みずほ、AIに3年で1000億円
国内産業、AI実装が一段と加速
金融・製造・医療・物流・教育で具体化
夕版は「国内産業の現場で何が動いたか」に焦点を当てます。本日はメガバンクの大型AI投資から、半導体工場・病院・物流倉庫・学校現場まで、業種ごとに導入が具体化した5本を厳選しました。実験フェーズを終え、各社が「どう成果につなげるか」へ軸足を移していることが共通点です。
① みずほFG、AIに3年で最大1000億円・人材400人へ倍増
みずほフィナンシャルグループが、2028年度までの3年間でAIの開発・導入に最大1000億円を投じる計画を進めています。AI開発に携わる人材を現在の2倍にあたる400人規模へ2026年度中に拡充。金融知識や関連法令を学習させた独自モデル「みずほLLM」を用い、住所変更や資産運用相談に対話形式で応じる個人向け、M&Aや事業承継の提案を担う法人向けの「AIアシスタント」を2026年夏ごろに実用化する方針です。情報管理の観点からオンプレミス環境での稼働を前提とします。
注目すべきは「自社LLM×オンプレミス」という設計思想です。機密性の高い金融データを外部に出さずに活用する狙いは、情報漏洩を不安視する企業にとって一つのモデルになります。生成AIを業務に組み込む際は、まず扱うデータの機密度に応じて環境を切り分ける発想が有効です。
② 日立、Intelの半導体工場にフィジカルAI 歩留まり改善へ
日立製作所がIntelの半導体工場にAIシステムを導入する協業を発表しました。製造装置から取得したデータをAIで分析し、保守業務を効率化することで、歩留まり（良品率）の改善と生産期間の短縮を目指します。生産設備やロボットを制御する「フィジカルAI」分野での連携で、日立の徳永俊昭社長とIntelのリップブー・タンCEOが協業内容を確認したとされています。製造現場の暗黙知をデータで可視化する動きが、半導体という最先端の現場でも進んでいます。
製造業のAI活用は「画面の中の生成AI」から、設備や品質に直結する「フィジカルAI」へ広がりつつあります。中小の製造現場でも、まずは検査・保守ログのデータ化から着手すると、後から分析AIを乗せやすくなります。データ整備が成果の前提という点は、規模を問わず共通です。
③ 富士通Japan、大阪病院で退院サマリ作成を生成AI支援
大阪病院、富士通Japan、フォーティエンスコンサルティング、日本マイクロソフトが協働し、医療現場の働き方改革に向けて生成AIの利活用を始めます。対象は「退院サマリ作成」と「看護申し送り業務」で、年間約16,000件にのぼる退院サマリ作成を支援するほか、看護領域では申し送り時の要点整理に活用する計画です。2026年2月に協定を締結し、2026年6月の運用開始を目指しています。安心・安全を最優先にガバナンスと職員教育を整え、全国の公的病院へのモデルケース化も視野に入れています。
医療のように正確性とプライバシーが厳しく問われる現場でも、「文書作成・要点整理」という定型業務から導入する流れが定着してきました。バックオフィス的な書類業務はどの業種にも存在します。リスクの低い文書タスクを起点に、ガバナンスを整えながら広げる進め方は応用が利きます。
④ 物流倉庫にAI荷降ろしロボ、処理能力を約15%向上
SGホールディングスグループのSGシステムとサンワサプライが、岡山市の「サンワサプライ西日本物流センター」でAI搭載のコンテナ向け荷降ろしロボット「RockyOne」の運用を開始しました。2025年の東日本物流センターでの実稼働で得た知見を反映し、最大処理能力を約15%向上。カメラ位置の最適化で荷物の認識精度を高め、アームの速度制御を高度化することで、混載便など多様な積載条件でも高精度な荷降ろしを可能にしたとしています。人手不足が深刻な物流現場で、重労働の自動化が着実に進んでいます。
1拠点目で得た知見を2拠点目に反映して性能を上げる、という横展開の進め方が参考になります。AI・ロボット導入は一度に全社展開を狙うより、小さく試して改善点を持ち越すほうが結果的に早い。「実証→改善→展開」のサイクルを社内に作れるかが鍵になります。
⑤ 文科省、全員がAIを使いこなす教育へ 次期指導要領の骨子案
文部科学省の教育課程部会・情報・技術ワーキンググループが、次期学習指導要領の取りまとめ骨子案を明らかにしました。2040年代の社会変化を見据え、高校卒業時に全員がAIを使いこなせるレベルの習得を目指すとしています。AI時代に対応した情報教育を抜本的に強化する方向性で、将来の働き手のAIリテラシーが学校段階から底上げされていく見通しです。企業にとっても、数年先に入社する世代の前提スキルが変わることを意味します。
「全員がAIを使う」前提が教育段階から組まれることは、企業の人材戦略にも影響します。新人がAIを当たり前に使う一方で、既存社員のリテラシーが追いつかないと社内に逆転格差が生まれかねません。今のうちに全社的なAI研修・運用ルールを整えておくことが、数年後の差につながります。
📈 明日への展望
本日の5本に共通するのは、AIが「試す対象」から「現場の成果を出す手段」へと位置づけを変えていることです。金融は自社LLM×オンプレミスで機密性を担保し、製造・物流は物理作業の自動化へ、医療は定型文書から、教育は人材の土台づくりへ——とアプローチは異なりますが、いずれも自社の課題に合わせた地に足のついた導入です。明日以降は、こうした先行事例が中堅・中小企業にどう波及するか、そして補助金など支援制度との組み合わせがどこまで進むかが注目点になります。
金融・製造・医療・物流・教育——本日の夕版は、AI導入が業種ごとに「成果重視」のフェーズへ移ったことを示す5本でした。共通するのは、自社の課題と機密性に合わせて小さく始め、改善しながら広げる現実的な進め方です。
コプラスは、情報漏洩対策からプロンプト設計、全社展開まで、企業のAI活用を一気通貫で支援します。「何から始めればいいか分からない」段階のご相談も歓迎です。
※本記事は2026年6月29日時点で公開された各ソースをもとに編集部が要約・解説したものです。詳細は各元記事をご確認ください。
