DXの本質は「デジタル化」ではない。現場の数字を変えることだ

DX。
IoT。
AI。
見える化。

製造業でも、こうした言葉を聞かない日はほとんどなくなった。

日報を電子化する。
紙をタブレットにする。
センサーを取り付ける。
ダッシュボードを作る。
AIを導入する。

もちろん、これらは必要な技術だ。

でも、そこで一つ疑問がある。
それで現場は実際に良くなったのだろうか。

加工時間は短くなったのか。
設備停止は減ったのか。
残業は減ったのか。
不良率は下がったのか。
利益は増えたのか。

ここが変わっていないのであれば、それはDXというより、
単なるデジタル化
なのかもしれない。

「IoTは見える化する道具でしかない。結局やることは改善だ」
という考え方だった。

これは製造業だけではなく、あらゆる業務改善に当てはまると思う。

DXのゴールが「導入」になっていないか

DXがうまくいかない典型的なパターンがある。

まずツールを選ぶ。
システムを導入する。
社員へ説明する。
運用を開始する。

そして、
「DXを実施しました」となる。

でも、本来ここはスタート地点だ。

IoTを導入した。
なら、
そのデータを使って何を変えるのか。

AIを導入した。
なら、
その結果、どんな仕事を減らし、何の判断を速くするのか。

日報を電子化した。
なら、
電子化したことで何が改善されたのか。

ここまで行かなければ意味がない。
製造業ならもっと単純だ。

結局、利益を生み出しているのは現場で作っている製品だ。

だったら、
品質。
コスト。
納期。
設備稼働率。
サイクルタイム。
停止時間。

こうした数字を変えることが本丸になる。

DXとは、
現場から離れるためのものではなく、現場をもっと正確に見るためのもの
なのだと思う。

「見える化」だけでは何も変わらない

例えば設備へセンサーを取り付ける。

何時から何時まで動いていたのか。
何分止まったのか。
サイクルタイムはどうだったのか。
こうした数字が自動で取れるようになる。

これは大きい。
紙の生産管理表なら、
「段取り替え5分」
と書いてあっても、本当に5分だったかは分からない。

作業者が悪いわけではない。
一日中現場で働きながら、
「何時何分から何分間設備が停止したか」
まで正確に覚えておけという方が無理がある。

だからセンサーを使う。
自動で取る。
グラフにする。
ダッシュボードにする。
ここまでは技術でできる。

でも、
グラフを眺めているだけでは生産性は1％も上がらない。

その数字を見て、
「なぜここで止まった？」
と考える。

現場を見る。
原因を探す。
対策する。
翌日もう一度数字を見る。
改善していなければ別の方法を試す。
結局この繰り返しになる。

つまり、
デジタルは問題を解決してくれるものではなく、問題から逃げられなくするもの
と考えた方がいいのかもしれない。

データは「正しい」だけでは足りない

IoTの話でもう一つ面白かったのが、
データの信頼性
だった。

資料では、データ取得精度が95％程度あっても、残り5％が現場の実態と違えば、
「このシステム、信用できないな」
となって誰も見なくなる、という話が出てくる。

これはかなり重要だと思う。

システム開発側から見れば、
「95％取れているなら十分じゃないか」
と思うかもしれない。

でも現場側からすれば、
目の前で設備が10回動いたのに、画面には9回と表示される。

すると一気に信用を失う。

一度、
「この数字、怪しいよね」
という認識が定着すると、そのシステムは使われなくなる。

だからDXは、
システムを作ることより、現場から信用されるところまで作り込むこと
の方が難しい。

ここにも泥臭さがある。

一番重要なのは「数字を見た後」

興味深い導入事例も紹介されていた。
IoT導入前は、現場から紙ベースで情報が上がってくる。

しかし実際に工場を歩くと、
「報告されている内容と現実が少し違うのではないか」
という違和感があった。

そこで設備を見える化した。

当然、最初は反発も出る。
「そんなことをして意味があるのか」
「ただ数字が見えるだけじゃないか」
という声も出る。

それでも、
毎朝管理職が集まる。
前日の数字を見る。

「なぜこうなった？」
と話す。

必要なら現場へ行く。
これを繰り返した。
つまり成功要因は、
IoTそのものではない。

IoTを使って、会話と行動を変えたことにある。

実際、その事例では設備稼働率が平均30％前後だった状態から、70％近い水準まで改善してきたと説明されている。

しかも、
「これ一発で改善しました」
という魔法の施策があったわけではない。

一人ひとりが、
「設備が止まっていること」への感度を上げた。

この積み重ねだ。
これが現場改善なのだと思う。

DXで一番変えなければならないのは「行動」

だから、
DXによって何を変えるのかと聞かれたら、
最終的には、人間の行動になる。

紙がExcelになった。
それだけでは何も変わらない。
ExcelがBIツールになった。
それでも何も変わらない。

センサーでリアルタイム取得できるようになった。
まだ変わらない。

そのデータを見て、
昨日まで30分止めていた設備を今日は20分にする。
ここで初めて変わる。

デジタル化とは、
行動を変えるための材料を増やすこと
なのかもしれない。

AIも同じ。「AIを入れた」で終わってはいけない

資料では、IoTで大量に集めた工場データを生成AIへ読み込ませ、
「AI製造部長」
のように要約させる仕組みも紹介されていた。

工場に100ライン、200ラインあれば、管理職がすべての数字を見るだけでも大変だ。

そこでAIが、
稼働率の良かったライン。
悪かったライン。
目標との差。
改善すべきところ。

などを自動的に整理する。
これはAIの使い方としてかなり分かりやすい。

AIだからすごいのではない。
人間がデータを読む時間を減らして、改善を考える時間を増やしている。
ここに価値がある。

「生成AIを導入しました」ではない。

その結果、「課長が毎朝1時間データを見る必要がなくなり、その時間を現場改善に使えるようになった」

まで行けば、初めて意味がある。

ROIだけで考えると改革できなくなる

DXを導入すると、
必ず出てくる質問がある。

「ROIは？」
費用対効果はもちろん重要だ。
数千万円、数億円を投資するなら当然考えなければならない。

ただし、ROIを気にしすぎること自体が改善を止める場合がある。

なぜなら、本当の改革は、
やってみるまで分からないことが多い
からだ。

現在の業務の延長線上なら、ROIを計算しやすい。

人を2人減らせる。
年間1,000万円削減できる。
システム代が500万円。
ならやる。

これは分かりやすい。

でも、
「データをリアルタイム化した結果、現場がどんな改善を思いつくか」
まで事前に数字で出すのは難しい。

未来の行動まで完全に予測できるなら、そもそも改革ではない。

「やってみないと分からない」を許せるか

これはDXに限らない。

新規事業。
AI導入。
Webサービス。
業務改革。

どれも同じだ。

最初から、
「これをやれば年間3,482万円儲かります」
と完全に分かっているものだけを選ぶ。

そうすると、
既存の延長線上の改善しかできなくなる。

だから一定金額以下なら、
小さく始める。
期限を決める。
試す。
数字を見る。
ダメならやめる。
これでいい。

失敗を極度に避けるのではなく、試してダメならやめればいいという考え方が語られている。

重要なのは、失敗しないことではなく、失敗から次の打ち手を決めることなのだと思う。

現場改善は短期では終わらない

そして、ここが最も地味だ。

現場改善は、
ツールを導入した翌日に完成するものではない。

資料の改善支援でも、
半年程度かけて現場へ入り、
2週間に1回など継続的に改善していく話が出てくる。

理由は単純で、
現場は簡単には変わらないからだ。

人には習慣がある。
今までのやり方がある。
設備にも癖がある。
工程間の関係もある。
一つ変えれば別のところへ影響する。

だから、
問題を見つける。
直す。
数字を見る。
また問題が出る。
また直す。
これを繰り返すしかない。

「泥臭さ」をデジタルでなくすのではない

DXという言葉には、

何となく、
泥臭い仕事をなくして、スマートにする
というイメージがある。

でも実際には、少し違うのかもしれない。
デジタルを使うことで、
今まで見えなかった問題が見える。

すると、
もっと現場へ行かなければならなくなる。
「なぜ止まった？」
「なぜこの時間だけ遅い？」
「なぜこの人の時だけバラつく？」
という問いが増える。

つまり、
DXによって泥臭さがなくなるのではない。
むしろ、
本当に必要な泥臭さへ集中できるようになる。

集計。
転記。
資料作成。
数字探し。
こうした作業は機械にやらせる。

そして人間は、
原因を考える。
現場を見る。
話す。
試す。
改善する。

こちらに時間を使う。

これが正しい役割分担なのだと思う。

DXの成否は「ツール」ではなく「改善する文化」で決まる

同じシステムを導入しても、
成果が出る会社と出ない会社がある。

当然だ。
ツールは同じだからだ。

違うのは、
その後どう使うか。
毎日数字を見る会社。

誰も見ない会社。
問題が出たら現場へ行く会社。
報告書を作って終わる会社。
小さく試す会社。
失敗を怖がって何もしない会社。
数字が悪ければ改善する会社。
数字が悪ければシステムのせいにする会社。

この差は大きい。

だから本当にDXを進めたいなら、
「どのシステムを導入するか」
だけではなく、
「この会社は改善を続けられる組織なのか」
を考えなければならない。

製造業以外でも同じだと思う

この話は製造業に限らない。

例えば行政。
申請書を紙からオンラインフォームにした。

そこで終われば単なる電子化だ。
その結果、
入力ミスが減った。
審査時間が短くなった。
住民の待ち時間が減った。
職員の転記作業がなくなった。

ここまで変われば改革になる。

農業でも同じ。
センサーを設置した。
終わりではない。

データを見て、
水やりを変える。
施肥を変える。
作業時間を減らす。
収量を上げる。

ここで初めて価値になる。

AIもIoTも、
現実世界の何かを変えるための道具
でしかない。

最後に

DXという言葉が広がりすぎて、
何でもDXと呼ばれるようになった。

でも、本質は意外と単純だと思う。
データを取る。
現状を見る。
問題を見つける。
原因を考える。
改善する。
もう一度測る。
さらに改善する。
これを繰り返す。

AIが入っても、
IoTが入っても、
最後にやることは変わらない。

改善だ。

むしろ技術が進歩するほど、
「ツールを導入しました」
だけでは差がつかなくなる。

誰でも同じAIを使える。
誰でもセンサーを買える。
誰でもダッシュボードを作れる。
だから最後に差になるのは、

見えた問題から逃げずに、現場で一つずつ変えられるか。

なのだと思う。

DXとは、
泥臭い改善から逃げるためのものではない。
泥臭い改善を、もっと速く、もっと正確に回すためのものだ。

それくらいシンプルに考えた方が、DXの本質を見失わずに済むのではないだろうか。