本サイトの記事や画像はAIが公的資料や報道を整理し制作したものです。[続きを表示]ただし誤りや不確定な情報が含まれることがありますので、参考の一助としてご覧いただき、実際の判断は公的資料や他の報道を直接ご確認ください。[私たちの取り組み]
経済産業省が、国内で開発するAI（人工知能）の性能を左右する「学習データ（AIに覚えさせる材料）」の底上げに乗り出す。日本企業、とりわけ製造業が抱える設備稼働、検査、保全などのデータを、使える形に整える取り組みを後押しし、商品力と生産性の改善につなげる。整備したデータは、2026年度から5年間で約1兆円を投じる国産AI支援の学習にも活用する想定だ。
工場の「眠る記録」を、AIが読める形にする
製造現場のデータは量が多い一方、形式がばらばらで欠損も起きやすい。例えば、点検票が紙のまま残っていたり、画像検査の結果が部門ごとに別の基準で保管されていたりする。こうした状態では、AI開発側が学習に使おうとしても、前処理（整理、名寄せ、ラベル付け）に手間がかかり、性能向上の速度が落ちる。
経産省が描くのは、企業が持つ膨大なデータを「外に出せる形」へ近づけることだ。匿名化や権利処理、品質管理のルールを整え、共有可能な範囲を増やす。現場の感覚では、設備ログや保全履歴のような日々の記録が、少しの欠落や表記ゆれで使いづらくなる。基礎の整備を政策で支える狙いがある。
1兆円支援とデータ整備がぶつかる壁
政府は国産AIの開発支援を、2026年度から5年間で1兆円規模とする構想を進めていると時事通信が報じた。経産省はこれと並行して、生成AIの開発力強化策「GENIAC（基盤モデル開発の加速策）」を進め、計算資源支援や社会実装を促す枠組みも用意してきた。資金と計算資源に加え、学習データの供給力を増やすことが次の焦点になる。
ただ、データは集めれば済む話ではない。営業秘密や個人情報の線引き、サプライチェーンをまたぐ共有の合意、標準化の負担が残る。デジタル庁が産業用データ連携基盤（データスペースの考え方）を進めるのも、共有の前提となるガバナンス作りが欠かせないためだ。国産AIの性能を伸ばす近道は「広く集める」より、「安心して出せる範囲を増やし、品質をそろえる」ことにあるとの見方もある。
