FactbirdのデータをAIに開く4工程|設備の判断は人が持つ

「読み取り専用のつなぎ方なら、社員のAIに工場のデータを見せても問題は起きないはず」「AIが停止の原因まで答えてくれるなら、保全の優先順位もAIの答えで決めてよいのでは」——工場のデータ活用を任された生産技術やDX推進の担当から、こうした声が出始めています。どちらも半分は誤解です。読み取り専用で防げるのは、AIが設定や記録を書き換えることだけです。データが社員のAIの中に入った時点で、その先の扱いはAIの提供元との契約に移り、答えの使い道は社内で決めるしかありません。危ないのは書き込みではなく、読ませた後に何が起きるかです。この記事では、デンマークのFactbirdが2026年11月に提供を始めた接続口を例に、工場の生産データを社員の汎用AIに開くまでの4工程と、AIの分析を設備や人員の判断に使う前に人が確かめる線を整理します。
カメ先生工場のデータをAIにつなぐと聞くと、AIがラインを勝手に止めたり設定を変えたりする場面を心配しがちなんだ。でもFactbirdの接続口は読み取り専用で、そこは最初から閉じてある。本当に考えるべきなのは、読ませた数字がどこへ行き、誰がその答えで何を決めるかなんだよ。
カメ子書き換えられないなら安全、とは言い切れないということですか。
カメ先生そう。読んだ数字はAIの会話に残るし、AIは保全記録や基幹システムの数字と混ぜて結論らしいものを作る。その結論で設備投資や人の配置を決めてしまうと、確かめる人がいないまま判断が進むんだ。
カメ子つなぐ作業よりも、答えの受け取り方を先に決める必要があるんですね。
- Factbird MCPは読み取り専用で、各社員が自分のアカウントで許可した範囲だけを、Claude・ChatGPT・Copilotから読める。追加費用はかからないと公表されている
- AIが読んだ後のデータは、使っているAIの提供元との契約で扱われる。Factbird側の安全策は、AIの会話の中までは及ばない
- カメラ映像を数値にする機能は、撮られる人への説明と労使の合意が先。停止の原因・人員配置・設備投資の判断は、AIの答えのまま決めない
うちの業務、AIで何が自動化できる?
「AIで何ができるかは分かったが、自社の業務のどこに使えるのかが分からない」という段階の方へ。30業務の判定と5つの実務例から、最初に自動化する1業務を選ぶための無料ガイドです。
Factbirdとは:設備の停止とロスを数字にする工場の基盤
Factbirdは、デンマークのコペンハーゲンに本社を置く2016年創業の会社で、工場の生産ラインから稼働のデータを集め、設備総合効率、停止の時間と理由、速度の低下、不良といったロスを数字で見せる基盤を出しています。デンマーク、米国、ドイツに拠点を持ち、40か国以上の製造業に使われていると公表しています。食品・飲料、包装、医薬品、自動車などの業種を対象にしています。
データの集め方は二通りです。ひとつは同社が用意する後付けのセンサーと通信機器で、既存の設備を改造せずに稼働を拾います。もうひとつは設備の制御装置から直接読む方法で、制御機器大手のオムロンとは、同社の制御装置からデータを取り込む提携を結んでいます。社内のネットワークに入り込まず、機器から同社のクラウドへ暗号化した通信で送る作りだと説明しています。
2026年8月には、北欧の成長投資会社 Verdane が過半を出資すると発表しました。既存の投資家も再投資し、社名や事業の形は変わっていません。日本の販売代理店や日本語での支援は、公式サイトでは確認できませんでした。日本の工場が検討する場合は、英語での契約・支援になる前提で読むのが安全です。
2026年11月に増えた二つ:カメラ映像の数値化と、汎用AIへの接続
同社は2026年11月16日、二つの機能の提供開始を発表しました。一つめは Visual Intelligence で、ラインの近くに置いたカメラの映像を、現場のエッジ機器の上でAIが処理し、手作業の工程の所要時間、材料待ちや後工程の詰まりで止まっている状態、センサーでは数えにくい製品の数などの数字に変えます。数字は既存の停止や速度の記録と同じ画面に並び、出来事の前後30秒の映像も残ります。
二つめが Factbird MCP です。MCP は、2024年に Anthropic が公開した、AIが外部のデータや道具につながるための接続の規格で、これに対応した Claude、ChatGPT、Microsoft Copilot などから、Factbird の生産データを直接問い合わせられるようになりました。「今朝ライン3の設備総合効率が下がった理由は」と聞くと、AIが停止の理由別の時間を取りに行き、続けて特定の設備の履歴を引き、分析を返す、という使い方を同社は示しています。
Factbird の中には以前から、自然な言葉で生産データに質問できる内蔵のアシスタントや、説明文から帳票を組む機能がありました。今回の違いは、答える場所が Factbird の画面の外、社員がふだん使う汎用AIに移ったことです。この記事が扱うのは、主にこの外への接続です。
誤解:読み取り専用なら、つないでも何も起きない
Factbird は MCP の接続を意図して読み取り専用にしたと説明しています。AIはデータ・設定・ラインの構成を一切変更できず、各社員は Factbird で普段見られる範囲だけをAIから見られます。設備を止める、記録を消す、といった事故はこの接続からは起きません。ここまでは安心してよい部分です。
一方で、同社自身が公式ページで書いているとおり、AIが一度データを読んだ後は、そのAIの提供元との契約がデータの保存と利用を決めます。Factbird が新たなデータの流れを足すわけではないものの、生産量、停止の理由、製品ごとの歩留まりといった数字が、社員のAIの会話履歴に残ることになります。さらに、AIが同じ会話で基幹システムや保全記録にもつながっていれば、それらの数字と混ぜた分析が作られます。
読み取り専用が防ぐのは「書き換え」で、防がないのは「持ち出し」と「誤った結論」です。そこで、つなぐ前に次の4工程を順に決めます。順番を飛ばして先に全社展開すると、後から範囲を絞るのが難しくなります。
会社が契約しているAIだけに限り、個人契約のAIからの接続を禁じる。
拠点・ライン・映像の閲覧を、役割ごとに分けておく。
AIの分析で決めてよいことと、人が元の数字を見て決めることを分ける。
管理者が一括で追加する経路と、切り離す手順を用意する。
工程1:誰のAIから、誰の権限で読ませるかを決める
Factbird MCP の接続は、社員一人ひとりが自分の Factbird アカウントで認証し、「許可」を押してから始まります。認証には OAuth という仕組みが使われ、AIはその社員の権限のまま Factbird に問い合わせます。共有のアカウントや管理者のアカウントでつなぐと、その権限がそのままAIに渡るので、接続は必ず個人のアカウントで行う決まりにします。
次に決めるのは、どのAIからの接続を認めるかです。同社は、接続先のAIの利用料は利用者側で払うもので、会社全体で契約しているAIの席をそのまま使えると説明しています。裏返すと、社員が個人で契約したAIからも、同じ手順で接続できてしまうということです。個人契約のAIは、会話の保存や学習への利用の条件が法人契約と違う場合があります。接続を認めるのは、情シスが利用条件を確認済みの法人契約のAIだけ、と最初に書いておきます。
AIごとに、外部の接続口を追加できる契約の種類も違います。同社の質問欄は、独自の接続を使えるプランはAIの製品によって異なるとしています。Claude や ChatGPT では管理者がワークスペースに一度追加する形、Microsoft Copilot ではエージェントの作り手が Copilot Studio で Factbird 用のエージェントを作り、Teams の管理者が承認する形と案内されています。どのAIで、誰が追加の操作をするかを、導入前に情シスと決めておくのが工程1の中身です。
工程2:読ませる範囲を、Factbird側の権限で絞る
AIから見える範囲は、Factbird で普段見えている範囲と同じです。つまり、AIに読ませる範囲を絞る作業は、AIの設定ではなく、Factbird の利用者の権限を見直す作業になります。これまで画面で見るだけだった人が、AIを使えば全拠点の数字を一度に集計できるようになるので、見られる範囲が同じでも、持ち出せる量は大きく変わります。
見直しの目安を表にしておきます。拠点や事業の単位で数字の機密度が違う会社は、AIにつなぐ前に役割を分けておくほうが確実です。
| 役割の例 | AIから読ませてよい範囲 | 接続前に確かめること |
|---|---|---|
| ラインの班長 | 担当ラインの停止・速度・生産量 | 他ラインや他拠点の数字が見えていないか |
| 工場長 | 自拠点の全ライン | 原価に結びつく製品別の数字をAIに読ませてよいか |
| 本社の生産管理 | 全拠点の集計 | 拠点間比較の結果が社外向け資料に流れないか |
| 保全の担当 | 設備別の停止履歴 | 保全記録を同じAIにつなぐ場合の範囲 |
| 社外の協力会社 | 原則つながせない | 協力会社のアカウントに AI の接続を許していないか |
複数拠点向けの契約では、会社の認証基盤による一括ログインや、利用者の自動登録と削除の仕組みが用意されていると料金ページに書かれています。退職者や異動者のアカウントが残っていると、そのままAIからも読めるので、AIの接続を始める前に棚卸しをしておきます。
工程3:AIの答えを、設備や人員の判断に使う前の確認線を引く
Factbird の内蔵アシスタントの画面には、アシスタントは間違えることがあるので詳細は独自に確かめてほしい、という注記が添えられています。外部のAIから問い合わせる場合も同じで、AIは取ってきた数字そのものは正しくても、どの時間帯を比べたか、どの停止理由を同じものとして束ねたかで、まったく違う結論を出します。
確認線は、判断の重さで分けます。朝の打ち合わせ用の要約や、どこから調べるかの当たりを付ける使い方は、AIの答えのままでよい範囲です。一方、保全の順番を変える、ラインの人員を動かす、設備を買い替える、取引先に納期を約束するといった判断は、AIの答えを出発点にして、人が Factbird の画面で元の数字と期間を確かめてから決めます。
確かめやすくするために、AIへの頼み方も決めておきます。答えには、使ったライン・期間・指標の名前と、問い合わせた数字の一覧を必ず添えさせる。結論だけを返させると、元の数字に戻って確かめる手間が増え、結局誰も確かめなくなります。根拠を書かせ、人が判断する範囲を先に決めることが、この工程の要点です。
工程4:組織全体への展開と、止め方を決めておく
同社のブログは、会社全体で Factbird MCP をつなぐにはAIのワークスペースの管理者権限が必要で、情シスが知らないまま生産データがAIにつながることはない、と説明しています。これは裏を返せば、全社展開の鍵を持っているのは Factbird ではなく、各社のAIの管理者だということです。工場側の担当だけで展開を進めず、AIの管理者を必ず巻き込みます。
ただし、同社の質問欄によれば、一人で使うだけなら、AIに Factbird の接続先を追加して自分のアカウントでログインすれば数分でつながります。AIの製品や契約によっては、社員が自分で外部の接続口を足せる設定になっている場合があるため、全社展開の前に、社員が自分で接続口を追加できる設定を、AIの管理画面で閉じておくかを決めておきます。閉じない場合は、誰がつないでいるかを定期的に確かめる担当を置きます。
展開は、1つのラインか1つの拠点の少人数から始めます。2〜4週間ほど、どんな質問が多いか、AIの答えと元の数字がずれた例はあったかを記録し、ずれの傾向が分かってから対象を広げます。同社自身も、問い合わせられる種類は順次増やしているとしているので、試行の時点でできなかった質問が後からできるようになる前提で、範囲の見直しを定期的に入れます。
止め方は三段で用意します。個人単位では、社員がAI側の接続を外す。組織単位では、AIの管理者がワークスペースから接続口を削除する。最後に、Factbird 側でMCPの利用を止めてもらう。同社は、MCPの利用は担当者に連絡して有効にする形と案内しているので、無効にする連絡先と手順も契約時に確かめておくのが確実です。
何が社外に出るか:Factbirdの外に出た瞬間から、AI提供元の契約になる
データの流れを整理すると、ラインの機器から Factbird のクラウドへ、そこから社員のAIへ、という二つの区間があります。Factbird のクラウドは AWS 上にあり、大企業向けには同社が運用する専用のクラウドも選べます。通信と保存は暗号化され、外部の監査であるSOC 2の評価も受けたと公表しています。利用者のログインは、メールとパスワードのほか、会社の認証基盤による一括ログインと多要素認証にも対応しています。この区間は、Factbird と結んだ契約で守られます。
二つめの区間、つまりAIが読んだ後の数字は、使っているAIの提供元の規約で扱われます。法人契約のAIでも、会話履歴の保存期間、管理者が会話を検索できるか、どの地域に保存されるかは製品ごとに違います。生産量や停止の理由は、競合に知られると原価や設備の弱点が推測できる情報なので、営業資料と同じ程度の機密として扱うのが妥当です。
- AIの会話に残った生産データは、AI側の保存期間に従って残る。Factbird 側で接続を外しても、過去の会話は消えない
- AIに「この分析を取引先向けの資料にまとめて」と頼めば、そのまま社外に出る文書ができる。社外向け資料に生産データを使う決まりを先に作る
- 定時に自動で要約を送る設定は、送り先がメールやチャットになる。送り先の範囲も機密の扱いに含める
他のシステムと横断させるとき:基幹や保全の記録を同じAIにつなぐ
同社は、AIが基幹システム、保全の記録、品質の記録にも別のMCPでつながっていれば、Factbird の数字と横断して考えられることを売りにしています。例えば「今月約束した納期に間に合うか」を、生産の実績と受注の数字を合わせて答えさせる使い方です。便利ですが、ここでは一つのAIの会話の中に、普段は別の担当が別の権限で見ている情報が集まることになります。
問題になりやすいのは二つです。一つは権限のずれで、生産データは見られるが受注の金額は見られないはずの人が、AIの答えを通して両方を組み合わせた結論を受け取ってしまう場合です。もう一つは責任のずれで、納期の見通しを工場の数字と営業の数字の両方から作ったとき、その見通しが外れた場合に誰の判断だったのかが曖昧になります。
横断は、最初の試行では入れないのが安全です。Factbird 単独で答えの確かさを確かめてから、横断してよい組み合わせを一つずつ承認する形にします。納期や出荷の約束に関わる答えは、営業と生産の責任者が元の数字を確かめてから使う、と決めておきます。
カメラ映像を数値にする前に:撮られる人への説明と労使の合意
Visual Intelligence は、同社がカメラとエッジ機器を用意し、その工場の製品や工程に合わせてAIを学習させる形で始まります。映像はラインのエッジ機器の上で処理され、公式の発表では、映像が機器の外に出る前に顔がぼかされるとしています。一方、同じ機能の質問欄では「ぼかすことができる」と書かれており、既定でぼかすのか、設定で選ぶのかは、導入時に必ず確かめるべき点です。
顔がぼかされても、映像から測るのは手作業の所要時間や工程の使用率です。これは、特定の工程に立つ特定の人の作業の速さとほぼ同じ意味を持ちます。同社も、導入の段取りの中で、撮影の方法やカメラの位置と並べて、その拠点に適用されるプライバシーと労使協議の要件を一緒に計画すると書いています。日本の工場なら、個人情報の取り扱いの説明、労働組合や従業員代表への説明、就業規則との関係を、カメラを付ける前に整理します。
同社には以前から、停止の記録を開くとその時点の映像を見られる機能がありました。Visual Intelligence はそこから一歩進み、映像を見て人が判断するのではなく、映像からAIが数字を作り、その数字が集計や分析の対象になる点が違います。既存のセンサーや制御装置からの取り込みを置き換えるものではなく、数字が欠けている工程にだけカメラを足す位置づけで、最初は1つの工程から始め、効果を見てから次の工程に広げる進め方を同社は勧めています。撮る範囲が少しずつ広がる仕組みなので、工程を1つ足すたびに、撮影範囲と説明の対象を見直す手順を決めておくと、合意の取り直しが漏れません。
さらに、映像から作った数字は Factbird MCP を通じて社員のAIからも読めるようになると公式に書かれています。工程の数字が、作業者個人の評価や配置の判断に流れないよう、使い道を文書で決めておくことが欠かせません。映像そのものを誰が見られるかと、数字だけを見る人を分ける権限も用意されているので、映像の閲覧は改善の担当者に絞ります。
AIに判断させないこと:停止の原因、人員配置、設備投資
同社は、AIは調べる価値のある出来事に印を付けるが、停止の根本原因を決めるのは現場のチームだと明言しています。映像の機能も、停止の直前の映像を並べて見せるだけで、原因を自動で割り当てはしません。この線は、外部のAIから問い合わせる場合にもそのまま当てはめるべきです。
社員の汎用AIは、問い合わせた数字から、もっともらしい原因と対策まで一続きで書いてしまいます。そこで、AIの答えを判断に使ってはいけない場面を先に書き出しておきます。
- AIが挙げた停止理由の上位をそのまま保全計画の優先順位にし、現場の確認なしに部品交換を発注する
- シフト別の比較結果だけを根拠に、特定の班の人員を減らす・入れ替える
- AIが出した改善額の試算を、設備投資の稟議にそのまま載せる
- 映像から作った工程の所要時間を、作業者個人の評価に使う
- 基幹システムと横断した納期の見通しを、営業が取引先にそのまま伝える
どれも、AIの答えを入口にして人が元の数字と現場を確かめれば有効な使い方です。AIに決めさせるのではなく、AIに調べる順番を作らせると位置づけておくと、現場の納得も得やすくなります。
定時の自動配信:毎朝の要約をAIに作らせるときの注意
同社のブログでは、AIの製品によっては答えを表計算やスライドの形で受け取ったり、質問を定時に自動で実行させたりでき、Claude や ChatGPT なら朝の打ち合わせ前に設備総合効率の要約をメールで受け取る設定が数分でできると紹介しています。Claude の Cowork や ChatGPT での定時実行が例に挙がっています。
毎朝届く要約は便利ですが、人が質問していないのに、AIの解釈が毎日配られることでもあります。前日に停止理由の分類を現場が修正していても、要約が作られた時点の数字で書かれていれば、古い結論が朝の会議の前提になります。誰が設定した要約なのか、どの範囲の数字を使っているのかも、受け取る側からは見えにくくなります。
運用の決まりとしては、定時の要約は設定者と対象範囲を文末に必ず書かせる、送り先は社内の決まったチャットやメールに限る、要約の数字で会議の結論を出す前に Factbird の画面で一度確かめる、の三つを入れておきます。要約の設定は個人の判断で増やさず、工場ごとに数を把握しておくと、後で止めるときにも困りません。
費用の増え方と、やめ方
Factbird MCP は、すべての契約に追加費用なしで含まれると公表されています。必要なのは有効な Factbird のアカウントと、MCPに対応したAIの席だけです。Factbird 本体の料金は公開されており、ライン単位・月額・機能の種類ごとに積み上がる形に、システムの基本料と支援料が加わる構成です。複数拠点や大企業向けは個別見積もりです。
費用が増えるのは、MCPそのものよりも周辺です。一つはAIの席の追加で、工場の班長や保全の担当にまでAIを配ると、その分の契約が増えます。二つめは Visual Intelligence で、カメラとエッジ機器、工程ごとの学習が伴い、1工程から始めて広げる形です。三つめは、AIの利用量に応じた課金がある製品で、定時の要約や横断の分析を増やすほど利用量が増える場合があります。
やめるときは、MCPの接続を外しても Factbird 本体の利用は続けられます。逆に Factbird をやめる場合は、契約に従ってデータの書き出しと削除を確かめます。AIの会話に残った過去の生産データは、どちらをやめても AI 側に残るので、AIの管理画面で会話の保存期間と削除の方法を確かめておきます。
導入前の確認表:工場長・情シス・DX推進で分けて見る
ここまでの論点を、確かめる役割ごとにまとめます。一人の担当が全部を抱えると、映像や労務の論点が後回しになりがちです。
| 確かめる人 | 確認項目 | 決まっていない場合 |
|---|---|---|
| 情シス | 接続を認めるAIの種類と契約、会話の保存期間 | 個人契約のAIからの接続を禁止して始める |
| 情シス | AIのワークスペースに接続口を追加する担当と承認の流れ | 管理者が一括で追加するまで試行を延ばす |
| 工場長 | 役割ごとの閲覧範囲と、退職者・異動者の棚卸し | 試行は1ラインの数人に限る |
| 工場長 | AIの答えで決めてよいことと、元の数字を確かめること | 保全・人員・投資の判断には使わない |
| DX推進 | 基幹・保全・品質の記録と横断させる組み合わせ | 横断は入れず Factbird 単独で始める |
| 人事・総務 | カメラの撮影範囲、顔のぼかし、労使への説明 | 映像の機能は導入しない |
| DX推進 | 定時の要約の設定者・対象範囲・送り先 | 定時配信は使わない |
表の右端は、決めきれないときの安全側の初期値です。決まっていない項目を、使わない側に倒して始めると、試行を止めずに論点を一つずつ片付けられます。
Factbirdを使っていない会社にとっての意味
国内の工場の多くは Factbird を使っていません。それでもこの動きを押さえておく価値があるのは、工場の見える化の製品が、自社の画面に答えを閉じ込めるのをやめ、社員の汎用AIに数字を差し出す方向へ動いているからです。同社は、利用者がAIの道具を自由に選べるべきで、生産データはそのどれとでも使えるべきだと述べています。
今使っている生産管理や見える化の製品が、同じような接続口を出してきたときに、問われることは変わりません。読み取りか書き込みか、誰の権限で読むのか、読んだ数字はどこの契約で扱われるのか、映像や個人の作業に関わるデータは含まれるのか、そしてAIの答えで何を決めてよいのか、です。この5つの問いを、製品の選定や契約更新の確認項目に今のうちに入れておくと、接続口が増えても慌てずに済みます。
製造業のマーケ担当にとっても無関係ではありません。生産の実績や納期の見通しがAIから簡単に引き出せるようになると、営業資料や顧客への回答に工場の数字が混ざりやすくなります。社外に出してよい工場の数字の範囲を、生産側と一緒に決めておくことが、営業とマーケの側の準備になります。
まとめ
Factbird MCP は、工場の生産データを Claude・ChatGPT・Copilot から読めるようにする、読み取り専用の接続口です。書き換えの心配は最初から閉じてありますが、読んだ数字はAIの提供元の契約に移り、AIの答えの使い道は社内で決めるしかありません。誰のAIから個人の権限で読ませるか、Factbird の権限で範囲を絞る、答えを判断に使う前の確認線を引く、展開と止め方を決める、の4工程を順に踏んでください。カメラの映像を数値にするなら、撮られる人への説明と労使の合意が先です。停止の原因、人員の配置、設備への投資は、AIの答えを入口にして、人が元の数字と現場を確かめてから決めるのが確かな進め方です。
※本記事にはAIが活用されています。編集者が確認・編集し、可能な限り正確で最新の情報を提供するよう努めておりますが、情報の完全性、正確性、最新性、有用性等について保証するものではありません。本記事の内容に基づいて行動を取る場合は、読者ご自身の責任で行っていただくようお願いいたします。
うちの業務、AIで何が自動化できる?
「AIで何ができるかは分かったが、自社の業務のどこに使えるのかが分からない」という段階の方へ。30業務の判定と5つの実務例から、最初に自動化する1業務を選ぶための無料ガイドです。
