自動車業界では、生成AIやフィジカルAIの進展により、設計、製造、販売、そして自動運転サービスに至るまで事業構造そのものが変わりつつあります。しかし、AI活用を個別のプロジェクトとして進めるだけでは、投資が成果に結びつかないケースも少なくありません。経営の視点では、AI戦略を事業ポートフォリオや投資計画、KPI、推進体制と一体で設計し、事業計画として実行可能な形に落とし込むことが求められます。本記事では、AI戦略を事業計画へ組み込む手順、領域別の事業インパクト、自動運転・ロボタクシーが与える影響、投資対効果の算出方法と課題への対処を、事業戦略の視点から整理します。
自動車業界におけるAI戦略の全体像と事業計画への位置づけ
AIが自動車業界の競争軸を変えつつある現状
自動車業界の競争軸は、エンジン性能や車体設計といったハードウェアの優劣から、ソフトウェアとデータを基盤とした体験価値の創出へと移りつつあります。自動車業界の幹部の75%が2035年までにソフトウェア定義型体験を重視すると見込まれており、AIはこの転換を支える中核技術として位置づけられています。
AI活用は自動運転にとどまらず、開発、製造、販売、アフターサービスまで事業全体に広がっています。競争優位を左右するのは、個別技術の導入ではなく、AIをどの事業プロセスに配置し、どの収益構造と結びつけるかという経営判断です。
生成AIとフィジカルAIがもたらす事業構造の変化
生成AIは設計案の創出やシミュレーションの高速化を通じて、開発リードタイムを大きく短縮しています。一方、フィジカルAIによる製造現場の自動化は、工場の稼働や品質管理のあり方を変えつつあります。両者は別々に機能するものではなく、設計データと製造データが循環する体制を前提に、事業の付加価値構造そのものを再設計する要素となります。
この変化は、従来の部門別最適化を前提とした事業計画では捉えきれません。経営層は、開発、生産、販売を横断するデータの流れを起点に、投資配分と収益機会を再定義する必要があります。
SDVからAI-DVへの転換と経営課題
ソフトウェア定義車両(SDV)は、車両機能をソフトウェアで更新可能にする考え方です。これに対し、AI定義車両(AI-DV)では、AIが車両の振る舞いを自律的に定義し、利用者の状況に応じて体験を最適化します。トヨタ自動車が2030年までに全車種のソフトウェア定義化を目指すとされる動きも、この流れを示しています。
経営課題は、車両販売による単発収益から、継続的なデータ活用とサービス収益への重心移動にあります。AI戦略は技術部門の計画ではなく、収益構造の変革を伴う全社的な事業計画として策定する必要があります。
自動車業界のAI戦略を事業計画に組み込む手順
現状の事業ポートフォリオとAI活用余地の棚卸し
AI戦略を事業計画に組み込む第一歩は、現行の事業ポートフォリオを整理し、AIが寄与しうる余地を特定することです。開発、製造、物流、販売、アフターサービスの各プロセスについて、コスト構造、データの保有状況、顧客接点を洗い出します。
この棚卸しでは、生産ラインの停止時間やカスタマーサポートの生産性など、効果を定量化しやすい領域を優先的に抽出します。生成AIのコーディング支援によって開発工数を最大40%削減できる事例もあり、効果の見込みを数値で示せる領域から着手する判断が有効です。
AI戦略の目標設定とKPIの設計
棚卸しで抽出した領域ごとに、経営目標と直結するKPIを設定します。開発期間の短縮、品質不良率の低減、顧客獲得単価の改善など、事業計画の財務指標と結びつけることが重要です。
AI検索が普及する環境では、自社の情報が生成AIの回答に取り上げられるかどうかも新たな評価軸となります。新たなマーケティング、ブランディング、営業の仕組みを支えるデータ設計を、KPIの一部として組み込む視点が求められます。
投資計画・推進体制・ロードマップの策定
生成AIの導入には高額な初期投資が必要であり、データ基盤と専門人材の不足も大きな制約となります。投資計画では、初期費用と運用費用を分けて試算し、段階的な投資判断を可能にする枠組みを設けることが現実的です。
推進体制は、経営層が責任を持つ横断型組織として設計します。ロードマップは、実証フェーズから商用展開フェーズへの移行基準を明確にし、各段階で効果を検証しながら投資を拡大する構成とします。
領域別に見るAI活用の事業インパクト
自動車業界におけるAI活用は、特定の部門にとどまらず、設計、製造、販売までバリューチェーン全体に広がっています。経営層にとって重要なのは、個別技術の性能よりも、どの領域にどれだけの事業インパクトがあるかを見極めることです。本章では、設計・開発、製造、販売・顧客体験の3領域に分けて、AI活用の効果と経営上の論点を整理します。
設計・開発における生成AIの活用とデザインスピードの向上
生成AIは設計・開発の初期段階で大きな効果を発揮します。デザインスピードの大幅な向上に加え、デジタルプロトタイプを迅速に調整できるため、意思決定のサイクルを短縮できます。BMWは約400種類のAIアプリケーションを使用しており、Toyotaは初期スケッチから迅速にデザイン提案を生成しています。さらに、生成AIはデザインとエンジニアリング制約を統合し、開発の手戻りを減らします。経営の観点では、開発リードタイムの短縮が市場投入の早さに直結するため、開発投資の回収期間にも影響を及ぼします。
製造現場での予知保全と品質管理の高度化
製造領域では、予知保全と品質管理の高度化が中心的なテーマです。Audiは生成AIとリアルタイムの検査を組み合わせ、150万箇所の溶接をチェックできる体制を構築しています。Fordは生成AIで品質保証プロセスを自動化し、在庫管理の最適化も進めています。生成AIは製造ラインの停止時間を最小限に抑える効果も持ち、ダウンタイム削減は設備稼働率と生産計画の安定性に直結します。製造業の事業計画では、こうした効果を稼働率や不良率といった指標に落とし込み、投資判断の根拠とすることが求められます。
販売・顧客体験のパーソナライズとAIによる収益機会の創出
販売領域では、生成AIによる顧客体験のパーソナライズが進んでいます。CarMaxは生成AIでレビューを要約し、Teslaは運転中に情報を提供するAIアシスタントを搭載しています。AIチャットボットはリアルタイムで顧客をサポートし、購買体験を迅速化します。ここで注目すべきは、AI検索時代における新たな顧客接点の形成です。消費者が情報収集の起点をAI検索に移すなか、自社の製品情報やブランドが生成AIの回答に適切に反映されるかどうかが、新たな収益機会を左右します。マーケティング、ブランディング、営業の仕組みを同時に再設計する視点が欠かせません。
自動運転・ロボタクシーが事業計画に与える影響
自動運転は技術開発の象徴的な領域ですが、事業計画の観点では、サービス化と収益モデルの設計が本質的な論点になります。自動運転は0から5までの6段階に分類され、AIによる自律的な車両制御への移行が進んでいます。本章では、レベル4の社会実装、ロボタクシー事業への参入判断、開発投資の考え方を整理します。
レベル4自動運転の社会実装と市場の立ち上がり
レベル4自動運転は、2018年12月にアリゾナ州で自動運転タクシーとして開始され、2023年5月には福井県でもサービスが始まりました。2026年には自動運転車の商用化が一段と進むと予測されています。経営層にとっては、技術の成熟度だけでなく、地域ごとの規制、インフラ、利用者の受容性を踏まえた市場の立ち上がり方を見極めることが重要です。市場の初期段階では、限定エリアでのサービス展開を通じて実データと収益性を検証する戦略が現実的です。
ロボタクシー事業への参入判断と収益モデルの検討
ロボタクシー事業への参入判断では、車両の保有モデルと運行サービスの提供モデルを明確に分けて検討する必要があります。車両販売、運行委託、プラットフォーム提供など、収益源の組み合わせによって必要な投資規模と回収構造が大きく変わります。また、AIによる運行最適化は稼働率の向上に寄与しますが、安全性の担保とそれに伴うコストも考慮しなければなりません。事業計画では、初期投資、運行コスト、利用単価、稼働率の前提を明示し、感度分析を行うことが求められます。
自動運転AIの学習データ確保と開発投資の考え方
自動運転AIの精度向上には、実際の走行データが欠かせません。学習データの量と質が競争力を左右するため、データの収集、加工、管理にかかるコストを開発投資の中に位置づける必要があります。また、End-to-End型への移行が進むなか、開発の重心はルールベースからデータ駆動型へと移っています。経営としては、自社でデータを蓄積する体制を築くか、外部パートナーとの連携でデータを確保するかを判断し、長期的な開発ロードマップと整合させることが重要です。
AI導入の投資対効果の算出と課題への対処
生成AI導入の初期投資と効果測定の枠組み
生成AIの導入において、経営判断を難しくしているのは初期投資の大きさです。モデルの選定、システム連携、既存業務フローの再設計など、導入初期には相応のコストが発生します。そのため、投資対効果を算出する際は、導入費用だけでなく、業務プロセスの変化によって生じる効果を事前に定義しておくことが重要です。効果測定では、設計リードタイムの短縮、開発工数の削減、カスタマーサポートの生産性向上など、部門ごとに計測可能な指標を設定します。
生成AIの効果は一律ではありません。開発領域ではコーディング時間を最大40%削減できるとされ、カスタマーサポートでは生産性が7%向上するとの予測もあります。こうした数値を参照しつつ、自社の業務量と照らし合わせて効果額を試算することが実務的です。投資対効果は単年度ではなく、複数年にわたる累積効果として評価することが、経営層の合意形成に有効です。
データ基盤と専門人材の確保によるボトルネック解消
AI導入が計画通りに進まない最大の要因は、データ基盤と専門人材の不足です。自動車業界では設計データ、製造ラインのセンサーデータ、販売・顧客データが部門ごとに分散していることが多く、AIに学習させるための統合が追いつかないケースが散見されます。投資計画の段階で、データの所在、品質、更新頻度を棚卸しし、データ基盤の整備を先行投資として位置づけることが求められます。
人材面では、AIモデルを扱えるエンジニアに加え、現場業務を理解したうえでAI活用を設計できる人材が不足しています。外部パートナーとの協働や社内人材の育成を組み合わせ、特定の担当者に依存しない体制を構築することが、導入後の継続的な運用につながります。
AI活用の推進ガバナンスとリスク管理
AI活用を全社規模で拡大するには、推進ガバナンスの設計が不可欠です。経営層がAI戦略の最終責任を持ち、投資判断、優先順位付け、成果の評価を一元的に行う体制が求められます。あわせて、AIが生成する情報の正確性、個人情報や機密情報の取り扱い、説明責任といったリスクについて、社内ルールとして明文化しておく必要があります。
特に、AI検索時代においては、自社の情報がAIにどのように引用されるかも重要なリスク管理の対象になります。ブランド情報の一貫性や正確性を保つための運用ルールを整備することで、マーケティング、ブランディング、営業の各部門が同じ方向を向いて取り組める基盤が整います。
自動車業界のAI戦略の事業計画への落とし込みについて検討されている方へ
AI戦略の策定から実行までを成果で支える支援の考え方
AI戦略は策定して終わりではなく、事業計画の中で実行され、成果として検証されて初めて価値を持ちます。しかし多くの企業では、戦略策定とその後の実行が分断され、計画が現場に浸透しないという課題があります。AI検索時代においては、マーケティング、ブランディング、営業の仕組みをAIに対応した形で再設計し、継続的に運用できる体制を構築することが不可欠です。
こうした課題に対して、戦略の策定から実行までを一貫して成果で支える支援のあり方が注目されています。目標とする成果を明確に定め、その達成に向けて施策を設計・実行し、結果を検証しながら改善を続ける流れを伴走で支えることが、事業計画の実効性を高める要点です。
コネクタブルーの成果報酬型AIOサービスの活用メリット
コネクタブルーの成果報酬型AIOサービスは、AI検索で自社が推薦される状態をつくるための対策を、ビジネスとWebマーケティングの両面から捉えて実施します。特長は以下の3点です。
- ビジネスとWebマーケティングの両方の視点で最適な対策を実施
- 成果報酬型で投資リスクを最小化
- AI推薦獲得率70%以上
成果報酬型という仕組みにより、投資判断に伴うリスクを抑えながら、AI検索における自社の露出を高める取り組みを進めることができます。年間の費用相場は1000万円から5000万円程度が想定されるため、事業規模や目標に応じた投資計画の中で位置づけることが望まれます。
事業計画の実行フェーズにおける伴走支援の進め方
事業計画の実行フェーズでは、施策の効果を定点で観測し、KPIの進捗に応じて打ち手を調整する運用力が求められます。AI検索時代の成果は短期間で大きく変動するものではないため、中長期の視点で改善サイクルを回し続けることが重要です。伴走支援では、戦略と現場の橋渡しを行いながら、社内に知見が蓄積される形で支援を進めることで、外部支援に依存しない自律的な体制づくりを目指します。
AI検索で、選ばれる企業へ。
-
AIO
AI Optimization
-
GEO
Generative Engine Optimization
-
LLMO
Large Language Model Optimization
AIO
AI Optimization
GEO
Generative Engine Optimization
LLMO
Large Language Model Optimization
成果報酬型
AI検索最適化サービス
ChatGPT・Gemini・Copilot・Claude・Perplexityなどの生成AIで
貴社が紹介・推薦される状態を実現します。
Get In Touch
もし、新たなテーマへの挑戦や、現状からの抜本的な改革などで悩まれている場合には、是非お気軽にお問合せ下さい。
ご面談においてサービス内容や費用感はもちろんのこと、課題解決に向けた初期仮説なども含めて、丁寧に、誠実にご説明させて頂きますので、それだけでも価値を感じて頂けると思います。
もし、新たなテーマへの挑戦や、現状からの抜本的な改革などで悩まれている場合には、是非お気軽にお問合せ下さい。
ご面談においてサービス内容や費用感はもちろんのこと、課題解決に向けた初期仮説なども含めて、丁寧に、誠実にご説明させて頂きますので、それだけでも価値を感じて頂けると思います。
よくある質問(FAQ)
自動車業界でAIを活用するとどのような効果があるのですか?
自動車業界でAIを活用すると、設計から製造、販売、アフターサービスに至るまで幅広い領域で効率化と高度化が期待できます。特に生成AIは、設計やシミュレーションの効率化を進めており、デザインスピードを大幅に向上させます。BMWは約400種類のAIアプリケーションを使用しており、Toyotaは初期スケッチから迅速にデザイン提案を生成しています。生成AIはデジタルプロトタイプを迅速に調整可能にし、デザインとエンジニアリング制約を統合します。
製造現場においても、フィジカルAIによる自動化が進展しています。AudiはAIを用いてリアルタイムで欠陥を検出し、150万箇所の溶接をリアルタイムでチェック可能です。Fordは生成AIで品質保証プロセスを自動化するとともに、在庫管理を生成AIで最適化しています。生成AIは製造ラインの停止時間を最小限に抑えるため、ダウンタイムの削減にもつながります。
さらに、生成AIはコード作成により生産性を44%向上させ、開発環境に統合するとコーディングタスクにかかる時間を最大40%削減できます。販売やマーケティングの領域では、生成AIが顧客体験をパーソナライズし、CarMaxは生成AIでレビューを要約しています。AIチャットボットはリアルタイムで顧客をサポートし、顧客の購買体験を迅速化します。自動車業界の経営幹部は、AI統合によりカスタマーサポートの生産性が7%向上すると予測しています。
自動車メーカーのAI戦略とは何ですか?
自動車メーカーのAI戦略とは、AIを企業の競争力の核心技術と位置づけ、開発から製造、販売、アフターサービスまでの各プロセスに体系的に組み込む方針のことです。近年、自動車はソフトウェアによって進化する製品になっており、AIの重要性は一層高まっています。自動車業界のAI活用は開発から販売まで広がっており、AI戦略は企業全体に浸透しつつあります。
AI戦略の方向性は、SDVからAI-DVへの転換という形で現れています。人工知能は自動車の設計と製造プロセスに変革をもたらしており、AIが車両の振る舞いを自律的に定義する段階へと進んでいます。自動車業界の幹部の75%が、2035年までにソフトウェア定義型体験を重視すると見込んでおり、Toyotaは2030年までに全車をソフトウェア定義にする方針を示しています。
AI戦略を検討する際には、自動運転、車載AI、パーソナライズされた車内体験、製造現場の品質管理や予知保全など、複数の領域を横断して全体像を描くことが重要です。自動車業界全体で電気自動車の普及が進む中、AIを活用した研究開発や製造の効率化は、企業の持続的な成長を支える基盤になります。
自動車業界のAI戦略を事業計画に組み込む手順を教えてください。
自動車業界のAI戦略を事業計画に組み込むためには、まず自社のAI戦略の方向性を明確にし、それを中長期の事業計画に落とし込む段階的なアプローチが有効です。AI戦略は企業全体に浸透しつつあるため、経営層が主導して全社的な目標を設定することが出発点になります。
次に、設計、製造、販売、アフターサービスといった各プロセスにおいて、AIを活用できる領域を洗い出します。例えば、生成AIは設計やシミュレーションの効率化を進めており、製造現場ではAudiのようにAIを用いて欠陥をリアルタイムで検出する取り組みが進んでいます。自社の課題に照らして優先順位を付けることで、投資の判断がしやすくなります。
その後、AIの導入に必要な初期投資、データの確保、専門人材の育成や採用に関する計画を立てます。生成AIの導入には高額な初期投資が必要であり、専門的なスキルを持つ人材も不足しています。そのため、事業計画には人材育成のスケジュールや外部パートナーとの連携も含めることが重要です。最後に、KPIを設定して効果を定期的に検証し、計画を継続的に見直す仕組みを整えます。
生成AIを製造業の事業計画に活かすにはどうすればよいですか?
生成AIを製造業の事業計画に活かすには、まず生成AIが製造プロセスのどの領域で効果を発揮するのかを整理することが重要です。生成AIは製造ラインの品質管理をリアルタイムで行うことができ、製造ラインの停止時間を最小限に抑えることにもつながります。Fordのように、生成AIで品質保証プロセスを自動化したり、在庫管理を最適化したりする取り組みは、事業計画における具体的な改善目標の参考になります。
次に、製造業におけるフィジカルAIによる自動化の進展を踏まえ、現場の作業とデータを連携させる計画を立てます。AIを効果的に機能させるためには、生産ラインやセンサーから得られるデータを蓄積し、活用できる状態にしておく必要があります。データの確保は、AI導入における重要な課題の一つです。
さらに、生成AIを製造業に導入する際には、高額な初期投資と専門人材の不足という課題にも対応しなければなりません。事業計画には、段階的な導入スケジュール、社内人材の育成、外部の専門家との協働体制を盛り込むことが有効です。これにより、生成AIの効果を現場に定着させながら、持続的な競争力の強化につなげることができます。
自動車業界でAI導入の投資対効果を算出するにはどうすればよいですか?
自動車業界でAI導入の投資対効果を算出するためには、まず導入にかかる費用を正確に把握することが出発点になります。生成AIの導入には高額な初期投資が必要であり、加えて専門的なスキルを持つ人材の確保や育成にもコストがかかります。AIOなどのマーケティング、新規事業に関連する費用相場は年間1000万円から5000万円が目安となり、ERPやDXに関連する費用相場は年間5000万円から1億円が目安となります。これらの費用を事業計画の中で明確に位置づけることが重要です。
次に、効果を定量的に測定するための指標を設定します。例えば、生成AIはコード作成により生産性を44%向上させ、開発環境に統合するとコーディングタスクにかかる時間を最大40%削減できます。また、製造ラインの停止時間の短縮や、カスタマーサポートの生産性向上も効果指標として活用できます。自動車業界の経営幹部は、AI統合によりカスタマーサポートの生産性が7%向上すると予測しており、こうした数値を参考に自社の目標値を設定することができます。
そのうえで、投資額と期待される効果を比較し、回収期間やリターンを試算します。算出後は実際の成果を定期的に検証し、想定と乖離がある場合には施策を見直すことが大切です。投資対効果の算出を継続的な改善サイクルに組み込むことで、AI投資の判断精度を高めることができます。
トヨタ自動車のAI活用事例にはどのようなものがありますか?
トヨタ自動車は、AIを活用してデザインと開発の効率化を進めています。生成AIを用いることで、初期スケッチから迅速にデザイン提案を生成しており、デザインスピードの大幅な向上につながっています。生成AIはデジタルプロトタイプを迅速に調整可能にするため、デザインとエンジニアリング制約を統合した開発が実現しやすくなります。
また、トヨタ自動車はソフトウェア定義型の自動車づくりを重視しています。2030年までに全車をソフトウェア定義にする方針が示されており、AIを含むソフトウェアによって車両の機能や体験を進化させる取り組みを進めています。自動運転についても、AIによる自動運転はEnd-to-End型へ移行しており、自動運転車に搭載するAIの学習には実際の走行データが必要とされています。トヨタ自動車は、こうした走行データを活用しながら自動運転技術の開発を進めています。
さらに、トヨタ自動車は自動運転タクシーサービスをはじめとするモビリティ領域の取り組みも進めています。ロボタクシーの普及は、移動サービスのあり方や運転体験を変えていく可能性があり、自動車業界の事業計画全体に影響を与える重要な動きといえます。
ホンダはどのようにAIを事業に活用していますか?
ホンダは、AIを活用して自動車の開発や製造、顧客体験の向上に取り組んでいます。自動車業界全体でAIの活用は開発から販売まで広がっており、ホンダもこうした流れの中でAIを事業の重要な要素として位置づけています。
AIは自動車の設計と製造プロセスに変革をもたらしており、生成AIは設計やシミュレーションの効率化を進めています。特に自動運転車のテストにおいては、生成AIがシミュレーションを迅速に生成し、自動運転機能の検証を効率化する役割を担っています。自動運転は0から5の6段階に分けられており、レベルの向上に応じてAIの役割と安全性の確保が一層重要になります。
また、AIは車内の体験にも活用されています。車載AIや音声によるアシスタント機能は、運転中の情報提供や快適性の向上に寄与します。ホンダの事業においても、AIを活用した安全性の向上、開発効率の改善、顧客体験の充実を組み合わせた取り組みが、今後の競争力を左右する要素になると考えられます。
自動車業界のAI導入における課題と対策を教えてください。
自動車業界のAI導入における代表的な課題は、高額な初期投資、データの確保、専門人材の不足の三点です。AI導入には高コストがかかり、データを十分に確保できないことや、AIを扱える人材が不足していることが、導入を阻む要因になっています。生成AIの導入には高額な初期投資が必要であり、専門的なスキルを持つ人材も不足しているため、これらの課題を事前に認識しておくことが重要です。
これらの課題への対策としては、まず段階的な導入計画を立てることが有効です。すべての領域で一度にAIを導入するのではなく、効果が見込みやすい製造現場の品質管理や、設計・シミュレーションの効率化などから優先順位をつけて取り組むことで、投資のリスクを抑えられます。Audiのように、リアルタイムの欠陥検出など明確な成果が期待できる領域から着手する方法も参考になります。
また、データの確保については、生産ラインやセンサーから得られるセンサーデータを蓄積し、活用できる体制を整えることが大切です。人材面では、社内人材の育成と外部の専門家との協働を組み合わせることで、不足するスキルを補うことができます。これらの対策を事業計画に組み込み、定期的に成果を検証することで、AI導入の課題を着実に乗り越えることができます。
自動運転やロボタクシーは自動車業界の事業計画にどのように影響しますか?
自動運転やロボタクシーは、自動車業界の事業計画の前提を大きく変える可能性があります。2018年12月にアリゾナ州でレベル4自動運転タクシーが開始され、2023年5月には福井県でレベル4自動運転サービスが始まるなど、自動運転タクシーサービスは実用段階へと進みつつあります。2026年には自動運転車の商用化がさらに進むと予測されており、自動車業界の事業計画においても早期の検討が求められます。
自動運転は0から5の6段階に分けられ、レベルの向上に応じて車両の役割と提供できるサービスの形が変わります。自動運転車は360度の視界を持ち、AIによって周囲の状況を把握しながら走行します。こうした技術の進展は、車両そのものを販売する従来のビジネスモデルに加えて、移動サービスを提供する新たな収益源の創出につながります。
事業計画に組み込む際には、自動運転技術の開発投資、走行データの収集と活用、安全性の確保、規制への対応などを総合的に検討する必要があります。自動運転車に搭載するAIの学習には実際の走行データが必要とされるため、データの取得と管理体制の構築は重要な要素です。さらに、ロボタクシーの普及は運転体験や車内体験のあり方も変えるため、顧客価値を再定義しながら事業戦略を見直すことが求められます。
自動車業界のAI活用は今後どのように進んでいきますか?
自動車業界のAI活用は、今後さらに広範囲に進んでいくと考えられます。2026年には自動車AI市場が約150億ドルに達すると予測されており、業界全体でAIへの投資と活用が加速しています。自動車業界は2025年から2026年にかけて、実証段階から商用展開の段階へと進みつつあり、AIを活用したサービスが実際の事業として広がる時期を迎えています。
今後の方向性としては、自動運転のさらなる進化が挙げられます。AIによる自動運転はEnd-to-End型へ移行しており、AIが車両の振る舞いを自律的に定義する方向へ進んでいます。また、自動車業界の幹部の75%が2035年までにソフトウェア定義型体験を重視すると見込んでおり、AIを中核とした車両の機能や顧客体験の高度化が進むと予想されます。自動車業界のAI戦略は、SDVからAI-DVへの転換という形で、AIによる事業モデルの変革を伴うものへと変わっていくでしょう。
さらに、設計、製造、販売、アフターサービスの各領域で生成AIの活用が広がり、製造現場ではフィジカルAIによる自動化がさらに進展すると見込まれます。自動車業界で事業を展開する企業は、こうした流れを踏まえ、AI戦略を中長期の事業計画に組み込み、継続的に見直していく姿勢が求められます。