工場設備(OT)が古く、ITとつながらない

第1章：老朽化するOTと ITの壁に立つ青年

田中 翼は、国内の中堅自動車部品工場でOTとITの間に立つ技術者だ。現場の地下室には導入から40年近く経つ旧式のPLC群が眠り、LANは細く、RS-232の端子がまだ現役で並ぶ。現場の合言葉は一言、「触ると動かなくなる」。機器はブラックボックス化し、紙のメモや散らばったExcelが現場の記録をつないでいる。

彼がまず可視化した数字は現実を冷たく伝えた。データ収集は全体の約50〜60％、リアルタイム連携は20％未満。OT設備の多くは20〜30年経過しており、IT側が3〜5年で刷新されるのに対し、OTは20年以上使い続ける文化が根づく。この「約15年」のギャップが、現場と企画部門の会話をすれ違わせる原因だと翼は理解する。

小さな実験を始めた。アナログ計器の針をカメラで撮り、AIで数値化する案だ。外の事例に目を向ければ、コマツのDX推進やユニクロの在庫可視化、旭酒造の現場データ化、三井住友海上のAI損害査定など、現場の知恵とITを結んだ成功例がある。しかし現場は慎重だ。機器改修の予算不足、セキュリティリスク、ベンダーロックインへの不安が壁になる。

翼がつかんだ学びは明瞭だ。断絶は単なる技術問題ではない。組織の文化、人材、予算が絡み合う構造的な課題であり、数字がその現実を語り始めると初めて対話の土台ができる。彼は急がず、小さな数字の可視化から会話を始める決意を固めた。

第2章：数字が語る現場の課題

翼はまずRAGデータを棚卸しし、現場の「見えない問題」を数値で可視化した。結果は想像より厳しい。現役設備の多くは導入から20〜30年、国内平均でも15〜20年と長期稼働が普通だ。一方でITは3〜5年で更新される世界。ここに「約15年の技術ギャップ」が生まれ、OT（現場装置）とITの言語や前提がすれ違う。

データ化の進捗は全体で約50〜60%にとどまり、リアルタイムでITと連携できる資産は20%未満だ。センサーやPLCからの自動収集が十分でないため、意思決定は紙やExcel頼みになり、遅延や機会損失が発生する。装置がブラックボックス化し、規格が閉じていること、部門ごとのデータサイロ化が連鎖していることも明白だ。

人材面でも摩擦がある。ラダー言語（PLC）を扱う現場技術者と、Pythonやクラウドを使うIT人材は少なく、両者をつなぐ「橋渡し人材」が枯渇している。外部に頼ればベンダーロックインや高コストが避けられず、内製化の障壁を高める。業界別IT投資比率を見れば、製造業のIT予算対売上高は約1.3%と低迷し、情報通信(3.0%)や金融(6.3%)と大きく差が付く。守り中心の投資傾向が「攻め」のDXを阻んでいる。

さらにマクロでは「2025年の崖」や最大12兆円の経済損失といった警鐘が聞こえる中、生成AIやリスキリングへの投資が注目されているが、現場はまだ手探りだ。翼は結論として、単なる機器更新ではなく、データの断絶をつなぐ仕組みと人の配置が最優先だと確信する。

第3章：転機と内製化の罠

翼は外部のDX推進エキスパートと出会い、目から鱗が落ちた。外部は高コストだがノウハウは豊富――ただし「全部任せ」の道はベンダーロックインを招きやすい。逆に社内だけで完結しようとすると、ラダー言語がわかるOT屋とPythonやクラウドを扱えるIT屋を同時に揃える難しさに直面する。そこで提示された現実的なアプローチは次の三つだ。

• ハイコスト外部依存（コンサル／ベンダー任せ）

  • メリット：短期で成果が出やすい、成功事例を横展開できる（例：コマツ、ユニクロ）
  • デメリット：費用が高い、ベンダーロックインのリスク

• 完全内製（社内で人材育成）

  • メリット：将来的な自律性、運用コスト低減
  • デメリット：育成に時間と投資がかかり、短期成果が出にくい

• ハイブリッド（外部支援＋段階的内製化）

  • メリット：短期の成果と長期の自走性を両立。PoCで技術検証→撤退基準を設定してリスク管理
  • デメリット：設計とガバナンスが甘いと二重コストや責任の混乱を招く

実例（旭酒造のデータ化、三井住友海上のAI損害査定）は、外部ノウハウを活用しつつ現場技術を巻き込んだ点が共通だ。翼が学んだ教訓は単純だ――「外の力を借りるなら、目的と撤退基準を明確に。内製化を目指すなら育成計画とガバナンスを同時に整える」。まずは小さなPoCで成功体験を積み、オープンな標準を使ってベンダーロックインを避ける。この段階的な歩みが、古いOTとITを結ぶ最短の道になる。

ベンダーロックイン：特定ベンダーに依存し、乗り換えコストが高くなる状態。
内製化：自社でシステム開発・運用を行うこと。
リスキリング：現場社員に新しいITスキルを再教育すること。
PoC撤退基準：実証実験（PoC）を続けるか中止するかを決めるための事前の合意基準。

第4章：実践への道：ブラックボックスを超えデータを結ぶ

翼はPoCで「まずつなぐ」を選んだ。以下は現場で誰でも試せる実行手順だ。

1. 現状把握（半日〜1日）

• 主要PLC・計器と接点一覧を作る（電圧出力、接点、RS-232/Modbusなど）。
• 紙・Excelの重要帳票を3つに絞る（優先度A/B/C）。

2. 最小構成の機材準備（1週間）

• IoTゲートウェイ（Ethernet、シリアル、Modbus対応）1台、外付けセンサー（温度/振動/接点）各1個、耐久カメラ1台を選ぶ。

3. つなぐ作業（1〜2週間）

• センサーをゲートウェイに接続し、カメラでアナログメーターを定期撮影。
• ゲートウェイでデータをMQTT/OPC UAに変換し、社内の小さなクラウド（VMまたはラズパイ上のブローカー）へ送る。

4. データの確認と可視化（1週間）

• 収集率（目標80%）、更新遅延（目標5分以内）をKPIにし、ダッシュボードで確認。
• 画像認識は最初は閾値判定（針の位置→数値）で運用。

5. 人材・運用の整備（継続）

• 「現場担当×IT担当」の2人1組で週1回の短い学習会（ハンズオン半日）を回す。
• データの所有者、利用ルール、バックアップ頻度を定める（ガバナンス表を1枚で作成）。

6. PoCの撤退基準（明文化）

• 8週間で収集率が30%未満、またはコストが見積の150%超なら撤退／再設計。

IoTゲートウェイ：複数の現場機器をインターネット向けプロトコルに変換する装置。
MQTT：軽量なメッセージ伝送プロトコル（センサー向け）。
OPC UA：産業向けの標準データ交換規格。
画像認識：写真から計器の針や数字を読み取る技術。
PoC：小規模な実証実験。
データガバナンス：データの管理ルールと責任の体系。

小さな成功を積み重ねれば、現場の不安は減り、数字が意思決定を支え始める。まずは1台、1センサーから。

第5章：成果と学び—数字が証明する変革

地下室の古いPLCに1台、1センサーから始めた小さな実証は、8週間で現場の景色を変えました。生成AI導入率は2023年の33%から65〜71%へ伸び、導入現場では45.7%の人が週5日以上AIを使うように。業務効率と品質向上を「実感した」と答えた人は88.4%にのぼり、営業領域ではリード転換が最大で50%改善。手作業のデータ入力は約17%短縮され、投資に対するROIは成功例で3.8倍、失敗例は1.2倍と差が明確になりました。

クラウド移行やコスト管理（FinOps）でRI/Savings Plansにより20〜70%の割引、使っていない資源の自動削減で10〜20%の削減も実現。とはいえ、老朽化による社会的損失の警鐘（将来の年間最大12兆円）は無視できません。ここで学べるのは、小さく始めて数字で証明し、守り（現場の安定）と攻め（改善・変革）を両立させること。真の変化はツールだけでなく、人の使い方とガバナンスの整備が揃って初めて花開きます。

第6章：学びと行動

翼は現場で汗をかいた一人のエンジニアとして言う。古いPLCも細いLANも、単なる機器の問題ではない。組織・人・予算が絡む構造的課題だ。数字を可視化して全社で共通認識を作ることから始めよう。

重要ポイント

• 古いOTはリスクだけでなく投資機会でもある。まずは現状を数値化する。
• 守りと攻めの予算配分を明確に。PoCの撤退基準とROI指標を現場と共有する。
• ラダー言語→Python/クラウドを繋げる人材を育てる（内製化推進）。
• MQTT/OPC UAなど標準でデータのサイロを壊す。ベンダーロックイン回避。
• 生成AIは核。導入率とリスキリングが成功の鍵。

具体的な次の一歩

1) 1週間で稼働中PLC一覧と接続状況を収集（スコア化）
2) 4週間PoC：1ラインで`MQTT`経由のデータ取得。撤退基準=改善0%なら中止
3) 教育：月2回のハンズオンで`ラダー→Python`橋渡し

数字は嘘をつかない。守りを固めつつ、攻めを少しずつ増やす。まずは小さな橋を架け、現場とデータをつなごう。