製造・生産は、生成AIの効果を実感できている割合が39.8％。業務類型のなかでは上位です。

そして事例を見ると、AIに渡しているものが明確でした。保全記録、取扱説明書、設備図面——現場に紙で残っていた資料です。

この記事の要点

  • 製造・生産の効果実感は39.8％（活用している企業のうち）
  • 事例の設計は現場の資料を構造化してAIに渡す形
  • AIが答えを出すのではなく、技術者と往復する構成

⚠️ 以下は2026年8月12日に総務省「令和8年版 情報通信白書」データ集で確認した内容です。企業事例は白書掲載の図にもとづくもので、評価や推奨を行うものではありません。

位置づけを数字で見る

業務効果を感じる割合
議事録・メール作成補助72.3％
社内ヘルプデスク42.7％
製造・生産39.8％
研究・商品開発39.1％
経理・財務29.7％
社内システム開発・運用26.3％
調達25.9％

※その業務で生成AIを活用している企業のうちの割合です。

製造・生産は39.8％で、経理・財務（29.7％）や調達（25.9％）より高い。 「工場は現物の世界だからAIは関係ない」という印象とは、逆の結果になっています。

事例に見る仕組み

白書に掲載された設備故障診断の事例図から、構成が読み取れます。

AIに渡しているもの

図の左上に、入力となる資料が並んでいます。

  • 保全記録
  • 取扱説明書
  • 設備図面（配管図）

どれも、これまで現場に蓄積されてきた資料です。 新しいデータを集めるのではなく、すでにあるものを渡しているという点が要点だと思います。

2つの流れ

図は、大きく2系統に分かれています。

系統内容
OTデータ「OTデータAI可視化」を経て、OTナレッジグラフとして構成される（図には圧力計・タンク・ポンプ・バルブなどが描かれている）
OTスキル「分析プロセス」として構造化され、**プロンプト（AIへの指示文）**になる

設備そのものの情報と、それを診る技を、別々に構造化しているという設計です。

分析プロセスの4段階

「分析プロセス」の中身が、図に明記されています。

  1. 障害の把握
  2. 制御モデル分析
  3. 欠陥の特定
  4. 対策の立案

図にはこのプロセスに「STAMP」という記載があります（本記事では名称の確認にとどめ、手法の中身には触れません）。

🔍 編集部の本音 ここがいちばん面白い部分だと思います。熟練者が故障を診るときの手順そのものを、4段階に分けてAIへの指示文にしている。 つまり**「暗黙知をプロンプトの形に翻訳している」**わけです。AIの性能を上げる話ではなく、渡し方を設計している。この発想は、業種を問わず効きます。

技術者との往復

図の右側には保全技術者がいます。

  • 技術者 → 障害状況を入力
  • 生成AI → 原因・対策を返す

AIが単独で判断して終わりではありません。 技術者が状況を伝え、AIが候補を返し、技術者が判断する——この往復の形になっています。

現場の仕事はどう変わるか

業務AIとの相性補足
保全記録の整理・検索高い蓄積が資産になる
取扱説明書からの情報探し高い分厚いマニュアルの検索
故障原因の候補出し中〜高事例のとおり。判断は人
作業手順書の下書き高い定型。確認は必須
日報・引き継ぎの整理高い効果が最も出ている領域と同性質
現物の状態を確かめる低い音、振動、匂い
安全に関わる最終判断低い責任を負う
段取りの勘所低い状況依存

上5つと下3つで性質が分かれます。 情報を扱う仕事はAIへ、現物と責任の伴う判断は人に残るという構図です。

PR・おすすめstrategy career自分らしく働けるエンジニア転職エージェント。公式サイトを見る

何から始めるか

1. 紙の資料を電子化する

事例の入力は、保全記録・取扱説明書・設備図面でした。 これらが紙のままでは、AIに渡せません。

スキャンして終わりではなく、検索できる形にすることが前提です。

2. 手順を言葉にする

分析プロセスが4段階に分けられていたように、自分たちの手順を書き出します。

  • どこを最初に見るか
  • 何と何を比べるか
  • どこで判断が分かれるか

これは属人化を解く作業でもあります。 AIに渡すかどうかに関わらず、価値があります。

3. 記録の整理から試す

いきなり故障診断に使わないでください。 まず日報・引き継ぎ・作業記録の整理から始めます。効果が最も出ている領域（議事録・メール作成補助72.3％）と同じ性質の作業です。

なお、設備の仕様や図面は機密情報にあたる場合があります。 AIに入力してよいかは必ず事前に確認してください。判断軸はAIに社内情報を入れていい？にまとめています。

他の現場系の職種と比べる

同じ「現場」でも、進み方が違います。

進んでいること
製造・工場暗黙知の構造化と設備データの活用（効果実感39.8％）
建設・施工管理国の政策として施工の自動化。ただし件数はまだ小さい
購買・調達構想はサプライチェーン全体の連携。効果実感は25.9％と低い

製造は「持っている資料をどう渡すか」、建設は「作業そのものの自動化」、調達は「全体をどう繋ぐか」——同じAI導入でも、課題の在処が違います。

職種全体の見取り図は職種別・AIで変わる仕事まとめ、事務側の変化は事務職の仕事はAIでどう変わる？をどうぞ。

FAQ

Q. 工場の仕事はAIに奪われますか？ A. 事例で示されているのは支援の形です。 技術者が障害状況を入力し、AIが原因・対策を返し、判断は技術者が行う構成になっています。現物の状態を確かめる作業や、安全に関わる判断は残ります。

Q. 効果は出やすいのですか？ A. **製造・生産の効果実感は39.8％**で、業務類型のなかでは上位です（活用している企業のうち）。経理・財務や調達より高い数字です。

Q. 何を準備すればいいですか？ A. 保全記録・取扱説明書・設備図面のような、すでにある資料を検索できる形にすることです。事例でもこれらが入力になっています。

Q. 熟練者の技はどうなりますか？ A. 事例では、診断の手順を「障害の把握→制御モデル分析→欠陥の特定→対策の立案」の4段階に構造化し、AIへの指示文として使っています。技を置き換えるのではなく、渡せる形にしていると読めます。

Q. 中小の工場でもできますか？ A. 規模より、資料が電子化されているかが分かれ目だと思います。まずは日報や引き継ぎの整理から試すほうが現実的です。

Q. 中立の立場で「導入しなくていい」と言うこともありますか？ A. あります。紙の資料が整理されていない段階で診断システムを検討しても、入れるものがありません。 当サイトはAIツールも設備ベンダーも運営しておらず、提携の有無で評価を変えていません。順番としては、記録の電子化と手順の言語化が先です。

まとめ

  • 製造・生産の効果実感は39.8％。経理・財務や調達より高い
  • 事例の入力は保全記録・取扱説明書・設備図面。すでにある資料を使う
  • **設備の情報（OTナレッジグラフ）と診る技（分析プロセス）**を別々に構造化
  • 分析プロセスは障害の把握→制御モデル分析→欠陥の特定→対策の立案の4段階
  • AIは単独で完結せず、技術者が障害状況を入力し、原因・対策を受け取る往復の形
  • 始めるなら記録の電子化 → 手順の言語化 → 日報の整理の順

次に読む：職種別・AIで変わる仕事まとめ／AIに社内情報を入れていい？

※本記事は2026年8月12日時点の公表データにもとづく解説です。企業事例は白書掲載の図にもとづくもので、特定企業の評価・推奨を行うものではありません。

出典

最終更新：2026年8月12日／fondantAI編集部