異なる。一方は「SP_LOAD_PCT（%）」と呼び、もう一方は「SPINDEL_AUSLASTUNG（%）」と呼ぶ。同じ物理量、同じ単位でありながら、まったく無関係な文字列として扱われている。
ここにHaasの数値制御工作機械が「S SPEED（RPM）」で、SINUMERIKが「Nist_Spindle（RPM）」で、Fanucが「ACT_SP_SPEED_1/min」で報告する場面が加わると、状況は複雑化する。複数のAIエージェントから見ると、これらはノイズにしか見えない。最新のモデルは、個別に問いかければ各タグを正確に読み込める。しかし複数の機械が関わるスケール運用では、これらの文字列が同じ値を示していることを知る手段がない。そのため比較ができず、統合的な判断ができない。現在の対応策は、ベンダーペア毎に2つのアダプター、2つのデータ辞書、そして6ヶ月にも及ぶ統合プロジェクトを要求している。
共通言語がもたらす連鎖効果
すべての機械工具メーカー（OEM）に共通した語彙体系が確立された場面を想定しよう。保全エージェントが複数の機械に接続し、統一されたフィールド名で1つのクエリを発行する。FanucとSiemensから得たスピンドル負荷を同じ名称で読み取り、異なるベンダー間では比較不可能だった劣化曲線を並べて検証し、Fanucの軸受けの交換時期を故障の3週間前に特定する。カスタム統合も、ベンダー固有のマッピングも不要になる。
この単一の改善が波及効果をもたらす。異なるOEMの機械群から構成された作業セルが、互いに連携できるようになる。生産オーダーが到着すれば、KUKAのロボットアーム、FanucのCNC、ABBのパレタイザーが単一のユニットとして受注を完結させる。従来の対応では、各機械をコード化し、状態を整列させ、ハンドオフを監視するために人手が必要だった。共通言語があれば、工場内のあらゆる機械を既に理解しているエージェントチームに一つの指示を与えるだけで足りる。スループットは段階的ではなく、段差的に向上する。制約は機械そのものではなく、機械間の「翻訳税」にあったからだ。
機械が異なる言語で報告する限り、同一セル内の各ユニットの相対的生産性に共通の基準がない。この隙間にこそ、設定チューニングや輸出データの調整、どちらの測定値が正しいかについての議論に費やされる
