技術起点の戦略が失敗する理由
製造業のAI戦略でよくある失敗は、「生成AIで何かやる」「外観検査AIを入れる」という技術の選択から始めることです。この順番だと、経営課題との関係が説明できず、PoCの成果が出ても投資判断の段階で止まります。
調査でもこの傾向は表れています。McKinseyの2018年の調査（7市場・700社超）では、デジタル製造の展開の障壁として、人材（69%）、ROIの欠如（61%）、ビジョンの欠如（59%）が上位に挙がりました。Gartnerの2025年5月の調査（製造・サプライチェーンの意思決定者128人）では、49%が自社の製造戦略が3年以内に成果を出す自信がないと答え、3分の2がAIや自律ロボットを含む高度自動化の期待に見合う抜本的な変更を行っていないと答えています。
逆算の5つのステップ
ステップ1：経営課題を言葉にする
中期経営計画や年度方針から、製造部門に関係する課題を書き出します。「利益率の改善」「納期遵守率の向上」「品質クレームの削減」「熟練者の退職への備え」などです。ここでの判断者は経営層で、AIという言葉はまだ使いません。
ステップ2：工場KPIに落とす
経営課題を、工場が毎月追っている指標に対応させます。利益率ならOEE・不良率・段取り時間・材料ロス、納期なら納期遵守率・リードタイム、品質なら工程内不良率・流出件数です。各KPIの現状値と、経営課題の解決に必要な改善幅を書きます。判断者は工場長です。
ステップ3：KPIを左右する業務を特定する
KPIが悪い原因になっている業務を特定します。不良率なら「検査の見逃し」「条件設定のばらつき」「材料ロットの変動」、リードタイムなら「計画立案の遅さ」「段取り替えの長さ」などです。この段階で、AI以外の手段で解ける課題を外します。設備の老朽化が原因なら設備投資、作業のばらつきが原因なら標準化、しきい値の管理で足りるならルールベースの仕組みが先です。
ステップ4：必要なデータの有無を確認する
残った業務について、AIの判断に必要なデータがあるかを確認します。データがない課題は、AIテーマではなく「データ整備のテーマ」としてロードマップに載せます。日本企業のデータ整備の課題として、IPAの「DX動向2026」では「人材の確保が難しい」（51.2%）、「データの標準化が難しい」（36.8%）、「管理システムが整備されていない」（32.6%）が挙がっています。
ステップ5：AIテーマに優先順位を付ける
残った候補を、効果額・データの有無・現場の受け入れ・横展開性で評価し、優先順位を付けます。評価の方法は 製造業のAI導入テーマの選び方 で詳しく扱っています。
資源配分は「アルゴリズム10%」の目安
BCGは、AIで価値を出している企業の分析から、資源配分の目安を「人とプロセスに70%、技術とデータに20%、アルゴリズムに10%」としています。製造業に当てはめると、AIのモデル開発よりも、現場の業務の変更、判定結果を使う手順の整備、教育、データ基盤に多くを配分するということです。
戦略を予算に落とすときは、テーマごとのAI開発費だけでなく、次の費用を戦略レベルで確保します。
- 複数のテーマで共通に使うデータ基盤（MES連携、タグの命名規則、データの蓄積先）
- 推進体制（現場部門の責任者、IT/OTの担当者）
- 教育（現場がAIの判定を使いこなすための研修）
戦略の成果物と判断者
| ステップ | 成果物 | 判断者 |
|---|---|---|
| 1 経営課題 | 製造部門の課題リスト | 経営層 |
| 2 工場KPI | KPIの現状値と目標改善幅 | 工場長 |
| 3 業務 | KPIを左右する業務と、AI以外の解決策の切り分け | 工場長・製造課長 |
| 4 データ | 必要データの有無と整備課題 | 情報システム・生産技術 |
| 5 AIテーマ | 優先順位付きのテーマ一覧とロードマップ | 経営層（投資判断） |
海外の先進工場の例として、WEFのグローバル・ライトハウス・ネットワークでは、AIを個別の技術としてではなく、生産性・リードタイム・品質などの指標の改善のために組み合わせて使っています。2025年9月のコホートでは、上位ユースケースの最大50%がAI・生成AIを使っていたと報告されています。指標から逆算してテーマを組み合わせる考え方は、規模の違う工場でも参考になります。
戦略を3年の計画に落とす方法は 製造業AIの3年ロードマップの作り方 で、経営層向けの判断ポイントは 経営者が知るべき製造業AIの判断ポイント で扱っています。推進体制は AI推進組織の作り方 を参照してください。
よくある質問
AI戦略は全社で1つ作るべきですか、工場ごとですか
経営課題と共通のデータ基盤は全社で決め、工場KPIとAIテーマは工場ごとに作るのが一般的です。工場ごとに設備や製品が違うため、テーマまで全社で統一すると現場に合わないことがあります。
生成AIの活用方針とAI戦略は別に作るべきですか
社内文書の検索や文書作成のような全社共通の使い方は、利用ルールとともに全社方針として作ります。工場のKPIにつながる生成AIの使い方（品質記録の検索、作業指示の作成など）は、この記事の逆算の手順でAIテーマの候補に含めます。
戦略づくりに外部のコンサルタントは必要ですか
ステップ1と2は社内で決めるべき内容です。外部の支援が役に立つのは、ステップ4のデータ評価や、ステップ5で他社の事例や技術の成熟度を比べる段階です。
- Digital manufacturing: escaping pilot purgatory（McKinsey, 2018-07）
- Gartner Survey Shows 49% of Organizations Lack Confidence in Future Manufacturing Strategy（Gartner, 2025-10-28）
- AI Adoption in 2024: 74% of Companies Struggle to Achieve and Scale Value（BCG, 2024-10-24）
- DX動向2026（IPA, 2026-07-30）
- Global Lighthouse Network 2025: 12 new sites（World Economic Forum, 2025-09-16）
この記事に出てくる用語
この記事を書いた人
DELMIA Apriso を中核とした MES / 製造DX の導入・運用・人材育成と、製造業向けAIの調査・開発・教育を手がけるITコンサルティング企業。ISO 9001:2015 / ISO 27001:2022 認証取得。 日本・中国・米国で製造業のMES・データ基盤・AI導入を手がけた実務者が、欧米・中国の一次情報にあたって書いています。
