AIで「壊れる前」に手を打つ｜予兆型運用が成立する4条件

「壊れてから直す」「遅くなってから切り替える」を、「その前に手を打つ」へ変える。株式会社NTTドコモとサムスン電子株式会社が2026年8月10日に連名で発表した実証は、この転換をAIで実現した事例です。通信速度低下の発生頻度を13.1%から7.2%へ下げた結果が示されていますが、これは4回の試行の平均です。この記事では実証の条件を正確に押さえたうえで、予兆型運用を自社の設備・業務に移すときに必要な4条件を整理します。

何を実証したのか

AIがスマートフォンの通信速度低下の予兆を事前に検知し、実際に遅くなる前により良好なネットワークへ自動で接続を切り替える技術です。ドコモとサムスン電子の連名発表（2026年8月10日）によると、両社が共同開発しました。

項目	内容
発表日	2026年8月10日（NTTドコモ・サムスン電子の連名）
実験期間	2026年1月
実験場所	日本国内のローカル5Gの実証サイトおよび商用LTE環境
測定方法	市販のスマートフォンを載せた車両で1周約10分の実証環境を走行。車内で動画視聴時と同様の通信を行い、通信速度低下の発生頻度を4回測定
結果	4回の試行結果の平均で、速度低下の発生頻度が13.1%から7.2%へ（5.9ポイント削減）
役割分担	サムスン電子が予兆検知のAIモデルを開発・性能評価、ドコモが無線制御方式とデータ収集アーキテクチャを設計

AIへの入力は3種類です。ユーザー端末から匿名で自動収集される過去の通信品質データ MDT（Minimization of Drive Test）、ユーザーの移動傾向、そして利用サービスの状況です。位置と時間だけでなく「その人がこれからどう動き、何に使っているか」を組み合わせて、劣化の予兆を判定しています。

両社は本技術を国際標準化団体の3GPPへ共同提案しており、2030年代の6G時代に向けた「AI-Centricネットワーク」（設計段階からAIの活用を前提とし、ネットワークが自ら学習・判断して運用・制御を自律的に行う構想）の中核技術として研究開発を続けるとしています。

数値の読み方 ― 4回の試行の平均である

5.9ポイントという削減幅は、ドコモの実証環境で4回測定した結果の平均値です。商用サービスでの実績値でも、業界平均でもありません。

発表資料の別紙に実験条件が書かれています。市販スマートフォンを載せた車両が1周約10分のコースを走行し、車内で動画視聴相当の通信を行う。この測定を4回実施し、技術の適用あり／なしを比較した、という設計です。統計的な有意性の検定結果は文書に記載されていません。

この条件を踏まえると、数値の扱い方は次のようになります。

• 言えること：制御された環境で、予兆検知による事前切替が「速度低下の発生頻度を下げる方向に働く」ことが確認された。
• 言えないこと：一般の利用環境で5.9ポイントの改善が得られる、という一般化。4回・約10分の周回走行という条件を外れた場面の効果は、この資料からは分からない。

自社の判断材料として使うときは、「効果の大きさ」ではなく「この方式が成立した」という事実の方を持ち帰るのが適切です。AIの効果を数値で語るときに母数と条件を確認する姿勢は、「AI投資の55%が「効果不明」｜ROIが見えない3つの落とし穴と対策」でも扱っています。

事後対応と予兆型運用は何が違うのか

違いは、判断のタイミングと、集めるデータの設計の2点です。発表資料は「従来のネットワーク制御は、品質が低下した後にネットワークを切り替えることが一般的」だったと明記しています。

観点	従来（事後対応）	本技術（予兆型運用）
判断のタイミング	品質が低下したことを検知してから切り替える	低下の予兆を検知し、低下する前に切り替える
利用者の体感	一度は不便を感じる（動画が途切れる等）	不便が起きる前に回避される
データの集め方	無線環境の情報を一律に大量収集	発生している課題に応じて必要な情報を選択して収集

2行目より3行目が重要です。両社はAIによる最適化に必要なデータを「効率的に収集する技術」も併せて検討し、従来のように一律で大量収集するのではなく、ユーザーごとに発生する課題に応じて必要な情報を選んで集める方式にしました。目的は、ネットワークへの負荷を抑えながら予測に必要なデータを確保することです。

センサーやログを増やせば予測精度が上がるとは限らず、収集自体がコストと負荷になります。「何を予測したいか」を先に決めて、そこから逆算して集める対象を絞る。この順序は、通信以外の予兆検知にもそのまま当てはまります。

自社設備で予兆型運用が成立する4条件

予兆型運用が成り立つには、劣化の数値定義・履歴データ・自動で打てる手・発生頻度での測定の4つが揃っている必要があります。ドコモの実証はこの4つが揃った例であり、揃っていない領域では同じ方式は組めません。

条件1：劣化を数値で定義できる

今回は「スループット（通信速度）の低下」という明確な数値がありました。自社の場面で「劣化した」と言える状態が数値で表せるかを最初に確認します。「調子が悪い」「なんとなく品質が落ちた」という表現しかない業務では、予測対象を定義できません。

条件2：劣化に先行する履歴データが残っている

MDTのように、過去の品質データが蓄積されている必要があります。確認すべきは有無だけでなく粒度です。日次の集計値しか残っていない設備で、分単位の予兆を当てることはできません。

条件3：劣化前に打てる手が自動化できる

今回は「より良好なネットワークへ自動で切り替える」という打ち手がありました。予兆を検知しても、対処が人手の出動しかない場合、予測の価値は大きく下がります。検知から対処までを自動で閉じられるかを、導入判断の前に確認します。判断を自動化する範囲の設計は、「自律型AIエージェント導入のセキュリティ｜権限設計と人間の承認ゲート」の考え方が参考になります。

条件4：効果を「発生頻度」で測れる

今回の評価指標は削減率ではなく「発生頻度（13.1%→7.2%）」でした。予兆型運用の効果は「悪いことが起きた回数」で測るのが自然です。導入前に、その回数をどう数えるかを決めておきます。

具体的な活用シーン

予兆型運用が向くのは、劣化が数値で見え、履歴が残り、自動で回避できる領域です。業種別に入り口を挙げます。

• 製造業｜設備の品質劣化：加工精度や振動値が数値で取れ、閾値を割る前に段取り替えや設備切替ができる工程。条件1〜4がそろいやすい領域です。
• 物流｜配送遅延の先読み：配送実績・交通状況・荷量の履歴から遅延の予兆を検知し、遅延が確定する前に配車や順序を組み替える。打ち手の自動化（条件3）がどこまでできるかが分かれ目です。
• 小売・店舗｜設備故障の前倒し対応：冷蔵設備の温度推移やPOS端末のエラーログから故障の予兆を検知する。ただし対処が現地対応しかない場合は、条件3を満たすために保全体制の設計から必要になります。

いずれも「AIを入れる」より前に、4条件のどれが欠けているかを点検する作業が先にあります。業種別の当てはめ方については「AI導入成功事例の読み方」も併せて参照してください。

よくある質問

この技術はいつから使えるようになりますか。

2026年8月10日の発表時点では研究開発段階で、商用導入の時期や対象機種は公表されていません。両社は2030年代の6G実用化に向けた研究開発を続けるとしています。

自社でも13.1%から7.2%のような改善が得られますか。

この数値はドコモの実証環境で4回測定した平均値で、業界平均や商用実績ではありません。自社の効果は、対象業務のデータと打ち手の設計によって変わります。

MDTとは何ですか。

Minimization of Drive Testの略で、スマートフォンなど利用者の端末から通信品質などの情報を匿名で自動収集し、エリア品質の改善に活用する仕組みです。今回のAIの入力データの一つです。

予兆検知にはどれくらいの履歴データが必要ですか。

今回の発表に必要データ量の記載はありません。重要なのは量より粒度で、予測したい時間単位（分・時間）より細かい履歴が残っているかを先に確認します。

まとめ

ドコモとサムスン電子の実証が示したのは、「劣化してから直す」から「劣化する前に手を打つ」への転換が、AIで実際に組めるという事実です。5.9ポイントという削減幅は4回の試行の平均であり、一般化できる数値ではありません。持ち帰るべきは数値よりも方式です。

自社に移すときに点検するのは4条件です。①劣化を数値で定義できるか ②劣化に先行する履歴データが必要な粒度で残っているか ③劣化前に打てる手が自動化できるか ④効果を発生頻度で測れるか。この4つのうち欠けているものが、AI導入の前に着手すべき課題になります。

次に取るべきアクションは、自社の「止まると困る資産」を1つ選び、その4条件を紙の上で埋めてみることです。埋まらない項目が、投資の優先順位になります。

自社設備のどこから予兆型運用に切り替えられるかを整理したいという場合は、AI導入相談フォームからご相談ください。データの棚卸しから対象業務の選定まで一緒に進めます。

出典・参考資料

• NTTドコモ／サムスン電子： ドコモとSamsung、AIで通信速度低下を予測し未然に防ぐ技術の実証に成功 （2026年8月10日） （実験条件（2026年1月・4回測定・1周約10分）と結果（13.1%→7.2%）は同資料の別紙に記載）
• NTTドコモ： 報道発表資料