製造業の生成AI活用｜図面・検査・技能伝承の3領域で何ができるか

「製造業でも生成AIを使ったほうがいいらしい」——そう聞いても、図面と機械と職人の技で回っている現場に、チャットで文章を書くAIがどう関わるのかは見えにくいものです。この記事では、製造業で語られることの多い図面・検査・技能伝承の3領域に絞って、生成AIに任せられる仕事とそうでない仕事を切り分けます。「何ができるか」だけでなく「何は期待しないほうがいいか」まで、一緒に整理していきましょう。

製造業のAI活用は「生成AI」と「画像AI」で分けて考える

最初にここを整理しておかないと、社内の議論がずっと噛み合いません。製造業でAIといったとき、実際には性質の違う2つの技術が同じ言葉で語られています。

この2つは、必要な準備も費用も期間も、まったく違います。生成AIは月数千円のアカウントで明日から試せますが、外観検査AIは撮像環境の構築を含めた設備投資です。「AIを入れたい」という一言で議論を始めると、片方の話をしている人ともう片方の話をしている人がすれ違い続けます。まずは「今うちが困っているのは、言葉と情報の処理か、それとも目視判定か」を分けるところから始めてください。

領域1：図面・仕様書まわりの「読む・書く・探す」

製造業で生成AIが最も早く効くのは、実はここです。設計・生産技術・製造・品質保証のどの部署でも、紙とPDFとExcelに埋もれた情報を人が読み解く時間が相当量発生しているはずです。

特に効果が出やすいのが「過去の似た案件を探す」という業務です。トラブル報告書や是正処置記録が何百件と溜まっているのに、実質ベテラン数人の記憶が索引になっている——これは多くの中小製造業に共通する状態です。ここに社内文書を読ませる仕組み（RAG）を入れると、経験の浅い人でも過去の知見にたどり着けるようになります。

領域2：外観検査・品質チェックはどこまでAIに任せられるか

「目視検査に人を張り付けているのを何とかしたい」——製造業の相談で最も多いテーマのひとつです。ここは正直に申し上げると、生成AIの守備範囲ではありません。良品／不良品の判定は、自社の製品を学習させた画像AIの領域です。

外観検査AIの導入を検討するなら、押さえるべき前提が3つあります。

1. 不良品の画像が集まるか

   AIに「これが不良」と教えるには、不良品の画像が必要です。ところが不良率が低い工程ほど不良品のサンプルが集まらないという矛盾が起きます。良品だけを学習させて「いつもと違う」を検出する方式もありますが、いずれにせよ画像データの準備が最初の関門です。

2. 撮像環境を固定できるか

   照明の当たり方、ワークの向き、カメラとの距離が毎回ばらつくと、AIの精度は出ません。AIの性能より、治具と照明の設計のほうが結果を左右することがしばしばあります。ここを軽く見た案件はまず躓きます。

3. 判定の責任をどう置くか

   AIが「良品」と判定したものを、そのまま出荷してよいのか。多くの現場では、まずAIを一次スクリーニングとして使い、疑わしいものだけ人が見る運用から始めます。人の検査を完全に置き換える前提で計画すると、社内の合意形成が止まりがちです。

領域3：技能伝承——「AIに教えさせる」のではなく「言葉にするのを手伝わせる」

ベテランが数年内に抜ける。教える時間も、教わる人もいない。製造業の人手不足は、頭数の不足であると同時に「その人の頭の中にしかない判断基準」の消失リスクです。

ここで多い誤解が、「ベテランの技をAIに学習させて、AIが後輩に教えてくれる」というイメージです。現実には、そこまで一足飛びには進みません。技能伝承におけるAIの本当の役割は、暗黙知を言葉に変換する作業のコストを下げることにあります。

1. STEP1：ベテランの作業を録る・聞く

   作業中の様子を動画で撮る、あるいは作業しながら口頭で説明してもらい録音します。「文書にまとめて」と頼むとベテランほど負担に感じて止まるので、喋ってもらうだけにするのがコツです。

2. STEP2：AIに文字起こしと構造化をさせる

   録音をAI議事録ツールで文字起こしし、生成AIに「作業手順と、判断が必要な箇所を分けて整理して」と指示します。ここで一気に清書の手間が消えます。

3. STEP3：「なぜそうするか」を質問で引き出す

   整理された手順をAIに読ませ、「この手順書で、初めての人がつまずきそうな箇所を質問形式で10個出して」と頼みます。出てきた質問をベテランにぶつけると、本人も言語化していなかった判断基準が出てきます。ここが技能伝承の本丸です。

4. STEP4：社内で引ける形にする

   出来上がった手順書とQ&Aを、社内文書を読ませるAI（RAG）に登録します。現場から「この場合どうするんでしたっけ」と聞ける状態になれば、伝承の入口としては十分です。

この進め方の良いところは、ベテラン本人の負担がほとんど増えない点です。「手順書を書いてください」と依頼すると数か月止まりますが、「30分喋ってください」なら動きます。属人化の解消という観点でも同じ考え方が使えるので、関連記事もあわせてご覧ください。

どこから着手するかを決める判断基準

3領域を並べたところで、「うちはどれから?」が次の問いになります。次の表を、自社の状況に当てはめてみてください。

判断の順番はシンプルです。まず図面・文書系で小さく成功体験をつくり、並行して技能伝承を進め、外観検査は投資判断として別枠で検討する。この順番なら、社内に「AIに任せられる仕事の見分け方」が育った状態で、大きな投資の判断に臨めます。

• 「言葉と情報の処理」と「目視判定」のどちらに困っているかを切り分けたか
• 週に何時間、文書の読み書き・探し物に使っているかを概算したか
• 抜けると困るベテランと、その人の担当工程を書き出したか
• 外観検査を検討するなら、不良品画像と撮像環境の目処が立つか確認したか
• 最初に試す1業務と、効果を測る物差し（時間）を決めたか

つまずきポイント

補助金で導入費用を抑えるヒント

製造業の省力化投資は、国の補助制度と相性のよい領域です。代表的なものとして、ソフトウェア・システムの導入を支援するデジタル化・AI導入補助金（旧IT導入補助金）と、設備導入を含む省力化投資を支援する中小企業省力化投資補助金があります。外観検査システムのような設備を伴う投資は後者、社内文書を扱うAIツールのようなソフトウェア中心の投資は前者、という整理が出発点になります。

また、最低賃金の引き上げとセットで生産性向上の設備投資を支援する業務改善助成金（厚生労働省）もあります。賃上げを予定しているなら、投資計画と合わせて検討する価値があります。

よくある質問

Q. 図面を生成AIに読ませて、そのまま見積りを作らせることはできますか？

A. 「たたき台を作らせる」ことはできますが、そのまま出せる精度は期待しないほうが安全です。寸法や公差の読み取りには誤りが混じり得るうえ、加工工数や材料歩留まりの判断には自社固有のノウハウが必要だからです。現実的な使い方は、図面から要求事項・特記事項を箇条書きに抽出させ、見積り担当者の確認作業を短縮する使い方です。過去の類似案件を探させる用途と組み合わせると、さらに時間を圧縮できます。

Q. 外観検査AIは、うちのような小ロット多品種の工場でも使えますか？

A. 品種が多いほど、品種ごとに学習データと判定条件を用意する必要があり、難易度と費用は上がります。まったく不可能というわけではありませんが、少品種大量生産の工程に比べると投資回収の計算が厳しくなりがちです。検討する場合は、まず数量が多く不良の発生している特定の1品種に絞り、その工程だけで採算が合うかを試算してください。全工程への展開を前提に計画すると、判断が重くなりすぎます。

Q. ベテランが「AIに仕事を取られる」と警戒しています。どう説明すればいいですか？

A. 実際のところ、生成AIが置き換えられるのはベテランの判断ではなく、その周辺の書類仕事です。説明の仕方としては「技をAIに覚えさせる」ではなく、「あなたが説明する手間を減らす道具」と位置づけるほうが受け入れられやすくなります。最初の1工程で「同じ質問を何度も受けなくなった」という実感が出ると、態度が変わることが多いものです。導入時は、ベテラン本人に手順書の内容を確認・修正してもらう役割を持ってもらうと、当事者として関わってもらえます。