1/6ページ
カタログの表紙 カタログの表紙 カタログの表紙
カタログの表紙

このカタログをダウンロードして
すべてを見る

ダウンロード(826.7Kb)

製造業向け|クラウド・閉じた環境・自社設備のAI基盤を比べて選ぶための実践フレームワーク

ホワイトペーパー

生成AIを自社の中で動かす選択肢を、比べたことはありますか。機密度・コスト・用途で最適なAI基盤を選ぶ

製造業のAI活用において、クラウドAI・閉じた環境でのAI・自社設備のAIの選択は機密保護・コスト・利便性のバランスで決まります。選択を誤ると機密漏洩リスクやコスト超過につながります。本資料は、製造業が機密度の区分・業務と利用者の特性をAI基盤の選択に照らし合わせ、クラウド・閉じた環境・自社設備の最適な組み合わせを判断するための実践フレームワークです。まずはお気軽にご相談ください。

このカタログについて

ドキュメント名 製造業向け|クラウド・閉じた環境・自社設備のAI基盤を比べて選ぶための実践フレームワーク
ドキュメント種別 ホワイトペーパー
ファイルサイズ 826.7Kb
登録カテゴリ
取り扱い企業 アクセンチュア株式会社 (この企業の取り扱いカタログ一覧)

この企業の関連カタログ

この企業の関連カタログの表紙
デジタルツインによる上市リードタイム短縮
事例紹介

アクセンチュア株式会社

この企業の関連カタログの表紙
R&Dプロセス現場入り込み業務改革
事例紹介

アクセンチュア株式会社

この企業の関連カタログの表紙
導入数百社・47万人が利用するAI・DX人材育成プログラム
製品カタログ

アクセンチュア株式会社

このカタログの内容

Page1

スライド 1

WHITE PAPER|製造業 × IT・デジタル基盤 × AI基盤 AI基盤との接続シリーズ 生成AIを 自社の中で動かす選択肢を、 比べたことはありますか。 製造業のための クラウド・閉じた環境・自社設備のAI基盤を比べて選ぶための実践フレームワーク データ AI基盤 業務・経営への適用 機密度の区分 環境の選択 AI基盤 業務と利用者 クラウド・閉じた環境・ 段階的な導入計画 自社設備の比較 データの量と種類 投資の判断 費用と運用の体制 セキュリティ・ガバナンス(データの所在・アクセス管理・モデルの更新) 3つ 41.2% 2025年5月 クラウド・閉じた環境・ 言語系生成AIの導入企業 AI推進法 自社設備の選択肢 (準備中を含む) が成立 本稿の内容 1 AI基盤の選び方が「経営課題」になった理由 4 AI基盤の選択と接続の4層構造 2 AI基盤の選択が進むまでの道のり 5 セルフ診断と次のステップ 3 AIとの接続を阻む3つの課題 アクセンチュア株式会社 2026年 外部公開版 Supply Chain & Engineering(SC&E)|SupplyChain_Engineering@accenture.com Copyright © 2026 Accenture. All rights reserved.
Page2

スライド 2

WHITE PAPER|製造業 × IT・デジタル基盤 × AI基盤 2 EXECUTIVE SUMMARY どこでAIを動かすかは、費用・安全・速さのバランスで決まります。 生成AIを本格的に使い始めると、「どこでAIを動かすか」という選択に直面します。社外のクラウドのサービスは手軽に始められる 一方、機密データの扱いに制約があります。閉じた環境や自社の設備でAIを動かせばデータを社内にとどめられますが、計算資 源の確保や運用の体制が必要です。 本稿では、製造業が自社に合ったAI基盤を選ぶために、選択肢を比べる観点と、試行から本番、運用までの進め方を整理しま す。課題の整理とセルフ診断は、同時に公開する別稿で扱います。 Why 1 AI基盤の選び方は「IT部門の課題」から「経営の課題」になりました AI基盤の選択は、データの安全、費用、性能、運用の負担を同時に左右します。一度選んだ基盤は、業務やデータの接続の仕組みとと もに使われ続けるため、後から変えるには手間がかかります。 一方、生成AIのモデルや計算資源の技術は急速に変わっています。すべてを1つの基盤に任せるのではなく、データの機密度と業務に合わ せて基盤を使い分ける考え方が求められています。 図1 AI基盤の選択肢と検討のホットスポット 社外のクラウド 閉じた環境 自社の設備 AIのモデル 運用・統制 モデルの 始めやすさ 接続の設計 GPUの確保 運用の体制 種類 機密データ データの 設置と電力 性能の評価 アクセス管理 の制約 所在 利用料の 事業者の モデルの 初期の投資 利用の記録 増加 選定 更新 検討の重要度が高い領域 中程度の領域 比較的低い領域 図1:重要度が高いのは、機密データの制約、利用料、データの所在、計算資源の確保、モデルの更新と運用の体制です(概念図) 3つ 41.2% 2025年5月 AI基盤の 言語系生成AIの導入企業 AI推進法 主な選択肢 (準備中を含む) が成立 ※出典:日本情報システム・ユーザー協会(JUAS)「企業IT動向調査2025」(2024年度調査)速報値(2025年2月)、内閣府(AI推進法)。図1は概念図であり、選択肢 の特徴は製品や契約により異なります。 Copyright © 2026 Accenture. All rights reserved. Supply Chain & Engineering(SC&E)|SupplyChain_Engineering@accenture.com
Page3

スライド 3

WHITE PAPER|製造業 × IT・デジタル基盤 × AI基盤 3 図2 AI基盤の選択を難しくする3つの構造的な壁 第1の壁 第2の壁 第3の壁 比較の壁 資源の壁 変化の壁 費用 ・ 性能 ・ 安全 GPU ・ 設置 ・ 人材 モデル ・ 技術 ・ 制度 ・比べる観点がそろっていない ・計算資源の確保が難しい ・AIのモデルが急速に変わる ・長期の費用を見積もれない ・設置場所と電力に制約がある ・技術の選択が古くなりやすい ・性能の評価の方法がない ・運用できる人材が少ない ・制度の動きが読みにくい 選ぶ根拠がない 自社で動かす自信がない 決めるのを先送りする 図2:比較・資源・変化の3つの壁が、AI基盤の選択を難しくしています Why 2 選択肢を、データの機密度と業務で使い分ける 機密度の低いデータを扱う業務は社外のクラウドのサービスで素早く始め、機密データを扱う業務は閉じた環境や自社の設備で動かす、と いう使い分けが現実的です。比べる観点は、データの所在、費用の総額、性能、運用の負担、モデルの更新のしやすさです。 最初からすべてを決める必要はありません。重点業務で試し、利用の規模と効果を確かめながら、どの業務をどの基盤で動かすかを段階的 に決めることで、投資の失敗を抑えられます。 図3 AI基盤の選択が進むまでの道のり(概念) 開始 1ヵ月 2ヵ月 3ヵ月 6ヵ月 9ヵ月 12ヵ月~ 1 2 3 4 5 6 7 業務とデータ 比較の観点 選択肢の 重点業務 利用の規模 基盤の使い分け 本番の運用 の棚卸し の整理 比較評価 での試行 と効果の確認 の決定 と更新 比較と選択 試行と運用 図3:棚卸しと比較を先に進め、試行で効果を確かめてから基盤の使い分けを決めます 1つの基盤に決め打ちせず、データと業務に合わせて使い分けることが近道です。 Copyright © 2026 Accenture. All rights reserved. Supply Chain & Engineering(SC&E)|SupplyChain_Engineering@accenture.com
Page4

スライド 4

WHITE PAPER|製造業 × IT・デジタル基盤 × AI基盤 4 Why 3 AI基盤との接続には、3つの課題があります AI基盤を選び、業務につなぐには、データを機密度に合った基盤に接続し、業務ごとに使う基盤を決め、データの所在とモデルの更新を管 理する必要があります。そこには3つの課題があります。 データの接続 1 機密度に応じて、社外のクラウド・閉じた環境・自社の設備のどれにつなぐかを決めます。 業務への組み込み 2 業務ごとに使う基盤を決め、試行から本番、運用へと段階的に移します。 ガバナンス 3 データの所在、アクセス権限、モデルの更新と評価の責任を明確にします。 図4 従来の検討と目指す姿 従来の検討 目指す姿 1つのサービスで全業務を賄う 業務とデータで基盤を使い分ける 初期の費用だけで比べる 運用を含めた費用の総額で比べる 性能を感覚で判断する 自社の業務の評価基準で比べる 導入したら終わりと考える モデルの更新と運用まで計画する 技術の変化を待って先送りする 試行で確かめながら段階的に決める アプローチ データ接続からAI活用、経営判断までを、守りと一体で設計する 業務とデータを棚卸しし、機密度と利用の規模に応じて、社外のクラウド・閉じた環境・自社の設備を比べます。重点業務で試して効果と 費用を確かめ、業務ごとに使う基盤を決めて、運用とモデルの更新まで計画します。それを支えるのが次の4層構造です。 図5 AI基盤の選択と接続の4層構造 Layer 4 経営判断 使い分け 投資判断 費用管理 基盤の使い分けと投資の判断 Layer 3 業務適用 重点業務 段階展開 効果測定 業務ごとの基盤の割り当てと段階的な展開 Layer 2 AI基盤 クラウド 閉じた環境 自社設備 クラウド・閉じた環境・自社設備のAI基盤 Layer 1 データ接続 機密度の区分 データの所在 アクセス管理 機密度に応じたデータの接続と所在の管理 図5:機密度に応じたデータ接続を土台に、基盤の使い分け・業務適用・経営判断を積み上げます Copyright © 2026 Accenture. All rights reserved. Supply Chain & Engineering(SC&E)|SupplyChain_Engineering@accenture.com
Page5

スライド 5

WHITE PAPER|製造業 × IT・デジタル基盤 × AI基盤 5 図6 AI基盤の選択と導入 実行ロードマップ STEP 1 0~3ヵ月 STEP 2 3~9ヵ月 STEP 3 9ヵ月~ 比較の観点と 重点業務での 本番の運用と 選択肢の評価 試行 継続的な更新 業務とデータの棚卸し 試行環境の準備 使い分けの決定 比較の観点の整理 効果と費用の確認 本番環境の構築 選択肢の比較評価 運用体制の検討 モデルの更新と評価 「どこで動かすか」 使い分けの根拠が AI基盤が事業を支える の候補が決まる そろう 図6:比較・試行・運用の3段階で、自社に合ったAI基盤を選びます STEP 1 比べる観点をそろえ、選択肢を評価する 業務とデータを棚卸しし、データの所在、費用の総額、性能、運用の負担、モデルの更新のしやすさという観点で、社外のクラウド・閉じた環 境・自社の設備を比べます。 STEP 2 重点業務で試し、根拠をそろえる 機密データを扱う重点業務で、候補の基盤を使って試します。効果、利用の規模、費用、運用の負担を確かめ、使い分けの根拠をそろえ ます。 STEP 3 使い分けを決め、運用を続ける 業務ごとに使う基盤を決め、本番の環境を整えます。モデルの更新と性能の評価、アクセスの管理を続け、技術の変化に合わせて見直しま す。 期待する成果 段階ごとに得られる成果 短期(0~3ヵ月) 中期(3~9ヵ月) 長期(9ヵ月~) → 比較の観点の整理 → 試行での効果の確認 → 基盤の使い分け → 選択肢の評価 → 費用の見通し → 本番の運用 → 重点業務の選定 → 運用体制の検討 → モデルの継続的な更新 ※成果の時期は目安であり、対象範囲や現状により異なります Copyright © 2026 Accenture. All rights reserved. Supply Chain & Engineering(SC&E)|SupplyChain_Engineering@accenture.com
Page6

スライド 6

WHITE PAPER|製造業 × IT・デジタル基盤 × AI基盤 6 セルフ診断 あなたの会社は、AIをどこで動かすかを比べて決めていますか? 以下の項目に1つでも当てはまる場合、AI基盤の選択で投資を誤るリスクが潜んでいる可能性があります。 図7 AI基盤の選択 セルフ診断チェック AI基盤の選択肢を比べる観点が決まっていない AI基盤の準備レベル → 早急な対応が必要な可能性があります 運用を含めた費用の総額を見積もっていない 0個 → 早急な対応が必要な可能性があります 現状を維持 機密データを扱う業務の基盤を決めていない 1~2個 → 早急な対応が必要な可能性があります 注意が必要 AIのモデルの更新と評価の責任者がいない → 早急な対応が必要な可能性があります 3個以上 重点業務での試行の計画がない 早急に着手 → 早期の見直しをおすすめします 当てはまる項目の数 計算資源や運用の人材の確保を検討していない → 早期の見直しをおすすめします 図7:紫の背景は早急な対応が必要な項目、灰色の背景は早期の見直しをおすすめする項目です 1つでも当てはまる場合 3つ以上当てはまる場合 AI基盤の選択で投資を誤るリスクが潜んでいる可能性があり AI基盤の選択と導入の計画に早急に着手すべき段階です。 ます。まずは、業務とデータの棚卸しと、比べる観点の整理を 比べる観点をそろえ、重点業務での試行から始めることをおす 進めてください。 すめします。 次のステップ AI基盤の選択の現状診断から始める 自社に合ったAI基盤の選択は、すべてを一度に決める必要はありません。業務とデータを棚卸しし、比べる観点をそろえることから始まりま す。課題の整理とセルフ診断は、同時に公開する別稿「その設計図と製造データを、社外のAIに渡して大丈夫ですか。」で扱っています。ア クセンチュアでは、選択肢の比較から、試行、本番の運用まで、段階的に支援しています。 AI基盤の選び方を、まずは相談してみませんか? 現状診断のご相談を受け付けています。お気軽にお問い合わせください。 アクセンチュア株式会社 Supply Chain & Engineering(SC&E) SupplyChain_Engineering@accenture.com 本稿のデータは公表情報・統計資料に基づきます。図は概念図を含みます。個別の投資・経営判断については、当社の専門家にご相談ください。 Copyright © 2026 Accenture. All rights reserved. Supply Chain & Engineering(SC&E)|SupplyChain_Engineering@accenture.com