全産業共通 AI導入が止まる本当の理由は、技術ではなく「検証する仕組みがない」ことだった — 12社16名への聞き取りが示す壁
技術検証は通ったのに本番導入が進まない。その理由を12社16名への聞き取りで調べた研究の結論は、技術力ではなく「出力を検証する仕組みがないこと」だった。能力を持ちながら本番化できていない企業が12社中4社。さらに12社中11社が成熟度レベル1〜2にとどまる。順序を変えるだけで避けられる失敗と、費用ゼロで始められる対策を整理する。
2026-09
全産業共通 全産業共通 「いつ再学習すべきか」に答えが出た — ラベル付けを99%減らすドリフト検知と、AI導入後の運用設計
AIの精度は導入時が最高で、そこから落ちていく。半年後に現場から「最近当たらない」と言われる——この劣化をいつ検知し、いつ再学習するか。ICSE 2025に採択された研究は、従来の壁だった人手ラベル付けを99%削減し、実運用データで適合率を57.1%改善した。導入済みAIを守るための運用設計と、継続予算を通すための論拠を整理する。
製造・組立 溶接の良否を、マイクとカメラだけで見分ける — 欠陥サンプルを集めずに始める教師なし検査
溶接ロボットは溶接できても、うまくいったかを判断できない。だから検査が人手のまま残る。この判断をマイクとカメラだけで、しかも欠陥サンプルを一切使わずに行う研究がある。4,000件超・11種類の欠陥で平均AUC 0.92。検査を無くすのではなく減らす設計なら実用検討に入る水準と、既存ロボットへ後付けした場合のROIを整理する。