「工場にAIを入れよう」という話が出たとき、最初に浮かぶのは設備やロボットの絵ではないでしょうか。製造業でAIエージェント導入を検討すると、多くの場合、候補にあがるのは生産設備の自動化です。
ところが、そこから始めた会社が最初にぶつかるのは技術の壁ではありません。「間違えたとき、誰がどこで気づくのか」という運用の壁です。
この記事は、生産設備の稼働・制御を対象外としたうえで、間接業務から着手する理由と、候補の並べ替え方、そして配ったあとに使われ続けるための教育の順番を整理します。材料は2026年版ものづくり白書の実測と、運営元WEBMARKSが自社で組んだAI社員体制の設計です。
こんなふうに調べていませんか
- 工場にAIを入れろと言われたが、どこから手を付ければいいのか分からない
- 現場に道具を配ったのに、いつのまにか誰も使わなくなった経験がある
この記事を読み終えたときに手に入るもの
- 生産現場と間接業務のどちらから着手するかを、理由つきで説明できるようになります
- 候補の業務を3つの軸で並べ替えて、最初の1〜2業務を選べるようになります
- 使われなくなった原因を切り分けて、どの段階へ戻すかを決められるようになります
結論30秒でわかる、この記事の結論
- 製造業のAIエージェント導入は、間違いが人の目を通ってから外へ出る間接業務から始めます。
- 候補の並べ替えは、判断が定型か・検証コストが低いか・誤りを差し戻せるかの3軸で行います。
- 権限を渡す前に、止める場所と教える段階を先に決めておきます。
進行役は3人です。高梨課長が現場で手を動かす側から聞き、大森部長が投資と体制の側から聞き、鈴木さん（本誌監修）が答えます。
01製造業のAIエージェント導入は、なぜ生産現場から始めないんですか？
大森部長うちにも工場があります。設備ではなく事務側から、というのは遠回りに見えるのですが。
鈴木さん遠回りに見えると思います。ただ、包丁を初めて握る人に、いちばん扱いの難しい魚から渡す人はいないと思うんです。戻せない失敗が起きる場所は、順番の後ろに置いています。
先に結論を書きます。
- 失敗したときの影響範囲が小さい間接業務から着手します。生産設備の稼働・制御は人身事故やライン停止に直結しうるため、この記事の対象外とします
- 候補が複数出たら、判断が定型か・検証コストが低いか・誤りを人が差し戻せるかの3軸で並べ替えます
- 権限を渡す前に、承認ゲートと教育の段階を設計します
2026年版ものづくり白書は、経済産業省・厚生労働省・文部科学省の3省連名で2026年5月に公表されました。通算26回目にあたります。同白書は製造プロセスの実態を調べていて、着手順を決める材料はそこにあります。
製造プロセスでデータを取得している事業者は約7割にのぼります。一方で、活用して効果を得ている事業者は約4割にとどまります（出典: 2026年版ものづくり白書）。
この落差が示しているのは、集める力の不足ではありません。取ったあとの使い道が決まっていない、ということです。だから最初に決めるのは、どのデータを集めるかではなく、どの仕事を任せるかになります。
同白書は、経営課題への意識が高い経営者ほど、AI・デジタル技術に積極的に取り組む傾向があるとも指摘しています（出典: 2026年版ものづくり白書）。危機感の大きさが、着手の早さに直結しているということです。裏を返せば、着手が遅れている会社は技術で遅れているのではなく、決める人がまだ動いていない、という読み方もできます。
この章のまとめ
着手順を決める材料は設備の中ではなく、「取れているのに効いていない」という落差の側にあります。
02生産現場でAIエージェントが間違えると、どこまで戻せなくなるんですか？
生産現場と間接業務を分けているのは、AIエージェントの賢さではありません。間違えたあと、その間違いがどこで止まるかです。
生産設備の稼働パラメータや制御ロジックにAIエージェントが直接介入すると、誤りは製品不良やライン停止、最悪の場合は人身事故につながります。取り消しがきかない領域です。この記事はここを対象外とし、専門家の関与を前提とした別の設計が要ると明記します。
AIエージェント設計の一般論としても、高リスクな用途では人が立ち止まる場所を作ることが勧められています。Anthropicは、隔離環境での十分なテストと適切な防護策を推奨するとしています（出典: Anthropic公式）。生産設備の稼働・制御は、業種を問わずこの高リスクな用途にあたります。
対して間接業務は、出力を人が読んでから使います。誤りは差し戻しや修正で止まります。並べると次のとおりです。
| 軸 | 生産現場（設備の稼働・制御） | 間接業務（文書・データ処理） |
|---|---|---|
| 失敗時の影響範囲 | 人身事故・ライン停止・製品不良に直結しうる | 差し戻し・修正で済むことが多い |
| 検証コスト | 実機での検証が必要で高い | 画面上の確認で足りることが多い |
| 変更の速度 | 設備改修や安全審査を伴い遅い | 設定変更のみで即日反映できることが多い |
| 必要な基盤 | 稼働データを収集する専用基盤が前提になりやすい | 既存の文書・データをそのまま使える |
表が並べているのは被害の大きさですが、図が並べているのは気づく順番です。生産現場では、間違いに気づくより先に設備が動きます。間接業務では、間違いは人の目を通ってから外へ出ます。同じ誤りでも、あいだに人が入るかどうかで別の事故になります。
03製造業のデータ基盤は、AIエージェント導入より先に整えるべきですか？
先に整えたほうがよい基盤と、無くても始められる基盤があります。表の「必要な基盤」の行が、その境目にあたります。
「必要な基盤」の行は、白書が示す実例そのものです。経済産業省は、製造現場の加工・稼働データを集約してAIモデルを実装する「製造AX拠点」構想を打ち出しました（出典: 2026年版ものづくり白書）。国が主導する拠点整備が要るほど、生産現場のデータ基盤づくりは個社単独では重いということです。
実際、企業間のデータ連携は、この2年でほとんど進展していません（出典: 2026年版ものづくり白書）。生産現場のデータ活用は、自社の中だけでは完結しない難しさも抱えています。
積み上がりで見ると、いちばん下だけが自社の判断で動かせる層です。上へ行くほど、設備の改修や相手先の同意といった、自分たちの外にある条件が増えていきます。間接業務から着手するというのは、この土台の層だけで始められる仕事を選ぶ、という意味でもあります。
人手不足も、間接業務からの着手を後押しします。中小企業庁の調査によると、製造業の従業員数過不足DIは2025年にマイナス17.9で、人手が不足する方向にあります（出典: 2026年版ものづくり白書）。製造業の就業者数自体も、2024年の1,046万人から2025年は1,033万人へわずかに減少しました。
人が足りない状態で、いちばん重い運用変更から手を付けるのは、体力の配分として無理があります。
この章のまとめ
生産現場と間接業務を分けているのは難しさではなく、間違いが人の目を通るかどうかです。
04製造業の間接業務のうち、AIエージェントに向くのはどの仕事ですか？
高梨課長事務側からと言われても、事務にもいろいろあります。どれから触ればいいんでしょう。
鈴木さん過去の型があって、出てきたものを人がその場で見られる仕事です。ゼロから考える仕事より、すでにある紙を並べ替える仕事のほうが、最初は合っています。
製造業の間接業務は、すべてが同じ難易度ではありません。候補を整理すると次のとおりです。
| 業務領域 | 具体例 | AIエージェントに向く理由 |
|---|---|---|
| 見積・仕様書の下書き | 過去案件の型を参照した見積書・仕様書の初稿作成 | 型が決まっており、人が最終確認しやすい |
| 品質記録・検査報告の整形 | 検査結果のメモを報告書フォーマットへ整形する | 入力が定型で、出力の正誤を判定しやすい |
| 保全・設備台帳の整理 | 点検記録や部品交換履歴の集約・検索性の向上 | 過去データの再利用が中心で、判断の余地が小さい |
| 調達・発注書類の下書き | 発注書や納期確認メールの下書き作成 | 定型文が多く、送信前に人が確認する運用と相性がよい |
| 技能継承資料の下書き | ベテランの説明を文字化し、マニュアル形式へ整形する | 白書が指摘する「指導する人材不足」への対応になる |
一覧に共通するのは、判断の材料がすでに社内にある点です。過去の見積書・検査基準・点検記録は、多くの事業者にとってすでに取得済みのデータです。白書が指摘する「取得しても活用しきれていない」状態を、いちばん早く崩せるのはこの種の間接業務からだと考えられます。
一方、生産現場における稼働パラメータの調整や、設備の安全基準に関わる判断は、この一覧から意図的に外しています。前章のとおり、この記事の対象外です。
05製造業でベテランの技能を残す作業は、AI社員に任せてもいいんですか？
技能継承は、ものづくり企業のAI活用で外せない話です。ここは白書の数字が、状況をそのまま説明しています。
ものづくり企業における人材育成の問題点を尋ねた調査があります。「指導する人材が不足している」と答えた事業所が62.8%で最多でした（複数回答・厚生労働省「能力開発基本調査」2025年6月・出典: 2026年版ものづくり白書）。
技能継承の取り組みとしては、高年齢の従業員に継続勤務してもらう割合が54.8%で最も高く、ベテラン依存の構造が続いています。
任せるのは、書き起こしと整形までです。ベテランの説明を文字にする作業をAI社員に渡せば、ベテラン本人の時間は説明そのものに残せます。技能そのものの判断や、継承できたかどうかの最終確認は人が担います。
順番が逆になると、うまくいきません。先に資料の体裁を整えてからベテランに見せると、直しの指摘が体裁の話に寄ります。話してもらう、書き起こす、本人が直す、の順で回すほうが、中身の指摘が出ます。
06製造業でAIエージェント導入の順番は、何を見て決めるんですか？
白書によれば、中小企業のデジタル戦略の策定率は18%にとどまり、データ連携にAIを活用している事業者も1割未満です（出典: 2026年版ものづくり白書）。多くの会社がまだ着手前なので、最初に選ぶ業務が結果を左右します。
候補が複数出たら、次の3軸で判定します。
- 判断が定型か：毎回同じ手順で答えが決まるか
- 検証コストが低いか：出力の正誤を人が短時間で確認できるか
- 誤りを人が差し戻せるか：間違っていても提出前・送信前に止められるか
あてはめると、着手順は次のようになります。
| 業務 | 判断が定型か | 検証コストが低いか | 誤りを差し戻せるか | 優先度 |
|---|---|---|---|---|
| 見積書の下書き | ○ | ○ | ○ | 高 |
| 検査報告の整形 | ○ | ○ | ○ | 高 |
| 技能継承資料の下書き | △ | ○ | ○ | 中 |
| 発注書類の下書き | ○ | △ | ○ | 中 |
| 設備の稼働パラメータ調整 | × | × | × | 対象外（生産現場） |
△が付いた業務は、判断や検証に人の目が多く要る業務です。優先度を下げるのであって、除外するわけではありません。○が3つ並ぶ業務を1〜2個に絞って始め、慣れてから△が混ざる業務へ広げます。全部署へ一度に配ることはお勧めしません（理由は後の章で扱います）。
3軸のうち、社内で最も議論になるのは検証コストです。出力の正誤を確かめる手間が、その業務を人がやる手間と変わらないなら、任せても総量は減りません。任せる価値は、作る時間ではなく確かめる時間で決まります。
この判定は、経営層の関与とも噛み合います。白書が指摘するとおり、経営課題への意識が高い経営者ほど早く着手する傾向があります。並べ替えた表を経営会議で共有し、どこから着手するかを先に合意しておくと、現場への説明もしやすくなります。
この章のまとめ
3軸は候補をふるい落とす道具ではなく、着手の順番を決める道具です。
07自社のAI社員の作り方は、製造業（ものづくり企業）の間接業務へどう移せますか？
大森部長御社は実際にどう組んでいるのですか。体制の話として聞きたいのですが。
鈴木さん人が決めたのは3種類だけです。目的、やらせない操作、置き場所。道具の使い方までは書いていません。そこは動かす人のほうが詳しいので。
WEBMARKSは2026年6月24日、社内業務を担うAI社員体制を7部署30体で統合しました。人が決めたのは目的・禁止操作（送信・公開・削除・決済）・保存先の3種類です。道具の使い方までは書いていません（詳しくはAI社員の組織設計｜部署より先に決める3点と確かめ方）。
この設計の本質は、業種によらず「誰が何を判断し、どこで人が止まるか」を先に決める点にあります。製造業の間接業務へ移すと、次のように読み替えられます。
- 目的を固定する：「見積書の下書きを作る」「検査報告を整形する」のように、業務単位で1つずつ定義する
- 禁止操作を固定する：顧客への送信、発注の確定、支払いの実行は、AIエージェントの権限から外し人の承認を必須にする
- 保存先を固定する：顧問先や取引先の非公開情報を含む書類は、AIエージェントが読み書きできる領域と分けて保管する
対応関係を整理すると、次のとおりです。
| WEBMARKSのAI社員設計の要素 | 製造業の間接業務での読み替え |
|---|---|
| 部署ごとの担当領域 | 見積・検査記録・調達など、業務単位で担当を分ける |
| 禁止操作（送信・公開・削除・決済） | 発注確定・出荷書類の外部送付・支払い実行を人の承認に残す |
| 保存先の分離 | 取引先の非公開情報を含む書類と、AIエージェントが読み書きできる領域を分ける |
移せるのは重なっている部分だけです。どの業務を任せ、どこから人が担うかの判断基準は、AIエージェントにできること｜任せる4条件と人に残る判断の4条件と共通です。製造業に固有なのは、その判定に「安全」という他業種にはない重みが1つ加わる点だけです。
承認ゲートの置き方も同じ設計を使います。送信・公開・削除・決済の直前で人の判断を挟む考え方は、AIエージェントの承認ゲート｜止める操作4種と3層の選び方が詳しく扱っています。製造業では、これに発注確定と出荷書類の外部送付を加えて運用します。
08現場の担当者にAIエージェントを渡したあと、使われ続けるんですか？
高梨課長正直に言うと、前に道具を配ったときは、いつのまにか誰も開かなくなりました。今回も同じになる気がしています。
鈴木さん初日に道具だけ配ると、たいていそうなります。使わせる前に、見せる時間を置く。その順番を飛ばしたかどうかで、だいたい決まっています。
製造業の現場で導入初日にツールだけを配って終わらせると、多くの場合は使われなくなります。教育を4段階に分けて設計します。
- 見て学ぶ（目安1〜2週間）：AIエージェントの出力を、担当者がいつもの仕事の横で見る期間を置く
- 一緒に使う（目安2〜4週間）：担当者が入力し、AIエージェントの下書きを担当者が直す期間を置く
- 一人で使う：定型業務を任せ、承認ゲートだけを人が担当する
- 改善提案：現場から「次に任せたい業務」をあげてもらう場を月次などで設ける
期間はあくまで目安であり、実測値ではありません。業務の複雑さや担当者の人数に応じて調整してください。
最初の「見て学ぶ」段階は、白書が指摘する「指導する人材の不足」を補う効果も期待できます。人が都度説明する代わりに、AIエージェントの出力を見本として使えるためです。
段階が進むにつれて変わるのは、AIエージェントの能力ではなく、人が持つ役のほうです。見る役から、直す役へ。直す役から、止める役へ。この移り変わりを飛ばすと、担当者は最後の役だけを渡されることになります。
この4段階を飛ばして3から始めると、入力の手間や出力の質に対する不満が拾われないまま離脱が進みます。
09使われなくなったAIエージェントは、どの段階へ戻せばいいんですか？
離脱が起きたあとに配り直しても、同じ結果になります。戻る先を決めてから手を打ちます。
使われなくなったときに確認する項目は3つです。入力の手間が仕事量に見合っているか、出力がそのまま使えるレベルか、上司自身がその業務でAIエージェントの出力を確認しているか。3つ目が抜けると、担当者だけが使い続ける理由を失います。
見る順番があるのは、原因ごとに戻る先が違うからです。手間が重いなら一緒に使う段階へ戻し、質が足りないなら任せる業務を絞り直し、上司が見ていないなら承認ゲートの置き方を見直します。同じ「使われない」でも、打ち手は別になります。
この章のまとめ
使われなくなった状態は結果であって、原因ではありません。どの段階へ戻すかを決めてから手を打ちます。
10製造業のAI導入でつまずくのは、たいていどこなんですか？
製造業のAIエージェント導入で実際によく起きるつまずきは、次の3つです。
- 生産現場から始めてしまう：稼働データが未整備のまま導入を進め、誤った出力をもとに設備を止めかけて初めて気づきます。この記事が間接業務からの着手を勧める理由そのものです
- 教育の段階を飛ばして全社一斉に配る：見て学ぶ・一緒に使うの期間を置かずにツールだけ配布すると、入力の手間に対する不満が拾われないまま使われなくなります。あとから利用状況を確認して、初めて形骸化に気づく事例が多いつまずきです
- 承認ゲートを事後に決める：先に配ってから止める場所を決めようとすると、送付済みの書類に誤りが混ざり、顧客に届いてから気づく事態になります。社内で気づける機会がないまま外部に出てしまう点が、このつまずきの危うさです
3つに共通するのは、やっている中身ではなく順番の問題だという点です。稼働データを整えることも、全社へ広げることも、いずれやります。決める順番が入れ替わっているだけです。だから直すのは中身ではなく、順番になります。
11着手前に、製造業のAIエージェント導入で何を確かめておきますか？
ここまでの内容を、着手前の確認に畳みます。
このチェックは、着手してよいかどうかの判定ではありません。着手の順番が決まっているかどうかの確認です。埋まらない項目があれば、そこが最初の作業になります。
上から順に見ると、対象を外す、並べ替える、絞る、止める場所を決める、教える、拾う、という並びになっています。前半は紙の上で終わります。後半は人の予定を押さえないと決まりません。会議の日程が要るのは後ろ側だと分かっていれば、着手までの段取りが立てやすくなります。
数値の扱いにも触れておきます。導入効果を書くときは誇張せずを付けます。社内の稟議でいちばん突かれるのはここで、根拠のない効果予測が1つ混ざると、資料全体の信頼が落ちます。
12よくある質問
製造業でAIエージェントを生産設備に使ってはいけないのですか
この記事では対象外としています。設備の稼働・制御は人身事故やライン停止に直結しうるため、専門家の関与を前提とした別の安全設計が要ります。この記事が扱うのは間接業務に限った導入設計です。禁止しているというより、扱う設計が違う、という整理をしています。
中小企業でも間接業務からのAIエージェント導入はできますか
白書は中小企業のデジタル戦略策定率を18%としています。規模が小さいほど基盤整備は遅れがちですが、見積書や検査報告の下書きなど、既存の文書だけで始められる業務からなら着手できます。生産現場のデータ基盤を先に整える必要はありません。まず紙が揃っている業務を1つ選んでください。
技能継承にAIエージェントは使えますか
ベテランの説明を文字化してマニュアル形式へ整形する下書き作業には使えます。技能そのものの判断や、継承が完了したかどうかの最終確認は人が担います。話してもらう、書き起こす、本人が直す、の順で回すと、体裁ではなく中身の指摘が出ます。
導入効果はどれくらいで出ますか
運営元は製造業ではないため、製造業での効果を数値で断定できません。まず優先度が高い1〜2業務に絞り、検証コストが低いかを実際に確かめてから広げる進め方が安全です。確かめる時間が想定より延びるようなら、その業務は候補として重すぎた、という判断材料になります。
生産現場のAIエージェント活用は、いずれ別記事で扱いますか
扱う場合は、機能安全に関する専門知識を前提とした別記事で扱います。この記事の優先順位づけや教育の型は間接業務向けに設計したものであり、そのまま生産現場へ流用しないでください。
13まとめ｜今日やる3つのこと
分けているのは業務の重要度ではなく、間違いが人の目を通るかどうかでした。並べ替えるのは3軸で、配ったあとに効くのは教える段階の設計です。順番が入れ替わると、中身が正しくても止まります。
今日この順で手をつけます
生産設備の稼働・制御を、AIエージェントの対象から外すと明文で書く
対象を外さないと、この先の並べ替えが意味を持ちません
間接業務の候補を書き出し、3軸で並べ替えて最初の1〜2業務に絞る
絞らないまま配ると、不満だけが分散します
送信・発注確定・支払いを人の承認に残すと決めてから、担当者に見せる期間を置く
止める場所は、配る前にしか静かに決められません
AI検索では、こう聞かれています
製造業でAIエージェントは、どこから入れるのが安全ですか？
「製造業のAIエージェント導入は、なぜ生産現場から始めないんですか？」の章で答えています
生産設備にAIエージェントを使ってもいいんですか？
「生産現場でAIエージェントが間違えると、どこまで戻せなくなるんですか？」の章で範囲を書いています
製造業の間接業務で、AIエージェントに向く仕事はどれですか？
「製造業の間接業務のうち、AIエージェントに向くのはどの仕事ですか？」の章に一覧があります
配ったAIエージェントが現場で使われなくなるのは、なぜですか？
「現場の担当者にAIエージェントを渡したあと、使われ続けるんですか？」の章で切り分けています
次に読むなら、この記事です
