規模による差は大きいが、始め方はある
2025年版ものづくり白書を解説したMONOistの記事（2025年6月11日）によると、製造工程でデジタル技術を活用している割合は、従業員301人以上で67.9%、50人以下で31.5%で、36.4ポイントの差があります。製造工程にAIを導入している企業は全体で12.2%、大企業に限ると31.3%です（JILPT調査、2025年5月）。
規模が小さいほど、専任の担当者、データ、予算のどれもが足りません。そのため中小製造業では、自社でAIを開発するのではなく、既製品を使い、成果が見えやすいテーマから始めるのが現実的です。中国でも、中国信通院の調査でAIを全業務に組み込んだ中小企業は4%にとどまるとされ（南方財経、2026年7月15日）、中小企業での普及が難しいのは日本に限った話ではありません。
始めやすい5つのテーマ
| テーマ | 使うもの | 初期投資の目安 | 必要なデータ | 効果の見え方 |
|---|---|---|---|---|
| 1. 品番・型式の判別、簡易な外観検査 | AI機能付きの画像センサー | 小〜中 | 良品・対象品の画像（その場で撮影） | 取り違え・見落としの件数 |
| 2. 紙の記録のデータ化 | AI-OCR | 小 | 既存の帳票 | 入力時間 |
| 3. 文書作成・問い合わせ対応 | 生成AI | 小 | 社内文書（任意） | 作成時間 |
| 4. 技能伝承 | 動画マニュアル・動画比較ツール | 小〜中 | 熟練者の作業動画 | 習熟期間 |
| 5. 稼働と実績の見える化 | 後付けセンサー・稼働監視 | 小〜中 | 設備の信号 | 停止時間、日報作成時間 |
5つ目は厳密にはAIではありませんが、後でAIを使うためのデータの土台になるため、最初のテーマとして価値があります。
テーマごとのポイントと公開事例
1. 品番・型式の判別、簡易な外観検査
AI機能を持つ画像センサーは、良品や対象品の画像を登録するだけで判定できる製品が多く、開発が要りません。中小機構の省力化ナビに掲載された群馬合金（非鉄ダイカスト、125人）の事例では、キーエンスのAI画像センサーIV3で型式を自動判別し、異品の取り違えをなくしました。難しい欠陥の検出には向かないこともあるため、まず判別しやすい対象から始めます。用途の詳細は外観検査AIの基礎を参照してください。
2. 紙の記録のデータ化
紙のチェックシートや検査成績書をAI-OCRで読み取り、データにします。PFUのコラム（2025年7月23日）では、ベンダーの社内テストで1枚あたりの入力時間が5分56秒から1分58秒に短縮した例が紹介されています（同社発表）。ただしAI-OCRは過渡期の手段で、最終的にはタブレット入力や計測器からの直接取り込みで紙をなくすのが目標です。
3. 文書作成・問い合わせ対応
生成AIは、作業手順書の下書き、見積もりの説明文、海外取引先とのメールの翻訳など、事務作業から使えます。社外に出せない図面や顧客情報を入力しないルールを先に決めます。ルールのひな形は生成AI利用ルールのテンプレートにあります。
4. 技能伝承
熟練者の作業を動画で撮り、手順書として共有します。省力化ナビの天昇電気工業（プラスチック、三重工場140人）の事例では、動画マニュアルと動画比較ツールを導入し、組立人員を約75名から約50名にし、熟練者レベルまでの習熟期間が約7分の1になりました。人数規模は50人を超えますが、スマートフォンで撮影できる手軽さは小さな工場でも同じです。
5. 稼働と実績の見える化
設備の稼働信号を後付けのセンサーで取り、停止時間や生産実績を自動で集計します。群馬合金は自社製の生産実績モニタで手書きの日報も廃止しました。この実績データが、後に予知保全や品質分析のAIを使うときの土台になります。古い設備からのデータの取り方は中小工場のデータ収集で扱っています。
テーマを選ぶ順番
- 困っていることを金額か時間で書き出す（取り違えのクレーム、日報作成の時間、新人の習熟期間など）
- 既製品で解けるかを確認する。開発が必要なテーマは、最初の1件には選ばない
- 効果を測る方法を決めてから始める。導入前の時間や件数を記録しておく
- 1つ成功したら、そこで作ったデータの流れを次のテーマに使う
よくある質問
社内にITに詳しい人がいなくても始められますか
既製のAI画像センサーやAI-OCR、生成AIのサービスは、専門知識がなくても使えるように作られています。ただし、何に使うか、効果をどう測るかを決める担当者は社内に1人必要です。
データがほとんどない状態でもAIは使えますか
画像センサーのように、その場で撮影した画像を登録して使う製品なら、過去のデータは要りません。予測や分析のAIはデータの蓄積が前提になるため、まず見える化から始めます。
最初のテーマで失敗したらどうすればよいですか
既製品で小さく始めていれば損失は限られます。なぜ効果が出なかったかを記録し、テーマか使い方を変えて次に進みます。
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。
