デンソーと東大のAIメガネが変える熟練技能の継承と工場保全戦略

はじめに

デンソーと東京大学が進める次世代生産システムの構想は、単なる工場DXの一例ではありません。狙っているのは、ベテラン作業員しか対処できなかった不具合対応を、AIとウェアラブル端末で再現可能な仕組みに変えることです。製造現場では省人化や自動化が進んでも、設備異常や品質トラブルへの初動はなお属人的になりがちです。

公開資料をみると、両者は2025年4月1日に社会連携講座を開設し、熟練知識の体系化、稼働データと工程モデルの統合、異常原因と対策案の分析・推論を研究テーマに据えています。本稿では、公開情報で確認できる事実をもとに、このAIメガネ構想の本質がどこにあるのか、なぜ日本の製造業にとって意味が大きいのかを整理します。なお、メガネ型端末での提示方法そのものは今回の報道で伝えられた要素であり、以下では公開資料から確認できる範囲と、そこから導ける実務的な含意を分けて論じます。

なぜ今、熟練者の不具合対応なのか

人手不足と技能継承の重圧

製造業が抱える問題は、単純な人手不足だけではありません。NEDOは2025年に始めた「製造業DX」コンテストで、熟練技術者の退職や人手不足によって貴重な製造ノウハウが失われていることを課題として明示しました。必要なのは、単に作業員数を補うことではなく、技能や判断の中身をデジタル化して次の世代へ渡すことだという認識です。

雇用規模の大きさも見逃せません。JILPTが2025年5月に公表した2024年平均の集計では、製造業就業者は男性729万人、女性317万人で、合計すると1046万人にのぼります。裾野の広い産業だけに、現場で起きる技能継承の停滞は、一企業の問題にとどまらず、日本の供給力全体に跳ね返ります。

しかも、最も継承が難しいのは標準作業ではなく、異常時の対応です。正常運転時の手順はマニュアル化できますが、「いつもの音と違う」「この振動なら先にここを疑う」といった判断は、経験の蓄積に依存します。報道で伝えられたAIメガネの意義は、この最も属人化しやすい領域に踏み込む点にあります。

異常対応が最も属人化しやすい理由

2025年8月28日に公表されたデンソーの発表によると、社会連携講座は、生産現場で熟練者から伝承されてきた知識の体系化を追求し、センサーデータや画像、生産工程や設備モデルを組み合わせて、異常原因と対策案を自動的に分析・推論する技術の開発を目指しています。これは、熟練者の勘をそのままAIに置き換えるというより、勘が働くまでに見ているデータの順序や因果関係をモデル化する発想です。

東京大学とデンソーの特設サイトでも、工場には構造化データだけでなく、熟練者のスキルやノウハウのような非構造化データが眠っていると説明されています。さらに、現場の困りごとに応じて必要なデータを自動抽出し、AIが精度の高い仮説や最適解を返す分析・推論モデルを構築するとしています。ここから読み取れるのは、目標が単なる検索システムではなく、現場の問題解決そのものを半自動化する基盤であることです。

AIメガネ構想の核心

データと暗黙知の統合

公開資料を踏まえると、この構想のコアは二層あります。第一層は、熟練者の対応動画、画像、稼働ログ、設備情報を結び付けて知識化することです。第二層は、その知識を現場作業者が使える形で即時提示することです。報道で触れられたAIメガネは、後者のユーザーインターフェースに当たるとみるのが自然です。

この点は、産業用ARの一般論とも整合します。PTCはAR作業指示について、作業者目線で撮影されたビデオから知識を取り込み、ベテラン作業員の知見を活用しながら、状況に応じたステップバイステップの支援を提供できると説明しています。Microsoftも、製造業向けAIの説明で、フロントラインワーカーが必要なときにインサイトへアクセスできることで、問題解決の確率向上や設備ダウンタイム低減につながるとしています。

つまり、AIメガネの価値は「メガネで見える」こと自体ではありません。設備の前に立った作業者へ、その瞬間に必要な仮説、確認箇所、次の一手を、手を止めずに返せることにあります。紙マニュアルやタブレットよりも、視線を外さずに使える点で、異常対応との相性が良いです。

なぜメガネ型端末が有効なのか

ここで重要なのは、デンソーが以前から製造ノウハウの外販に動いていることです。デンソーのFactory IoT事業は、ロスの見える化ツールとエンジニアの改善提案を組み合わせ、通常なら5年から10年かかるカイゼン文化の定着を早めると説明しています。さらにLean Automationスクールでは、70年間の自動車部品製造で磨いた技術、技能、人づくりの知見を外部に展開する姿勢を打ち出しています。

この流れに照らすと、今回のAIメガネ構想は、熟練技能を自社内で守るだけの取り組みではなく、将来的に他社へ販売可能な「運用基盤」に高める布石と考えられます。公開された社会連携講座の設置期間は2025年4月1日から2029年3月31日までです。研究成果を体系化し、教育プログラムや運用ソフトとして提供する準備期間としてみれば、2030年前後の事業化シナリオとも整合的です。これは公開情報に基づく推論ですが、研究テーマとデンソーの既存事業をつなぐと、かなり自然な読み方です。

注意点・展望

もっとも、AIメガネが実用化しても、ベテランの価値が消えるわけではありません。最大の難所は、何を知識として抽出し、どこまで一般化できるかです。設備の個体差、工場ごとの工程差、海外拠点ごとの作業習慣まで考えると、単一工場で通用したモデルがそのまま横展開できるとは限りません。誤った推論を現場へ即時提示すると、復旧を遅らせるリスクもあります。

もう1つの論点は、現場受容性です。熟練者の行動を動画やログで記録する仕組みは有効ですが、監視強化と受け取られれば協力を得にくくなります。技能継承のためのデータ化なのか、人事評価のための可視化なのかを明確に分ける設計が不可欠です。AIの精度だけでなく、現場が使いたくなる運用設計が成否を左右します。

それでも方向性は明快です。日本の製造業では、暗黙知の継承を「人が教えること」に依存してきました。今後は、暗黙知をデータ化し、AIが仮説化し、ウェアラブルがその場で返す形へ移っていくはずです。今回のデンソーと東大の取り組みは、その変化を象徴する案件として注目に値します。

まとめ

デンソーと東京大学のAIメガネ構想の本質は、メガネ端末そのものより、熟練者の不具合対応を知識モデルへ変換し、現場へ再配布する仕組みにあります。公開資料でも、熟練知識の体系化、異常原因と対策案の分析・推論、教育展開が研究の中核に据えられています。

製造現場の競争力は、設備投資だけでは決まりません。異常時に誰がどれだけ早く正しく対応できるかが、生産性と品質を左右します。もしこの仕組みが実用域に達すれば、日本のものづくりが長年抱えてきた「技能継承の属人化」に、初めてスケーラブルな解を与える可能性があります。

参考資料:

• 東京大学とデンソーが社会連携講座「AI技術を活用して持続発展する次世代生産システム運用基盤の構築」を共同開設 | DENSO
• 東京大学 × DENSO 社会連携講座 AI技術を活用して持続発展する次世代モノづくりインフラの構築
• NEDO Challenge, 製造業DX：製造技能の伝承・新たな製造ノウハウの構築をデジタルで実現せよ
• 産業別にみた就業者の状況 | 労働政策研究・研修機構
• Vuforia の拡張現実 AR を利用した作業指示 | PTC
• 製造業における AI: 工場の安全性と現場の業務効率の向上 | Microsoft
• DENSO Factory IoT | デンソー
• Lean Automationスクール | デンソー