止まる原因はツールではなく「持ち主がいない」こと
データ基盤が止まる典型的な経緯は次のとおりです。PoCでは外部のベンダーやプロジェクトチームが基盤を作り、AIの精度も確認できた。プロジェクトが終わると、基盤の運用は「情報システム部門か生産技術のどちらか」に曖昧に引き継がれる。設備の更新でタグが変わり、データが欠け始めても、誰が直すのか決まっていない。数か月後、AIの精度が落ちていることに気付いたときには、原因を調べられる人がいない。
McKinseyの2018年調査（7市場・700社超）では、デジタル製造ソリューションの全社展開を阻む障壁として、人材を挙げた企業が69%で最も多く、C-levelの責任者を置いている企業は36%でした。IPAの「DX動向2026」では、日本企業のデータ整備・管理・流通の課題の1位が「人材の確保が難しい」51.2%でした。
必要な役割と3者の分担
データ基盤の運用に必要な役割を、生産技術（生技）、情報システム（情シス）、データエンジニアの3者で分けると、次のようになります。1人が複数の役割を兼ねてもかまいませんが、役割ごとに責任者の名前を決めておくことが重要です。
| 役割 | 主な仕事 | 主に担う部門 | 必要な知識 |
|---|---|---|---|
| データオーナー | 対象データの意味と正しさに責任を持つ。良否基準・停止理由・タグの意味を決める | 製造部門・品質保証・生技 | 工程と設備、品質基準 |
| 設備・収集の担当 | センサ・PLC・ゲートウェイの設定、タグの追加・変更、故障対応 | 生技・保全 | PLC、OPC UA、設備の構造 |
| 基盤・ネットワークの担当 | サーバー・クラウド・ネットワーク・セキュリティ・アカウント管理 | 情シス | IT基盤、セキュリティ |
| データエンジニア | 収集から蓄積・変換までのパイプライン、MES連携、データ品質ルール、障害の切り分け | 専任または情シス・DX推進 | SQL、データモデル、MESの構造 |
| 利用者（分析・AI） | 分析やAIモデルの開発と運用、精度の監視 | DX推進・品質・外部パートナー | 統計・機械学習 |
生技と情シスの間には、ネットワーク・責任範囲・更新周期・可用性・セキュリティについて価値観の違いがあります。この違いと調整の方法はIT/OT連携の進め方で扱っています。データエンジニアは、この2者の間でデータの流れ全体を見る役割で、多くの製造業で最も不足している役割です。
最小体制と外部委託の線引き
中堅規模の工場で1〜2ラインのデータ基盤を運用する場合、兼任を含めて3〜4人が最小の体制の目安です（編集部の想定）。
- データオーナー：対象ラインの製造課長または品質担当（兼任）
- 設備・収集の担当：生技または保全の担当者1人（兼任、月数日）
- データエンジニア：1人（専任が望ましい。外部委託と組み合わせ可）
- 基盤・ネットワークの担当：情シスの担当者（兼任）
外部委託するかどうかは、その仕事が「工場の知識を必要とするか」「頻度が高いか」で線を引きます。
日立や富士通など大手ベンダーは、顧客の現場に入ってデータ整備や知識抽出を伴走するFDE（Forward Deployed Engineer）型の支援を打ち出しています（各社発表、2026年9月）。こうした外部の人材を使う場合も、社内に残す仕事は同じです。外部人材の使い方はFDE型の伴走支援とはで扱っています。
体制を決めるときの手順
- 対象のデータ基盤の構成図を描き、各構成要素（センサ、ゲートウェイ、ブローカー、DB、連携、ダッシュボード）の担当者を1人ずつ書き込む
- 担当者が書けない要素を洗い出し、社内で持つか委託するかを決める
- 障害時の連絡経路（誰が最初に気付き、誰に連絡し、誰が直すか）を決める
- データオーナーを、データの種類ごとに決める。決め方は製造データのガバナンスで扱っている
- 半年ごとに体制を見直し、担当者の異動に備えて手順書を更新する
よくある質問
データエンジニアを社内で育てるにはどうすればよいですか？
情報システム部門でSQLやDBの経験がある人、または生産技術でPLCや設備データに詳しい人を候補にします。どちらか一方の知識がある人に、もう一方を学んでもらう形が現実的です。最初は外部の専門家と組んで実案件を通じて学ぶと、習得が速くなります。
情シスと生技のどちらが主管すべきですか？
どちらか一方に寄せるより、データ基盤の担当チーム（または担当者）を両部門の間に置き、責任者を明確にする方が機能します。主管部門を決める場合は、データの使い道（品質・保全・生産）に近い部門が持つと、優先順位の判断がしやすくなります。
中小企業で専任を置けない場合はどうすればよいですか？
社内の兼任者がデータオーナーと一次判断を担い、構築と保守は外部に委託する形が現実的です。中小製造業の推進体制の作り方は、別の記事で詳しく扱っています。委託先を選ぶときは、設備とMESの両方を理解しているかを確認します。
この記事に出てくる用語
AIは「データ基盤」で決まる
PoCは成功したのに本番で止まる。原因の多くはモデルではなく、MESと設備データの側にある 全130本
- MESとAIの関係：ロット・作業指示・品質判定がAIの精度を決める理由
- 製造業AIが本番で止まる7つの理由：PoCは成功したのにラインに載らない構造
- 製造業のAI-OCR：紙の検査記録・点検表・ミルシートをデータ化する手順
- データ基盤の段階的導入ロードマップ：ユースケースから逆算する8ステップ
この記事を書いた人
DELMIA Apriso を中核とした MES / 製造DX の導入・運用・人材育成と、製造業向けAIの調査・開発・教育を手がけるITコンサルティング企業。ISO 9001:2015 / ISO 27001:2022 認証取得。 日本・中国・米国で製造業のMES・データ基盤・AI導入を手がけた実務者が、欧米・中国の一次情報にあたって書いています。
