製造業のAIエージェント活用——事務・現場・技能伝承の3領域と進め方
「うちの工場でも、AIで何かできないだろうか」。製造業の経営者や工場長の方から、こうしたご相談をいただく機会がこの一年でずいぶん増えました。ただ、じっくり話を伺っていくと、困りごとの正体は「AIをどう使うか」ではないことがほとんどです。紙の日報が事務所に積み上がって集計が月末に間に合わない。設備の異常に気づくのがいつも一歩遅れる。ベテランの勘に頼った判断が、その人にしかできない仕事になっている——。そうした業務の中の「滞り」こそが、本当の課題です。
私は自社の議事録作成・コンテンツ制作・営業案件の管理、そしてこのサイト自体の運営をAIエージェントで毎日動かしながら、複数の会社でAI顧問を務めています。その立場からまずお伝えしたいのは、「全部がAIではない」ということです。製造業の業務には、Excelの関数で十分な仕事、RPAのほうが確実な仕事、そしてAIでなければ難しい仕事が混在しています。道具を選ぶ順番を間違えると、費用だけがかさんで現場は何も楽になりません。
この記事では、製造業でAIエージェントが力を発揮しやすい領域を「事務・間接業務」「現場の目視・監視」「技能伝承」の3つに整理し、それぞれで何ができるのか、どこに気をつけるべきかをお話しします。
先に押さえておきたい3つの前提
具体的な領域の話に入る前に、製造業ならではの前提を3つ確認しておきます。ここを飛ばして道具の話から入ると、たいていつまずきます。
一つ目は、現場を止めないことが最優先だということです。AIは便利な技術ですが、出力に揺らぎがある技術でもあります。良品・不良品の最終判定や、安全に関わる設備の制御をAI単独に委ねる設計は避けるべきです。AIには「候補を挙げる」「気づかせる」役割を持たせ、最終判断には人の確認を挟む。品質と安全の責任構造を変えずにAIを差し込むのが基本の型です。
二つ目は、工場のデータは紙・Excel・映像が混在しているという現実です。日報は紙、実績はExcel、現場の様子はカメラの映像。形式がバラバラだからこそ「まずデータを整備してからAIを」と考えたくなりますが、その順番だといつまでも始まりません。混在している状態を前提に、どのデータがどこで滞っているかを見るほうが早く前に進めます。
三つ目は、既存システムと共存させることです。基幹システムや生産管理システムを置き換える必要はありません。既存システムは記録の「本籍地」として残し、AIエージェントにはその間をつなぐ働き手の役割を持たせる。この設計なら、現場の混乱もコストも小さく抑えられます。
領域1: 事務・間接業務——紙とExcelの間で人が転記している仕事
最初に効果が見えやすいのが、工場の事務・間接業務です。日報の集計、月次報告書の作成、FAXやメールで届く注文書の処理。共通するのは「情報が形を変えて別の場所へ移るたびに、人が手で転記している」という構造です。
ここで大切なのは、業務をタスクに分解してから道具を割り当てることです。私が顧問先でいつも使う型はシンプルで、「答えが一つに決まる計算は関数、決まりきった転記はRPA、文章の下書きや形式のバラつき吸収はAI、最終確認は人」という役割分担です。合計や前年比のように答えが一つに決まる計算に、出力の揺らぐAIを使うのはかえって非効率です。逆に、手書きの日報を読み取る、報告書の所見文を下書きするといった「形式が揃っていない情報の処理」はAIの得意分野です。
モデルケースを一つ挙げます。部品加工の工場で、各ラインの紙日報を事務員が毎日Excelへ転記し、月末に課長が報告書へまとめ直しているとします。この業務を分解すると、滞りは「転記」と「文章化」の2箇所です。日報をスマートフォンで撮影すればAIが内容を読み取ってExcelへ流し込み、集計とグラフは関数が自動で更新し、月次報告書の所見はAIが数値をもとに下書きする。課長の仕事は「下書きを直して承認する」ことだけになります。転記そのものが消えるというより、人の仕事が「確認と判断」に寄っていくのがポイントです。
実際、私が顧問として関わった製造業の月次報告業務でも、この分解を行った結果、AIに任せたのは所見の下書きだけで、数値まわりはすべてExcelの関数側に寄せました。派手さはありませんが、人の作業は「貼るだけ・確認するだけ」に近づき、締め日前の残業の原因が一つ消えます。ついでに言うと、AIで集計を検証する過程で「前年比が明らかにおかしい」数値が見つかり、原因をたどると元データの税抜・税込の取り違えだった、ということもありました。AI導入の過程そのものが、業務の点検になるのです。
受発注まわりも同じ考え方で分解できます。FAXやメールで届く注文書は書式が取引先ごとにバラバラで、これを基幹システムへ入力する作業が事務の時間を奪いがちです。書式のバラつきを吸収して入力内容の下書きを作るところまではAIが担い、単価の適用や在庫の引当のように答えが一つに決まる処理は既存システムと関数に任せる。入力の最終確定だけを人が行えば、間違いに対する責任の持ち方を変えずに手数を減らせます。
領域2: 現場の目視・監視——既設カメラの映像を活かす
二つ目の領域は現場です。製造現場には「人がずっと見ていないといけない仕事」が想像以上に残っています。設備が止まっていないかの見回り、搬送ラインの詰まりの監視、出荷前の数量確認。人の集中力は長時間は続きませんし、夜間や休日は人手そのものが薄くなります。「朝出社したら、ラインが夜のうちに止まっていた」という経験をお持ちの工場も少なくないはずです。
ここで活きるのが、既に設置されているカメラの映像をAIで解析するアプローチです。新しいセンサーを機械ごとに取り付けるのではなく、いまある監視カメラや防犯カメラの映像から「設備の停止」「普段と違う状態」「通過した製品の数」を検知する。設備停止の検知、異常の通知、数えものの自動化は、映像AIが力を発揮しやすい典型的な用途です。当社の映像AI「Soundtec Eyes」も、この「既設カメラを活かす」という思想で設計しています。
一方で、人の目視も実は万能ではありません。同じ人でも時間帯や疲労によって見落としは起きますし、判定基準が人によって微妙に違うこともあります。「人がやってきたのだから人が正確」とは限らない前提で、AIと人の分担を設計し直す余地があります。
ただし、映像AIこそ「検証してから決める」が欠かせない領域です。カメラの画角、照明、対象物の写り方によって精度は大きく変わります。カタログ上の性能ではなく、自社の実際の映像で精度を確かめてから判断すべきです。当社では導入前に実際の現場映像をお預かりして無償で精度検証を行い、構成により個別にお見積もりする方針を取っています。検証の結果「この用途にはまだ使えない」と分かることもありますが、それは損ではありません。どこにAIが効いて、どこには効かないのかという自社の地図が、一枚手に入るからです。
領域3: 技能伝承——ベテランの頭の中を「下書き」にする
三つ目は、多くの製造業で最も切実な課題かもしれません。ベテランの退職とともに、判断の基準が会社から消えていく問題です。「音を聞けば機械の調子が分かる」「この色になったら調整が要る」。こうした判断は本人にとって当たり前すぎて、手順書には残っていないことがほとんどです。
ここでのAIエージェントの役割は、「書く」ことではなく「聞き出して整える」ことです。ベテランへのインタビューの録音、作業中のつぶやき、過去のトラブル対応の記録。こうした断片をAIが文字起こしし、構造を整理し、手順書の下書きに仕立てる。そして、その下書きを前にベテランが「ここは違う、実際はこうだ」と直しを入れる。白紙から書いてもらうのではなく、直しから始めてもらうのがコツです。人は白紙を前にすると筆が止まりますが、間違った下書きには自然と口が動きます。
これは私自身が毎日体感していることでもあります。自分の営業や顧問業の進め方をAIエージェントに教え込む作業を続けて分かったのは、人は自分の判断基準を、聞かれるまで言語化できないということです。「なぜその順番でやるのか」「何を見てダメだと判断したのか」とAIに問い返される形になって初めて、頭の中の基準が言葉になります。ベテランの技能も同じで、問いを立てて聞き出す相手がいるかどうかが分かれ目になります。
一点だけ注意があります。AIの下書きには、もっともらしい創作が混ざることがあります。技能伝承の文書は品質と安全に直結しますから、本人の確認を通してから正式な手順書にしてください。AIはあくまで下書き係であり、承認者にはなれません。
進め方——全ラインの一括DXではなく、一つの業務の滞りから
3つの領域を見てきましたが、「ではどこから手をつけるか」が一番大事な話です。結論から言うと、全ラインを対象にした一括のDX構想からは始めないことをおすすめします。構想が大きいほど関係部署が増え、要件が膨らみ、検討だけで一年が過ぎていきます。私が見てきた中で前に進んでいる会社は、例外なく「一つの業務」から始めています。
順序はこうです。まず対象の業務をタスクに分解する。次に、どのタスクが流れを止めているのか——滞りを特定する。そのうえで、関数・RPA・AIのどれが適しているかを選ぶ。道具の選定が最後に来るのがポイントで、「AIを入れること」を先に決めてしまうと、この順序が逆転して手段探しの旅が始まってしまいます。当社の支援も、ヒアリングと業務の分解から入る流れを標準にしています。詳しくは進め方にまとめていますが、最初の一歩は大きな投資ではなく「一つの滞りの検証」です。AIエージェントそのものの全体像を先に掴みたい方は、AIエージェント構築代行 完全ガイドもあわせてご覧ください。
費用の考え方も同じ構造です。全体構想への大型投資ではなく、一つの業務単位で小さく検証し、効果を確かめてから広げる。検証の結果「ここはAIではなく関数で十分」「この業務にAIはまだ早い」と分かったなら、それは無駄ではなく、次の投資判断の精度を上げる財産です。この考え方は料金の考え方でも詳しくお話ししています。
効率化の行き着く先は、意思決定の速さと質
最後に、少し先の話をします。事務が楽になる、監視が自動になる、技能が文書になる——それぞれ価値のあることですが、効率化を突き詰めた先にあるのは、結局のところ「経営者と現場責任者が、速く正しく決められる状態」です。数字が整い、異常にすぐ気づけ、判断の基準が言葉になっている。この状態が揃うと、日々の采配も、設備投資のような大きな判断も、確かな根拠の上でできるようになります。
そのための第一歩は、AIツールの比較検討ではなく、自社の業務のどこが滞っているかを一つ見つけることです。「うちの場合はどこから手をつけるべきか」を整理したい方は、無料診断で現状を伺いながら一緒に考えることもできます。お気軽にご相談ください。