ストーリー
田
田中VPoE
「Month 4の総仕上げだ。AI CoE設立、人材育成、スケーリング、ガバナンス、持続可能性と、組織全体へのAI展開に必要な全ての要素を学んできた。最終演習では、新しい企業を題材に、ゼロから組織展開計画を策定してもらう。」
あなた
「NetShop社とは別の企業ですか？」
あ
田
田中VPoE
「そうだ。中堅製造業のTechFactory社を題材にする。EC企業とは異なる業種で、学んだフレームワークを応用してほしい。」
ミッション概要
| 項目 | 内容 |
|---|---|
| 演習タイトル | TechFactory社 AI活用の組織全体展開計画 |
| 想定時間 | 90分 |
| 成果物 | AI CoE計画 + ガバナンス設計 + 3年間ロードマップ |
前提条件
TechFactory社の概要
会社概要:
業種: 精密機器製造
従業員: 1,200名
売上: 300億円/年
拠点: 本社（東京）、工場2ヶ所（名古屋・大阪）、海外1ヶ所（タイ）
組織構成:
製造部門: 500名（工場3ヶ所）
研究開発: 150名
品質管理: 80名
営業・マーケティング: 200名
管理部門（経理・人事・総務・法務）: 150名
IT部門: 50名
AI経験者: 3名（IT部門内、PoC経験あり）
AI活用の現状:
- IT部門で品質検査AIのPoCを実施（画像認識で不良品検出、精度92%）
- 経営層がAI活用推進を宣言（中期経営計画に記載）
- 各部門からAI活用の要望が複数:
- 製造: 予知保全、生産計画最適化
- 品質: 外観検査の自動化、品質予測
- 営業: 需要予測、見積自動化
- 管理: 請求書処理、採用スクリーニング
課題:
- AI人材が3名のみで全社の要望に対応できない
- 工場の現場作業員はITリテラシーが低い
- 製造業特有の品質要求（不良品流出ゼロ）が厳しい
- 海外拠点との連携が必要
- AI予算は3年間で5億円（経営層承認済み）Mission 1: AI CoEと人材計画
要件
TechFactory社のAI CoE設立計画を策定してください。
- CoEモデルの選択: ハブ型/フェデレーテッド型/ハイブリッド型の選択と理由
- 組織設計: CoEの構成、役割、人数計画
- 人材育成計画: AI人材の採用・育成の3年計画
- 工場現場への展開: ITリテラシーの低い現場への対応策
解答例
CoEモデル: ハイブリッド型
| 理由 |
|---|
| 3拠点+海外の分散環境のため、中央集権では対応しきれない |
| しかしAI人材が少ないため、初期は中央主導で立ち上げ、徐々に分散化 |
組織設計
| 組織 | 構成 | 役割 |
|---|---|---|
| 中央AI CoE（本社） | 10名 | 全社AI戦略、高度技術開発、ガバナンス |
| 工場AIチーム（名古屋・大阪各2名） | 4名 | 製造系AIの現場適用、データ収集 |
| 海外AIリエゾン（タイ1名） | 1名 | 現地との調整、展開支援 |
| 部門AI推進者（各部門1名） | 6名 | 部門内のAI活用推進 |
3年間人材計画
| 年 | 中央CoE | 工場 | 部門推進者 | 合計 | 方法 |
|---|---|---|---|---|---|
| 1年目 | 3→8名 | 0→4名 | 0→3名 | 15名 | 外部採用5名+内部異動4名+研修3名 |
| 2年目 | 8→12名 | 4→6名 | 3→6名 | 24名 | 外部採用3名+内部育成6名 |
| 3年目 | 12→15名 | 6→8名 | 6→8名 | 31名 | 内部育成主体 |
工場現場への対応
| 施策 | 内容 |
|---|---|
| 現場向けAI基礎研修 | 「AIとは何か」を実例で分かりやすく2時間講座 |
| チャンピオン制度 | 各ラインから1名をAI推進役に任命 |
| 簡易UI | タブレットでの簡単操作、専門用語を排除 |
| 段階導入 | 「AIアシスト→AI提案→AI自動」の3段階 |
Mission 2: ガバナンス設計
要件
製造業特有の要件を考慮したAIガバナンスを設計してください。
- リスク分類: TechFactory社の7つのAI候補のリスクレベル判定
- 品質基準: 製造業特有の品質要求への対応
- 倫理ガイドライン: 製造業に特化した倫理的考慮事項
解答例
リスク分類
| AI候補 | リスクレベル | 理由 |
|---|---|---|
| 外観検査自動化 | 高 | 不良品流出は顧客への重大影響 |
| 予知保全 | 中 | 設備停止のリスク（安全面は人間判断） |
| 生産計画最適化 | 中 | 生産効率への影響大 |
| 品質予測 | 高 | 品質問題は製品回収リスク |
| 需要予測 | 低 | 業務効率の範囲 |
| 見積自動化 | 低 | 人間が最終確認 |
| 採用スクリーニング | 高 | 人の権利に直接影響 |
品質基準（外観検査AI）
| 項目 | 基準 | 理由 |
|---|---|---|
| 不良品見逃し率 | 0.01%以下 | 顧客流出不良ゼロが目標 |
| 過検出率 | 5%以下 | 歩留まり維持 |
| 処理速度 | ライン速度に追従 | 生産を止めない |
| ダブルチェック | AI判定+人間確認（高リスク品） | 安全網の確保 |
製造業特有の倫理考慮
| 項目 | 考慮事項 |
|---|---|
| 労働安全 | AIの判断ミスが労働者の安全に影響しないこと |
| 製品安全 | AI不具合が最終製品の安全性に影響しないこと |
| 作業者の尊厳 | AIによる作業者の過度な監視・評価を行わないこと |
| 海外拠点 | 現地の法規制と文化的背景を考慮すること |
Mission 3: 3年間ロードマップ
要件
5億円の予算で3年間の展開計画を策定してください。
- 年度別の重点施策: 各年度の展開対象と投資配分
- マイルストーン: 半期ごとの達成目標
- 期待効果: 投資対効果の推計
解答例
3年間計画
| 年 | 投資 | 重点施策 | 期待効果 |
|---|---|---|---|
| 1年目 | 2.0億 | CoE設立、外観検査AI本番化、予知保全PoC | 3億/年 |
| 2年目 | 1.8億 | 予知保全・生産計画AIの本番化、海外展開開始 | 8億/年 |
| 3年目 | 1.2億 | 全社展開完了、AI間連携、次世代AI構想 | 12億/年 |
マイルストーン
| 時期 | マイルストーン |
|---|---|
| 1年目H1 | AI CoE設立、外観検査AI パイロット開始 |
| 1年目H2 | 外観検査AI 全ライン展開、予知保全PoC完了 |
| 2年目H1 | 予知保全AI 名古屋工場導入、需要予測PoC |
| 2年目H2 | 大阪工場展開、タイ工場PoC |
| 3年目H1 | 全拠点AI稼働、管理部門AI導入 |
| 3年目H2 | AI間連携（品質×生産×需要）、Lv4移行 |
ROI推計
3年間投資: 5.0億円
3年間効果: 3億 + 8億 + 12億 = 23億円
3年ROI: (23 - 5) / 5 × 100% = 360%達成度チェック
| 観点 | 達成基準 |
|---|---|
| CoE設計 | 製造業の拠点分散に対応した組織設計 |
| 人材計画 | 3名からの現実的な拡大計画 |
| ガバナンス | 製造業特有の品質・安全要件を考慮 |
| ロードマップ | 5億円の予算内で段階的な展開計画 |
| 業種適応 | EC企業とは異なる製造業の特性への対応 |
推定所要時間: 90分