Key Takeaways
- 製造業で生成AIが先に効くのは手順書・保全記録・図面をAIが読める形に整えた会社で、2026年版ものづくり白書でも技能継承にデジタル技術を使う企業の最多回答は「デジタル手順書・電子マニュアル」だった。
- 設備保全では、工場設備の図面と保全記録を学習させた故障診断AIエージェントが試験運用に入っている（ダイキン工業と日立製作所の2025年4月の発表）。
- ナレッジ継承は、ベテランの知見を質問できる形に蓄積したトヨタのO-Beyaが先行しており、置き換えではなく引退前に聞き出す仕組みとして使われている。
- 見積・仕様書対応と品質では、図面と仕様の照合（パナソニック コネクト）や検査画像の合成（Bosch）のように、人が目視で担っていた確認作業から自動化が始まっている。
- 定着の分かれ目はツールではなく進め方で、1工程から始めて精度100%を待たずに現場のフィードバックで直す会社が続いている。
製造業の生成AI活用とは、手順書・保全記録・図面・検査記録といった現場の文書を生成AIが読める形にし、作成・検索・照合の作業を人の確認つきで任せることです。
製造業の現場で先に来るのは「あのベテランが辞めたら回らない」という不安で、生成AIの話はその後ろに置かれたままになりがちです。事例集が並べるのは「何ができるか」で、紙の手順書と手書きの保全日誌で回っている現場のどこから手を付けるかは載っていません。白書の実測と各社の公表事例を業務ごとに置き、最後に自社の1工程目を決める基準まで示します。
数値は各社の公表資料と白書の記載どおりに引用しますが、その多くは当事者の自己申告値か実証実験の値で、監査を経た比較ではありません。海外企業の社名に添えた国は本社所在地です。公表資料に書かれている内容だけを扱い、公表されていない効果は推測で補いません。
製造業の生成AI活用は、ベテランの置き換えではなく「AIが読める文書と記録」を持つ会社から先に進む
最初に、日本の製造業がいまどこに立っているかを白書の実測で確認します。経済産業省・厚生労働省・文部科学省は2026年5月29日に2026年版ものづくり白書を公表しました。事業に影響を及ぼす社会情勢の変化として「人材・労働力不足」を挙げた製造事業者は70.9%で、「生成AIの普及」を挙げた事業者は7.9%にとどまります（白書概要 p.16・2025年度・n=3,032、資料は三菱UFJリサーチ＆コンサルティング「我が国ものづくり産業の課題と対応の方向性に関する調査」報告書・2026年3月）。現場の経営者にとって生成AIは、まだ人手不足の隣に置かれる道具になっていません。
技能継承の不安は実測でも大きく、将来の技能継承に「不安がある」「やや不安がある」と答えた事業者は合わせて8割を超えます。不安の中身で最も多いのは「熟練技能者の高齢化・退職が進んでいる」で、「若手が採用できない」が続きます（白書第1部第2章第3節図233-5・図233-6、資料はJILPT「ものづくり産業における人材確保・定着と技能継承に関する調査」・2026年5月）。
ここから先が、この記事で最も強調したい実測です。ベテランのノウハウ見える化を目的としたデータ取得を行っていない事業者のうち、68.6%が「ベテラン等の知識や経験等の形式知化が難しい」を課題に挙げています（白書第1部第4章第3節図432-4・n=1,235、資料は前掲の報告書・2026年3月）。つまり多くの会社が止まっているのは「AIをどう使うか」の手前で、記録が読める形になっていないところです。
その一方で、技能継承にデジタル技術を使っている企業では効果が出ています。技能継承の円滑化に活用している技術は「デジタル手順書・電子マニュアル」が57.2%で最多で、「動画によるマニュアル作成・共有」が続き、「AI」（画像・言語認識技術や生成AIを含む）はさらにその下です。効果として「継承すべき技術の見える化・標準化」を挙げた企業は77.8%で最多で、「教育にかかる時間の短縮」を挙げた企業も半数を超えました（同節の図233-8・図233-9・規模計、JILPT調査・2026年5月）。順番が大事です。手順書を電子化した会社が、次にAIで検索や質問ができる状態へ進んでいます。
現場データにも同じ構造があります。一連の製造プロセスのデータを何らかの目的で取得している事業者は66.0%ですが、効果が得られた事業者は43.9%まで落ちます（白書概要 p.19・n=2,851、資料は前掲の報告書・2026年3月）。取っているのに使えていない記録が、製造現場にはまだ多く残っています。
以下の5領域は、この前提を踏まえて「読める形にすると何が起きるか」を各社の公表事例で確認するものです。
技術文書と手順書は、生成AIに下書きを任せて人が確認する形にした会社から文書化が進んでいる
作業手順書や安全教育資料をゼロから書く負担は、生成AIに下書きを任せると下がります。現場写真と箇条書きのメモから手順書の草案を作る・既存の手順書を新しい設備向けに改訂する・外国人材向けに多言語版を作るという使い方が基本で、いずれも人が最終確認する前提です。
社内の文書業務を横断で測った例として、パナソニック コネクトは2026年7月29日に、国内全社員約11,800人を対象にしたAI活用の実績を公表しました。2025年度に削減した総労働時間は78.8万時間で、総労働時間の3.4%にあたります。1回の利用あたりの削減時間は33分で、用途として議事録作成やコード生成と並び「設計書・仕様書作成」が挙げられています。同社は2030年に総労働時間の10%をAIで削減する目標を掲げています（パナソニック ニュースルーム、2026年7月29日）。この数値は製造現場だけでなく全社の値なので、現場の手順書だけに当てはめては読めません。それでも「設計書・仕様書」が用途の中に名指しで入っている点は、技術文書がAIの得意領域だという裏づけになります。
設備をつくる側の技術文書では、**Siemens（ドイツ）**の事例があります。thyssenkrupp Automation Engineering（ドイツ）は、電気自動車向けのバッテリー検査機にSiemens Industrial Copilot for Engineeringを組み込みました。このコパイロットはTIA Portalのプロジェクト作成を支援し、PLC向けのSCLコードを速く書けるようにしたうえで、WinCC Unifiedの機械可視化画面まで生成します。同社は2025年から世界各地の拠点で、この方式で機械を設計する計画です。削減時間の数値は発表に記載がありません（Siemensプレスリリース、2024年11月12日）。制御プログラムも可視化画面も、現場にとっては「読めなければ引き継げない技術文書」です。
書く負担が下がれば文書化そのものが進み、手順書が整うことが次のナレッジ継承の土台になります。白書の実測で技能継承に使われている技術の最多回答が「デジタル手順書・電子マニュアル」だった理由も、ここにあります。
ベテランのナレッジ継承は、引退前に「質問できる形」へ記録を変えた会社から始まっている
トラブル対応の勘所や条件出しの判断基準は、そのままでは引き継げません。公表事例で先行しているのは、ベテランの知見を「質問できる形」に蓄積した例です。
トヨタ自動車は、パワートレーン開発部門で「O-Beya」と名づけた生成AIエージェント群を運用しています。Microsoftの公式記事によれば、2024年1月から約800人のエンジニアが利用し、月に数百回使われています。エージェントは振動・燃費・法規など分野ごとに9つあり、利用者が分野を指定して質問します（同記事は将来的にシステム側が適切なエージェントを選ぶ予定だとしています）。同記事は目的として、専門家が比較的シニアで引退すると知見が失われるのを防いで次の世代へ渡すことだと述べています（Microsoft Source Asia、2024年11月19日）。これはベンダーであるMicrosoftの発信で、精度や削減時間の数値はありません。読むべきなのは数値ではなく、置き換えではなく「引退前に聞き出す」目的で使われている点です。
図面のように文章になっていない記録にも、読める形へ変える技術が出ています。日立製作所は2025年10月3日、電子回路図や配線図・配管図などの産業図面から要素間の接続関係を認識する生成AIの学習技術を発表しました。図面画像と接続関係のテキストをペアで追加学習させる手法で、電子回路図の接続関係の認識精度は従来比で約220%向上したとしています（評価はF値）。想定用途には熟練技術者のノウハウ継承や保守・設計業務の効率化に加え、過去の設計事例やトラブル対応履歴を迅速に参照できるようになることを挙げています（日立 研究開発、2025年10月3日）。
自社で現実的に進めるなら、ベテランへのインタビューと過去のトラブル対応記録を文書化し、RAGという仕組みで検索・質問できるようにする流れです。「過去に似た不具合はなかったか」と聞けば、関連する記録を根拠付きで引き出せます。仕組みの詳細はRAGの解説記事にまとめています。前節の実測どおり形式知化を「難しい」と感じる会社が多数派ですが、難しいのは全部を書き起こそうとするからです。トラブル対応の記録1種類から始めれば、質問できる形にはなります。
設備保全は、図面と保全記録を学習させた故障診断が試験運用の段階に入っている
日々の保全日誌や修理記録は、書いて終わりになりがちな文書の典型です。この記録を生成AIで使える資産に変える動きは、国内で試験運用まで進んでいます。
ダイキン工業と日立製作所は2025年4月22日、業務用空調機器を生産する堺製作所臨海工場（大阪府堺市）で、設備故障診断AIエージェントの試験運用を始めたと発表しました。仕組みは、ダイキンが蓄積してきた工場設備の図面を生成AIが読める「ナレッジグラフ」に変換し、保全記録などの「OTデータ」と日立の設備故障原因分析プロセス「OTスキル」を生成AIに学習させるものです。事前の実証実験では、10秒以内に90%以上の精度で設備故障の原因と対策を回答できることを確認したとしています。この精度の前提は、5種類の設備を対象に各5件の故障状況の原因と対策案を推定し、熟練保全技術者2名が5段階で評価したものです。両社は試験運用を2025年9月までに完了して実用化し、国内外のダイキン生産拠点へ展開する予定としています（ダイキン工業ニュースリリース、2025年4月22日）。
この事例は白書のコラムにも取り上げられており、そこには発表文にはない試行錯誤が書かれています。当初は設備保全記録のみをAIに学習させたところ過去に起きたことしか理解できず、ほかの設備の類似事例や新たな故障への対応は困難でした。熟練者の思考の流れを分析した結果、熟練者は頭の中に設備図面を描いて考えていることが分かり、図面をナレッジグラフへ変換する方針に変わったと記されています。同コラムはまた、100%の精度よりもいち早く現場へ導入してフィードバックをかけるスピードを重視したと述べています。業務経験の浅い人材でも生産ラインで働けるレベルまで早く引き上げることが可能になるとも書かれています（白書第1部第4章第3節 p.197のコラム、資料はダイキン工業と日立製作所の提供・2026年5月）。
ここから自社に持ち帰れるのは2点です。1つは、保全記録だけでは足りず図面が要るという発見で、これは「記録が読める形になっているか」という前節の論点と同じです。もう1つは、書き手によって表現がばらつく保全日誌でも、意味を汲んで探せるのが生成AIの強みだという点です。「この設備で過去に起きた故障と、そのときの対処」を故障対応の初動で参照できるだけで、記録は書くための文書から使える資産に変わります。
見積と仕様書対応は、図面と仕様の照合から自動化が始まっている
特注品の見積や仕様書の読み込みは、技術と営業の両方の知識が要る負荷の高い業務です。公式発表で先に数値が出ているのは、見積そのものではなく仕様書と図面の照合でした。
パナソニック コネクトは2026年2月19日、設計・開発部門の図面／設計仕様の照合業務で、独自開発の「Manufacturing AIエージェント」の利用を始めたと発表しました。対象は製品図面・部品図面・技術仕様書など複数のドキュメントに記載された仕様が一致しているかを確認する業務で、従来は担当者の手作業と目視確認に依存していました。AIエージェントは複数のPDF図面からテキスト情報を自動で抽出し、材質や仕上げなどの項目を照合して結果を一覧で表示します。目視で50分から340分かかっていた照合が10分に短縮され、1回の作業あたり80%から97%の削減としています。適用は規格の照合業務と外装部品の照合業務から始め、他の照合業務へ水平展開する予定です（パナソニック ニュースルーム、2026年2月19日）。同社は照合漏れが後工程の手戻りや製品回収につながるリスクにも触れており、この業務の価値は工数だけではありません。
見積に生成AIを使うときの中身も、実はこれと同じ「図面と仕様を読む」能力です。仕様書から要求事項を一覧化して抜け漏れを確認する・過去の類似案件の見積を探す・回答文書の下書きを作るという支援で、問い合わせへの返答速度を上げられます。特注品や多品種少量の会社ほど、過去案件の検索が効きます。ただし見積そのものについて数値付きで公表された製造業の事例は、この記事を書いた時点で公式発表に確認できませんでした。見積の精度を語る数値を見かけたら、照合業務の値を見積に読み替えていないかを確かめてください。
品質記録の分析は、検査画像の学習データ不足と手書き帳票の2つを先に解く
検査記録や不具合報告書には自由記述が多く、集計や傾向把握が難しいものです。生成AIは自由記述の分類・整理が得意ですが、公式発表で先に成果が出ているのは「学習データが足りない」という別の壁を生成AIで解いた例です。
**Bosch（ドイツ）**は、ドイツ国内の2工場で生成AIに合成画像を作らせ、光学検査のAIを開発・拡張しています。同社はAIアプリケーションの計画・立ち上げ・ランプアップに要する期間が従来の6〜12か月から数週間へ短くなると見込んでおり、試験導入が成功すれば合成データ生成のサービスを全拠点に提供するとしています（Boschプレスリリース、2024年4月22日）。Bosch公式サイトの記事によれば、Hildesheim工場では電気モーター部品であるステータの溶接欠陥について、欠陥種別ごとに2桁枚の実画像から約15,000枚の人工画像を生成しました。同工場はプロジェクト期間が従来手法より6か月短くなると見込み、この方式をチェコのJihlavaと米国のCharlestonの工場へ展開する計画です（Bosch Global、2024年4月18日）。これらは同社の見込み値と担当者の説明で、監査を経た数値ではありません。
紙の帳票の側では、白書のコラムに国内の例があります。機械・自動車部品メーカーのジェイテクトは、設備の稼働状況や手書きの帳票に至るまで全てのデータを一元的に集めて自力で分析できるようにし、コンポーネント部品の情報をすべて紐づけたことでトレーサビリティが向上したとしています。進め方は基幹工場でのスモールスタートで、その後は自力で5工場へ展開しました（白書第1部第4章第3節 p.195〜196のコラム、資料はプラットフォームを提供したエフティー社とジェイテクトの提供・2026年5月）。ベンダーのコラムなので効果の数値は割り引いて読む必要がありますが、「手書きの帳票を最初に取り込んだ」という順番は自社でもそのまま使えます。
前提として、記録がデータとして使える状態になっている必要があります。紙やバラバラのExcelのままでは、どんな生成AIでも分類も傾向把握もできません。この論点はExcelとデータ基盤の記事で詳しく扱っています。
定着は1工程から始めて、完璧な精度を待たずに現場で直すと決めた会社が続けている
製造業のAI活用は、ツール選びよりも進め方で成否が分かれます。ここまでの公表事例に共通する順番を、自社で使える形にすると次の4つになります。
- 1工程・1業務から小さく始める：全社導入ではなく「この製品の手順書作成だけ」「この設備の保全記録だけ」から。ダイキンも1工場の試験運用から始め、ジェイテクトも基幹工場のスモールスタートから広げています。最初の1工程を選ぶ基準は3つです。記録がすでにテキストか電子帳票で残っていること・ベテラン1人への依存度が高いこと・AIの出力を人が確認できる余地があることで、3つが揃う工程ほど先に効きます
- 現場のキーパーソンを最初から巻き込む：現場が「やらされるもの」と感じた瞬間に定着は止まります。ベテランには「教える負担を減らす」取り組みだと伝えるのが出発点です
- 「AIは下書き、確認は人」のルールを明確にする：品質と安全に関わる文書ほど、この線引きが安心につながります。パナソニック コネクトの照合業務も、結果を一覧で人が確認する設計です
- 精度100%を待たずに現場で直す：白書のコラムに書かれたダイキンの判断は、完璧な精度よりも早く現場に入れてフィードバックをかけることでした。効果は「楽になったか」「初動が早くなったか」を使う本人に聞いて確かめます
この「小さく始めて確かめる」原則は製造業に限りません。全体像はAI導入の進め方の記事に、使われ続ける状態をどう作るかはAIの定着の記事にまとめています。試験運用の先で「いつ本番に移すか」を決めきれない場合は、PoCから抜け出す条件の記事が判断の目安になります。
うまくいかない導入に共通するのは、紙のままの文書と本社主導のツール配布
前節の裏返しですが、失敗の形は限られています。
- 紙とスキャンPDFの壁：文書が画像のままではAIが読めません。白書の実測でデータを取得している事業者と効果が出た事業者の間に大きな差があった背景の一つに、この壁があると私たちは見ています。まず対象領域だけでもテキスト化から始めます
- 本社主導でツールだけ配る：現場の業務に組み込む設計がなければ使われないまま終わります。トヨタのO-Beyaが部門のエンジニアの質問に答える形で作られているのは、使う場面から設計した結果です
- 精度100%を求めて止まる：完璧でないと使えない業務ではなく、下書きや初動の参照で十分に価値が出る業務から始めます
- 図面と仕様書を社外のAIに読ませる不安を放置する：設計図面や仕様書は機密性が高い文書です。どのデータをどの環境で扱うかのルールを先に決めないと、現場は使えません。ルールの作り方は生成AIのセキュリティルールの記事にまとめています
業種が違っても「下書きは機械・確認は人」という線引きは同じで、広告代理店のAI活用事例でも同じ形で工程を整理しています。
製造業の生成AI活用でよくある質問
Q. 製造業の生成AI活用は、どの業務から始めるのが現実的ですか？
手順書か保全記録のどちらかです。理由は最初の節で示した白書の実測にあり、技能継承にデジタル技術を使う企業の最多回答がデジタル手順書で、効果として見える化・標準化を挙げる企業が最も多かったからです。保全記録から始める場合の到達点は、設備保全の節で扱ったダイキンと日立の試験運用が参考になります。
Q. ベテランが協力してくれない場合、技能継承のAI活用は進みますか？
「仕事を奪う」ではなく「教える負担を減らす」取り組みだと伝えるところからです。ナレッジ継承の節で扱ったトヨタのO-Beyaは、引退前に知見を聞き出して次の世代へ渡す目的で作られています。白書の実測でも、技能継承にデジタル技術を使う企業は教育にかかる時間の短縮を効果として挙げています。ベテランに書いてもらうのではなく、インタビューと過去のトラブル対応記録から始めれば協力の負担は小さくなります。
Q. 公式発表にある精度や削減率は、自社でも同じように出ますか？
そのままは出ません。設備保全の節に書いたダイキンと日立の精度は、対象設備を限って熟練者が評価した実証実験の値です。見積と仕様書対応の節に書いたパナソニック コネクトの削減率も1回の照合作業あたりの値で、業務全体の値ではありません。読み替えるのではなく、自社の対象業務で現状の所要時間を先に測り、同じ条件で比べるのが順番です。
Q. 図面や仕様書を生成AIに読ませても、機密は守れますか？
守れるかどうかは、どのデータをどの環境で扱うかを先に決めているかで決まります。うまくいかない導入の節で触れたとおり、ルールが無いまま現場に任せると使われないか、使われて困るかのどちらかになります。取引先の図面を扱う場合は契約上の守秘条件に関わるため、法務や専門家への確認を挟んでください。
SAIの視点：製造業の生成AI活用は、会議室ではなく現場との距離で決まる
製造業の現場で私たちが最初に見るのは、AIツールの画面ではなく手順書の置き場所と保全日誌の書き方です。この記事で並べた公表事例はどれも、記録を読める形に変えるところに一番の工数がかかっていました。その工数は会議室では発生せず、現場で紙と図面を前にしたときにだけ見えてきます。
私たち株式会社SAIのAI導入支援は、業務の棚卸しから実装・研修・定着までを一貫して伴走する形です。エンジニアが現場に入るFDE伴走開発は月額制で週1〜3日の稼働が目安で、手順書と保全記録を読める形にする作業から一緒に手を動かします。
最初の会話でお聞きするのは、御社の手順書と保全日誌がいまどこにどんな形で置かれているかの2点だけで、ツールの話は後回しにします。紙のままでも、置き場所が人によって違う状態でも、そのままお問い合わせに書いてお送りください。