こんにちは、株式会社TIMEWELLの濱本です。
製造業のお客様と話していて、いちばん多い勘違いがあります。「DXが進まないのは、いいツールがないからだ」というものです。私は逆だと思っています。ツールは十分すぎるほど世に出ています。進まない本当の理由は、設計も見積もりも品質判断も、その多くが特定のベテランの頭の中にしまわれていること、つまり業務の属人化です。ここに手を入れないまま最新のシステムを買っても、動かせる人が現れないまま棚に眠ります。
この記事は、製造業のAI・DXを「バズワードの解説」ではなく「現場の痛みをどう解くか」という順番で整理した地図です。人手不足や技能継承の危機を一次データで確認したうえで、設計、見積もり・原価、現場・品質、全社ナレッジという4つの領域に痛点を分解し、それぞれをAIでどう解けるのかを俯瞰します。結論を先にお伝えすると、正解は「全社を一気に変える」ではなく「いちばん痛い1業務から始める」です。各領域の詳しいやり方は、この記事から関連記事へたどれるようにしてあります。まずは全体像から見ていきましょう。
自社がAIをどこから使えそうか、その入口だけでも知りたい方は、AI活用度診断で現状を10分ほどで整理できます。読み進める前でも後でも構いません。
なぜ今、製造業のAI・DXなのか——一次データで見る危機
「うちはまだ大丈夫」という感覚は、数字を見ると揺らぎます。経済産業省の2024年版ものづくり白書によれば、製造業の就業者数は過去20年で約157万人減少しました1。単なる景気変動ではなく、少子高齢化と採用難が重なった構造的な減少です。現場では、辞めていく人の穴を新しく採った人で埋められない状態が常態化しています。
そこに二つの「問題」が重なります。ひとつは2025年問題です。団塊世代が後期高齢者にさしかかり、熟練技能者の大量退職が現実になりました。音や振動、手触りで良否を見分け、不良が出たときにどこをどう直すかを瞬時に見極める力。こうした暗黙知は、マニュアルに書き起こされないまま、退職とともに会社から消えていきます。ものづくり白書も、技能承継と人材育成を製造業の継続的な課題として指摘し続けています1。
もうひとつが2024年問題です。働き方改革関連法による時間外労働の上限規制が本格適用され、とりわけトラック運転者には年間960時間という上限が設けられました2。これは物流の話に見えて、実は製造業の生産計画に直結します。部品の調達や製品の輸送に以前より時間がかかるようになり、納期の組み立て方そのものを見直す必要が出ているからです。人が減り、動かせる時間も制約される。その両方が同時に効いているのが今の製造現場です。
では、なぜDXなのか。経済産業省のDXレポートは、老朽化したシステムを刷新できないまま放置した場合、2025年以降に最大で年間12兆円規模の経済損失が生じ得ると警告しました。これがいわゆる「2025年の崖」です3。一方で、独立行政法人IPAのDX白書を見ると、日本企業のDXへの取り組み自体は広がっているものの、成果が出ていると答えられる企業や、DXを担う人材の確保という点で、米国に比べて見劣りする状況が続いています4。ツールは増えたのに、成果は出ていません。この落差こそが、私が冒頭で「進まない理由はツール不足ではない」と申し上げた根拠です。
危機の正体は、人手不足と技能消失という「人」の問題です。だからこそ、AIの使いどころも「人にしかできない判断を、人の代わりにやらせる」ではなく「人の判断を助け、過去の知見を組織に残す」方向に置くのが筋が通ります。
製造業のAI・DXとは何か——言葉を現場の言葉に翻訳する
言葉の整理から始めます。DX、AI、生成AI、GraphRAGといった用語が同じ会議で飛び交い、話がかみ合わなくなる場面をよく見かけるからです。下の表は、それぞれが製造現場で何を指すのかを対応させたものです。
| 用語 | ざっくり言うと | 製造現場での具体例 |
|---|---|---|
| DX | 業務のやり方そのものをデジタル前提に作り直すこと | 紙図面の検索や手作業の見積もりを、データで回る流れに変える |
| AI | 過去のデータからパターンを学び、判断を助ける技術 | 図面から加工内容を読み取り、見積もりのたたき台を出す |
| 生成AI | 文章や画像、設計案などを新しく作り出すAI | 仕様書からテストケース案を作る、議事録を要約する |
| GraphRAG | 知識同士のつながりをたどって答えを探すAI検索 | 「設計思想が似た過去図面」や「あの不良の対処法」を関連ごと引き出す |
DXは「紙をPDFにすること」だと誤解されがちですが、それはただの電子化です。スキャンした図面をフォルダに溜めても、探せなければ意味がありません。業務の流れ自体を「探せる、再利用できる、判断を残せる」形に設計し直して初めてDXになります。ここを取り違えると、高い費用をかけて紙の山をPDFの山に変えただけで終わります。
製造業でとくに相性がいいのがGraphRAGです。理由は、図面の価値が「単体のファイル」ではなく「他の情報とのつながり」にあるからです。ある図面には、似た形状の過去図面があり、その部品で起きた不良の履歴があり、材質や単価の情報が紐づいています。キーワードが一致するかどうかではなく、こうした関連を丸ごとたどって候補を出せるのがGraphRAGの強みで、後述する類似図面検索や技能伝承の土台になっています。
痛点を4領域に整理する——設計、見積もり・原価、現場・品質、全社ナレッジ
抽象的なDX論から離れて、現場の痛みを具体的に並べてみます。私たちがお客様から聞く声は、驚くほど共通しています。大きく4つの領域に分けられます。
ひとつめは設計です。過去図面や類似図面を探すのに毎回30分以上かかり、そもそも似た図面が存在するのかどうかすら分からず、結局ゼロから描き直す。この「車輪の再発明」が日常になっています。しかも昔の図面は紙やスキャンPDFでしか残っておらず、CADで使うには描き直しが必要です。2D運用の会社では、取引先から3Dデータ（STEP）で支給してほしいと言われるたびに、モデリングで丸1日が消えます。この領域の解き方は、図面PDFをCADデータ化する方法、2D図面から3Dモデル（STEP）へ変換する方法、AIで類似図面を検索する方法、設計業務をAIで効率化する考え方にそれぞれまとめています。
ふたつめは見積もり・原価です。図面を見て工数と相場が読めるのはベテランだけで、若手は設計や製造に聞いて回るしかありません。1件の見積もり回答に2〜3日かかり、その間に案件が他社へ流れて失注につながります。これが典型的な負けパターンです。さらに単価と工数の積み上げがベテランの勘に依存し、原価計算がブラックボックス化していて、「この価格で本当に利益が出るのか」を根拠のある数字で判断できません。詳しくは図面からの見積もり自動化、AIを使った原価計算、見積もり回答スピードを上げる方法で扱っています。
みっつめは現場・品質です。品質不良の原因を調べようにも、過去の不良記録や是正処置、4M変更の履歴を横断して探す手段がなく、同じ失敗を繰り返し、原因特定に何日もかかる。図面と仕様書、BOM（部品表）、検査基準書の紐付けが手作業なので、設計変更のときに関連文書の更新漏れが起きる。ここには技能継承の問題も絡みます。ベテランの判断基準をどう残すかは、製造業の技能伝承をAIで支える方法、図面と関連文書の管理は図面管理とPLM・PDM×AIで詳述しています。
よっつめは全社ナレッジです。慢性的な人手不足でそもそも人が足りず、DXの必要性は感じるものの「何から手をつけるか」「データが整っていない」で止まってしまう。過去にAIやDXツールを入れて失敗し、現場に「AIは使えない」という諦めムードが漂っている会社も少なくありません。この4つめは、実は他の3領域を貫く土台の問題です。
領域別・AI活用の地図
4領域の痛点を、AIで何ができるかという視点で一枚に俯瞰したのが次の表です。まず全体像をつかんでから、自社にとって痛みの濃い行から詳細記事に進んでいただくのがおすすめです。
| 領域 | 主な痛点 | AIでできること | 詳しく読む |
|---|---|---|---|
| 設計・図面 | 紙やPDFの図面、描き直し、3D支給要求 | スキャン図面のCADデータ化、2Dから3Dモデル生成 | 図面のCADデータ化・2Dから3D変換 |
| 設計・検索 | 類似図面が探せず車輪の再発明 | 設計思想の似た過去図面を候補提示、設計効率化 | 類似図面検索・設計効率化 |
| 見積もり・原価 | 属人化、回答に数日、原価が不透明 | 図面から見積もりのたたき台、概算原価の自動生成 | 見積もり自動化・原価計算AI・見積もりスピード |
| 現場・品質・ナレッジ | 不良の再発、技能消失、文書の更新漏れ | 品質トレーサビリティ、技能伝承、設計変更の影響分析 | 技能伝承AI・図面管理×AI |
ここで整理しておきたいのが、製造業のAIとしてよく語られる「予知保全」や「AI外観検査」との位置づけです。予知保全は設備の故障を事前に察知する取り組み、外観検査は画像認識で傷や欠陥を見つける取り組みで、どちらも価値があります。ただ、これらは主に「稼働している設備やラインの現場」を対象にした話です。この記事で中心に据えているのは、その手前にある設計や見積もり、図面といったオフィス側の業務、いわば製品が生まれる上流の属人化です。両者を同じ「製造業DX」という言葉でひとくくりにすると議論が散らかるので、あえて分けて考えることをおすすめします。私自身は、設備投資の判断が絡む予知保全よりも、明日から始められる図面・見積もりの領域のほうが、多くの中小製造業にとって最初の一歩に向いていると考えています。
失敗しない進め方——スモールスタート5ステップと選定チェックリスト
過去にDXで頓挫した会社には、ほぼ共通したつまずき方があります。「まずデータを整備してから」と考えて、その整備自体が終わらないパターンです。データが完璧に揃う日は永遠に来ません。だから順番を変えます。私がお客様に勧めているのは、次の5ステップです。
ひとつめは現状把握。どの業務にどれだけ時間がかかっているかを、ざっくりでいいので棚卸しします。ふたつめは、痛点がいちばん濃い1業務を1つだけ選ぶこと。全部を一度にやろうとしないことです。多くの会社では、図面検索か見積もり作成のどちらかがここに当たります。みっつめは、その業務でPoC（試験導入）を回すこと。ここで大切なのは、カタログに載っているきれいな図面ではなく、かすれも手書き修正もある自社の実物の図面で試すことです。よっつめは運用設計です。「AIがたたき台を作り、人が最終判断する」という線引きを最初に決めておく。承認なしに自動で処理を進めさせないことが、現場の信頼を得る条件になります。いつつめが横展開。1業務で効果が見えてから、隣の業務へ広げます。
効果を先に、小さく見せる。この順番を守るだけで、DXの成功率は大きく変わります。「AIは使えない」という諦めは、たいてい大きく入れて大きく外した経験から来ているからです。
ツールを選ぶときのチェックリストも5つに絞ってお渡しします。
- 自社の図面で試せるか。カタログ精度ではなく、癖のある実図面で試用できることが最優先です。
- 図面のCADデータ化、3D化、見積もりまで一気通貫か。ツールが分かれると、図面の受け渡しと二重管理が発生します。
- 学習データの扱いと保管場所。アップロードした図面がAIの再学習に使われない契約か、データは国内で保管されるか。図面は技術情報そのものです。
- ナレッジを蓄積できるか。単価表や過去実績、社内独自の記法を覚えさせて精度を高められる仕組みがあるか。
- 図面以外の業務もカバーするか。議事録や社内文書検索まで同じ基盤でできると、投資対効果が変わります。
補助金の観点も添えておきます。設備やソフトウェアの導入には、ものづくり補助金やIT導入補助金、DX投資促進税制といった制度が活用できる場合があります。中小企業にとっては初期投資のハードルを下げる現実的な選択肢なので、要件や公募時期は最新の公式情報で確認してみてください。
ZEROCK for Makers という選択肢
ここまで「地図」を描いてきましたが、では実際にこの4領域を一つの基盤でどう解くのか。手前味噌になりますが、私たちが提供する製造業向けAIエージェントZEROCKは、まさにこの一気通貫を目指して作っています。
ZEROCKの製造業向け機能は、大きく6つに整理できます。ひとつめはAI類似図面検索です。図面やスキャンデータ、仕様書をアップロードすると、GraphRAGが設計意図や材質、寸法の関連性を解析し、キーワード一致ではなく設計思想の似た過去図面を候補として提示します。ふたつめは技術伝承ナレッジベースで、ベテランの判断基準や過去のトラブル対応を構造化し、「あの不良は前にどう対処したか」に回答候補を返します。みっつめは組み込みソフト検査エージェント、よっつめは品質不良トレーサビリティで、不良記録や是正処置、4M変更履歴を横断して原因特定を助けます。いつつめは設計変更インパクト分析で、図面やBOM、検査基準書の依存関係をたどって影響範囲を洗い出し、更新漏れを防ぎます。むっつめが見積原価AIアシスタントで、図面や過去実績から見積もりと概算原価のたたき台を作ります。
数字でイメージをお伝えすると、図面検索は30分かかっていたものが30秒ほどの候補提示になり、原因特定は数日から数時間へ、見積もりの精度も自社データを学習させることで安定していく、というのが製造業向けページでお示ししている目安です。これらはモデルケースや導入企業の実感に基づく数値で、効果は図面の状態やデータの整い方によって変わります。だからこそ、導入前にお手元の実際の図面でお試しいただく形を取っています。
信頼設計についても触れておきます。ZEROCKは候補提示に徹し、最終判断は人が行う設計です。承認なしに自動で処理を進めることはありません。データは国内のAWSサーバーで暗号化して保管し、お客様の図面がAIの再学習に使われることはなく、不要になれば7日以内に完全削除し証明書を発行します。図面という技術情報そのものを預ける以上、ここは譲れない設計だと考えています。7日間の無料トライアルと実図面を使ったデモもご用意しているので、機能の詳細はZEROCKのサービスページをご覧ください。
よくあるご質問
製造業のAI・DXは、何から始めればいいですか。 全社改革を一気に狙うより、痛点がいちばん濃い1業務から始めるのが失敗しない順序です。多くの場合、図面検索か見積もり作成がその入口になります。カタログ精度ではなく自社の実図面でPoCを行い、AIがたたき台を作って人が最終判断する運用で回すと、現場の納得と効果を先に得られます。
中小の製造業でも使えますか。データが整っていなくても大丈夫ですか。 はい。データが完璧でなくても、紙やスキャンPDFの図面検索、見積もりのたたき台生成など、効果が見えやすい領域から始められます。むしろ「データ整備の壁」で止まらないよう、今ある図面や過去実績をそのまま取り込める仕組みを選ぶことが大切です。
図面をAIに渡すと、技術情報が漏れませんか。 図面は技術情報そのものなので、国内サーバーでの暗号化、再学習への不使用、完全削除と証明の3点を必ず確認してください。ここが曖昧なサービスは、機能が良くても製造業では選びにくいと私は考えています。
ベテランの勘に依存した見積もりや、暗黙知の技能は継承できますか。 汎用の相場ではなく自社の単価表や過去実績を学習させれば、自社の相場観に近い見積もりのたたき台が出るようになります。技能面も、判断基準や不良対応の履歴を構造化することで、若手が過去の知見に自力でアクセスできる基盤になります。音や手触りそのものを完全に置き換えるわけではなく、学習を加速する土台と捉えるのが現実的です。
まとめ
最後に要点を整理します。
- 製造業でDXが進まない主因は、ツール不足ではなく設計・見積もり・品質判断の属人化です
- 就業者は過去20年で約157万人減り、技能消失（2025年問題）と納期への波及（2024年問題）が同時に効いています
- 痛点は設計、見積もり・原価、現場・品質、全社ナレッジの4領域に整理でき、それぞれAIで解けます
- 予知保全やAI外観検査は現場設備の話で、まず着手すべきは図面・見積もりという上流の属人化です
- 進め方はスモールスタートが鉄則。1業務でPoCを回し、「AIはたたき台・人が最終判断」で運用して横展開します
製造業のAI・DXは、遠い未来の全社改革の話ではありません。今いちばん時間を溶かしている1つの業務を、今月から少しだけ楽にしていきましょう。その積み重ねが、人が減っても回る現場をつくります。まずはお手元の図面1枚、見積もり1件から試してみてください。自社に合うかどうかを具体的に相談したい方は、ZEROCKの個別相談で実際の業務に沿ってお話しできます。