
生成AIに関する実態調査 2025春 5カ国比較 ―進まない変革グローバル比較から読み解く日本企業の活路―
本調査では日本における生成AIの導入とその効果の実態を明らかにするとともに、米国・英国・ドイツ・中国との比較を通じて、日本企業の構造的な課題を考察します。また、効果を上げている企業に共通する成功要因を抽出し、日本企業が変革を実現するための具体的な示唆を提示します。
2021-08-01
日本は人工知能(AI)後進国なのではないかと危惧する声は多い。AI開発の投資額や基礎研究も米国や中国に比べると見劣りし、人材も不足している。しかし日本には、AI活用において競争優位に立てる可能性がある。
日本企業の強みの一つとして、現場主義がある。特に製造現場では生産性を高めるための熟練工のノウハウが蓄積され企業を支えてきた。実はこのノウハウが、AI活用において重要な情報なのだ。
現状、匠(たくみ)の技は暗黙知として継承され、データ化されていないことが多い。局所的なノウハウに特化し、組織全体に生かすような取り組みがなされていないことが往々に見られる。
しかし、AIは過去の複数のデータから共通する特徴や関連性を見つけ、普遍的な法則を導き出せる。匠によって蓄積された大量データを学習することで複雑に絡み合っている事象間のパターンを導出・再現できる。これにより一部の人間・組織にのみ蓄積されていた膨大なノウハウが、短い期間でAIによって再現され、集合知化できる可能性がある。
AIが効果を発揮するにはデータの「量」と「質」が重要だが、質の高いノウハウは日本の現場に大量に眠っているはずである。まさにAIにとって宝の山だ。
AIで具体的にできることは何であろうか。1つ目は、匠の技を再現して業務に組み込むことで、AIをさらに磨きあげ、様々な領域で生産性向上に寄与することだろう。2つ目は、他業務への応用や国際展開の可能性だ。匠の技は言語の壁もあり海外展開が難しかったが、AI化されることで他の業務やグローバル展開も容易になることが見込まれる。
AIに匠のノウハウを学習させるには、匠からデータを収集する仕組みと、それを蓄積するデータ基盤を整えることが必要だ。最終的に集合知とし、全社的に活用することを想定すると、一部門だけでなく経営層が主導し、全社横断で活用可能なデータ基盤を構築し、管理・活用できる体制、仕組みを整えることが求められる。
少子高齢化で現場の匠は次々と引退しており、残された時間は少ない。「現場実績のデータ化」「データ学習による匠ノウハウのAI化」「全社横断データ基盤の構築と整備」。技を伝承し、AIの活用で日本が優位に立つためにも、この3点を経営層のリーダーシップの下、早急に進めることが日本企業の喫緊の課題だ。
※本稿は、日経産業新聞2021年3月29日付掲載のコラムを転載したものです。見出しおよび図表は同紙掲載のものを一部修正/加工しています。
※本記事は、日本経済新聞社の許諾を得て掲載しています。無断複製・転載はお控えください。
※法人名、役職などは掲載当時のものです。
本調査では日本における生成AIの導入とその効果の実態を明らかにするとともに、米国・英国・ドイツ・中国との比較を通じて、日本企業の構造的な課題を考察します。また、効果を上げている企業に共通する成功要因を抽出し、日本企業が変革を実現するための具体的な示唆を提示します。
生成AIは想像を超えるスピードで私たちのビジネスを再構築しています。本レポートでは大規模言語モデル(LLM)の現在の技術レベルを整理し、研究開発の最前線や議論の焦点を俯瞰した上で、今後5年・10年を見据えた生成AIの進化と社会・ビジネスへの影響について展望します。
生成AIは会計・監査領域を含めて多様な活用方法が模索されています。本特集は生成AIとそのセキュリティ分野での応用に焦点を当て、デジタル時代における経営革新を探求します。
日本企業のデータマネタイゼーションへの取り組みが加速しています。PwCの最新調査では、データマネタイゼーションの活動が国内企業に定着するなか、「始まりの壁」「生みの苦しみ」といった課題感が存在し、それらに対して社内プロセスやステージゲートの整備などが有効な施策となり得ることが明らかになりました。