AIBR プレミアム
拓海先生、最近部下から「AIを導入しろ」と言われて困っております。論文タイトルに”No AI Without PI!”とありまして、要するに何を言っているのか分からないのです。これって要するに「AIを入れれば全部解決」ってことですか？
素晴らしい着眼点ですね！大丈夫、一緒に整理しましょう。結論から言えば、この論文は「ただAIを置くだけでは現場は良くならない。まずプロセスを正しく理解し、データをプロセス中心で整理すること（Process Intelligence: PI）が必要だ」と言っているんですよ。
それは現場のデータを整える話ですか。うちの現場は紙とExcelが混在していて、どこから手を付けるべきか分かりません。投資対効果はどう見ればよいのでしょうか。
素晴らしい着眼点ですね！要点を3つに分けます。1) 現場の”オブジェクト”（部品・受注・工程など）を軸にデータを整理すること、2) その整理がAIの精度と適用範囲を決めること、3) 小さく検証してから拡大することで投資をコントロールすること、です。大丈夫、一緒にやれば必ずできますよ。
オブジェクトを軸に、ですか。うちなら「製品」「受注」「工程」といった単位でしょうか。それを整理すればAIが使える、と。これって要するにデータ整理が先で、AIはその先の手段ということでよろしいですか。
素晴らしい着眼点ですね！その理解で合っています。論文で言うObject-Centric Process Mining（OCPM、オブジェクト中心プロセスマイニング）は、まさにその”何がどのオブジェクトに関係するか”を明確にする手法です。比喩で言えば、散らばったパズルのピースをまずテーブルの上に並べる作業です。
うーん、パズルか。確かにピースが合っていなければ良い絵は描けないでしょう。で、OCPMをやると具体的に何が見えて、どんなAIが効くのですか。
素晴らしい着眼点ですね！OCPMが有効にするのは三種類のAIです。Generative AI（生成AI）はパターンから新しい提案を生む。Predictive AI（予測AI）は未来の障害や遅延を予測する。Prescriptive AI（処方AI）は具体的な改善措置を提示する。OCPMはこれらを正しい文脈に結びつける土台です。
それは魅力的です。ですが、現場は動的で変わることが多いと聞きます。OCPMで作ったモデルがすぐ古くならないか心配です。メンテナンスが大変ではありませんか。
素晴らしい着眼点ですね！現場の変化は確かに課題ですが、OCPMは変化を可視化する力も持っています。重要なのは静的な“一回限りのモデル”を作ることではなく、プロセスの差異や例外を検出し続ける仕組みを導入することです。それができればAIは継続的に精度を保てますよ。
なるほど。では段階的に進めるとして、最初に試すべき小さなスコープは何でしょう。投資判断に使える基準が欲しいのです。
素晴らしい着眼点ですね！小さく始めるなら、取引量が多く、問題発生時のコストが分かりやすいプロセスを選びます。要点は三つ、影響度の大きさ、データの入手可能性、改善効果の測定性です。これで投資対効果を合理的に評価できますよ。
わかりました。要するに、まずプロセス中心のデータ整理（OCPM）をやって、そこで得た洞察にAIをつなげていく。小さく試して効果を見ながら拡大する、ということで落ち着くわけですね。自分の言葉で言うと、プロセスをきちんと見える化してからAIを当てる、ということだと思います。
