製造業向けAI導入で、ツール選定前に調べるべきこと

導入

製造業において、生成AIやデータ活用への関心が高まっています。一方で、現場帳票の管理方法を見ると、紙やExcelが依然として大きな割合を占めています。AIを活用したいという意向は強いのに、その前提となる現場データの電子化は思うように進んでいないように見えます。

しかし、この状況を単純に「製造現場のデジタル化が遅れている」と捉えるだけでは不十分です。

電子帳票やタブレットを導入しても、入力方法が現場の動線に合わなければ、記録が後回しになったり、紙やExcelとの二重管理が残ったりします。電子化しただけで、AIに活用できる正確なデータが蓄積されるとは限りません。問題はツールの有無ではなく、導入前の調査と業務設計にあります。

本記事では、製造現場でデジタル入力が定着しなかった事例などをもとに、AI・DX支援会社がツール選定前に確認すべき事項を整理します。

目次

1. 紙・Excelが残るのは、現場が変化を嫌うからではない
2. 電子化しても、現場データが正しく残るとは限らない
3. 電子帳票化とAI活用の間には、複数の工程がある
4. AI・DX支援会社がツール選定前に調べるべき6項目
5. 製造業AI案件では「導入前調査」を独立した工程にする
6. まとめ

１．紙・Excelが残るのは、現場が変化を嫌うからではない

製造現場で紙やExcelが残っている理由は、作業者が変化を嫌っているからだと説明されることがあります。しかし、現場で長く使われてきた帳票は単なる古い慣習ではありません。作業の流れや設備の配置、記入するタイミング、確認する情報に合わせて繰り返し修正されてきた業務ツールでもあります。

シムトップスが、紙の現場帳票を日常的に使用する現場リーダー層110人を対象に実施した調査では、69.1％が現在使用している紙帳票を「使いやすい」と回答しました。

使いやすい理由として最も多かったのは「一目で全体が見渡せるレイアウト」の63.2％です。一方で、約9割が帳票を改善したいと考えた経験もあり、使いやすさを評価しながらも、現状にまったく不満がないわけではないことが分かります。

出典：「現場帳票って本当に使いやすいの？」7割が「Yes」と答え、その理由は「一目で全体を見渡せる設計」と「工程をまたいだ情報共有」にあった。　(PRTimes)

また、LINE WORKSが業種を問わず企業のペーパーレス化について実施した調査でも紙書類の利点として「書き込みやメモがしやすい」が53.8％、「一覧性がよい」が49.3％と上位に挙がりました。同調査では「必要な紙業務は残しながら、AI-OCRなどで効率化する」とする企業が50.7％を占め、「完全なペーパーレス化を目指す」とした企業は16.0％にとどまっています。

出典：製造業のペーパーレス、8割着手も紙残る (Logi Today)

製造現場では、「手袋をしたまま記録する」「設備の状態を見ながら複数の項目を確認する」「想定外の事象を余白に書き加える」といった作業があります。こうした場面では端末を起動して画面を切り替えながら入力するよりも、紙を見てその場で書き込む方が速い場合があります。Excelも項目の追加や計算式の修正を現場側で行いやすく、正式なシステムでは吸収しにくい例外処理に対応できる点では便利です。

もちろん、紙やExcelには「転記作業が発生する」「リアルタイムで共有できない」「記録を検索・集計しにくい」といった限界があります。しかし、その欠点だけを見て既存帳票を別の入力画面へ置き換えると、紙が果たしていた一覧性や柔軟性まで失う可能性があります。

紙やExcelが残る理由を現場の意識やITリテラシーの問題だけに求めるべきではありません。まず確認すべきなのは、現在の帳票が作業者にとってどのような役割を果たしているかです。その役割を把握せずに電子化を進めれば、導入されたツールが使われず、紙との二重管理や後入力が発生することになります。

２．電子化しても、現場データが正しく残るとは限らない

生産管理システムや電子帳票、タブレットを導入しても、それだけで正確な現場データが蓄積されるわけではありません。入力方法が作業動線や確認方法に合っていなければ、記録が後回しになり、システム外のメモや紙との二重管理が残ります。

重要なのは、入力機能があることではなく、作業者が業務の中で無理なく使えることです。

端末の共有によって、入力が後回しになった事例

広島市の板金・溶接加工会社では、大手メーカーの生産管理システムを導入したものの、端末1台ごとに料金が発生するため、1台を5～6人で共有し、合計4台で運用していました。

作業者は進捗を入力するたびに端末まで移動し、他の作業者が使用中であれば待つ必要がありました。その結果、入力が後回しになり、実際の作業進捗とシステム上の記録にずれが生じました。データは蓄積されていても、入力時刻や精度にばらつきがあり、現場の実態を正しく把握できない状態だったといいます。

出典：ITmedia ビジネスオンライン「大手の生産管理システムは、なぜハマらなかった？」

問題は、システムに入力機能がなかったことではありません。端末配置とライセンス設計が、実際の作業に合っていなかったことです。進捗や設備停止の時刻を正確に記録したいのであれば、入力のための移動や待ち時間まで考慮する必要があります。

情報をデジタル化しても、一目で確認できるとは限らない

岐阜県関市の刃物製造会社では、当初、QRコードを読み取って作業指示を確認する方式を採用していました。しかし、作業者が指示内容を一目で把握できなかったため、必要な情報をその場で確認できる電子ペーパータグへ変更しています。

出典：中部経済産業局「株式会社大野ナイフ製作所―企業の取組事例」

QRコードは多くの情報を管理でき、更新も容易です。一方、端末を取り出してコードを読み取り、画面を開く必要があれば、紙の指示書や現物表示より操作が増える場合があります。

「情報にアクセスできること」と「作業中にすぐ使えること」は同じではありません。現場で品番、工程、数量、注意事項を瞬時に確認する必要があるなら、情報量だけでなく表示方法まで設計する必要があります。

入力者にもメリットがなければ続かない

タブレット入力では、ロック解除、アプリ起動、項目選択、文字入力といった操作が、紙への記入より負担になることがあります。手袋をしている、手が油で汚れている、作業を中断しにくいといった環境では、わずかな操作の増加でも定着を妨げます。

また、管理者はリアルタイムの進捗や集計結果を得られても、作業者には入力作業が増えるだけという設計では、入力の省略や後回しが起こりやすくなります。二重入力がなくなる、引き継ぎが容易になる、報告書作成が簡略化されるなど、現場側にも明確な効果が必要です。

電子化の成否は、システムの機能だけでは決まりません。端末の配置、操作数、情報の見せ方、入力者へのメリットまで含めて設計して初めて、正しいタイミングでデータが残ります。

後入力や未入力が混在していれば、電子化されたデータでも現場の実態を正確に反映しません。電子帳票や生産管理システムの導入は、データ活用の出発点にすぎないのです。

３．電子帳票化とAI活用の間には、複数の工程がある

紙の帳票を電子化しても、そのままAIで活用できるデータが蓄積されるわけではありません。電子帳票の導入は、データ活用の入口にすぎません。

たとえば、点検記録をタブレット入力に置き換えれば、転記作業は減らせます。しかし、異常内容が自由記述のままで、設備名や工程名の表記が作業者ごとに異なっていれば、集計や類似事例の検索は難しくなります。

AI活用まで進むには、少なくとも次の工程が必要です。

1. 紙の記録を電子的に入力できるようにする
2. 入力項目や記述方法を統一する
3. 設備、製品、工程、ロット、作業時刻などを紐付ける
4. 未入力や表記揺れなどのデータ品質を管理する
5. データの利用目的を決める
6. 分析、検索、予測、生成AIなどにつなげる

電子帳票の導入だけで実現できるのは、主に最初の段階です。

入力形式をそろえても、データの意味がそろうとは限らない

入力欄を選択式にすれば、表記揺れは減らせます。しかし、現場で起こる事象をあらかじめすべて分類できるとは限りません。

たとえば、同じ「設備停止」でも、故障、材料待ち、段取り替え、安全確認では意味が異なります。選択肢を増やしすぎれば入力しにくくなり、少なすぎれば現場の実態が失われます。

形式を統一するだけでなく、それぞれの記録が業務上何を意味するのかまで整理する必要があります。

データを紐付けなければ、原因分析には使えない

不良や設備異常の記録は、単独では十分に活用できません。製品、ロット、設備、工程、作業日時、加工条件、保全履歴などと紐付いて初めて、原因分析や類似事例の検索に利用できます。

識別情報が不足していれば、「不良が何件発生したか」は集計できても、「どの条件で増えたのか」「過去に似た事象があったか」までは判断できません。

AIを使う場合も同じです。元の記録に必要な情報が含まれていなければ、AIの性能を高めても出力精度には限界があります。

データ量より、利用目的と品質を先に考える

「将来使えるかもしれない」という理由で入力項目を増やすと、現場の負担だけが増え、蓄積したデータが使われない状態になりかねません。

先に決めるべきなのは、何を記録するかではなく、そのデータで何を改善するかです。

たとえば、不具合報告の検索、設備異常の兆候検出、報告書作成の自動化、技能継承では、それぞれ必要な項目やデータの粒度が異なります。

電子帳票の仕様は、現在の紙帳票をそのまま画面へ置き換えるのではなく、将来の利用目的から逆算して設計する必要があります。

電子化したという事実だけでは、データの意味、品質、利用可能性は保証されません。AI・DX支援会社には、ツールの導入だけでなく、データ構造や利用目的まで含めた設計が求められます。

４．AI・DX支援会社がツール選定前に調べるべき6項目

製造業向けのAI・DX案件では、顧客の要望を聞いた後、早い段階でツール選定やPoCへ進むことがあります。しかし、管理部門が把握している業務と、現場の実態は必ずしも一致しません。

大規模な現場調査を毎回行う必要はありませんが、少なくとも次の6項目は、ツール選定前に確認しておく必要があります。

現在の帳票は、何のために使われているか

帳票は、記録だけでなく、作業指示、進捗確認、異常報告、引き継ぎ、品質保証など、複数の役割を兼ねている場合があります。

項目だけを見て電子化すると、一覧性や自由記述、次工程への伝達機能を失う可能性があります。誰が記入し、誰が確認し、どの判断に使っているかまで整理します。

誰が、いつ、どこで入力しているか

事務所のパソコンから入力する場合と、設備の前で作業者が入力する場合では、必要な仕様が異なります。

手袋や油、粉じんの有無、作業を中断できるか、端末までの移動や待ち時間があるかなど、実際の入力環境を確認します。管理者へのヒアリングだけでなく、対象工程を限定してでも現場を見ることが重要です。

紙やExcelで処理している例外業務は何か

再加工、手直し、設備停止、材料不足、工程変更など、標準手順から外れる処理が、紙のメモや個別のExcelで補われていることがあります。

システムに適切な入力方法がなければ、実態と異なる項目を選ぶ、別の場所へ記録するといった対応が起きます。どの場面でシステム外の処理が発生しているかを確認します。

集めたデータを、誰が何に使うのか

「将来AIに使いたい」というだけでは、必要なデータを決められません。

不具合報告の検索、設備異常の検出、報告書の自動作成、技能継承など、目的によって必要な項目や品質は異なります。利用者、利用場面、期待する出力を具体化します。

入力する現場側に、どのような利益があるか

管理者がデータを利用できても、作業者には入力作業が増えるだけでは定着しません。

二重入力の削減、引き継ぎの簡略化、過去トラブルの検索、報告書の自動作成など、入力者にも明確な効果が必要です。「念のため」という理由で項目を増やしすぎると、入力負担とデータ品質の悪化につながります。

導入後に、何をもって定着と判断するか

システムを導入し、利用アカウントを発行しただけでは、定着したとは言えません。

入力率に加え、作業完了から入力までの時間、紙やExcelの併用率、再転記の有無、蓄積データの閲覧・検索回数などを確認します。PoCも、AIの精度だけでなく、現場の入力負担や運用可能性まで含めて評価すべきです。

これらは、製造業案件に慣れた支援会社には新しい論点ではないでしょう。一方、生成AIやデータ分析を起点に製造業へ参入した会社や、提案前調査に十分な工数を割けない会社では、確認が不十分になりがちです。

すべてを一律に詳しく調べる必要はありません。対象工程を絞った現場確認、既存帳票やExcelの確認、数名へのヒアリングによって、導入リスクを早い段階で見極めることが重要です。

５．製造業AI案件では「導入前調査」を独立した工程にする

ここまで挙げた確認事項は、製造業案件を多く経験している支援会社にとって、特別に新しいものではないでしょう。現場調査や業務整理の必要性を理解していても、提案期間やPoC予算が限られる中では十分な工数を確保できないことがあります。

特に生成AIやデータ分析、システム開発には強い一方、製造現場の調査を専門に担う人材が少ない会社では、経営層やDX推進部門へのヒアリングをもとに要件を整理しそのままツール選定へ進みがちです。

しかし、管理部門が認識している業務と現場で実際に行われている業務が一致しているとは限りません。紙のメモや個人管理のExcel、帳票に残らない例外処理が、業務を補っている場合もあります。こうした実態がPoC開始後に判明すれば、入力項目や画面、データ構造の見直しが必要になり、手戻りが発生します。

そのため、製造業向けAI案件ではツール選定の前に「導入前調査」を独立した工程として置くことが有効です。

1. 経営課題や要望の確認
2. 現場観察・作業者ヒアリング
3. 帳票、Excel、データフローの整理
4. AI活用の目的と必要データの確認
5. ツール選定・PoC

すべての案件で、大規模な調査を行う必要はありません。対象工程を絞り、既存帳票の確認と数名へのヒアリングを行うだけでも、入力負担、例外処理、必要データの不足といったリスクを早い段階で把握できます。

導入前調査を置くことで、支援会社はPoCに必要なデータが本当に存在するかを事前に確認できます。また、不要な機能を提案することや本導入後に紙やExcelとの二重管理が残ることも避けやすくなります。

一方で、現場ヒアリングや帳票整理には製造業の業務を理解し作業者の話から要件を組み立てる人材が必要です。必要性は分かっていても、自社のエンジニアやコンサルタントだけでは手が回らない場合、調査工程の一部を外部人材と分担する方法もあります。

製造業向けAI導入で重要なのは、ツールを導入できるかどうかだけではありません。現場で無理なくデータが残り、そのデータが改善やAI活用に継続的に使われる状態を設計できるかどうかです。導入前調査は、案件を重くするためではなく、PoC後の手戻りや定着失敗を減らすための工程です。

まとめ　AI導入の前に、データが生まれる現場を調べる

製造現場に紙やExcelが残っているのは、単にデジタル化が遅れているからではありません。紙の一覧性や柔軟性、Excelの修正しやすさが、現場の業務に適している場合があります。

そのため、電子帳票やタブレットを導入するだけでは、正確なデータが継続的に蓄積されるとは限りません。入力動線が作業に合っていなければ後入力や二重管理が発生し、データの意味や利用目的が整理されていなければ、AIによる分析や検索にも活用できません。

製造業向けのAI・DX支援では、ツールの機能を比較する前に、現在の帳票が果たしている役割、実際の入力環境、例外業務、データの利用目的を確認する必要があります。

導入前調査を独立した工程として設けることは、案件を複雑にするためではありません。PoCを始めてから現場との不整合に気づく事態を避け、現場で使われ続ける仕組みを設計するためです。

AI活用の成否は、ツールの性能だけでは決まりません。その前段階で、誰が、どのような業務の中で、何のためにデータを残すのかを把握できているかが重要です。

ご相談について

製造業向けのAI・DX案件における導入前調査、現場ヒアリング、既存帳票やExcelの整理、データ活用上の課題整理を支援しています。

AI導入支援会社、コンサルティング会社、システム開発会社などで、製造業案件の提案前調査や要件整理に十分な工数を割けない場合は、ご相談ください。案件の初期仮説づくりから、ヒアリング設計、調査結果の整理まで対応します。