中小製造業のAI活用、最初の一歩は文書と分析から。6領域の事例と現実的な進め方

# 「うちみたいな規模でAIなんて」への答え

AIが話題になるたびに、こう感じている経営者の方は多いはずです。もっと大きい会社の話だろう。うちは現場仕事が中心で、パソコンに向かう時間なんてほとんどない。過去にITツールを入れて定着しなかったこともある。そもそも自社の何に使えるのかわからない。

中小製造業がAIを始めるのに、専用システムの導入から入る必要はありません。多くの会社がすでに契約しているMicrosoft 365やGoogle Workspaceに付いてくる生成AIの範囲で、今日から効果が出る業務が工場の中にあります。現場仕事が中心の会社ほど、現場を支える書類と集計に時間を取られているものです。AIが効くのはまさにそこです。

この記事では、製造業の6つの業務領域を取り上げます。それぞれについて「いま持っているツールでできること」と「一歩進めるならどうなるか」の2段で整理するので、自社の状況に近い段から読んでください。

# 今回取り上げる6つの領域

1. 技能承継・作業手順書（ベテランの頭の中を文書にする）
2. 品質記録の分析（不良の傾向をデータからつかむ）
3. 在庫・経費の管理（滞留と異常を機械的に見つける）
4. 外観検査（人の目の検査をどう補うか）
5. 生産計画（采配の材料づくりを速くする）
6. 需要予測（先の見通しを数字で持つ）

前半3つは、手持ちの生成AIだけで今日から効果が出る領域です。後半3つは専用の仕組みが本命になる領域ですが、システムを入れる前に人力と組み合わせてできることがあります。

# 1. 技能承継・作業手順書

いま持っているツールで: ベテランの口述メモや箇条書きをAIに渡し、「新人向けの作業手順書にして。安全注意・準備物・NG例つきで」と依頼します。CopilotのChat機能に手順を箇条書きで渡すと構造化された手順書が生成され、よくある質問や注意点の追加もできます(WITHWIT社の解説)。実務では、聞き取りメモや作業動画の文字起こしをAIに渡して下書きを作らせ、マニュアル作成時間を約7割削減した例が報告されています(BoostX社の事例記事)。技能承継のボトルネックは「書く時間がない」ことなので、そこをAIが肩代わりする形です。

注意点として、AIが書いた手順書はそのままでは現場で使えません。順序の間違いや暗黙の前提の抜けが必ず混ざるため、現場の人間がレビューする工程を省いてはいけません。ゼロから書くのではなくレビューに徹すればよくなるのが、時間短縮の正体です。

レベルアップするなら: 作業そのものをスマホやウェアラブルカメラで撮影し、動画をAIに文字起こし・要約させて、写真つきの動画手順書に仕上げる方法があります。文字では伝わらない手の動きやコツを残せるので、口述ベースの手順書の次の段階として有効です。新潟県の「AI・IoT活用ビジネス創出実証業務」では、県内の株式会社山之内製作所が「技能情報でつながる工場」として技能データ共有の実証に取り組みました(新潟県公式サイト)。作業の録画からAIが手順書を起こす流れは大手ツール各社が機能として揃え始めており、技能のデータ化はKOIYALでも研究を続けている分野です。県内でも現実に動き始めているテーマであり、このブログでも続報を扱っていく予定です。

# 2. 品質記録の分析

いま持っているツールで: 品質記録がExcelに溜まっている会社なら、生成AIは分析の入り口になります。Copilot in Excelには、データの傾向や外れ値(他と大きく違う値)の提示、グラフやピボットテーブルの自動作成が標準機能として備わっています(Microsoft公式サポート)。Gemini in Googleスプレッドシートでも、表の傾向分析やグラフ作成を日本語の依頼で実行できます(Google公式ヘルプ)。

不良記録への依頼は、「不良区分別のパレート図を作って」「ライン別・曜日別に集計して」「相関がありそうな要因を指摘して」の順で進めます。すると、雨の日に多い塗装不良や、特定ラインに偏る寸法不良のようなパターンが浮かびます。パレート図や特性要因図といったQC活動の道具立てを持っている製造業は、この使い方に一番なじみやすい業種です。分析の型は現場が知っていて、AIは集計とグラフ化の手間を消す役割に徹するからです。

レベルアップするなら: 分析の前提になる「記録が電子データで溜まっている状態」自体を、IoTで作りにいく段階です。従業員8名のオシタニプレス工業所は、製造実行システムの導入で月間6,000枚の紙書類を削減しました(ビットツーバイト社の事例まとめ)。紙の記録を電子化し、溜まったデータをAIで分析するという順序は、規模を問わず再現できる道筋です。

# 3. 在庫・経費の管理

いま持っているツールで: 在庫台帳や経費明細のExcelに、日本語でそのまま依頼できます。「在庫回転率を計算する列を追加して」「回転率が低い品目を出して」「前月比20%以上増えた勘定科目を抽出して」。数式を自分で組む必要はありません。滞留在庫や経費の急騰は、毎月見ているつもりで見落とすものの代表で、機械的な検出と相性が良い領域です。

レベルアップするなら: 本格的な在庫最適化は、後述の需要予測とセットになる領域です。生成AIでの分析は、そうした投資が割に合うかを判断する材料集めと位置づけるのが正確です。

# 4. 外観検査

チャット型のAIに「カメラ映像から不良品を自動で検出し続ける」仕事はできません。ここは画像を専門に扱うAI検査システムの領域で、埼玉県内の中小製造業10社が導入して高い検出精度を出した事例(前掲の事例まとめ)があるように、効果は実証されています。ただし別の投資判断として扱うべきものです。

システムを入れる前にできること: 全数検査の自動化だけが解ではありません。人が検査を続ける前提でも、生成AIで検査の質は上げられます。

• 不良品の写真を撮り溜めて、AIに分類・集計させ、不良の出方の傾向をつかむ
• ベテラン検査員の判定基準を聞き取り、AIで検査基準書や限度見本帳の文書化を進める。「どこまでがOKか」が人によってばらつく問題は、基準の言語化だけでもかなり減ります

人の目とAIの文書化を組み合わせて検査のばらつきを抑え、不良データが溜まって投資判断の材料が揃った段階で、画像検査システムを検討する。この順序なら手戻りがありません。

# 5. 生産計画

設備能力・段取り替え・納期を同時に満たす計画の自動立案は、チャット型AIでは解けません。本命はスケジューラという専用領域で、ニチレイフーズがAIで計画立案時間を10分の1にした事例(前掲)は専用システムの成果です。

システムを入れる前にできること: 計画の「判断」は人に残したまま、判断の材料づくりをAIに任せる方法があります。

• 受注一覧からの負荷集計、ボトルネック工程の特定、計画変更の連絡文作成は、いま持っているツールでできます
• もう一つ効くのが、計画担当者の采配ルールの言語化です。「この客先の急ぎは何を後ろにずらして捌くか」といったベテランの頭の中の優先順位を、AIとの対話で文書に起こしておく。計画業務の属人化が一番のリスクである会社ほど、スケジューラ導入より先にやる価値があります

# 6. 需要予測

Copilotには予測分析の機能があり、傾向や季節性の把握には十分使えます。ただし毎回チャットで依頼する一過性の分析であり、毎日自動で予測が更新される仕組みではありません。

システムを入れる前にできること: 「月1回、同じ手順で予測分析をする」と決めてルーチン化すれば、人力運用でも先の見通しは持てます。依頼文を手順書にしておけば、担当者が代わっても同じ分析が回ります。自動ではなく定例作業として回す、が現実解です。

レベルアップするなら: 毎日の自動更新や在庫との連動が必要になったら、専用ツールの段階です。食品製造のキング醸造は、ノーコードのAI需要予測ツールで在庫最適化と食品ロス削減を実現しています(前掲)。

# 新潟県内の支援制度

こうした取り組みは遠い話ではありません。新潟県には産学金官11団体による新潟県IoT推進ラボがあり、AI・IoT導入促進の補助金制度も整備されています(新潟県公式サイト)。先ほど触れた山之内製作所の技能データ共有も県の実証業務の一つで、県内で実例が積み上がり始めています。AI活用に企業規模の下限はありません。

# まず何から始めるか

最初から大きな仕組みに入って失敗するより、次の順序をおすすめします。

1. 業務を1つだけ選ぶ。おすすめは手順書か日報の要約。効果が数日で見え、失敗してもコストがほぼゼロだからです
2. いま持っているツールで試す。Microsoft 365契約があればCopilot、Google Workspaceがあれば Gemini。どちらもない場合は、ChatGPTなどの法人向けプラン(入力データが学習に使われない契約)を選ぶ。無料版は自社の実データやノウハウを入れる用途にはおすすめしません
3. 機密データのルールを先に決める。図面・顧客名・原価は、会社契約の法人向けプラン(入力データが学習に使われない設定)以外に入れないこと。ここを曖昧にしたまま現場に広げるのが一番危険です
4. AIの出力は必ず人間が検証する。手順書のレビュー、分析結果の裏取り。この工程を業務フローに組み込んだ会社だけが定着します

経験上、つまずきの大半は技術ではなく運用です。誰がどの業務で使ってよいか、何を入力してはいけないか、出力を誰が確認するか。この3つを決めずにツールだけ配ると、数週間で誰も使わなくなります。

なお、「DXが進んでいないからAIはまだ早い」と感じている場合は、AIから始めるべき理由を解説した記事もあわせてご覧ください。

# この6領域のほかにも

今回は6領域に絞りましたが、AIが効く製造業の業務はまだあります。見積作成、図面や文書の管理、安全教育、日報の集約、多能工化のための教育資料づくりなどです。業種特化シリーズとして順次記事を追加していく予定です。「うちのこの業務はどうか」という個別の疑問は、下記の無料相談でお答えします。

# 社員に使い方を覚えてもらうには

ここまでの内容を経営者が一人で理解しても、現場が動かなければ成果は出ません。KOIYALでは、中小企業向けに生成AIの法人研修を行っています。CopilotやGeminiを使い、この記事で挙げたような架空の製造業データ(販売実績・在庫台帳・不良記録)での演習を含む実務直結の内容です。

人材開発支援助成金（事業展開等リスキリング支援コース）の対象要件を満たす場合、実質負担は約2.5万円/名まで下がります。この助成金の枠組みは2027年3月末で終了予定のため、活用を検討するなら年度内の計画が現実的です(助成金の要件・金額は変更されることがあります。最新の条件は個別にご確認ください)。

まずは「うちの業務のどこに効くか」を30分で整理する無料相談からどうぞ。お問い合わせページからご連絡ください。