製造業のAIは「判定・予測・最適化・生成・制御」の5機能で捉える
製造業で使われるAIは、出力の種類で5つに分けると整理しやすくなります。製品名や技術名（ディープラーニング、LLMなど）から入ると、同じ「AI」でも必要なデータと評価方法が違うことが見えにくくなるためです。
| 機能 | AIが出すもの | 製造業での代表例 | 主な入力データ | 評価の仕方 |
|---|---|---|---|---|
| 判定 | 良否・種類・異常の有無 | 外観検査、異音検査、保護具の未着用検知 | 画像、音、振動 | 見逃し率と過検出率 |
| 予測 | 将来の値・確率 | 需要予測、設備の劣化予測、品質の推定（ソフトセンサー） | 時系列、実績、受注 | 予測誤差と業務KPIの変化 |
| 最適化 | 条件・順序・配分の案 | 生産スケジューリング、成形条件の条件出し、在庫配置 | マスタ、制約条件、実績 | 制約を満たした上での目的値 |
| 生成 | 文章・コード・図面・手順 | 不具合報告の下書き、手順書の作成、社内文書の検索回答 | 文書、図面、ナレッジ | 専門家による正誤チェック |
| 制御 | 設備への操作量 | プラントの自律運転、ロボットの動作生成 | センサ値、操作履歴 | 安全範囲内での運転成績 |
この5つは独立しているわけではありません。たとえば予知保全は「判定（いつもと違う）」から始まり、「予測（いつ壊れるか）」、「最適化（いつ止めて直すか）」へと段階的に進みます。生産計画は「予測（需要）」と「最適化（順序）」の組み合わせです。自社の課題がどの機能にあたるかを先に決めると、ベンダーの提案を比べやすくなります。用途ごとの全体像は製造業のAI活用10領域で一覧にしています。
現在地：製造工程へのAI導入は12.2%、生成AIの利用率とは別の数字
日本の製造業でAIがどこまで使われているかは、指標によって数字が大きく変わります。
12.2%は「製造工程そのものにAIを入れたか」を聞いた数字で、55.2%は「業務のどこかで生成AIを使っているか」を聞いた数字です。メールや議事録の作成で生成AIを使う企業が半数を超えても、検査・保全・計画といった工程でAIが動いている企業はまだ1割強にとどまります。両者を混同すると「もう多くの工場がAIを使っている」と現在地を見誤ります。数字の読み方は製造業のAI導入率の記事で詳しく扱います。
海外も「使い始めた」段階と「成果が出た」段階の差は大きいままです。BCGが2024年10月に公表した調査（59か国のCxO 1,000人）では、AIで具体的な価値を出せていない企業が74%でした。
AIにできないこと：データにない事象、責任、前提の変化
AIの限界は、技術の未熟さよりも構造的な理由で決まります。導入前に押さえておくべきものは次の3つです。
- データに現れない事象は扱えない：外観検査AIは画像に写らない欠陥を見つけられません。予知保全AIは、センサで捉えていない故障モードを予測できません。精度の大部分は撮像やセンシングといった入力側で決まります。
- 判定の責任は負えない：AIは確率的に間違えます。公開ベンチマークで画像AUROC 99%台の外観検査手法でも、決めた閾値では誤判定がゼロになりません（PatchCoreの論文では、MVTec AD全体で42〜49件の誤判定）。出荷判定や安全に関わる判断の責任は、人と組織の側に残ります。
- 前提が変わると精度が落ちる：品種の追加、材料ロットの変更、設備の改造、季節で、学習時と運用時のデータがずれます。一度作れば終わりではなく、監視と再学習の仕組みが要ります。
AIはデータ基盤とMESの上で動く
製造業のAIで成果が出るかどうかは、モデルの良し悪しより、AIに渡すデータとAIの結果を受け取る仕組みで決まることが多くあります。センサの時系列データは、「どのロット・品番・工程・設備のときのデータか」が分からなければ学習に使えません。その対応を持っているのがMES（製造実行システム）です。
AIの判定結果を画面に表示するだけでは、現場は動きません。不良の疑いがあればロットをホールドする、異常の兆候があれば保全の作業指示を出す、というように既存の業務の流れに結果を戻す設計があって初めて、効果がKPIに表れます。PoC（概念実証）で精度が出ても本番に進めない案件の多くは、この「戻し先」が設計されていないことが原因です。
最初の一歩をどう決めるか
この4点が言語化できれば、テーマの優先順位付けやベンダーとの会話が具体的になります。手順の全体は製造業のAI導入手順8ステップで解説しています。
よくある質問
製造業のAIと、一般的なAI（ChatGPTなど）は何が違いますか？
ChatGPTのような生成AIは5機能のうち「生成」にあたります。製造業では、画像・振動・工程データを使う「判定」「予測」「最適化」の比重が大きく、WEFが2025年1月に選んだ先進工場（ライトハウス）でも上位ユースケースの77%は分析系のAIでした。生成AIは文書・ナレッジの扱いで使い分けます。
AIを入れれば人は要らなくなりますか？
完全な無人化をゴールにするのは現実的ではありません。AIは確率的に誤るため、判定の最終責任や例外への対応は人に残ります。実際の効果は、検査や点検の工数を減らし、人を判断の難しい作業に回す形で出ることが多くあります。
中小企業でもAIは使えますか？
使えます。ただし従業員301人以上の企業で製造工程のデジタル技術活用が67.9%なのに対し、50人以下では31.5%という差があります（2025年版ものづくり白書）。データの取得から始める必要がある企業も多く、既製の外観検査ツールなど初期投資の小さいテーマから入るのが一般的です。
- ものづくり白書2025を読み解く（1）（MONOist, 2025年6月11日）
- 令和7年版 情報通信白書 企業におけるAI利用の現状（総務省, 2025年）
- AI Adoption in 2024: 74% of Companies Struggle to Achieve and Scale Value（BCG, 2024年10月24日）
- Towards Total Recall in Industrial Anomaly Detection（Roth et al., CVPR 2022）
- Global Lighthouse Network 2025（World Economic Forum, 2025年1月14日）
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。
