費用対効果が読めないAI導入の壁をどう突破したか、現場主導のデータ活用策

データ活用そのものは以前から手がけられており、三菱電機の研究所と現場が連携して昇降機や空調機の故障予知に独自アルゴリズムで挑むといった試みもありました。ただし成果は出ても一部の組織にとどまり、全社へは広がらない。その理由として挙げられているのが、決して高いとはいえないROI（投資利益率）です。リターンの見込みが立たなければ意思決定は慎重にならざるを得ません。

ここで注目したいのは、障壁が「技術がない」ことではなく「効果が読めないから始められない」ことだった点です。専門家に頼めば外注費がかかり、内製しようとすれば育成に時間がかかるうえ、育ち切るかどうかも見通せない。つまり、コスト側の不確実性が大きすぎて、リターン側をいくら議論しても投資判断に届かない構造だったのではないでしょうか。全社展開が止まっていたのは意欲の問題ではなく、投資対効果の算式の分母が膨らみすぎていたことに原因があったと読み解けます。

効いたのは、AI開発にかかるコストそのものを圧縮して、ROIの計算式を組み替えたことだと考えられます。データ加工、特徴量の設計、機械学習といった工程を自動化するツールを選ぶことで、育成コスト・開発コスト・外注コストのいずれもが軽くなる。人材育成に時間をかけてから活用を始めるのではなく、専門知識がなくても扱える道具を先に置いてしまう順序が、投資判断の壁を下げたと見られます。ユーザー数が増えてもライセンス費用が変わらないという条件も、全社に広げるほど一人あたりのコストが下がる構造をつくるという意味で、市民データサイエンティストという方針と整合しています。

ツール選定の基準が、汎用的な性能比較ではなく自社の使われ方に寄っていた点も見逃せません。気温から「一日前の気温」「毎週月曜日の気温」といった派生的な説明変数を自動生成する機能は、分析の勘所を知らない現場社員が試行錯誤する場面を補います。専門用語を登録できる辞書機能や日本語対応は、ビル設備という固有の語彙を持つ現場で、言葉の壁が分析の壁にならないようにする配慮でしょう。日報や点検記録といった自然言語の蓄積を将来的に活かす狙いも語られており、「いま使える」ことと「手持ちの資産を活かせる」ことの両方で選ばれていることが分かります。

育成の設計では、つまずきそうな場所に先回りする運用が組まれました。クレンジングなどのデータ加工でいきなり大量データを扱えば工数がかさんで気持ちが折れる。そこで最初から少量データで始めるよう周知しておく。演習は通常業務の傍らで進むため後回しになりやすいと見て、8チームが一堂に会する報告会を定期開催し、競争意識が働く場をつくる。NECの「DX人材育成サービス」による伴走では、解説やコンテンツへの要望に対して改善案が返される往復も生まれており、教材を渡して終わりにしない設計が、演習の継続を支えていると考えられます。

現在8チームが自部門の課題を題材に演習を進めており、総務・人事部門の人員変動予測のように既に業務への適用が見えているものも出ています。建物管理では、外気温や在館人数の影響で生じる室温のムラを踏まえ、空調の設定温度と室温の相関を分析する取り組みが進行中です。参加者からは、身構えていたが意外にできた、成果が出ると楽しい、継続したいといった声が上がり、経営陣も継続を後押ししています。今後は参加チーム数の拡大や、グループ会社への展開が展望として掲げられています。