中小製造業でAIに困ったときの12のQ&A｜うまくいかない原因と解決策

「AIを入れろと言われて試したけど、現場が誰も使わない」。中小の製造業でいちばん多い詰まり方がこれです。原因はツール選びではありません。AIに任せる仕事の切り方を間違えているのがほぼ全てです。

寸法の確定や検査の合否をAIに委ねれば、当然おかしくなります。逆に「客先仕様書を社内の言葉に直す」「クレーム報告書の下書きを起こす」あたりは、初日から効きます。

この差がどこから来るのか。困りごとを12個に分けて、原因と手当てを並べます。

製造業でAIが「うまくいかない」とは、どういう状態か

製造業のAI導入がうまくいかない状態とは、AIが出した答えを人が全部やり直している状態です。時間が減らないどころか、チェック工数の分だけ増えます。

現場で起きている詰まり方は、だいたい5パターンに収まります。よくある症状と、その裏にある本当の原因を並べます。

つまり、失敗の大半は「AIの賢さ不足」ではなく段取りの問題です。ここから個別の困りごとを見ていきます。

Q. 客先仕様書の読み解き、AIに任せられる？

任せられます。ただし「翻訳と整理まで」です。判断は残してください。

客先から届く仕様書は、書式も用語も客先ごとにバラバラ。同じ「表面処理」でも呼び方が違い、若手は毎回ベテランに聞きに行く。ここが生成AIの当たりどころです。

具体的には、こういう使い方が効きます。

• 仕様書のPDFを読ませて、要求事項を箇条書きに直す
• 自社の標準用語との対応表を作らせる
• 前回受注品との差分だけを抜き出させる
• 社内向けの手配メモの下書きを起こす

注意点は1つ。寸法・公差・材質の数値をAIの出力からそのまま転記しないこと。 AIは読み取れなかった箇所を埋めようとして、それっぽい数値を書きます。これが「AIがそれっぽい嘘をつくこと」で、製造業では一発で不良に化けます。

運用としては、AIに「原文の該当箇所をそのまま引用しながら整理して」と指示するのが安全です。引用元が見えれば、人が原本で照合できます。

読み込ませる資料が多いなら、複数のPDFをまとめて扱えるタイプが向いています。NotebookLMのように、読ませた資料の中だけで答えさせる設計のものは、この用途と相性が良いです。

Q. クレーム報告書はどこまで書かせていい？

構成と文章の8割まで。事実関係と原因の断定は人が握ります。

客先クレームの報告書は、書く負担が重いわりに型が決まっています。発生事象、暫定処置、原因、恒久対策、水平展開。この型に、現場から上がったメモを流し込む作業です。

生成AIが得意なのは、まさにこの「箇条書きのメモを客先提出レベルの日本語に整える」部分。書き出しで固まって30分溶ける、あの時間が消えます。

一方で、任せてはいけない部分もはっきりしています。

つまり、AIは「書けない」を消す道具であって、「決められない」を消す道具ではありません。

もう1つ地味に効くのが、過去のクレーム報告書をまとめて読ませて傾向を出させる使い方。「この3年で最も多い不具合モードは何か」を聞くと、QCの会議資料が10分で下地までできます。

Q. ベテランの技術伝承にAIは効く？

効きます。ただし「ベテランの頭の中を吸い出す」のではなく、すでに紙になっている情報を引き出せる形にするのが現実解です。

技術伝承が進まない会社には、共通点があります。情報が無いのではなく、散らかっている。作業標準書はサーバー、段取替えのコツは個人のノート、トラブル履歴は日報の余白。探せないから聞きに行く。聞きに行くから属人化が続きます。

ここでの手当ては3段階です。

1. 紙とPDFを1か所に集める（この時点でまだAIは不要）
2. 集めた資料を読ませて、質問に答えられる状態にする
3. 若手が現場のタブレットから聞ける導線を作る

2番目が「社内資料を読ませて答えさせる仕組み」です。AIが自分の知識で答えるのではなく、渡した資料の中だけを根拠に答えるので、的外れが激減します。

ここまでの整理：仕様書・クレーム報告書・技術伝承の3つは、いずれも「文章化と検索」に困りごとの本体があります。AIが強いのはまさにここ。逆に、寸法の確定・良否判定・原因の断定という「決める」領域に踏み込ませると、必ず破綻します。

作業手順書に図解を足したい場面も出てきます。写真だけでは伝わらない工程は、簡単なイラストがあると理解が早い。この用途ならAIイラスト生成ツールの比較記事が参考になります。社外に出さない社内資料なら、生成画像の扱いも身軽です。

Q. AIが嘘をつく。図面や数値を信じていい？

信じてはいけません。ここは例外なしです。

AIがそれっぽい嘘をつくのは、性能が低いからではなく仕組み上の性質です。読み取れなかった箇所、資料に無い箇所を、AIは「ありそうな答え」で埋めます。手書きの図面、かすれたFAX、スキャンの傾き。製造業の一次資料はこの条件が揃いやすい。

対策は運用でしか打てません。

• 数値は必ず原本と突き合わせる工程を残す
• AIには「資料に無ければ『記載なし』と答えて」と指示する
• 引用元のページ番号を出させる
• 図面から拾った寸法は、AI出力を根拠にしない

4つ目が肝心です。「AIが読んだ」は根拠になりません。「人が原本で確認した」だけが根拠です。

この線引きさえ守れば、AIは危険な道具ではなくなります。危ないのは、チェック工程を省いた瞬間だけ。

Q. 費用はいくら？用途別の相場と回収の目安

用途で桁が3つ変わります。ここを知らずに「AI導入」とひとくくりにするから、話が止まります。

複数の導入事例を集計した参考値として、おおよその相場を並べます。実額は既存設備と規模で大きく動きます。

つまり、汎用の生成AIは投資判断が要らない金額帯です。稟議を回す前に試せます。

対話型AIの個人向けプランは月20ドル前後が相場。年払いにすると15%前後安くなるサービスが多く、Claude Proは年払いで月あたり約17ドル、Notion AIは年払いで1人あたり月8ドルという水準です。7か月以上使うなら年払いが得、という判断になります。

まずは3人分から始めて、月1万円以下で回すのが現実的。ここで効果が見えたら人数を増やす。この順番を飛ばして全社ライセンスを買うと、使われないアカウントの山ができます。

Q. 補助金や助成金は使える？

研修費については、かなり手厚い枠があります。

厚生労働省の人材開発支援助成金には「事業展開等リスキリング支援コース」があり、中小企業なら研修の経費に対して75%が助成されます。さらに、研修を受けている時間の賃金にも1時間あたり1,000円が上乗せされる設計です。

※eラーニングの上限額は令和8年4月改正後の水準です。集合研修は訓練時間の区分ごとに経費上限が定められています。

つまり、AIの社内研修は「実質4分の1の負担で受けられる可能性がある」ということ。ここを知らずに自費で組んでいる会社が多い。

注意点として、助成金は申請の順序が厳格です。訓練を始めてから申請しても通りません。計画届の提出が先。制度の細部は年度で変わるので、着手前に最新の要領を確認するか、労働局に問い合わせるのが確実です。

なお、助成金や補助金の申請書類の作成代行は社会保険労務士の業務です。制度の情報収集にAIを使うのは問題ありませんが、申請書そのものをAIに書かせて提出するのは避けてください。

Q. PL法・ISO9001の観点で気をつけることは？

3点だけ押さえれば、実務上は回ります。

1. 製造物責任はAIに移らない。 製造物責任法（PL法）上の責任は製造者にあります。「AIが判定しました」は説明として通用しません。検査や合否判定にAIを使う場合でも、最終責任は自社に残ります。

2. ISO9001の文書管理から外さない。 AIが作った作業標準書や手順書も、承認と版管理の対象です。AIが出したから承認不要、という運用は監査で必ず指摘されます。

3. 記録の追跡性を確保する。 誰がどの入力でAIを使い、誰が承認したか。この記録がないと、不具合発生時に原因が追えません。

ISO9001の内部監査そのものを効率化したい場合は、監査業務向けのAI活用も選択肢に入ります。内部監査でのAIツールの使いどころを整理した記事があるので、監査の準備工数が重い会社は先に目を通しておくと判断が早いです。

品質保証部門への説明では、「AIを使う」ではなく「AIを使った後の承認フローがこうなる」を主語にすると通りやすい。逆はまず通りません。

Q. 社外に情報が漏れないか心配。何を決めればいい？

先に決めるのは、ツールではなくルールです。それも1枚で足ります。

多くの法人向けプランでは、入力したデータをAIの学習に使わない設定が標準になっています。つまり技術的な心配より、「何を入れていいか誰も知らない」状態のほうが実害が大きい。

決めるべきは、この4つだけ。

• 入力禁止：客先の図面現物、未公開の見積単価、個人情報
• 条件付き可：客先名を伏せた仕様の要旨、社内の作業標準
• 無条件可：一般的な技術知識の質問、文章の推敲
• 契約：入力データを学習に使わないプランを選ぶ

紙1枚にして休憩室に貼る。これで大半の事故は防げます。

もう1つ、案外見落とされるのが客先との秘密保持契約（NDA）の確認です。「第三者への開示禁止」の条項が、クラウドのAIサービスへの入力を含むと解釈される場合があります。主要客先のNDAだけは、法務か顧問弁護士に確認しておくのが安全です。

情報収集用途なら、出典URLを明示するタイプの検索AIが向いています。Feloの使い方をまとめた記事は日本語での調べ物の精度に触れているので、資材や技術調査の担当者に渡すと話が早いです。

Q. 「導入したのに誰も使わない」を止めるには？

3か月で区切ってください。期限を切らない導入は、必ず自然消滅します。

現場が使わない理由は、やる気ではありません。使う理由が1つも用意されていないからです。「便利だから使って」で動く現場は存在しません。

現実的に回る進め方を、月ごとに並べます。

つまり、判定基準を先に決めておくのが要点です。

ポイントは1か月目。対象業務を1つに絞るのがいちばん難しく、いちばん効きます。「生産管理も品質も設計も」と広げた瞬間、誰の仕事にも本気で刺さらなくなります。

最初の1つは、クレーム報告書か仕様書の整理を推します。理由は3つ。担当者の負担が重い、型が決まっている、成果が時間で測れる。この3条件が揃う業務が、生成AIの最短の当たりどころです。

うまくいった指示の出し方は、必ず文章で残してください。「不具合報告のメモを渡すので、発生事象・暫定処置・原因・恒久対策の4項目に整理して。推測は書かず、メモに無い項目は『記載なし』と書いて」といった具合。この指示文の蓄積が、そのまま社内資産になります。

Q. どのAIから始めるのが正解？

対話型AIを1つ、無料版で試すところから。ここは迷う必要がありません。

用途別に、当たりをつけやすいように整理します。

つまり、最初から複数を買う必要はありません。無料版で1〜2週間触って、社内で誰が実際に使うかを見てから有料化するのが損の少ない順番です。

外観検査や予知保全のような設備投資型は、この後です。文章まわりで社内にAIの手触りができてから検討したほうが、要件定義の質が上がります。順番を逆にすると、高い装置を入れたのに現場が使いこなせない、という一番痛い形になります。

画像生成まわりに関心がある場合は、社内サーバーで動かす選択肢もあります。閉じた環境で運用したい会社向けに、ComfyUIとStable Diffusionの違いを整理した記事が判断材料になります。ただし優先度は低い。文章まわりを固めるほうが先です。

AI PICKS編集部の判定

中小製造業のAI導入で、いま一択なのは汎用の対話型AIを文章業務に入れることです。外観検査や予知保全は魅力的に見えますが、初期投資が数百万円単位で回収に1〜2年かかる。従業員20〜300人規模で最初に手を出す領域ではありません。

逆に、客先仕様書の整理とクレーム報告書の下書きは破格です。初期投資ほぼゼロ、月数万円、効果は数週間で出ます。担当者が書き出しで固まる時間が消えるだけで、体感がはっきり変わります。

一方で、正直イマイチなのが「全社一斉導入」。アカウントを配っただけの導入は、3か月後にログイン率5%で終わります。3〜5人で始めて、削減時間を測って、そこから広げる。地味ですが、これが最短です。

研修費に厚生労働省の助成金が使える点も、意外と知られていません。経費の75%が助成される枠があるので、社内研修を組むなら確認する価値は十分にあります。

よくある質問（FAQ）

Q. 従業員30人の町工場でも意味はありますか？

あります。むしろ効きます。人数が少ないほど、1人が抱える書類仕事の比率が高いためです。総務も品質も1人で見ている会社なら、報告書の下書きが自動化されるだけで負担がはっきり減ります。初期投資が不要な領域から始めれば、失敗しても損失は月数千円です。

Q. パソコンが苦手な社員でも使えますか？

対話型AIはチャット画面に日本語で書くだけなので、LINEが使える人なら操作は問題ありません。詰まるのは操作ではなく「何を頼めばいいか分からない」ほうです。よく使う指示文を3〜5個、紙に印刷して現場に置いてください。これだけで使用率が変わります。

Q. 図面をAIに読ませることはできますか？

画像として読ませること自体は可能です。ただし、手書き文字やかすれたスキャンでは読み取り精度が落ちます。寸法や公差の確定には使わないでください。用途としては「この図面の要求事項を要約して」「前回図面との差分を挙げて」といった、人が原本で照合する前提の下ごしらえに限定するのが安全です。

Q. 生産管理システムと連携できますか？

主要なAIサービスは「他のソフトからAIを呼び出す窓口」を提供しているので、技術的には可能です。ただし従量課金になり、開発も必要になります。連携を検討するのは、手作業での活用が定着してからにしてください。効果が確認できていない業務に開発費を投じるのは、順番として危険です。

Q. AIが作った文書を客先に出しても問題ありませんか？

問題ありません。ただし、自社が内容を確認し承認したという前提です。AIが作ったことを客先に伝える義務はありませんが、記載内容の責任は当然ながら自社に残ります。数値・型番・納期は、提出前に必ず原本と突き合わせてください。

Q. 効果はどうやって測ればいいですか？

対象業務の所要時間を、導入前に記録しておくのが唯一の方法です。「クレーム報告書1件あたり90分」のように数字を取ってから始める。3か月後に同じ測り方で比べれば、続行か撤退かを感情抜きで判断できます。測っていない導入は、必ず「なんとなく良かった気がする」で終わります。

Q. 段取替えの時間短縮にAIは使えますか？

直接は難しいです。段取替えの短縮は設備と治具と手順の問題で、AIが介入できる余地は限定的。ただし、段取替えの手順書を整理して若手が検索できる状態にする、過去の段取り記録から時間のばらつきが大きい機種を洗い出す、といった周辺は効きます。本体ではなく周辺から入るのが現実的です。

Q. 複数のAIを使い分けるべきですか？

最初は1つで十分です。2つ目を検討するのは、1つ目が定着してから。用途がはっきり分かれる場合、たとえば「文章作成は対話型AI、技術調査は出典を出す検索AI」のような組み合わせは合理的ですが、それも定着後の話です。

あわせて見たいツール・カテゴリ

• ChatGPT — 文章の下書きと整形。最初の1つとして無難な選択
• Claude — 長い仕様書や規格書の読み込みに強いタイプ
• NotebookLM — 社内資料の中だけを根拠に答えさせたい場合に
• AIライティングツールのランキング — 報告書・文書作成の選択肢を横並びで確認
• AI業務効率化カテゴリ — 定型業務まわりのツールを一覧で
• AI議事録・会議ツール — QC会議や品質会議の記録を軽くしたい場合
• AIデータ分析カテゴリ — 不良率やロット別の傾向を扱う段階になったら

次に読むならこれ：社内で使うAIの選択肢を横断して把握したいなら、Meta AIの使い方をまとめた記事が参考になります。無料で試せる対話型AIの守備範囲が分かるので、最初の1つを決める前の比較材料として使えます。

各ツールの公式サイト（一次情報）

料金・機能・対応範囲は各社公式が一次情報です。本記事は公開時点の検証に基づきますが、最新かつ正確な条件は必ず各公式ページで確認してください。

• ChatGPT — 公式サイト（AI PICKSの詳細）
• Claude — 公式サイト（AI PICKSの詳細）
• Gemini — 公式サイト（AI PICKSの詳細）
• NotebookLM — 公式サイト（AI PICKSの詳細）
• Felo — 公式サイト（AI PICKSの詳細）