この調査は何を聞き、何が分かったのか
IFSは、現場のAI活用が速く進む一方で、AIの出力を検証し人が承認する仕組みはごく一部の企業にしかない、という結果を出しました。
想定の場面から始めます。取引先の品質監査で、監査員が「この外観検査の合否は、AIの判定をそのまま記録していますか。誰が、いつ、どのモデルの判定を確認したか示せますか」と尋ねる。現場ではAIを毎日使っていても、この問いに記録で答えられる工場は多くないはずです。
産業向け業務ソフトを提供するIFSは2026年10月13日、自社イベント「IFS Unleashed」に合わせて「IFS Industrial Index 2026」を発表しました。対象は14か国の上級意思決定者2,200人超です。発表文には、技術者・工場長・サービス責任者・物流責任者といった現場の役割が登場しますが、業種の内訳は示されていません。
統制（ガバナンス）に関する数字は次のとおりです。
「自信がある」と答えた割合と、実際に仕組みを持つ割合の間に、60ポイント前後の開きがあります。この差がこの調査の中心です。
「90%超が改善」という見出しはそのまま読んでよいのか
そのままは読めません。発表元・設問・母数の3点で割り引いて読む必要があります。
発表文の見出しは「信頼性とパフォーマンスで90%の改善」です。本文では「90%超の組織が信頼性とパフォーマンスで大きな改善を報告」とあり、その内訳として初回合格率（first-time-right）93%、設備の可用性90%、納期遵守88%が並びます。英文の書き方は「93% improvement in first-time-right performance」で、93%の組織が改善を報告したのか、指標そのものが93%改善したのかが文面からは判別できません。前者と読むのが自然ですが、どちらにしても「AIを入れると初回合格率が9割改善する」という意味ではありません。
発表文の数字を項目ごとに並べると、何が自己評価で何が仕組みの有無なのかが分かれます。
| 区分 | 項目 | 割合 | 数字の性質 |
|---|---|---|---|
| 成果 | 初回合格率の改善 | 93% | 自己申告（意味の取り方に幅あり） |
| 成果 | 設備可用性の改善 | 90% | 自己申告 |
| 成果 | 納期遵守の改善 | 88% | 自己申告 |
| 現場の取り組み（過去12か月） | AIエージェント（同社の言う「デジタルワーカー」）を業務に導入 | 43% | 実施の有無 |
| 現場の取り組み（過去12か月） | 同僚に産業AIツールの使い方を教えた | 37% | 実施の有無 |
| 統制 | 重要工程でAI出力を検証済み | 11% | 仕組みの有無 |
| 統制 | 人の承認を必須化 | 4% | 仕組みの有無 |
| 統制 | サプライチェーン管理・保全計画（MRO）にAIを組み込み済み | 20% | 実施の有無 |
現場とルールの差はどこに出ているのか
差が一番大きいのは「人の承認」で、AIエージェントを入れた企業が43%あるのに、承認を必須にした企業は4%です。
単純に引き算はできません（同じ回答者の重なりは公表されていません）。それでも、エージェントを業務に入れた企業の多くが、承認を義務にしないまま動かしていると読むのが自然です（推測）。AIエージェントは提案するだけでなく、作業指示の発行や発注の起票まで進められるので、承認の有無は品質と安全の責任に直結します。承認ゲートをどこに置くかはHuman-in-the-loopの設計で5つの場所に分けて整理しています。
もう1つの差は「データの統制」です。機密データや輸出管理対象データの扱いに仕組みがあるのは11%でした。製造業では、図面・加工条件・顧客仕様がこの範囲に入ります。日本の工場でも、外為法の技術提供の規制にかかる技術資料を、海外拠点と共通のAIツールに入れる場面は起こり得ます。AIに渡すデータの範囲を誰が決めているかは、まず確かめておきたい点です。
なお、発表文はサプライチェーン管理や保全計画（MRO）を「失敗したときの影響が最も大きい業務」と位置づけ、そこにAIを組み込んだ企業が20%にとどまるとしています。現場の使い方が先行し、計画系の業務への組み込みはこれから、という順序が見えます。
なぜ現場が先に進み、統制が遅れるのか
現場のAI利用は個人の判断で始められますが、検証と承認は記録の仕組みがないと作れないからです。
調査では、経営層のAIリテラシー向上を優先した企業が41%、拡大の障壁として経営層の自信（leadership confidence）を挙げた企業が30%でした。発表文は「経営層が遅れている」と読ませる構成ですが、編集部はもう1つの理由を見ています（推測）。AIの出力を検証済みと言うには、どの入力データに対して、どのモデルが、何を出し、誰がそれを確認したかが後から引ける必要があります。この記録の置き場所が決まっていない工場では、方針を書いても運用できません。
製造業でこの置き場所に一番近いのはMESです。MESには、ロット・工程・作業者・判定結果をひもづける仕組みがすでにあります。AIの判定を「検査結果の1項目」として扱い、モデルの版、判定値、確認者、確認時刻を同じロットに残せば、冒頭の監査員の問いに記録で答えられます。社内の体制から整える場合は製造業のAIガバナンス体制が出発点になります。
自工場では何から確かめればよいのか
AIが関わる判断のうち、品質・安全に効くものを1つ選び、その判断の記録が後から引けるかを確かめるところから始めます。
全部の用途で承認を必須にする必要はありません。不良の見逃しや設備の安全に関わる判断だけを重く扱い、作業日報の要約のような用途は軽く扱う、という段階づけが現実的です。取引先から確認を受けたときに出す書類の作り方は顧客監査・取引先からのAI利用確認への対応にまとめています。
よくある質問
IFS Industrial Index 2026は製造業だけの調査ですか？
発表文では業種の内訳が示されていません。対象は14か国の上級意思決定者2,200人超で、「産業」の現場を扱った調査ですが、製造業以外の業種が含まれているかは確認できません。製造業だけの数字としては扱わないほうが安全です。
「人の承認を必須にしたのは4%」は、AIを使う企業の4%という意味ですか？
発表文の書き方は「AIが関わる判断に人の監督・承認を必須にした企業は4%」で、母数が回答者全体なのか、AIを使っている企業だけなのかは明記されていません。どちらの読み方でも、承認の義務化がごく少数にとどまる点は変わりません。
初回合格率93%改善という数字は、自社の目標に使えますか？
使えません。回答者の自己申告で、改善の幅なのか改善を報告した企業の割合なのかも文面から判別できず、対象工程や比較期間も示されていません。自社の目標は、自工場の実績データから作るべきです。
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。
