（この記事はもともとForbes.comに掲載されたものです）
自動車業界における人工知能（AI ）といえば、自動運転機能やデジタルアシスタントを連想することが多い。しかし、現在、自動車の所有における中核となる部分、すなわちサービスやメンテナンスのあり方を一変させようとする、目立たない変革が進んでいる。
今日の自動車は1時間ごとにギガバイト単位のデータを生成していますが、その多くは依然として活用されていません。リアルタイムの車両データとAI による分析結果を組み合わせることで、自動車メーカーやサービスプロバイダーは、診断の精度を高め、修理ワークフローを効率化し、故障を未然に防ぐことができます。実際、これにより、利用機会の損失が減り、コストが削減され、よりスムーズな所有体験が実現されることがよくあります。
Sonatus の最高技術責任者（CTO）兼共同創業者として、私は20年以上にわたり、クラウド、モバイル、組み込みシステムにわたる先進技術の開発に携わってきました。その中には、商用車両の安全性を高めるAI ベースのツールも含まれます。 データセンターや自動車分野において、高パフォーマンスなチームを率いてきた経験を通じて、基礎となるデータ（およびそれをリアルタイムで活用する能力）がいかに重要であるかを実感してきました。Sonatus では、グローバルなOEM各社と連携して、インテリジェントな診断機能を大規模に導入してきました。また、AI を活用したインサイトが、車両の所有体験全体をいかに向上させることができるかを、身をもって体験してきました。
事後対応型サービスから予測型サービスへの転換
従来のサービスモデルは事後対応型です。何かが故障すると、警告灯が点灯し、技術者がトラブルシューティングを開始します。しかし、問題を再現するのは必ずしも容易ではありません。その結果、何度も訪問することになったり、修理が遅れたり、顧客の不満を招いたりすることがよくあります。
AI よりスマートな代替案をご紹介します。継続的な状態監視と状況に応じたデータ収集により、車両は状況に応じたタイムリーな知見を提供できるようになりました。サービスチームは、一般的なログファイルをいちいち精査する代わりに、特定の問題に関連するデータのみを、その問題が発生したまさにその瞬間に受け取ることができます。例えば、電子制御ユニット（ECU）のログ、故障コード、さらには事象発生直前に記録された短いセンサーデータなどもその対象となります。
この変更により、根本原因の分析が迅速化され、再来店の回数が減り、各整備ベイにおけるトリアージの効率が向上します。
単にデータ量を増やすのではなく、適切なデータを入手する
コネクテッドカーからはすでに膨大なデータが得られていますが、課題はデータの量ではなく、その精度にあります。2030年までには、1台の自動車が走行1時間あたり25GB以上のデータを生成するようになり、高度なシステムの導入により、生データの処理量はさらに増加する見込みです。
しかし、データは、対象を絞り込み、関連性がある場合にのみ有用です。最新のAI プラットフォームは、走行データ全体を受動的に記録するのではなく、ブレーキ圧の異常といった特定の車内イベントに基づいて、データ収集を動的にトリガーすることができます。これにより、帯域幅を節約できるだけでなく、洞察を得るまでの時間を短縮することも可能です。
その結果、高品質で低遅延な情報が得られ、リアルタイム分析を促進し、診断における当て推量を減らすことができます。
早期発見が自動車メーカーやOEMにメリットをもたらす
予知保全は、ダウンタイムが直接収益の損失につながる商用車フリートにとって特に価値が高いものです。AI システムは、車両群全体のパターンを分析することで、異常値を検知し、潜在的なリスクを特定し、さらには故障が発生する前に修理策を提案することさえ可能です。特に注目すべきは、当社が調査した自動車業界の専門家の57％が、診断情報を含む車両データの収益化を、OEMにとって最も価値の高いビジネスチャンスとして挙げていることです。
OEMにとっては、こうした知見をソフトウェアの更新サイクルに組み込むことで、エンジニアが車両のライフサイクルの早い段階で問題を解決できるようになります。マッキンゼーによると、リアルタイムのフィードバックループを取り入れた自動車メーカーは、リコールコストを最大30％削減できるとのことです。
サービスコストの削減にとどまらず、こうしたインテリジェンスは、販売時点を過ぎた後も、顧客の信頼やブランドへの忠誠心を維持するのに役立ちます。
ライフサイクル・イノベーションの基盤
車両がますますソフトウェア主導型になるにつれ、販売後の段階における「AI 」の有用性は今後も高まり続けるでしょう。自動車メーカーは、初期の取引にとどまらず、よりスムーズな診断、迅速なサービス、予期せぬ整備入庫の削減など、所有体験全体を通じて価値を提供することに、ますます注力しています。
AI は、こうした成果を実現する上で重要な役割を果たしています。クラウドのみに依存するのではなく、分析機能を車両システムの核心部に直接組み込むことで、メーカーは帯域幅に制約のある環境であっても、リアルタイムの意思決定機能を提供できるようになります。また、これにより、車両群や地域をまたいで継続的な改善を支える、よりスケーラブルでモジュール式のサービスアーキテクチャへの道が開かれます。
留意すべき課題
AI が車両診断にもたらすメリットは明らかですが、こうしたシステムの導入には課題も伴います。最大の課題の一つは、適切な精度と関連性を備えたデータを収集することです。関連性の低いデータを過剰に収集すると、ストレージや帯域幅の限界を超過してしまう恐れがあり、逆に収集量が少なすぎると、有益な知見を見逃すことになります。AI システムは、特定の車両イベントに関連するデータを動的に取得できるよう、慎重に調整する必要があります。これは、OEM向けにソリューションを展開する際、当社が特に注力してきた点でもあります。
プライバシーと同意についても、常に最優先で考慮すべき重要な要素です。車両データの収集と送信には、堅牢な同意取得の仕組みと、エッジおよびクラウドの両方における安全な取り扱いが必要です。規制は地域によって異なるため、OEM各社は、さまざまな法的要件や消費者の期待に対応できるシステムを設計しなければなりません。
最後に、人的要因があります。AI を活用した診断は、技術者の代わりになるものではなく、技術者をサポートするものです。この導入の成否は、複雑さを増すことなく、明確で実用的な洞察を提供するツールを構築できるかどうかにかかっています。Sonatus では、文脈に沿ったイベント固有のログをサービスチームに提供することで、診断にかかる労力を軽減し、問題解決を加速できることが分かっています。
これからの道
AI サービス現場ではまだ一般的な用語とは言えないかもしれませんが、その影響力は拡大しつつあります。車両データを実用的な知見に変えることで、問題の診断方法、修理の進め方、そして車両の将来的な進化のあり方を変革する力を持っています。
今後数年間、この静かな変革に投資する自動車メーカーは、よりスマートな自動車を提供するだけでなく、よりスマートな所有体験も提供できる態勢を整えることになるでしょう。