「AI、使えますよ。簡単に導入できます」
と言われたことのある製造業の担当者は、多いのではないでしょうか。セールス電話も最近多いですよね。
ベンダーの営業資料には「生産効率が30%改善」「品質検査の自動化に成功」という事例がずらっと並んでいて、「うちでもできるかもしれない」と思ってしまいます。
ところが実際に動かしてみると、あちこちで壁にぶつかりました。AIの出力が毎回違う。意図が伝わらない。Excelデータが汚くて読み込ませられない。小さく始めた業務は上手くいったのに、他の人に広げようとしたら急に動かなくなる…。
この記事では、そういった「実際にやってみてわかった注意点」を製造業の生産管理を7年担当し、現場でAIを実際に試してきた立場から、どこで詰まりやすいか、どう対処すれば先に進めるかを書きます。
注意点を確認してから始め方も見たい方は、製造業でAI業務改善を始める方法もあわせてどうぞ。
製造業でAIを入れる前に、まず確認してほしいこと
大企業の事例と中小製造業は、土台が全然違う
カタログやセミナーに出てくる事例は、たいてい従業員数千人以上の上場企業です。IT部門があって、データエンジニアがいて、専用の予算が取れている会社の話です。
従業員200人以下の中小製造業では、ITの担当は総務が兼任、データ整備の予算はない、AIを触れる人間が自分1人か２人、というのが現実ではないでしょうか。私の職場もそうです。
「トヨタが品質検査にAIを導入した」という記事を読んでも、設備投資の規模も、専任チームの人数も、準備してきた期間も、全部違います。参考になる部分はゼロではないですが、そのまま真似しようとすると、最初から詰みます。
大企業の事例は参考になります。
でも「自社でどう始めるか」の設計図にはなりません。
IT企業の提案書が見せない現場の現実
AIの導入支援を相談しに行ったとき、最初に出てきた提案が
「まず全社のデータ基盤を整備しましょう」で、見積が数百万円でした。
それが間違いとは言いません。
ただ、現場の担当者が「日報の集計を少し楽にしたい」と思って相談したのに、全社システムの再構築から始めないといけない、というのは現実と噛み合っていないんですよね。
IT企業の提案書は、大きな仕事を受注するための構成になっています。現場の小さな困りごとを低予算で解決することは、彼らのビジネスモデルに合いません。これは悪意ではなく、商売の構造の問題です。
だから、現場の肌感覚を持った視点で判断することが必要になってきます。
注意点1：AIの出力は「毎回同じ答え」を前提にしてはいけない
ChatGPTは確率的に動いている
ChatGPTをはじめとする生成AIは、同じ質問をしても毎回微妙に違う答えを返します。これは仕様であり、欠陥ではありません。ただ、製造現場で使おうとすると、この「毎回違う」がかなり厄介です。
日報の要約を自動化しようとして試したとき、「設備の異常停止が3回ありました」という内容を入力すると、ある日は「設備トラブルが3件発生」と要約し、翌日は「稼働率に影響を及ぼす設備停止が複数回確認されました」という全く違う表現で返ってきました。意味は近いですが、表現が違う。品質記録として使う場合、これは困るんです。
さらに製造業特有の問題があります。
仕様書の型番・規格・社内用語・設備名称は、AIの学習データに入っていないことが多いです。
「NC旋盤のX軸の送り速度」「品番5412-Aの公差」といった社内固有の情報は、ChatGPTには存在しません。それを知らずに「仕様書を読み込ませれば何でも答えてくれる」と思って使い始めると、精度のばらつきに悩まされます。
どう対処するか
出力を「確認なしで使う」運用は、製造現場ではほぼ成立しません。「AIが出した結果を人間がチェックする」という前提で設計することが一番の対処です。
逆に言うと、「チェックが必要でも、ゼロから書くより速い」という業務には向いています。たたき台の作成、文章の整形、定型フォーマットへの転記補助といった使い方なら、精度のばらつきを許容しながら使えます。
「AIが判断する」ではなく「AIが下書きして人間が判断する」という役割分担を最初に決めておく。これが精度問題を現実的に扱うための考え方です。
注意点2：データが汚いと、AIも汚い結果を出す
「Excelがあればいい」は半分しか本当じゃない
「AIに既存のExcelデータを読み込ませれば分析してくれる」というイメージを持っている方が多いです。それ自体は間違っていません。ただ、前提があります。データが整っていること、です。
製造業の現場でよく見るExcelは、「10年以上同じ担当者が管理してきた帳票」です。セルの結合が多用されている。手入力なので表記ゆれがある（「A社」「A株式会社」「Aカンパニー」が混在する）。列の意味がヘッダーを見ても分からない。空白行が挟まっている。セルの結合を駆使してみやすくしている。セル色をつけて異常値をわかりやすくしている・・・など。
こういうExcelをAIに渡すと、前処理の段階でかなりの時間を取られます。私が最初に試したとき、「データを読み込ませる」ところまでたどり着くのに1週間かかりました。
AIを使う前の「データ整備」で挫折するパターンは、思っている以上に多いです。
始める前に確認すべきデータの状態
AIを使う業務を決めたら、まずそのデータの状態を確認してみてください。以下のどれかに当てはまる場合、AIに渡す前に整備が必要です。
- セルが結合されている
- 複数の担当者が書式を変えている
- 同じ意味なのに複数の表記が混在している
- データが横に伸びている（年月が列になっている）
- 数値と文字が同じ列に入り混じっている
「うちのExcelは大丈夫」と思って始めて、後から問題に気づくことが多いです。先に確認しておくだけで、詰まるタイミングが前倒しになって全体の進行が速くなります。
データ整備をしてから業務ツールを作るステップについては、AIで業務ツールを作る方法で具体的な手順を書いています。
データの前処理をPythonで自動化したい場合は、製造業でPythonを使って自動化する方法も参考になります。
注意点3：社内展開は技術より人の問題
「誰が責任を取るのか」問題
自分でChatGPTを使って日報の集計を自動化した。上手くいった。「他のメンバーにも使ってもらおう」と思ったときから、話が一気に複雑になります。
私が社内展開を提案したとき、現場から最初に出てきた質問が「これで間違いが出たとき、誰が責任取るの？」でした。正直、「それ私が取ります」とは言えなかったです。
私は経営層では無いです。でも上の人がこんな便利なツールの導入を考えてくれないから自分で考えて提案してるんです。それを、よくわからない。責任は？って言われると萎えますよね。
・・・という愚痴です。
ただし、これはAIへの拒否反応ではなく、至極まっとうな疑問です。
製造業では品質・安全・納期の責任が明確に問われる場面があります。「AIが出した答えです」は言い訳になりません。誰がどの判断をしたか、というトレーサビリティが求められる業界だからですね。
社内展開で失敗するパターンの多くは、技術的な問題ではありません。
- 「このツールを誰が管理するのか」
- 「間違いが出たときの対処フローがない」
- 「上司に説明できる根拠がない」
という組織的な問題で止まります。
現場の反発を最小化するための進め方
現場でAIを展開するとき、
技術的な完成度より先に決めておくべきことがあります。
具体的には以下の3点。
- このツールの最終判断者は誰かを明示（AIではなく人間）
- AIが間違った答えを出すこと前提でフローを決める
- まず1人か2人で試して、問題を先に洗い出してから広げる
「とりあえず全員に使わせてみる」で始めると、1回でも問題が出た時点で「やっぱりAIは信用できない」という空気になってしまいます。
小さく試して実績を積んでから広げる方が、結果的に早く展開できます。
注意点4：一人で使えるツールを作ると、属人化リスクが生まれる
自分専用ツールが生む問題
「自分だけが使えるAIツールを作ってしまった」というのは、意外とよくあるパターンです。本ブログでも個人業務を効率化する記事を多数紹介しています。
自分はChatGPTの使い方を覚えた。
Pythonで簡単なスクリプトも動かせるようになった。
業務の一部が確実に効率化した。
でも、そのやり方を説明できる相手がいない。
自分が休んだら誰も回せない。
担当者が異動した途端、誰も使えなくなるというのはあるあるですね。それは自分が作ったツール、AIが作ったアプリでも起こります。
これは「AI導入の成功」ではなく、従来の属人化問題が形を変えただけです。「Aさんが独自で作ったExcelマクロ、Aさんが退職して誰も触れない」というのと構造は同じです。
引き継ぎ前提の設計とは
属人化を防ぐには、ツールを作る段階から「他の人がメンテナンスできるか？」を基準に設計することが必要です。
「社内に技術者がいないけどどうすれば？」と思ういかもですが、エクセルVBAやPythonなどわかる人は世間にたくさんいます。
ここで伝えたいのは、
優秀なプログラマーでも自社独自のルールやフローは全くわからない。ということです。
なので、操作手順をメモとして残す、入力フォームをシンプルにする、エラーが出たときのメッセージをわかりやすくする。作った意図をドキュメントに残しておく。こういった視点が、AI活用を自分だけのものにしないための実務アクションです。
私のおすすめ方法ですが、、、
AIでツールを作る場合、まず設計書をAIに作らせます。
それをAIにブラッシュアップさせ完成度をあげます。
そしてその設計書を元にAIにツールを作らせます。
この設計書がそのままドキュメントになります。
「自分がいなくても動く状態」を最初から意識してツールを作る。そうすると、組織の中でAIが育っていくんです。ツールを作るときの設計方針については、AIで業務ツールを作る方法にまとめています。
注意点5：生成AIに社内の情報を入力するリスク
「便利だから使う」の前に確認すること
ChatGPTに仕様書や取引先の情報を貼り付けて要約させる、というのは確かに便利です。ただ、会社によっては情報漏洩リスクとして問題になるケースがあります。
無料版のChatGPTは、デフォルト設定では入力内容がOpenAIの学習データに使われる可能性があります（設定で変更できます）。有料プランやAPI利用では学習に使われない設定が可能ですが、会社のルールとして「外部サービスに社内情報を入力してはいけない」という規定がある場合は、個人的な判断で使い始めると後でトラブルになります。
私のまわりでも、「個人でChatGPTを使って業務効率化していた担当者が、後から情報システム部門に呼び出された」という話があります。
本人には悪意はなく、本当に業務改善のために使っていただけなのですが、会社のポリシーに照らすと問題になりました。
会社で方針が決まっていない場合は、データはダミー値に置き換える、一般的な用語に置き換えて聞く、などです。
担当者レベルで最低限やっておくこと
組織のルールを自分で決めることはできませんが、
担当者として確認できることがあります。
- 使うツールが「社外サービスへの情報送信」に該当するか確認する
- 会社のIT・情報セキュリティポリシーに抵触しないかを上長または情シスに聞く
- 少なくとも機密情報（顧客情報・価格情報・設計図面）は入力しない運用から始める
「問題が起きてから報告」ではなく、「始める前に確認しておく」ことで、後のトラブルを相当数防げます。
注意点6：コストと効果の基準を最初に決めないと、失敗扱いになる
効果が説明できないと予算が削られる
AI導入が「失敗した」と社内で言われるとき、技術的に動かなかった、というケースより「期待値とのずれ」で失敗扱いになるケースの方が多いです。
AIへの期待は大きいですよね。
個人でChatGPT有料プランを使い始めたとき、上司に「実際に何時間減ったの？」と聞かれて答えられなかったことがありました。月数千円のコストを部門稟議に載せようとしたとき、効果の数字がないと「それ、本当に必要？」という話になるんです。
ChatGPTの有料プラン（最新料金は公式サイトで確認してください）なら個人払いで動かせますが、部門として導入しようとすると急に承認フローが発生します。コスト削減の議論で真っ先にターゲットになるのは「効果が見えないもの」です。
始める前に計測しておく工数の記録方法
費用対効果を後付けで証明しようとすると難しいです。「このツールを入れる前は月に何時間かかっていた」「入れた後は何時間になった」という数字を、始める前の段階で記録しておく。これだけで、後から社内に説明するときの材料が揃います。
記録方法は難しく考える必要はありません。
業務名・現在の月次工数（月○時間）・目標工数（月○時間）を3列Excelに1行メモしておくだけで、後から効果を証明できる材料になります。
中小製造業が現実的に手を出せるAIのコスト感は、月数百〜数千円レベルから始まります。最初は「個人が業務で試す」範囲から、効果が確認できてから組織に広げる順序が現実的です。
「小さく始めて確認する」が製造業でAIを使うときの鉄則
ここまで6つの注意点を書いてきましたが、共通して言えることが1つあります。
「一気にやろうとすると、どこかで必ず詰まる」ということです。
ChatGPTの精度問題も、データ整備の問題も、社内展開の壁も、「最初から大きくやろうとした」ときに一気に顕在化します。小さく始めると、問題が1つずつ出てくるので対処できます。大きく始めると、問題が同時に複数出てきて収拾がつかなくなります。
私が「小さく始めた」とき、最初にやったのは「月次の日報まとめをChatGPTに手伝わせる」という、本当に些細な業務でした。でもそこで「精度の問題」と「プロンプトの書き方」と「確認フローの必要性」の3つを体感しました。この経験があったから、次のステップでつまずかなかったんです。
具体的にどの業務から始めるか、どう進めればいいかは、製造業でAI業務改善を始める方法に詳しく書いています。注意点を把握した後の「次の一手」として読んでみてください。
まとめ
この記事で書いた注意点を整理します。
- AIの出力精度：毎回同じ答えは出ない。「確認する運用」前提で設計する
- データ品質：汚いExcelを渡すと汚い結果が出る。データ整備が先
- 社内展開：技術より「責任の所在」と「組織の合意」が先に必要
- 属人化リスク：自分だけが使えるツールは従来の属人化と同じ問題
- 情報漏洩リスク：社内情報を外部サービスに入力するルールを確認する
- コスト・効果の定義：始める前に「何が成功か」の基準を決めておく
どれも「やってみてわかった」ことです。IT企業の営業資料には出てきません。
注意点を知ったうえで、「それでも始めてみたい」と思ったなら、その判断は正しいと思います。壁は確かにありますが、乗り越えられないものではないです。壁の位置を知ってから走り出せば、詰まる場所がわかっているぶん、前に進めます。
次は具体的な始め方を確認してみてください。製造業でAI業務改善を始める方法｜現場のExcel地獄を脱出した実体験