AI経営診断シート（林業版・記入式Excel）
労働安全、森林資源の可視化（航空レーザ）、施業・採材・需給、森を伐らずに価値化（J-クレジット）、事業・経営の5領域を0〜4で自己採点し、どこからAIを「足す」かを整理する記入式シートです。
Excelシートを無料ダウンロードExcel形式（.xlsx）・メール登録不要
こんにちは、株式会社TIMEWELLの濱本です。
夜が明ける前の山に入る。斜面は急で、足元は湿った落ち葉で滑ります。チェーンソーを構え、狙った一本にかかり木がないかを確かめ、退避の方向を頭の中で二度なぞってから、刃を入れる。倒れる瞬間、幹が思わぬ方向へ跳ねることがある。林業の一日は、こうして「今日も、誰も欠けずに山を下りる」を第一の目標にして始まります。効率や生産性は、そのあとです。
だから、林業のAIについて書くとき、私はいちばん最初に置く言葉を決めています。効率化の前に、まず人が死なない。 これを外して、生産性の話から始めるわけには、どうしてもいきません。
そのうえで、林業には他の産業にない骨格が3つあります。ひとつは時間軸。木を伐って、植えて、次に伐れるようになるまで40年から60年。今日の判断が正しかったかを、経営者本人が生きて確かめられない。ふたつは危険。伐木の現場は、命に直結します。みっつは、成果物が二重になったこと。近年は「伐って売る木材」だけでなく、「立っている森そのもの」——CO2を吸う、水を蓄える、災害を防ぐ——にも値段がつきはじめました。
この記事は、森林組合や小さな林業事業体を想定して、既存の航空レーザの点群データ、高性能林業機械、そして所有・受託している山を、どれも捨てずに、その上にAIを「足す」道筋を追いかけます。順番も、他の業界とは変えます。まず、安全から入ります。先に背骨だけ言っておくと、すべての第一歩は、経営のトップ自身がAIを毎日触ることです。理由は後で書きます。
最優先は、事故を防ぐこと。効率はその次
林業の労働災害は、統計の上でも際立っています。作業中に死傷する割合（死傷年千人率）は、令和5年で22.8。全産業平均の2.4の、およそ10倍で、全産業のなかで最も高い水準です。しかも、死亡災害のおよそ7割が伐木作業中に起き、被災した方のおよそ7割が50歳以上でした。労災の一件が、人の命と会社の信用を同時に奪う。この現実を、効率の話より先に置かないわけにはいきません。
ここにAIを足せます。過去のヒヤリハットや災害の報告をAIに読ませて、危険のパターンを引き出す。「この斜度・この樹種・この風向きのときに、かかり木の事故が起きやすい」といった傾向を、若手にも見える形で残す。カメラやウェアラブルで、かかり木や退避の不良を検知して注意を促す仕組みを、補助的に添える。狙いは、死亡災害のおよそ7割を占める、伐木作業中の事故に的を絞ることです。
ただし、絶対に誤解してほしくないことがあります。安全そのものを、AIが肩代わりすることはできません。 林業は、労働安全衛生法、伐木等特別教育、チェーンソーの取扱いといった法令が濃い世界です。最終的に人を守るのは、教育と、現場の判断です。AIにできるのは、人が見落としがちなパターンを、そっと差し出すところまで。「AIを入れたから安全」と考えた瞬間に、かえって危うくなります。この線引きは、外してはいけません。
それでも、この補助には意味があります。被災した方のおよそ7割が50歳以上という事実は、ベテランの経験に頼った安全管理が、世代交代とともに薄れていくことを示しています。過去の災害から引き出したパターンを、若手が学べる形で残す。それは、消えていく安全の勘どころを、誰でも読める言葉にして継ぐことでもあります。
第一歩は、社長がAIと「50年後」を話すこと
打ち手を並べる前に、順番として最初に来るものを置きます。経営のトップ自身がAIネイティブになることです。林業では、これに特別な意味があります。
林業の判断は、40年から60年先を見据えます。再造林するか、どの木を植えるか、森をクレジットとして価値化するか。どれも現場の一担当が決められることではなく、超長期の経営判断です。そして、その材料になる森林データや制度は、あまりに複雑で、専任の担当を置く余裕もない。ここで、AIがいちばん安く雇える「最初の相談相手」になります。
トップが、自分の言葉で悩みを打ち込んでみる。「うちの山で、伐った後に植え直す場合としない場合を、40年後の森林蓄積とリスクで仮に比べて」「森のCO2吸収をクレジットにするには、最初に何を整えればいいか、論点を挙げて」。返ってくる答えの半分は要検証でも、その検証を自分の目でできるようになること。それが、AIネイティブの入口です。
なぜトップ自身なのか。号令をかける人が動かないと、せっかく空から取ったデータも、棚に眠ったままになるからです。地域ぐるみで航空レーザのデータを整えた現場でも、実際に動いた組織は、トップが先頭で触っていました。日本企業で生成AIを使っている割合は、総務省の令和7年版情報通信白書でまだ55.2%ほど。いちばん多い悩みは「効果的な活用方法がわからない」でした。この「わからない」は、外注や研修では埋まりません。トップが毎日10分でも触る。ここを飛ばした導入を、私はうまくいった例で見たことがありません。
自社のAI活用が今どの段階にあるかは、AIリテラシー診断で確かめられます。同じ考え方で書いた製造部品メーカーのAI経営変革も、地続きの内容です。
空から取れているデータを、現場で使える形に
次が、この業界の土台になる、森林資源の見える化です。
実は、多くの地域で、航空レーザによる森の3Dデータは、もう取れています。問題は、それが現場や森林簿と合わず、使いこなせていないこと。ここにAIを足します。点群を画像として解析し、木を一本ずつ自動で拾って、樹種・樹高・幹の太さ・材積を推定する。そのうえで森林簿を、いまの現況に書き換える。「どこに、どんな木が、どれだけ立っているか」が、数字で見えるようになります。
たとえば、ある森林組合では、これまで人が歩いて更新していた森林簿の作業を、航空レーザの点群をAIで単木抽出することで大きく圧縮できた、と報告されています（実証事例・自社調べで、精度は現地の条件によります）。既存の点群という資産を捨てるのではなく、その解析を足すだけ。ここが起点です。
このデータは、現場の段取りにも効きます。標高データから、崩れやすい場所や勾配、土の量を踏まえた作業道のルートをAIが提案する。踏査や測量の手間を減らし、雨で崩れる災害や手戻りを防ぐ。丸太の玉切り（採材）も、機械のセンサ記録と、製材所やバイオマスの径級・長さ別の値段をつき合わせて、いちばん利益が残る切り位置を示す。ベテランの勘に頼っていた採材を、誰でも近づける形にできます。
ただし、精度は条件しだいです。航空レーザの解析精度は、林の様子や地形、季節で変わります。「AIを入れれば正確」ではなく、自社の山で試してから広げる。この地味な前提を、省いてはいけません。
念のため、数字の性格を一度だけ書いておきます。全産業の約10倍という労働災害や、この後に出てくるJ-クレジットの累計量は、林野庁などの公的統計です。一方で「AIで工数が何割減った」という効果値は、多くがベンダーや事業体の自社調べで、あなたの山で同じ数字が出る保証はありません。だから私は、派手な数字を並べるより、自社の1つの山・1つの工程で測ることを勧めます。この区別は、この記事全体を通しての前提です。
どこから手を付けるかを、社長やAIと一緒に整理するための壁打ちプロンプトを、ひとつ置きます。そのまま貼って、【】の中を自社の情報に置き換えて使ってください。残りの1本（伐らずに稼ぐ新しい柱の種を出す壁打ち）は、無料の診断シート（Excel）に同梱しました。
あなたは林業のDXと労働安全に精通した経営改善コンサルタントです。既存の航空レーザ点群・高性能林業機械のログ・施業ノウハウを捨てずにAIを「足す」前提で、安全と森林資源の活用のどこから着手すべきかを一緒に決めてください。安全はAIで代替できない前提です。
# 入力（私が埋めます）
- 事業体の種類と規模：【例：森林組合、素材生産、年間素材生産量◯m3】
- いま抱えている課題を3つ：【例：伐木作業の安全／森林簿が現況と合わない／再造林の判断】
- 手元にあるデータ：【例：行政の航空レーザ点群、ハーベスタのログ、過去のヒヤリハット記録】
- 属人化している業務：【例：路網設計と採材はベテラン1名の勘】
- 制度への関与：【例：森林経営管理制度、J-クレジットは未着手】
# あなたのタスク
(1) 挙げた課題を「安全へのインパクト」「超長期の意思決定への効き」「着手しやすさ」で評価する。
(2) 各課題で、AIに任せられる部分（解析・下書き・危険予知の補助）と、人が必ず担う部分（安全確保・最終判断）を分離する。
(3) 最初に着手する1つを選び、その根拠を示す（安全は最優先で検討する）。
(4) その1つの「小さな実証」計画を示す。既存の点群・機械ログは活かす。
(5) 効果の測定指標（災害・ヒヤリハット件数、解析の精度、工数など）を定義する。
# 出力形式（必ずこの通りに）
1. 評価表：列は［課題／安全へのインパクト／超長期への効き／着手しやすさ／AIで補助する部分／人が必ず担う部分／測る指標］
2. 着手する1つとその選定理由（3文以内）
3. 小さな実証の計画（何を、誰が、いつ、どう測るか）
4. 測定指標の定義
# 制約
- 「効率化」「最適化」などの抽象語は使わず、何がどう変わるかを動詞で書く。
- 安全は「AIで代替できる」と書かない。AIは危険予知の補助である前提を崩さない。
- 航空レーザ解析の精度は林相・地形・季節に依存する前提を添える。
- 効果の数字は「仮」と明記し前提を添える。捏造しない。
- 最後に、この計画で最も外れやすい弱い仮説・リスクを3つ挙げる。
森を「伐らずに」価値化する：データを売りに変える
ここが、林業のAI変革のいちばんの核心です。あなたが「社内のコスト」として抱えている森林データと施業のノウハウは、外に売れる資産になります。
象徴的なのが、森を伐らずに稼ぐ道です。航空レーザの点群、樹種や材積、地形、成長量、施業の履歴を整理すると、森がどれだけCO2を吸っているかを数字で示せます。これを、森林由来のJ-クレジットや、自然環境への影響を開示するよう求められはじめた企業に向けて、「森の価値を測って示す相手役」として売る。伐って売る木材とは別の、立っている森からの収益です。
ただし、ここは期待を煽らずに、正直に書きます。小さな山が単独でJ-クレジットに乗るのは、割に合わないことが多いです。 一定の最低面積が要り、審査には費用がかかり、認証のあとも最大16年という長期のモニタリングと書類づくりの人手が続きます。数ヘクタール規模で単独でやると、入ってくるクレジット収入より、審査と16年ぶんの事務の負担のほうが重くなりがちです。「少人数でも組成できる」という言葉だけを信じて動くと、たいてい途中で息切れします。
現実的なのは、まとめることです。周辺の小規模所有者や、自治体が抱える手入れの行き届かない森を集約して、数十ヘクタール規模にまとめる。そこまで面積が積み上がって初めて、審査費用と長期モニタリングの手間が見合ってきます。そして、その「まとめる」事務——所有者の名寄せ、同意取り、16年ぶんのモニタリング書類の継続作成——こそ、AIがいちばん効くところです。施業履歴とレーザ由来の材積・成長量から、吸収量の算定書類や記録の下書きをAIが担う。人手の壁で諦めていた組成・維持を、集約を前提にすれば、現実の射程に入れられます。
森林由来のJ-クレジットは、2025年1月時点で累計120.8万t-CO2、登録226件まで増えました。認証の対象期間も最大16年へ延びています。ただし、値段も収益も変動し、「そのプロジェクトがなければ本当に減らせなかったか（追加性）」や、永続性、長期モニタリングのコストという論点もあります。「クレジットで必ず儲かる」という話ではありません。森を保つことに、ようやく値段がつきはじめた——いまは、その段階です。
売りの方向は、ほかにもあります。原木の品質や太さのデータを、製材所への提案材料に変えれば、相対の取引で買い叩かれにくくなる。「どこに、どんな木が、どれだけ立っているか」というデジタルの森林情報そのものを、近隣の小規模所有者や自治体から森を預かる（集約・受託する）ときの武器にする。合法木材や再造林の実績を、コンプラの負担ではなく、選ばれる理由に変える。
追う数字も変わります。素材の生産量だけでなく、クレジットや自然資本からの収益、そして集約・受託した森の面積。森を保つことで、どれだけ稼げたか。それが、これから追う数字です。
制度の事務を、AIで軽くする
林業には、複雑な制度が重くのしかかります。森林経営管理制度、森林環境譲与税、そしてJ-クレジット。どれも、申請、所有者の同意取り、長期の記録に、膨大な事務を求めます。けれど、それに割ける人がいない。
ここにもAIを足せます。登記や地番、林地台帳をつき合わせて、持ち主の分からない森を整理し、森を預かる計画の下書きや、同意取りの進み具合をAIが管理する。ただし、名寄せは登記など個人の情報を扱うので、個人情報への配慮と、自治体の手続きの範囲内で進めるのが前提です。制度の意向調査は、始まってから3年で、私有の人工林の94%をカバーするまで進みました。この事務の山を、AIで少しずつ崩していく。
施業の履歴、林業の法令、安全の基準といった社内の知識を、AIで引ける形にしておくことも効きます。TIMEWELLの「ZEROCK」は、国内のサーバーで、社外に出したくないこうした知識を、関連づけて検索できる形にする基盤として、この場面につながります。
本業を止めず、その隣に新しい柱を小さく立てる
最後は、伐って売る本業を守りながら、森を保つことで稼ぐ新しい柱を、その隣に小さく立てる話です。
真面目な事業体ほど、目の前の素材生産をこなすことが正解になり、新しい芽に手が回りません。抜け出す鍵は、新しい取り組みを、いまの素材生産量や短期の利益で測らないこと。それで測ると、育つ前に「儲からない」と潰れます。余力があれば少人数の別チームで、なければまず社長が週半日だけでいい。既存の受注とは別枠にして、同じ山と同じデータに、AIを掛け合わせてみる。
種は、この業界ならではのものです。周辺の小さな森を集めてクレジットの組成まで代行する、森林データを束ねる受託。自社で磨いた森林の地図づくりや資源解析を、近隣の事業体に手伝いとして提供する。J-クレジットの組成から企業への販売、報告書づくりまでを束ねた相談役。どれも、既存の素材生産を止めずに、その隣で小さく試せます。
木材の相場に振り回される構造から、森を保つことで安定して稼ぐ構造へ、重心を少しずつ移す。既存の素材生産を止めずに、その隣に、森林データとカーボンの柱を小さく立てる。それが、受け身の下請け構造から抜け出す、地味だけれど確かな一歩だと考えています。新しい柱の種を出すための壁打ちプロンプトは、診断シートに同梱しました。ひとりで考え込む前に、AIを相棒にしてみてください。
まとめ：安全を守り、森を保つことで稼ぐ
要点を整理します。
- 林業のAIは、伐採を速くする効率化ではない。まず「人が死なない」。時間軸（40〜60年）・危険（労災は全産業の約10倍）・立っている森の価値化という、他業界にない骨格を持つ
- 最優先は労働安全。ただし安全そのものはAIで代替できず、AIは危険予知の補助にとどまる。安全は人が守る
- 空から既に取れている航空レーザのデータを、AIの単木抽出で現場に使える形にする。作業道・採材・需給予測にも効く。ただし精度は林相・地形・季節による
- 核心は、森を伐らずに価値化すること。ただしJ-クレジットは小さな山の単独では審査費用と16年の事務に見合わない。周辺を数十ヘクタールに集約して初めて乗る。「必ず儲かる」ではない
- 第一歩は、超長期の判断を社長がAIと話すこと。新しい柱は本業を止めず別枠で。余力がなければ社長が週半日から
最後に、正直な考えを。林業の判断は、自分が生きて確かめられない50年後に届きます。効果の数字も、クレジットの市場も、まだ発展途上です。だからこそ、派手な話に飛びつくより、まずトップがAIを触り、いちばん重い労働安全から着手し、空から取れているデータを自社の山で確かめる——その地味な順番を勧めます。今日、安全を守り、森のデータを整え、森を保つことで稼ぐ道を、少しずつ拓いておく。それが、次の世代に山を渡す経営だと、私は考えています。
この記事を自社に当てはめて点検する「AI経営診断シート（林業版）」を、ページ冒頭から無料でダウンロードできます。労働安全、森林資源の可視化、施業・採材・需給、森を伐らずに価値化、事業・経営の5領域を、書き込みながら着手先を整理できるExcelで、本文で触れた壁打ちプロンプトも同梱しています。まずは社長ご自身が、AIと一緒に埋めてみてください。
いちばん手軽な最初の一歩は、こちらから森のデータをお見せすることかもしれません。モデルケース（仮）で言えば——手元にある航空レーザの点群を一区画だけお預かりして、単木抽出で「この区画には、どの木が何本、材積いくら」を一枚の図にしてお返しする。これまで職員が数日かけて歩いて更新していた森林簿の下ごしらえが、まず机の上で下書きになって返ってくる、というイメージです（あくまでモデルケースで、精度は林相・地形・季節で変わります）。
自社の山とデータのどこにAIを足せば効くのかを、一緒に整理したいときは、WARPのAIコンサルティングや、個別相談もお使いください。
参考文献・出典
- 林野庁「令和6年度 森林・林業白書」（労働災害・就業構造・再造林）1
- 林野庁「林業労働災害の現況」（死傷年千人率）2
- 林野庁「令和5年 木材需給表」（2024年9月公表・2025年1月修正）3
- 林野庁「高性能林業機械の保有状況」／「デジタル林業戦略拠点」4
- 林野庁「森林由来J-クレジット」／「森林経営管理制度の取組状況」5