Snowflake Intelligenceが製造企業を支援し、データから実行可能なインサイトを引き出す方法

Man in a factory holding a tablet and looking out into the distance.

現在、製造企業が直面している最大の課題の1つは、工場出荷後の製品に対する可視性の欠如です。これは、歴史的にも対処を迫られてきた課題です。その結果、製品はバリューチェーンの終着点と見なされてきました。しかし、製品の信頼性とパフォーマンスの向上を求める顧客の要求は高まっています。そのため、製造企業はスマートなコネクテッド製品への投資を始めています。これは、製造、サプライチェーン、エンジニアリングの各チームにとって価値のあるデータを生成する試みの一環です。

コネクテッド製品は、単なる実験的なイニシアチブから脱却しました。現在では、多くの企業のビジネスモデルの中核を担っています。製造企業は、これらの製品から取り込んだデータを活用し、運用上のインサイト、製品開発、顧客体験、収益拡大にわたって価値を創出しています。つまり、データへのアクセスがかつてないほど重要になっています。

製造企業は製品からますます多くのインテリジェンスを吸収するにつれ、ペタバイト級のデータを蓄積することは必要条件の一部にすぎないことに気づきました。そのデータを民主化し、組織全体のチームがデータにアクセスして学習できるようにすることが重要です。これが、業界のイノベーターになるか、競争に遅れまいと苦戦するかの重要な差別化要因になり得ます。製造業界のリーダーたちは、製品に何が起きたのかを単に問う段階から、なぜそれが起きたのかを問う段階へと移行しています。そして、彼らを支援しているのがSnowflake Intelligenceです。

貴重な製品データや顧客データをビジネス内のすべての関連チームに確実に届けることで、製品パフォーマンスと顧客体験を改善し、新たな収益源を開拓しています。製品データに精通したビジネスユーザーは、構造化データと非構造化データ、そしてリアルタイムのコンテキストを融合させた高度なインテリジェントエージェントを通じて、価値あるインサイトを得られるようになりました。これらのエージェントは、具体的な次にとるべき行動を提案します。また、Toyota Motor Europe（TME）のような先進的な企業も、このテクノロジーを活用してよりスマートで情報に基づいたビジネス意思決定を大きな成果を上げています。

スポットライト：Toyota Motor Europe、Snowflake Intelligenceでイノベーションを起こし、反復しながら開発を加速

TMEの最重要指針は、顧客の声を製品設計や自動車戦略の中心に近づける方法を見つけることです。これには、モデルの仕様定義や将来の顧客ニーズの予測などが含まれます。しかし、車両データから販売記録に至るまで、顧客データを格納する100以上のシステムが分断されていました。そのため、すべてを1か所に集約し、データから価値あるインサイトを抽出することは困難でした。

これまで製品企画担当者が頼りにしていたダッシュボードは、その詳細さと複雑さによって柔軟性が制限されていたため、インサイトを掘り下げるのに効果的ではありませんでした。TMEは、これらのダッシュボードに代わる、よりインテリジェントなソリューションを必要としていました。それは、TMEの従業員が自然言語でコミュニケーションできるAIアシスタントを備えたものです。さらに、チームの深い業界知識と複雑なロジックを反映できる必要がありました。チームは、数時間や数日ではなく数秒で回答を得る必要がありました。

TMEは当初、完全なカスタムソリューションの構築を決定しました。しかし、そのプロセスには何か月もかかりました。また、同社のビジネスルールの複雑さから、エージェントが正確なフィードバックを提供するには、多大なトレーニングと労力が必要でした。TMEには、より優れたソリューションが必要でした。TMEは代わりにSnowflake Intelligenceを採用し、評価の結果、約1か月でカスタムソリューションと同等の精度と機能を達成できることが分かりました。

Snowflake Intelligenceは、TMEのすべてのデータを包括的に分析する機能を備えています。これにより、製造企業は表面的なレポート作成にとどまらず、パフォーマンスの背後にある要因を明らかにすることができます。TMEの製品企画担当者は現在、分散したデータソース全体にわたるパターンや傾向を理解できるようになりました。同時に、ガバナンス、精度、スケーラビリティも維持しています。また、Snowflake Cortex Analystの支援により、データとビジネス概念の関係をマッピングできます。さらに、確立されたビジネスルールの範囲内で動作する検証済みクエリとカスタム指示により、ユーザーの意図を解釈できます。

さらに、Snowflake Cortex Searchはビジネス用語集を使用してドメイン用語や同義語を処理し、豊富なコンテキストを提供します。オーケストレーションレイヤーは適切なツールを選択して出力を標準化することで、明確で構造化された応答を実現します。

あらゆるチームがAIアシスタントに自信を持つためには、精度の高い応答と一貫性によって信頼を確立する必要があります。一定の条件下での評価において、Snowflake Intelligence上に構築されたTMEのソリューションは、TMEの内部検証基準で定義される業務上の精度87%を達成しました。さらに、ビジネス文脈と用語を的確に捉えていることを示し、一貫した応答を提供しました。TMEの企画担当者は、小規模から始めて検証し、その後拡張を行いました。また、アシスタントの推論とソースに対する透明性を確保しました。これにより、ビジネス全体でソリューションをより広く使用したり、将来の他の生成AIイニシアチブに使用したりする可能性について、より大きな確信を得ることができました。

TMEの企画チームは現在、Snowflake Intelligenceの力を活用しています。顧客や製品のフィードバックを取り入れ、それを車両の改善やイノベーションに適用することに注力できるようになりました。より迅速でインサイト主導の意思決定により、ビジネスの成果と価値を向上させています。

スマートな製品と、よりスマートな製造組織

製品データだけでは価値を生み出さないことを念頭に置くことが重要です。コネクテッド製品は、統合されたデータ基盤に依存しています。これにより、製造および品質データ、サプライチェーンと部品の可用性、顧客、契約、サービスシステムと統合する製品戦略を策定します。製造企業は、自社のデータを確実にAI-readyにすることで、組織全体にわたってデータを民主化し、既存のセキュリティ、コンプライアンス、プライバシー制御を維持しながらすべてを信頼できる唯一の情報源に集約できる、より強力な立場に立つことができます。Snowflake Intelligenceでデータサイロと分断を解消することで、顧客データと製品データが、最も必要とする社内チームに届くようになります。これにより、反復、イノベーション、改善を加速して新たな収益機会を創出でき、顧客に対しても「声が届いており、製品チームが耳を傾けている」ことを伝えられます。