製造業のAI活用｜設備のAIと生成AIの始め方、図面を入れる前の線引き

製造業のAI活用とは、外観検査や予知保全のように設備とデータに組み込むAIと、設計・品質保証・購買などの書類仕事を手伝う文章生成AIを、工場と事務所のそれぞれで使い分けることです。社員10〜200名の会社がすぐに効果を確かめやすいのは後者の生成AIで、その前提として、図面や顧客仕様を学習に使わせない設定と国内でのログ管理を備えた、会社として公認の環境を配ることが欠かせません。この記事では、設備型AIの全体像と公的統計、実名の事例を押さえたうえで、職種別の使い方、プロンプトの伏せ方、図面を入れる前の線引き、出力の確認手順までを順に解説します。

製造業でAIが注目される背景｜人手不足と技術継承の課題

製造業でAIが注目されている理由は、働き手が減るなかで、熟練者の判断と日々の書類仕事の両方を少ない人数で回す必要に迫られているためです。

働き手が減り、人手不足が続いている

2026年版ものづくり白書（概要）（経済産業省・厚生労働省・文部科学省）によると、総務省の労働力調査にもとづく製造業の就業者数は、2024年の1,046万人から2025年は1,033万人へとわずかに減少しています。同白書が引く中小企業庁の中小企業景況調査では、中小製造業の従業員過不足DI（人員が過剰と答えた割合から不足と答えた割合を引いた指数）は2025年にマイナス17.9で、不足と感じる企業が上回る状態が続いています。

業種を問わない調査でも傾向は同じです。帝国データバンク「人手不足に対する企業の動向調査（2026年4月）」（2026年4月16日〜30日実施・有効回答10,538社）では、正社員が不足していると答えた企業は50.6%、非正社員は28.3%でした。正社員不足が6割以上だった7業種には、精密機械、医療機械・器具製造（60.0%）も含まれています。

教える人が足りず、技術継承が止まりやすい

人が減ると、まず影響を受けるのが技能の受け渡しです。ものづくり白書が引く厚生労働省の能力開発基本調査では、製造業で能力開発や人材育成に問題があると答えた事業所のうち、62.8%が「指導する人材が不足している」を挙げています。また、同白書が引く労働政策研究・研修機構（JILPT）の調査（2026年5月）では、技能継承の取り組みとして、再雇用や勤務延長で高年齢の従業員に働き続けてもらうと答えた割合が54.8%でした。ベテランの在籍期間を延ばして時間を稼いでいる会社が多い、と読み取れます。

その間に、ベテランの判断基準や、紙とメールに散らばった過去の対応記録を、次の世代が引き出せる形にしておく必要があります。

公的統計で見る製造業のAI導入状況

公的統計から見えるのは、データを取る段階までは進んでいても、効果を出すところまで到達している企業は半分に満たないという姿です。

2026年版ものづくり白書の概要資料では、三菱UFJリサーチ&コンサルティングの調査（2026年3月報告）をもとに、製造にかかわる一連の工程（マニュファクチャリングチェーン）でデータを取得している企業が66.0%、そのデータを活用している企業が51.4%、効果を創出している企業が43.9%と示されています。取得と効果創出の間には、22.1ポイントの差が開いていることになります。センサーやカメラを入れただけでは成果につながらず、データを誰がどう読み、どの判断に使うかを決める段階で止まっている企業が多いことがうかがえます。

生成AIについては、令和8年版情報通信白書（概要）（総務省、2026年7月）が、日本の企業515社への調査（2026年1〜2月実施）の結果を示しています。生成AIを「積極的に活用する方針」「活用する領域を限定して利用する方針」と答えた割合の合計は2025年度調査で68.9%となり、2024年度調査の49.7%から大きく上昇しました。自社の何らかの業務で生成AIを利用していると答えた割合は86.4%です（この設問の回答は477件）。

※令和8年版情報通信白書の数値は業種を区別しない日本の企業全体の値で、製造業に限った割合ではありません。ものづくり白書の数値は、白書が引用する各調査の値です。いずれも2026年9月18日に公表資料で確認しました。

方針のない会社では、個人の無料版AIに図面や顧客の仕様書が入っても把握できません。この点は後半のセキュリティの節で詳しく扱います。

設備型AIと汎用の生成AIは何が違うか

製造業のAIは、工場の設備やデータに合わせて作り込む設備型AIと、文章を読み書きする汎用の生成AIに分けて考えると、どちらから始めるかを判断しやすくなります。

設備型AI（外観検査・予知保全・需要予測など）

• 何をするか：カメラ画像、振動や温度のセンサー値、出荷実績などの数値を学習し、不良の判定や故障の兆候、需要の見通しを出します。
• 必要なもの：自社の製品や設備で集めた学習用データ、カメラやセンサーなどの機器、既存の生産設備や生産管理システムとの接続です。
• 始めるまで：データを集め、試験導入（PoC）で精度を確かめる期間が必要になり、ライン単位での調整も発生します。
• 向く会社：同じ製品を量産しており、検査や設備保全の手間がはっきり数字で見えている会社です。

汎用の生成AI（文章AI）

• 何をするか：報告書や回答書の下書き、議事録の要約、翻訳、社内資料からの検索など、文章にかかわる仕事を手伝います。
• 必要なもの：自社で学習用データを用意する必要はなく、利用する環境と、入れてよい情報のルールがあれば始められます。
• 始めるまで：環境とルールが整えば、個々の社員が当日から使えます。
• 向く会社：多品種少量や受注生産で、見積り・仕様確認・不具合対応の書類が多い会社です。規模は問いません。

判断の目安：社員10〜200名の会社では、まず生成AIで事務と技術部門の書類仕事を減らし、そこで浮いた時間とデータ整理の経験を、設備型AIの検討に回す順番が無理のない進め方です。

工場と設計の現場で使われるAIの活用領域

工場と設計の現場で使われるAIは、主に7つの領域に分かれます。

外観検査・品質管理の画像AI

カメラで撮った製品の画像から、キズ・汚れ・欠け・異物などの不良を判定する用途です。良品と不良品の画像を学習させ、人の目視検査を置き換える、または人の見落としを減らすために使われます。不良品の画像が少ない工程では学習データが集まりにくく、品種が多い工場では品種ごとの調整が必要になります。

予知保全と設備の異常検知

モーターやポンプ、加工機などに付けたセンサーの振動・温度・電流値を監視し、いつもと違う波形を早い段階で知らせる用途です。故障してから直す事後保全や、決まった周期で部品を替える保全に比べ、突発停止と、まだ使える部品を替える無駄の両方を抑えられます。

需要予測・在庫・生産計画の最適化

過去の受注・出荷実績や季節要因から需要を見込み、在庫の持ち方や生産の順番を組み立てる用途です。条件が多く担当者の経験に頼りがちな生産計画も、計画案を複数出して担当者が選ぶ形にすると、特定の人しか組めない状態を和らげられます。

現場の安全管理（カメラ・行動解析）

カメラ映像から、立入禁止区域への侵入、フォークリフトと人の接近、保護具の未着用、作業手順の抜けなどを検知する用途です。人の動きを骨格として捉える行動解析の技術も使われます。従業員を撮影するため、目的と保存期間を事前に説明し、同意を得ておくことが前提になります。

ロボット制御・ピッキングの自動化

産業用ロボットにカメラの画像認識を組み合わせ、置き方や向きが毎回ちがう部品をつかんで箱に詰めたり、組立の工程へ送ったりする用途です。決まった動きを繰り返すだけだったロボットでも、画像から部品の位置を割り出せば、そのつど動きを変えられます。人の作業場所の近くで使う協働ロボットと組み合わせる例もあります。

人のそばで動かす前に確かめておきたいのが、労働安全衛生規則第150条の4です。定格出力が80Wを超える産業用ロボットは、触れて危険が生じるおそれがあるとき、柵や囲いなどの措置を取ることになります。厚生労働省は2013年12月24日付の通達（基発1224第2号）で、リスクアセスメントにもとづく措置によって危険のおそれが無くなったと評価できる場合や、ISO 10218-1・10218-2（通達当時は2011年版）に沿って設計・製造・設置され、技術ファイルと適合宣言書がそろったロボットを使用条件どおりに使う場合には、協働作業ができると示しました。リスクアセスメントの評価結果は、記録して保管しておく必要があります（出典：厚生労働省リーフレット「産業用ロボットと人との協働作業が可能となる安全基準を明確化しました。（労働安全衛生規則第150条の4関係）」（2013年12月））。

設計・製品開発でのAI活用

設計では、条件を与えて形状の候補をAIに出させる手法や、過去の試験結果から性能を予測して試作の回数を減らす手法が使われています。汎用の生成AIも、要求仕様の整理や設計変更の理由の文章化で役に立ちます。形状や寸法を決めるのは設計者で、AIは材料を並べる役割にとどめます。

熟練者の暗黙知の形式知化（技術継承）

暗黙知とは、ベテランが経験で身につけていて言葉になっていない判断のこつのこと、形式知化とは、それを手順書やデータなど他の人が読める形にすることです。画像AIでは、ベテラン検査員の判定結果を学習データにする方法があります。生成AIでは、ベテランへの聞き取りを録音して文字に起こし、そこから手順書の下書きを作る方法が取りやすく、設備投資もほとんど要りません。

生成AIによる文書作成・要約・社内情報検索｜職種別に減らせる書類仕事

生成AIで最初に減らせるのは、定型に近い文書の下書きと、長い資料から要点を拾う作業です。部署ごとに挙げます。

設計

• 設計変更通知の変更理由と影響範囲の文章化（変更前後の差分を箇条書きで渡し、通知文の形に整える）
• 設計審査（デザインレビュー）の議事録の要約と、宿題事項・期限・担当の一覧化
• 顧客の要求仕様書を読み、確認が必要な曖昧な記述を洗い出す（型番や顧客名は伏せて渡す）

品質保証

• 不具合報告書の、現象・発生状況・暫定処置の文章整理
• 是正処置報告書のなぜなぜ分析で、見落としている観点の候補出し
• 顧客への回答書の下書き（事実と推定を分けて書く形に整える）

購買

• 見積依頼書の文面作成と、仕様・数量・納期の書き漏れ確認
• 複数社から届いた見積りの条件（納期・支払条件・有効期限）を比較表の形に並べる（単価そのものは入れない運用も可）
• 納期確認や納期遅延の問い合わせメールの下書き

営業技術

• 顧客からの仕様問い合わせに対する回答文の下書き（社内の技術資料を要約して根拠を添える）
• 公開済みのカタログや技術資料をもとにした、製品比較の説明文づくり
• 海外の顧客や商社とのメールの翻訳と、失礼のない言い回しへの修正
• 打ち合わせのメモから、社内の設計・製造部門への引き継ぎ事項をまとめる

生産管理

• 生産会議の議事録の要約と、決定事項・保留事項の分離
• 協力会社への納期調整の依頼文の下書き
• 表計算ソフトの関数やマクロの書き方の質問

総務・人事

• 安全衛生委員会の議事録と、社内掲示用のお知らせ文の作成
• 就業規則や社内規程の改定点を、従業員向けにやさしく言い換えた説明文
• ベテランへの聞き取り質問票の作成と、録音の文字起こしから手順書への清書

外国人従業員向け手順書を多言語化する手順

作業手順書や安全教育の資料を、外国人従業員の母語に訳す作業も生成AIが得意とする分野です。ただし訳文をそのまま貼らず、次の順で進めます。

1. 元の日本語の手順書を、1文1動作・主語と目的語を省かない形に書き直す（この書き直しも生成AIに手伝わせられます）
2. 社内で使う設備名・工具名・危険を示す言葉の対訳表を先に作り、訳文でその訳語を使うように指示する
3. 生成AIで翻訳したあと、別の指示で訳文を日本語に訳し戻し、元の意味とずれていないかを確かめる
4. その言語を母語とする現場のリーダーや従業員に読んでもらい、分かりにくい表現を直す
5. 危険・禁止・必ず行う事項は、図や写真と組み合わせて掲示し、改訂日と確認者を記録する

顧客名・型番を伏せたプロンプトの書き方と実例

生成AIに渡す指示文（プロンプト）は、固有の情報を記号に置き換えても、仕事の中身はほとんど損なわれません。伏せる対象は、顧客名・取引先名・型番や図番・未公開の数値・人名です。

実例1：品質保証｜顧客への回答書の下書き

構成の整った下書きが返ってきたら、A社・部品Xを実際の名称に戻し、発生数と日付を社内の記録から書き入れます。

実例2：購買｜見積依頼書の書き漏れ確認

材質・表面処理・検査成績書の要否など、書き漏れやすい項目の指摘を、担当者が取捨選択します。

実例3：技術継承｜ベテランへの聞き取り質問票

この例には固有の情報が含まれないため、伏せる必要はありません。聞き取り後は、録音を文字に起こし、社内の環境で手順書の形に整える指示を出します。

伏せ方の基本：置き換えの対応表（A社＝実際の社名など）は生成AIに渡さず、手元のメモや社内の文書に残します。記号に置き換えても、図面の画像や注記、ファイル名に社名や図番が残っていることがあるため、添付する前に確認してください。

実名の導入事例｜生成AIに取り組む製造業5社

生成AIの社内利用を実名で公表している製造業の例を、出所の種類とあわせて紹介します。数字はいずれも各社の発表、ベンダーの導入事例、または報道によるもので、第三者が検証した値ではありません。

パナソニック コネクト｜社内向けAIアシスタント（出所：同社発表）

パナソニック コネクトは2024年6月25日の発表で、社内向けAIアシスタント「ConnectAI」について、2023年6月から2024年5月までの1年間でアクセスが約139.7万回、社員の回答にもとづく試算で、労働時間の削減が18.6万時間になったとしています。同じ発表で、16か月の運用のなかで情報漏洩や著作権侵害などの問題は起きていないとも述べています。

日立製作所｜施工現場の問い合わせ対応（出所：同社発表）

日立製作所は2025年3月26日、AIエージェントの新サービスを発表した際に、グループの日立ビルシステムの取り組み例として、施工現場から寄せられる問い合わせ（月約100件、1件あたり平均約30分）について、AIアプリで約80%の精度（最新機種で確認）で関連情報を抽出できたと紹介しています。同じ発表では、日立パワーソリューションズで業務効率が約30%向上する見込みとも示されています。

日本製鉄｜会議メモとメール要約（出所：ベンダーの導入事例）

マイクロソフトが公開している顧客事例によると、日本製鉄は4か月のパイロット期間を経て、Microsoft 365 Copilotの利用を広げています。同事例では、2025年2月に4,400ユーザーへ広げた後の1か月間に、Teams会議のAIメモが約2万件、メールスレッドの要約が約4,500件使われたと紹介されています。

クボタ｜全従業員を対象にした取り組み（出所：同社発表）

クボタの2025年3月14日の発表では、マイクロソフトとの戦略的パートナーシップ契約の更新とあわせて、クボタグループの役員・全従業員約52,000人を対象とする「Kubota AI Academy」の設立が示されています。

村田製作所｜社内向け生成AIの利用率（出所：講演を伝えた報道）

マイナビニュースは2026年9月10日、村田製作所の担当者の講演内容として、社内向けの生成AI「Murata Coworker」の利用率が2024年7月の16%から2025年7月には52%に上がり、1人あたり月約3時間の削減につながっていると報じています。

5社に共通する点：いずれも、社員個人の判断に任せるのではなく、会社の取り組みとして生成AIの利用を進めています。会社として環境と教育を用意してから使い方を広げる進め方は、社員数十名の会社でも参考になります。

技術継承の分野では、旭鉄工が部長職の全員の考えを読み込ませたAIクローンを開発したことを、日本経済新聞（2025年8月20日）が報じています。

AI導入のメリット

製造業がAIを導入するメリットは、人に依存していた判断と作業の一部を仕組みに移し、少ない人数でも品質と納期を保ちやすくなることです。主なメリットは次の5つです。

• 品質の均一化（設備型AI）：検査員の経験や体調による判定のぶれを抑えられます。
• 突発停止の減少（設備型AI）：設備の異常を早く知らせ、計画外の停止と納期遅れを減らせます。
• 書類仕事の時間短縮（生成AI）：下書き・要約・翻訳の時間が減り、技術者が本来の検討に使える時間が増えます。
• 属人化の緩和（両方）：判定の基準や対応記録が仕組みと文章に残り、引き継ぎの材料になります。
• 海外とのやり取りの負担軽減（生成AI）：英文の仕様書やメールの読み書きを、語学が得意な一部の社員に集中させずに済みます。

AI導入の課題（コスト・人材・データ）

導入でつまずきやすいのは、費用そのものより、使いこなす人とデータの準備が追いつかないことです。

コスト：効果が見える前に費用が先に出る

設備型AIでは、機器の購入、個別の開発、試験導入の費用が、効果が確認できる前に発生します。生成AIは初期の負担が小さい一方で、社員ごとに有料プランを契約する形だと、利用者が増えるほど費用が積み上がり、一部の社員にしか配れないという別の問題が起きやすくなります。

人材：AIに詳しい人より、業務を分解できる人が足りない

AIの導入で足りなくなるのは、技術の専門家だけではありません。どの業務のどの判断をAIに任せ、どこを人が確かめるかを決められる、現場の業務を知る人の時間が足りなくなります。

データ：取っていても、使える形になっていない

取得66.0%に対して効果創出43.9%という白書の数字が示すように、データを取っていることと使えることの間には差があります。検査画像に良否のラベルがない、過去の不具合対応が個人のメールに埋もれている、といった状態です。生成AIで社内資料を検索させる場合も、最新版がどれか分からない資料が混ざっていると、古い情報をもとにした回答が返ってきます。

導入費用の考え方｜見積りを4つの費目に分ける

AIの導入費用は、総額だけで比べるのではなく、初期費用・月額費用・データ整備の費用・社内の人の工数の4つに分けて見積もると、判断を誤りにくくなります。ここでは金額ではなく、見積りの構造を説明します。

• 初期費用：設備型AIではカメラ・センサー・計算機などの機器、個別の開発、設置工事が中心です。生成AIでは初期設定や導入支援の費用が中心で、機器は通常要りません。
• 月額費用：クラウドの利用料、ソフトウェアの利用料、保守費です。生成AIでは、1人あたりの課金か、会社単位の契約かで、利用者を増やしたときの費用の増え方が変わります。
• データ整備の費用：検査画像へのラベル付け、記録形式の統一、社内資料の整理など、AIに渡せる状態にするための作業です。見積書に載らず、あとから膨らみやすい費目です。
• 社内の人の工数：要件の整理、試験導入の評価、教育、社内ルールの作成に使う時間です。外部に払う金額には出ませんが、成否を左右します。

見積りを取るときの確認点：ベンダーの見積書にデータ整備と社内工数の想定が含まれているか、試験導入で精度が出なかった場合の費用の扱い、生成AIでは利用者を倍に増やしたときの月額がいくらになるか、の3点を聞いておくと比較しやすくなります。

導入の進め方（目的の明確化・スモールスタート・PoC・定着）

導入は、目的の明確化、小さく始める、試験導入で確かめる、定着させる、の4段階で進めます。生成AIでも設備型AIでも、順番は同じです。

段階1：目的を1つの数字で決める

AIを入れること自体を目的にせず、減らしたい作業と、その量を先に決めます。例えば、不具合の一次回答書の作成にかかる時間、見積依頼への回答までの日数、外観検査での見逃し件数などです。導入前の値を測っておきます。

段階2：スモールスタートで対象を絞る

最初から全社・全工程に広げず、1つの部署、1つの書類、1つのラインに絞ります。生成AIなら、毎週発生し、出来の良し悪しを担当者が判断できる書類から始めます。

段階3：PoC（試験導入）で効果と問題点を確かめる

PoCとは、本格導入の前に小さな範囲で実際に使い、効果と問題点を確かめる試験のことです。期間と合格の基準を事前に決めておきます。生成AIでは、入れてはいけない情報が入力されていないか、出力の確認が機能しているかも、この段階で点検します。

段階4：定着させ、横に広げる

効果が確認できたら、使い方の手順と、入力してよい情報のルールを文書にし、他の部署へ広げます。社内ルールの作り方は生成AIの社内ガイドラインの作り方で解説しています。

セキュリティと機密データの保護｜図面・顧客仕様を入れる前の線引き

製造業が生成AIを使ううえで先に決めておくべきなのは、図面・技術情報・顧客仕様のうち、何をどの環境に入れてよいかの線引きです。

営業秘密の3要件と生成AIの関係

経済産業省の「秘密情報の保護ハンドブック」（令和6年2月）は、営業秘密として法的な保護を受けるための要件として、秘密として管理されていること（秘密管理性）、事業に役立つ情報であること（有用性）、一般に知られていないこと（非公知性）の3つを挙げています。

生成AIとの関係で気にすべきなのは、1つ目の秘密管理性です。経済産業省の営業秘密管理指針（令和7年3月改訂）は、社内で秘密として管理している情報を生成AIに使っただけで直ちに秘密管理性が否定されるわけではない一方、生成AIの提供事業者など社外の第三者に情報が提供される場合には、秘密管理性が否定される場合もあり得るとしています。これを踏まえると、社員が個人のアカウントで図面や加工条件を外部のサービスに入力していることを会社が把握も制限もしていなければ、その情報を秘密として管理していると説明しにくくなるおそれがあります。入力してよい情報を社内ルールで定め、守れる環境を会社が用意することは、秘密として管理している実態を示すことにもつながります。

※営業秘密に当たるかどうかの判断は、個別の事情によって異なります。具体的な判断が必要な場合は、弁護士などの専門家にご相談ください。

図面・CAD・見積原価・顧客仕様の線引き

情報を3つの区分に分けて、社内ルールに書いておくと、現場で迷いにくくなります。

自社製品の図面を入れてよいかは、設計部門の責任者と経営者が決めます。迷う情報は、いったん入れない区分に置き、運用しながら見直すほうが安全です。

顧客の個人情報を多く扱う業種での線引きの例は、不動産の生成AI活用事例と社内の線引きでまとめています。

秘密保持契約で預かった図面・仕様書の扱い

取引先と結ぶ秘密保持契約には、開示を受けた情報を契約の目的以外に使わないことや、第三者に開示しないことを定める条項が置かれることが一般的です。預かった図面を外部の生成AIサービスに入力することが、これらの条項との関係でどう扱われるかは、契約の文言と利用するサービスの条件によって変わります。

預かった資料を生成AIで扱いたい場合は、契約書の目的・使用範囲・第三者開示の条項を読み、判断がつかなければ取引先に確認するのが確実です。確認の際は、入力を学習に使わないこと、データの保管場所、アクセスできる社員の範囲を説明できるようにしておきます。

個人の無料版に図面を貼るシャドーAIのリスク

会社が把握していないところで社員が個人的に使うAIは、シャドーAI（野良AI）と呼ばれます。製造業でよく起こりうるのは、スマートフォンで撮った図面の写真や、見積書の画面を、個人の無料版のAIに貼り付けて質問する使い方です。個人向けのサービスでは、入力が学習に使われるかどうかが本人の設定に委ねられていることが多く、会社からは設定も利用履歴も確認できません。

個人情報保護委員会は令和5年6月2日の注意喚起で、事業者が本人の同意なく個人データを含むプロンプトを入力する場合には、提供事業者がその個人データを機械学習に利用しないことなどを十分に確認するよう求めています。また、総務省・経済産業省の「AI事業者ガイドライン（第1.2版）」（令和8年3月31日）も、AIの利用者が機密情報や個人情報を不適切に入力しないよう留意する趣旨を示しています。シャドーAIの実態と対策は野良AI（シャドーAI）とはで詳しく解説しています。

会社として公認のAI環境を用意する手順

禁止だけでは、便利さを知った社員の利用は止まりません。同じことができる環境を会社が先に配るほうが、見えない利用を減らせます。次の順で進めます。

• 1. 今使われているAIを把握する部署ごとに、どのサービスをどんな書類で使っているかを、責めずに聞き取ります。
• 2. 入力を学習に使わせない条件を確かめるOpenAIは法人向けのビジネスデータを初期設定で学習に使わないと公表し、Anthropicは商用製品の入力・出力を初期設定では学習に使わない（フィードバックを送った場合などを除く）とし、Google WorkspaceのGeminiは組織のデータを許可なくドメイン外でモデルの学習に使わないとしています。個人の設定に頼らず、会社の契約として全員に適用されるかを確認します。
• 3. ログとデータの保管場所を決める誰がいつ何に使ったかの利用ログを会社側で見られること、会話履歴の保管場所を取引先に説明できることを条件にします。国内でログを管理できる環境であれば、取引先への説明がしやすくなります。
• 4. 線引き表と確認手順を社内ルールにする前の表の3区分と、次の節で説明する出力の確認手順を、1枚の社内ルールにまとめます。
• 5. 全員に配り、個人利用からの移行を案内する一部にだけ配ると、配られなかった社員が個人のアカウントに戻ります。

※各社の学習利用に関する記載は、2026年9月18日に各社の公式ページで確認した内容です。

学習に使わせない設定の詳細はChatGPTに学習させない設定、点検すべき項目の一覧は生成AIのセキュリティ対策チェックリストにまとめています。

生成AIの誤回答と人の最終判断｜寸法・規格番号の確認手順

生成AIは、もっともらしい誤りを自信のある文章で出すことがあります。この現象はハルシネーションと呼ばれます。製造業では、寸法・公差・規格番号・材料記号・法令名の誤りが、そのまま不良や取引先の信用問題につながるため、社外に出す前に人が確かめる手順を決めておく必要があります。

生成AIが間違えやすい項目

• 規格番号と版：存在しない番号や古い版の内容を出すことがあります。
• 材料記号と物性値：似た記号の材料と取り違えることがあります。
• 寸法・公差の計算：単位の換算や公差の積み上げで、途中の計算を誤ることがあります。
• 法令名と条文：法令名や条番号、施行時期を誤ることがあります。

社外に出す前の確認手順

1. 作成者が数値と固有名詞に印を付ける：AIの出力のうち、寸法・公差・規格番号・材料記号・法令名・日付に下線や色を付け、確認の対象を見えるようにします。
2. 作成者が原典と照合する：印を付けた項目を、図面、社内の標準書、規格の原文、法令の公式サイトと突き合わせます。AIに出典を聞いた答えは、原典の代わりにしません。
3. 計算は別の方法でやり直す：換算や積み上げは、表計算ソフトや手計算で検算します。
4. 承認者が確認して記録する：顧客への回答書や技術資料は、通常の決裁と同じく、上長や品質保証の責任者が確認し、確認日と確認者を残します。
5. AIを使った箇所を社内記録に残す：どの部分の下書きにAIを使ったかを社内の記録に残しておくと、あとで誤りが見つかったときに原因を追いやすくなります。

役割の線引き：AIは下書きと論点の洗い出しまで、数値と判断の最終確認は人、と社内ルールに明記しておきます。設計の形状や寸法、不具合の原因の断定、顧客への約束事項は、AIの出力を根拠に決めません。

よくある質問

まとめ

製造業のAI活用は、外観検査・予知保全・需要予測・安全管理などの設備型AIと、設計・品質保証・購買・営業技術・生産管理・総務の書類仕事を減らす生成AIの2つに分けて考えると、自社がどこから始めるかを判断しやすくなります。背景には、就業者の減少と、技能を教える人の不足があります。

社員10〜200名の会社が早く効果を確かめやすいのは、生成AIで書類仕事を減らすことです。その際は、顧客名や型番を伏せてプロンプトを書き、図面・CAD・見積原価・顧客仕様を入れない・伏せれば使える・そのまま使えるの3区分で線引きし、寸法や規格番号は社外に出す前に人が原典で確かめる手順を決めておきます。

シャドーAIを防ぐには、禁止よりも、学習に使わせない設定と国内でのログ管理を備えた公認の環境を全員に配ることが近道です。運送・倉庫の会社での進め方は物流AIの活用｜中小の運送・倉庫会社は事務所の文章仕事からにまとめています。法人のAI活用に関する他の記事はAI活用コラム一覧をご覧ください。