製造業のAI活用が進まない理由とは？生成AI時代の「工場のOS化」と職人の価値

先日、前職から付き合いのあった浜松の金属加工（切削）工場を訪ねました。社長はKさんとしておきます。（今回は、実際の会話を再構成したフィクションです。）

最近、AIエージェントや生成AIの話をすると、製造業の経営者の皆さんはこう言われます。

「興味はある。でも、うちはまだその前の段階だ」

……なるほど。その感覚は正しい。

ChatGPTやClaude、Geminiなどの生成AIが話題になり、製造業でもAI活用への関心は高まっています。もちろんAIは魔法ではありません。手書きの段取りメモ、Excel、生産計画、機械ごとのクセ、職人の経験――。そうした製造業特有の情報を活かす方法は、まだまだ皆さん模索している印象です。

ぼくが旋盤工だったころ、NC旋盤が世の中に出回り始めたころの昔話をよく聞きました。テープパンチャーで加工プログラムを読ませていた時代です。導入前には、「NC装置という便利なものができた。人間が苦労しなくても、どんどん製品が出来上がる夢の装置だ」なんて言われていたそうです。

……もちろんそんなことはありませんでした。

確かに便利な装置ではあり、生産性も劇的に向上したのですが、同時に「加工プログラム」「NC特有の治具設計」「新しい刃物の選定」「スローアウェイチップの知識」等々、今までになかった厄介事も引き連れてきたわけです。

AIも今、この段階です。

以前、「工場をOS化しましょう」という話を書きました。生産計画、人材育成、技能継承。工場の中に散らばる情報や判断基準を整理し、一つの仕組みとして回していく考え方です。今回K社長と話した内容は、一見するとAIとは関係がないように思えます。旋盤の取り代と円筒研磨に関わる、工程の作り込みの話です。しかし振り返ってみると、この話こそ製造業におけるAI活用の本質だったように思います。

AI活用の本質は、工程の作り込みのなかにある。

AIエージェントは「円筒研磨の取り代」を理解できるか

K社長とはまず、機械設計者の話になりました。最近の設計者は、加工を知らないことが多い。無理もありません。限られた時間と人数で技能を深め、客先の厳しい要望に応えるには細かな分業体制が必要です。昔の設計者はまず現場で機械加工を経験したものですが、今はそんな余裕はどこにもありません。

機械設計者を責めるわけではありません。その一方で、組付け現場も層が薄くなりました。組付け職人ではなく、マニュアルを頼りに組み付ける、単なるオペレーターが増えてしまいました。組付けで精度を追い込めないから、設計者は加工公差で仕上がりを担保しようとする。さらに納期に追われ、思想部分の伝承が弱くなると、本来必要のない精度指示だけが意味なく残り続ける。いわゆる過剰品質。製造業では、よく聞く話ではないでしょうか。

だからこそ、加工を深く理解している旋盤工が価値を持ちます。

「この機能の嵌め合いなら、旋削加工前提の設計で大丈夫ですよ」
「試作を急ぐのなら、今回は旋削で追い込むよ」

そうした気付きが、焼入れや研磨工程を省けるのです。コストが下がり、納期に余裕が生まれれば、当然お客様にも喜んでいただけます。ここに職人の価値があります。

今後、AIは益々図面を読めるようになるでしょう。しかし、その図面の裏側にある意図を読み取り、設計者がなぜそうしたのかという本質は、人間が教えない限り理解できないでしょう。ぼくはAI時代になるほど、職人の価値は高まると思っています。丁度、NC旋盤が広まって、新しい技術が必要となったように。

多能工の本当の意味 ── 旋盤と円筒研磨をつなぐ

K社長は「旋盤もフライスも覚えろ」とは言いません。関係性の薄いスキルアップは後回しでいい。ではなくて旋盤と円筒研磨のように、前後の工程としてつながる仕事を深く理解することを重視しています。円筒研磨を知ることで、旋盤加工が深く理解できる。研磨代をどのくらい残すか。焼入れ後の歪みをどう見込むか。真円度や振れをどう考えるか。

前後の工程を理解することは、自分の仕事を深く理解することでもあります。さらにそれは、自分が使う工作機械を理解することにもつながります。昔から製造業には「わたしの機械（マイ・マシーン）」という考え方がありました。機械を大切に使い、自分で整備する。

これは単なる美談ではありません。工作機械には母性原理というものがあり、加工に使った機械精度を上回る製品は原理的に作れないことを学ぶためなのです。つまり、自分の機械を理解することは、イコール自分の作る製品を保証することにも繋がります。またその知的探究心——「自分の仕事に興味を持つ」ということが、仕事の入口から出口までを理解し、顧客が求める価値を想像することにまで、一本につながるのです。

旋盤しか知らないオペレーターには見えない世界です。前工程の寸法が、後工程の加工時間短縮につながる。現場の工夫が、納期や価格という経営数字につながる。その瞬間、現場の技能は経営そのもの、事業ドメインと同義になります。

この「持ち場をつなぐ」発想は、製造業に限りません。以前、浜松の飲食店を例に、多能工と「社長の仕事の変わり方」を書きました。

機械が止まるのは現場のせいか

話題は、設備の稼働率に移りました。補助金で導入した設備が止まっている――。正直、イライラするそうです。社長から見れば、「どうやったら機械を止めずに動かせるか」を考えることが仕事の定義です。ところが現場からは、「材料屋が遅いから」「昔からこの材料は一週間かかるのが当たり前」という説明が返ってきます。

もちろん現場は嘘を言っているわけではありません。しかし経営の視点を理解すれば、それでは不十分なことが理解できるでしょう。重要なのは、誰が正しいかではありません。経営の判断基準と、現場が使う数字がつながっているかどうか。

機械を絶対に止めない。その前提で計画を組む。材料が遅いなら在庫を持つ方法を考える。焼入れがボトルネックなら、事前に外注先と困りごとを共有し、工程設計を見直す。全体のリードタイムを把握したうえで、対処できることはすべて先回りする。

経営の目標を現場の数字に落とし込む。
DXとは、経営の判断基準と現場の数字とが連結した状態を作ることです。

製造業のDXの前に必要な「判断の棚卸し」

浜松や磐田周辺でもDXの勉強会は増えています。しかし参加者を見ると、サービス業や士業の参加が多く、製造業は意外と少ない印象があります。理由は単純です。製造業ではまだまだDXとITの区別が曖昧で、DXイコール「高価なシステムを導入すること」だと思われている節があるからです。電子機器のメーカーがセミナーで集客し、旧来のデジタルデバイスに安易に「DX」と冠を付けて販売している例も見られます。

ぼくは、DX＝システムではないと思います。DXとは、経営と現場の判断軸を揃えること。まずこのタイミングで必要なのは、どこでどんな判断をしているのかを可視化する、判断基準の棚卸し。

どんな情報を使っているのか。
どこまで共有されているのか。
その情報を使って誰が何を決めているのか。

その問いに答える方法は意外と単純です。

「キーマンが一週間休んだら、何が止まるか」

止まる仕事のそばには必ず、その人しか知らない「何か」があります。

• 手書きのメモ
• Excelファイル
• 2年ほど更新されていない現場のマニュアル
• 過去の計測データ
• 担当者だけが知ってる機械のクセ
• 口頭だけで伝わってきた段取りの手順

それらにまず気がつくこと。そこから「何を資産化すべきか」を見つけていきましょう。

暗黙知について考えました。

製造業の生成AI活用は「情報の集約」から始まる

生成AIが得意なのは、ゼロから知識を生み出すことではありません。散らばった情報を横断し、関連性を定義し、必要なときに必要な情報を取り出すことです。

先程挙げた、手書きのメモやExcelファイル……言ってみれば今まで積み上げてきた、ベテランの経験値そのものです。まずは同じ場所に集めましょう。製造業のAI活用は、そこから始まります。

ChatGPTでもClaudeでも、Geminiでも構いません。ただし最初の段階では、課金するような専門性の高いSaaSはやめておきましょう。「図面管理システム」「デジタル日報」「タッチパネルを使ったシステム一式」……色々なシステムが販売されていますが、はじめから固有の道具にしばられるのはリスクが高すぎます。

道具は後から選べます。しかしどんな便利なツールだとしても、その前提となる判断基準が整理されていなければ機能しません。ぼくは、道具の選定から入るべきではないと思っています。まず、今持っている情報を資産化することと、「困りごと」を言語化することが先決です。

——「困りごとから逆算する」。これがDXを推進する正しい順番です。

AI時代だからこそ職人であれ

K社長は社員にこう話しているそうです。

「これから製造業にAIがどんどん入ってくる。だからこそAI時代の職人になれ」

ぼくはその言葉に強く共感しました。AIが現場の末端にまで降りてくる流れは、台北の展示会でも肌で感じました。

AIはおそらく、工場長の代わりにはなりません。職人の代わりにもなりません。しかし彼らの判断を助け、助言を行う「参謀」にはなり得るでしょう。

現場の判断基準と、経営判断とを直結させられる可能性があります。旋盤工が円筒研磨を理解し、取り代を設計できるようになる。その判断が、納期や価格につながっていく。現場の技能が経営の数字へ変換される。AIエージェントは、そうした「顧客視点からの価値」を加速させます。

AIが、トークンが、経営に参画する時代になったとしても、ドラッカーが70年前に提唱したように、企業の目的は未だ「顧客の創造」なのです。ぼく自身は、國貞克則さんの著書（とくに『現場のドラッカー』）で、その言葉の実務的な意味を学びました。多能工も、設備稼働も、DXも、AIも、そのための手段に過ぎません。

まず判断を棚卸しする。情報を同じ場所に集めておく。仕組みとして共有する。情報を可視化・整理した「工場のOS」という基盤があって初めて、AIエージェントが現場と経営をつなぐ相棒として真価を発揮するのです。

うちの工場における「旋盤の取り代」とは何か。
キーマンが一週間いなくなったら止まる仕事は何か。
その仕事は、経営のどの数字につながっているのか。
製造業でAIをどう活用するか。

入口は開かれています。集めるべき情報は、すでに現場の中にあります。まずは、「誰かの頭の中にぼんやりとした情報」を言語化していくこと。紙のノートでも、録音でも、共有のスプレッドシートでも構いません。

明日からできるその小さなワンステップが、工場のOS化のスタートです。