今、日本の製造業では5GとAIを組み合わせたスマートファクトリー化が急速に進んでいます。特にエネルギー消費の最適化は、コスト削減とカーボンニュートラルの両面から最優先課題となっています。しかし、ここで皆さんに一度立ち止まって考えていただきたいことがあります。
「省エネ効果が高いシステムほど、制御を乗っ取られた時のダメージも大きい」 という事実です。
工場のDX（デジタルトランスフォーメーション）において、セキュリティはしばしば「情報漏洩対策」として語られます。しかし、現場を預かる工場長や設備管理責任者の皆さんにとって、本当に恐ろしいのは図面データが盗まれることよりも、「制御不能になったアームロボットが暴れること」や「溶解炉の温度制御が効かなくなること」ではないでしょうか？
本記事では、ITの専門用語を並べるのではなく、現場の言葉でリスクを翻訳し、5G・AI時代の工場を「物理的に」守るためのOT（Operational Technology：運用技術）セキュリティについて、システム思考のアプローチで深掘りしていきます。恐怖を煽るつもりはありません。リスクを正しく理解し、コントロール可能な状態に置くこと。それが、真に強いスマート工場を作る第一歩だからです。
なぜ「省エネのためのAI」が工場の脅威になるのか
5Gの超高速・低遅延・多数同時接続という特性は、工場内のあらゆるセンサーや設備をリアルタイムで連携させることを可能にしました。これにより、AIは工場の「神経系」となり、エネルギー供給をミリ秒単位で最適化します。しかし、システム設計やAIエージェント開発の視点から見ると、これは「外部からの侵入経路が劇的に増えた」ことと同義です。
5GとAIがもたらす「つながる」リスクの本質
従来、工場の制御システムはインターネットから切り離された「閉じた世界（エアギャップ環境）」で守られてきました。しかし、スマートファクトリー化は、この壁を取り払うことを意味します。
5Gを活用して何千ものIoTセンサーを設置し、クラウド上のAIと連携させる。これは、工場の壁に何千もの「小さなドア」を取り付けるようなものです。そのドアの一つひとつが、攻撃者の侵入ポイント（アタックサーフェス）になり得ます。
特にエネルギー管理システム（EMS）は、工場全体の「心臓部」である受変電設備や空調、コンプレッサーといったユーティリティ設備と直結しています。もし攻撃者が末端のセンサー経由でこの心臓部に到達し、AIに対して「今は電力需要が低い」という偽の情報を送り込んだらどうなるでしょうか？ AIは「正しく」判断し、稼働中のラインへの電力供給を絞るかもしれません。結果として起こるのは、製品の品質不良や、最悪の場合は急停止による設備破損です。
情報漏洩よりも怖い「物理的制御」の乗っ取り
ITセキュリティとOTセキュリティには、守るべきものの優先順位に決定的な違いがあります。これを理解していないと、現場に即した対策は打てません。
IT（情報技術）の優先順位：CIA
- Confidentiality（機密性）：情報が漏れないこと
- Integrity（完全性）：情報が改ざんされないこと
- Availability（可用性）：システムが使えること
OT（運用技術）の優先順位：AIC + Safety
- Availability（可用性）：ラインが止まらないこと
- Integrity（完全性）：制御データが正確であること
- Confidentiality（機密性）：情報が漏れないこと
- 最優先：Safety（安全性）：人や環境、設備に物理的な危害が及ばないこと
オフィスのPCなら、ウイルス感染時にネットワークを遮断して業務を止めても、後でデータを復旧できれば「セーフ」です。しかし、稼働中の化学プラントや製鉄所で、セキュリティパッチを当てるためにシステムを急停止させることは、それ自体が事故につながるリスク（Safetyの侵害）となります。
5GとAIによるエネルギー管理において最も警戒すべきは、「可用性の喪失（ライン停止）」と「安全性の欠如（事故）」です。ハッカーが身代金を要求するためにデータを暗号化するランサムウェア攻撃も脅威ですが、AIの判断を狂わせて物理的な破壊を引き起こす攻撃は、企業の存続に関わるダメージを与えかねません。
ITセキュリティとOTセキュリティの決定的な違い
多くのプロジェクトで見られるのは、IT部門主導で導入されたセキュリティ対策が、現場のオペレーションと衝突するケースです。
例えば、「不正な通信を検知したら即座に遮断する」というITの常識をそのまま工場の制御ラインに適用したとしましょう。誤検知で正規の制御コマンドが遮断された瞬間、高速回転しているモーターが制御を失い、焼き付いてしまうかもしれません。
OTセキュリティでは、「怪しい通信があっても、まずは止めずに警告を出し、オペレーターの判断を待つ」あるいは「安全な状態に移行（フェイルセーフ）してから遮断する」といった、物理挙動を考慮した設計が不可欠です。AIを導入する場合も同様で、「AIが異常と判断したからといって、いきなり電源を落とさない」という設計思想が、現場を守る防波堤となります。理論だけでなく「実際にどう動くか」を重視するアプローチが、ここでは極めて重要になります。
5G・AI環境特有の脆弱性と攻撃シナリオ
では、具体的にどのような攻撃やトラブルが想定されるのでしょうか？ 映画のような高度なハッキングだけでなく、AIの性質を逆手に取った地味ながら致命的な手法が存在します。
センサーデータの改ざんによるAIの誤学習・誤作動
AI、特に機械学習モデルは「データが全て」です。入力されるデータが嘘であれば、出力される制御指令も嘘になります。これを悪用したのが「ポイズニング攻撃（データ汚染攻撃）」や、運用中の入力データを偽装する攻撃です。
例えば、工場内の温度センサーが5G経由で空調AIにデータを送っているとします。攻撃者がこのセンサーの通信に介入し、「室温は適正（25℃）」という偽のデータを送り続けたらどうなるでしょうか？ 実際にはサーバー室の温度が40℃を超えていても、AIは「冷却不要」と判断し、空調の出力を上げません。結果、サーバーが熱暴走し、生産管理システム全体がダウンします。
また、より巧妙な手口として、「AIモデルの境界値を狙う」攻撃もあります。AIが「異常」と判定するギリギリ手前の数値を送り続けることで、AIのアラートを作動させずに、徐々に設備に負荷をかけ続けるのです。これは金属疲労のように蓄積し、ある日突然、原因不明の設備故障として顕在化します。現場から見れば「AI導入後、なぜか故障が増えたが原因がわからない」という状況に陥ります。
5Gネットワークスライシングの盲点
5Gの大きな特徴である「ネットワークスライシング」は、一つの物理ネットワークを仮想的に分割し、用途ごとに専用レーンを作る技術です。「制御用」「監視カメラ用」「事務用」とスライスを分けることで、セキュリティと通信品質を担保できるとされています。
しかし、これは万能の盾ではありません。スライス間の分離が論理的な設定ミスによって不十分だった場合、セキュリティの甘い「事務用Wi-Fi」から侵入し、基幹ネットワークを経由して「制御用スライス」に横移動（ラテラルムーブメント）されるリスクがあります。
また、ローカル5G基地局自体の脆弱性も懸念材料です。基地局のファームウェアに脆弱性があれば、そこが工場ネットワーク全体への入り口になります。5G機器は比較的新しい技術であるため、検証が十分でないレガシー機器に比べて未知の脆弱性が残っている可能性が高いと考えられます。
サプライチェーン攻撃と既知の脆弱性
工場の設備は、様々なメーカーの機器が混在しています。最新の5Gセンサーだけでなく、古いPLC（Programmable Logic Controller）が現役で動いていることも珍しくありません。
攻撃者は、防御の堅い最新AIサーバーを直接狙うのではなく、セキュリティ対策が手薄な古いPLCや、メンテナンス用に入っている協力会社のPC、あるいは安価なIoTセンサーを踏み台にします。これを「サプライチェーン攻撃」と呼びます。
特にエネルギー管理のために後付けした安価なスマートメーターや環境センサーは、パスワードが初期設定のままだったり、ファームウェアの更新機能がなかったりと、セキュリティホールになりがちです。「たかが温度計」と侮ったそのデバイスが、工場全体を止めるトロイの木馬になる可能性があります。
現場を止めないための「多層防御」設計図
脅威を完全にゼロにすることは不可能です。だからこそ、侵入されることを前提に、被害を最小限に食い止める「多層防御（Defense in Depth）」の考え方が重要になります。ここでは、IEC 62443（産業制御システムのセキュリティ国際標準）の考え方をベースに、現場視点での防御設計を解説します。
エッジ、ネットワーク、クラウドの3層分離
システムの構造を「エッジ（現場）」「ネットワーク（通信）」「クラウド（AI処理）」の3層に分け、それぞれの層で防御壁を築きます。
エッジ層（現場デバイス）：
ここでは「物理的な遮断」が最後の砦です。AIからの制御指令を受け取るコントローラー側に、物理的なリミッターやハードウェア・インターロックを設けます。例えば、AIが「バルブを100%開放せよ」と指示しても、物理的な圧力センサーが危険値を検知していれば、回路的にバルブが開かないようにする仕組みです。これはサイバー攻撃だけでなく、AIのバグ対策としても極めて有効です。ネットワーク層（通信）：
工場内ネットワークを「ゾーン」と「コンジット（導管）」に分割します。溶接ロボットのエリア、搬送AGVのエリア、エネルギー管理のエリアなどを論理的に切り離し、エリア間の通信をファイアウォールで厳密に制限します。これにより、あるエリアが感染しても、工場全体に被害が広がるのを防げます。クラウド層（AI・分析）：
ここではデータの「異常検知」を行います。送られてくるセンサーデータが物理法則としてあり得ない値（例：1秒で温度が100℃上昇するなど）を示した場合、それを攻撃または故障と判断してデータを破棄し、現場にアラートを出します。
ゼロトラストを工場ネットワークに適用する現実解
「何も信頼しない（Zero Trust）」という概念は重要ですが、工場ですべての通信を都度認証させると、遅延（レイテンシ）が発生し、リアルタイム制御に支障をきたす恐れがあります。
現実的な解としては、「クリティカルな制御通信」と「モニタリング用の情報通信」を分けることです。5Gのスライシング技術を活用し、制御信号には低遅延を最優先した認証方式（軽量暗号など）を用い、エネルギー使用量の集計データなど即時性が求められない通信には強固な認証をかけるといった使い分けが必要です。
また、デバイス認証も重要です。許可されたMACアドレスやデジタル証明書を持つセンサー以外はネットワークに接続させない、いわゆる「ホワイトリスト方式」での管理が、固定的な設備が多い工場環境には適しています。
AIモデルの挙動監視とフェイルセーフ機能
AI自体を監視する「AIのための監視役」を配置します。これを「ガードレールモデル」と呼びます。
メインの省エネAIが出した制御指令に対し、シンプルなルールベースのモデル（ガードレール）が「その指令は安全範囲内か？」をチェックします。
- 省エネAIの指令：「電力ピークを避けるため、空調Aを停止せよ」
- ガードレール：「現在、空調Aエリアの温度は上限に近い。停止すると機器故障リスクがあるため、指令を却下（または出力を50%に制限）」
このように、複雑でブラックボックスになりがちなAIの判断を、単純明快なルールでフィルタリングすることで、物理的な安全性を担保します。これが、OT視点での最も重要な「最後の防壁」となります。
運用フェーズで必要な「人」と「組織」の準備
どれほど堅牢なシステムを組んでも、それを運用するのは「人」です。ツールを入れただけで安心せず、インシデント発生時に現場がどう動くかを定めておく必要があります。
IT部門とOT部門の連携ギャップを埋める共通言語
工場のセキュリティ対策が進まない原因の一つは、IT部門とOT（現場）部門の相互不理解にあると考えられます。
- IT部門：「なぜOSのアップデートをすぐにやらないんだ！」
- OT部門：「24時間稼働のラインを止められるわけがないだろう！」
この溝を埋めるには、共通の目標設定が必要です。それは「安全かつ安定した生産継続」です。セキュリティ対策を「面倒なルール」ではなく、「品質管理（QC）活動の一環」や「労働安全衛生（HSE）の延長」として位置づけてください。「サイバー事故も労災や品質事故と同じ」と定義すれば、現場の意識は変わると考えられます。経営者視点とエンジニア視点の両方を持つことで、このギャップは確実に埋められます。
異常検知時のエスカレーションフロー作成
AIが異常な挙動を示した時、現場オペレーターはどうすべきでしょうか？
- AIの自動制御を切り、手動（マニュアル）運転に切り替える。
- 設備を非常停止させる。
- そのまま様子を見る。
正解は状況によりますが、この判断基準が現場にないと混乱が生じる可能性があります。特に省エネAIの場合、「エネルギーコストが上がるが、生産を優先して手動に戻す」権限を現場リーダーに与えておくことが重要です。判断に迷って対応が遅れ、設備を壊してしまうのが最悪のシナリオだからです。
定期的なリスクアセスメントと「避難訓練」
工場では火災や地震の避難訓練をしますよね。同じように、「サイバーインシデント対応訓練」を実施してください。
「制御画面がランサムウェアでロックされた」「AIが異常な温度設定を指示し始めた」といったシナリオを用意し、実際に手動切り替えの手順を確認したり、連絡網（誰に電話するか）をテストしたりします。机上のマニュアルは、緊急時には役に立ちません。体で覚えた手順だけが、現場を救います。
安全な導入に向けたチェックリストとロードマップ
最後に、これから5GとAIによるエネルギー管理を導入する、あるいは拡張しようとしている方への実践的なガイドラインを示します。まずはプロトタイプ思考で、小さく始めて素早く検証することが成功の鍵です。
導入前の現状調査（アセット管理）
敵を知る前に、己を知ることです。工場内に何台のデバイスがあり、何がネットワークにつながっているか、正確に把握していますか？
- 資産台帳の作成：PC、PLC、センサー、タブレットなど、IPアドレスを持つ全機器をリスト化する。
- 「野良IoT」の発見：現場担当者が勝手に持ち込んだWi-Fiルーターや、テスト用に設置して忘れているセンサーがないかスキャンする。
- 通信フローの可視化：どの機器がどこ（社内サーバー、クラウド、外部ベンダー）と通信しているか把握する。
ベンダー選定時のセキュリティ要件定義
AIソリューションや5G機器を選定する際、機能や価格だけでなく、セキュリティ要件をRFP（提案依頼書）に盛り込みます。
- SLA（サービスレベル合意書）：インシデント発生時の対応時間、責任分界点が明記されているか。
- サプライチェーンセキュリティ：ベンダー自身や、その再委託先のセキュリティ管理体制は十分か。
- 長期間のサポート：工場の設備は10〜20年使います。機器のセキュリティパッチが長期間提供されるか確認する。
スモールスタートからの段階的拡張
いきなり全工場・全ラインにAI制御を導入するのはリスクが高すぎます。「まず動くものを作る」アジャイルなアプローチが有効です。
- PoC（概念実証）：まずは影響の少ないサブシステム（例：倉庫の照明制御など）で試し、省エネ効果だけでなく、誤作動時の挙動を素早く検証する。
- モデルライン導入：1つの生産ラインに限定して導入し、物理的なフェイルセーフ機能が働くかテストする。
- 全社展開：運用ルールとトラブルシューティングが確立されてから、他のラインや工場へ展開する。
このステップを踏むことで、万が一のトラブル時も被害を局所化でき、学習した教訓を次のステップに活かせます。
まとめ
5GとAIによるエネルギー最適化は、製造業の未来にとって不可欠な技術です。しかし、それは「物理的なリスク」と隣り合わせであることを忘れてはいけません。
重要なのは、AIを盲信するのではなく、「AIは間違える可能性がある」「ネットワークは侵入される可能性がある」という前提に立ち、それでも現場を止めないための「物理的な安全装置」と「人間の判断力」を組み込むことです。
セキュリティは「コスト」ではなく、安定操業を保証する「保険」であり、品質の一部です。OT視点での多層防御を構築することで、皆さんの工場はサイバー攻撃やシステムトラブルに屈しない、強靭なスマートファクトリーへと進化できると考えられます。
現場の安全を守りながら、デジタルの恩恵を最大化する。その挑戦こそが、次世代の製造業を牽引する力となるはずです。
コメント