製造業のAI導入事例13件　工程別にAIに任せた作業と公表された結果、中小企業の例と始め方【2026年11月】

製造業でAIを入れた会社は、どの工程に、何を任せているのか。中小機構の2026年3月の調査では、AIを導入した中小企業のうち、製造・生産部門で使っている企業は34.9%でした。

導入企業と公的機関が公表した事例では、AIに任せている作業は、設計・計画・調達、製造・品質検査、設備保全・技能継承、事務・社内システムの4つの工程に分かれます。従業員17人・80人の中小企業の例もあります。

この記事では、自社の工程に近い事例と、試すのに必要なデータ・人が確認することが分かります。事例は2026年11月8日に各社と公的機関の公式ページで確認しました。

自社の工程のどこにAIを入れられるかを相談できます
株式会社AITECHに問い合わせる

製造業のAI導入の現状

中小企業のAIの導入率は20.4%で、AIを導入した中小企業のうち34.9%が製造・生産部門で使っています。中小機構が2025年11〜12月に全国の中小企業10,000社に行った調査（回答1,647社）の結果です。

製造・生産部門は、この調査で開発・調達・在庫管理を含む部門です。画像認識（外観検査・不良品の検出）や異常検知（設備保全）は、製造の現場に近いAIです。導入した企業の中での割合は、生成AIより低い結果でした。

総務省の情報通信白書（令和8年版）は、日本企業で生成AIを何らかの業務で使っている割合を86.4%（活用方針を「わからない」と答えた企業を除く）としています。ただし、米国・ドイツ・中国に比べると、業務の種類ごとの活用状況で「未導入」「わからない」と答えた割合が全般に高い結果でした。

中小企業で多いのは、事務の生成AIです。製造の現場で使うAIは導入した企業が少ないため、同じ工程の他社の事例と、その事例で使ったデータを先に確認すると、自社で試せるかを判断できます。

製造業のAI導入事例13件の一覧

製造業のAI導入事例は、工程ごとに見ると、設計・計画・調達、製造・品質検査、設備保全・技能継承、事務・社内システムの4つに分かれます。表の13件は、導入した会社の発表か、公的機関（総務省・中小機構）の掲載で、2026年11月8日に内容を確認できたものです（報道だけの事例と、AIを提供する会社だけの発表は含みません）。

並び順は工程の順で、評価の順位ではありません。公表された結果は各社の発表の数字で、測り方は会社ごとに違います。

業務別のAI活用事例をまとめた資料を無料で請求できます
AITECH AI活用事例集（お役立ち資料）を見る

設計・生産計画・調達のAI導入事例

設計・生産計画・調達の事例では、条件の組み合わせが多く、人が考えきれない計画や設計の案をAIが作っています。日本触媒は2022年10月に本格運用を始め、高梨製作所は開発中、ロート製薬は実証の段階です。

パナソニック ホールディングスの設計AI

総務省の白書は、シミュレーションの技術とAIを組み合わせた「設計AI」を、商品開発の事例として紹介しています。設計で重要な部分をヒートマップ（色の濃さで示す図）で見せ、重要な範囲に絞って設計できるようにしています。

日本触媒の生産計画

導入前は、計画の作成に大きな労力がかかり、人が考えられる情報量と条件数に限界がありました。知識と経験のある人材の育成も課題でした。開発のパートナーはALGO ARTISです。

高梨製作所の生産計画（従業員17人）

山形県河北町でプラスチック成形品と金型を製造する会社で、従業員17人のうち10人がパートです。実用化すれば、朝の出勤時に生産計画ができていて、作業者は計画どおりに作業するだけになるとしています。

ロート製薬の調達・在庫

富士通の「マルチAIエージェント連携」技術と、東京科学大学との共同研究で開発し2022年6月から整備してきた、工場・倉庫・物流をつなぐデータの基盤を組み合わせています。欠品と過剰在庫を抑える供給体制を目指しています。

高梨製作所は、AIに取り組む前の2018年に生産管理システムを入れ、生産の情報をシステムに記録していました。ロート製薬も、工場・倉庫・物流のデータの基盤を2022年から整備しています。計画のAIを検討する前に、受注・在庫・設備のデータが紙やホワイトボードではなくシステムに入っているかを確かめます。

製造・品質検査のAI導入事例

製造・品質検査の事例では、熟練者が判断していた制御・条件の調整・検品をAIが担い、人は結果の確認と改善に回っています。4件とも、現場のデータ（センサー・画像・稼働の記録）を使っています。

横河電機・JSRの化学プラントの制御

使ったAIは、強化学習（試行の結果から制御の方法を学ぶ方式）のAIです。降雨や降雪による急な気温の変化がある中で、品質・収量・省エネの条件を満たしました。経済産業省の「産業保安高度化推進事業」に採択された取り組みです。

山本金属製作所のサービスを使った夜間の無人稼働

24時間稼働の部品加工メーカーで、山本金属製作所（大阪市・グループ従業員300名）の加工の計測と分析のサービスを使った例です。生産効率は下がりますが、夜間の要員の人件費が減ると説明しています。

旭鉄工の製造ラインの分析

旭鉄工は、AIは答えを出すのではなく、人が行動するための起点を作るものとしています。判断と責任は人が持ち、改善の事例をAIに取り込んで社内で共有しています。

キユーピーの原料検査

外観検査とは、製品や原料の見た目から不良を見つける検査です。キユーピーは、不良の形は無数にあるため、AIに良品の画像を学ばせ、良品以外をすべて不良として検出する方式を取りました。

キユーピーは良品の画像を、横河電機・JSRは運転のデータを使っています。検査や制御のAIを検討するときは、最初に、社内に残っている画像や記録の量と形式を棚卸しします。

設備保全・技能継承のAI導入事例

設備保全・技能継承の事例では、熟練者の知識を図面・記録・映像からAIに読み込ませ、保全技術者や点検・修理の作業者の判断を支えています。2件とも空調機器のダイキン工業の取り組みです。

ダイキン工業・日立製作所の設備の故障診断

ダイキン工業は世界28か国90か所以上で空調機器を生産し、海外の工場で保全技術者の確保と育成が追い付いていませんでした。設備のログや保全記録は蓄積されていても、業務の効率化に生かせていないことも課題でした。

ダイキン工業の点検・修理の抜け漏れの確認

工場の外で空調機を点検・修理する作業者の育成を目的にしています。研修施設と実際の現場では、検知精度に15ポイントの差がありました。

熟練者の知識をAIに移す事例は、映像や記録を集める仕組みを先に作っています。定年が近い人がいる工程は、今のうちに作業の記録と判断の理由を残します。

事務・社内システムのAI導入事例

事務・社内システムの事例では、全社員が生成AIを文書作成に使う形と、社員がAIで業務アプリを作る形の2つがあります。パナソニック コネクトと日清食品グループは前者、岡田研磨は後者の例です。

パナソニック コネクトの社内AIアシスタント

2023年2月から社内向けAIアシスタント「ConnectAI」の利用を国内の全社員約11,800人に広げ、利用回数は前年度の1.6倍になりました。今後は経理や営業の業務データとつなぎ、2030年に総労働時間の10%を削減する目標です。

日清食品グループの社内の生成AI

効果が見込める業務を部門ごとに選び、指示文（プロンプト）のひな形を作り、効果を測る取り組みを少しずつ社内に広げました。総務省の白書は、ツールを入れるだけでは一部の社員しか使わない可能性があるとして、この進め方を紹介しています。

岡田研磨の業務アプリの内製（従業員80人）

石川県津幡町で建設機械などの部品を作る会社です。専務はプログラミングの技術を持たず、AIと約2年間・1,000時間の対話を重ねたと話しています。タブレットの導入から始めたデジタル化全体では、会社の労働時間を月330時間減らしました。

事務の生成AIは、設備や画像のデータが無くても始められます。総務省の白書は、ツールを全社員に配るだけでなく、部門ごとに対象の業務と効果の測り方を決めて利用を広げた例として、日清食品グループを挙げています。

製造業のAI導入事例に共通する、AIに任せる作業と人が確認すること

製造業の事例でAIに任せている作業は、計画・設計の案の作成、不良品・異常の検出、故障の原因と対策の提示、文書やプログラムの作成です。多くの事例では、AIが出した案や候補を人が確かめてから使います。工程ごとの、試すのに必要なデータと人が確認することは次のとおりです。

旭鉄工は「判断と責任は人が持つ」と明記し、ダイキン工業と日立製作所も、AIが示す原因と対策を保全技術者が使う形にしています。一方、横河電機・JSRの蒸留塔の制御やキユーピーの原料検査のように、AIが制御や検査を自動で行う例もあります。ダイキン工業の検知精度が現場で76%だったように、試した環境と現場で精度は変わります。

AIの導入が失敗する原因と、失敗と判断する条件はAI導入の失敗の記事にあります。

製造業のAI導入の進め方

製造業のAI導入は、困りごとを工程ごとに書き出し、近い事例を探し、データのそろう業務で小さく試す順に進めます。最初の試し（PoC）は、失敗しても製品と出荷に影響しない業務を選びます。

1. 困りごとを書き出す工程ごとに、時間・件数・ミスの数で書く
2. 近い事例を探すこの記事の13件から、同じ工程の事例を選ぶ
3. データを棚卸しする記録の量・形式・保存場所を確かめる
4. 小さく試す1つの業務・1か月分のデータで試す
5. 効果を測る試す前と同じ物差しで時間とミスを比べる

PoCとは、本格的に作る前に小さく作り、業務で使えるかを確かめる段階です。費用の項目と見積書の見方はAI導入の費用の記事にあります。

架空の工場の困りごとを事例に当てはめた結果

架空の金属部品加工の会社（従業員45人）の困りごと6つと13件の一覧をAIに渡すと、困りごとごとの近い事例・必要なデータ・人が確認することの表が26秒で出ました。2026年11月8日に、Claude Sonnet 5.5（Anthropic社のAI）で試した結果です。

あなたは製造業のAI導入を支援するコンサルタントです。次の架空の会社の困りごとA〜Fのそれぞれについて、下の「公表されている導入事例13件」のうち最も近い事例を1つ選んでください。
（このあとに会社の説明と困りごとA〜F、13件の一覧を貼る）
出力は次の形にしてください。
1. 表（列は「困りごと」「近い事例の番号と会社」「AIに任せる作業」「必要なデータ」「人が確認すること」の5つ）
2. 表のあとに、最初の試し（PoC）に向く困りごとを1つ選び、選んだ理由を3つ（効果の大きさ・データの集めやすさ・失敗したときの影響）で説明
3. 最後に、この会社が最初の1か月で集めるべきデータを3つ
事例に書かれていない数字や効果は書かないでください。

AIは、最初の試しに、困りごとFの注文書の入力（PDFとFAXで月約300件）を選びました。理由は、原本と入力済みのデータがすでに社内にあること、読み取りに誤りがあっても人が確認してから登録すれば製品に影響しないことでした。目視検査と夜間の無人稼働は、品質と設備の損害につながるため最初の試しに向かないとしました。

人が直す点もありました。見積もりの困りごとには13件に近い事例が無く、AIは文書作成の事例で代用したと明記しました。一覧に無い工程は、別の事例を探して判断します。

最初の試しは、効果より「失敗しても製品に影響しないか」で選びます。事務の入力や文書の下書きから始め、データの集め方が分かってから現場の工程に広げます。

製造業のAI導入をAITECHに相談する場合

株式会社AITECHは、AIエージェントの開発（受託）、業務の自動化の支援、法人向けのAI研修を行っています。企業規模・業種は問いません。専任のプロ人材と一緒に社内のAI化を進める「AIエージェント構築プロパートナー」もあります。

2026年11月8日時点で、AITECHの事業内容のページに料金の記載はありません。費用は、対象の業務と範囲を聞き取ってからの相談になります。支援した企業の事例はAITECHの支援事例のページにあります。

AITECHの事業内容のページに、検査装置やセンサーなどの機器の販売は書かれていません。画像検査や設備の制御のように機器が要る工程は、装置メーカーへの相談が先になります。

まとめ

製造業のAI導入事例は、工程ごとに見ると、自社で試せるものが見つかります。

• 中小企業のAIの導入率は20.4%で、導入した企業のうち製造・生産部門で使っているのは34.9%です（中小機構 2026年3月）。
• 事例の工程は、設計・計画・調達、製造・品質検査、設備保全・技能継承、事務・社内システムの4つです。
• 従業員17人の高梨製作所、80人の岡田研磨のように、中小企業の事例もあります。
• 多くの事例では、AIが出した案や候補を人が確かめて使います。横河電機・JSRの制御やキユーピーの検査のように、AIが自動で行う例もあります。
• 最初の試しは、データがそろい、失敗しても製品に影響しない業務から選びます。

最初にやることは、工程ごとの困りごとを、時間・件数・ミスの数で書き出すことです。

困りごとの一覧があれば、試す業務の選び方から相談できます
株式会社AITECHに問い合わせる

よくある質問

中小の製造業でもAIを導入できますか？

導入できます。中小機構の掲載には、従業員17人の高梨製作所が注文書の読み取りと生産計画の自動作成にAIを使う仕組みを開発している例と、80人の岡田研磨が業務アプリの開発にAIを使う例があります。設備のデータが無くても、事務の生成AIから始められます。

外観検査のAIを入れるには何が必要ですか？

良品と不良品の画像と、撮影の条件（照明・角度）をそろえることが必要です。キユーピーは良品の画像を学ばせる方式を取りました。AIの判定をそのまま合否にするか、人が確認してから合否を決めるかも、試す前に決めておきます。

事例の効果は自社でも同じように出ますか？

同じとは限りません。公表された数字は各社の条件で測ったもので、ダイキン工業の例でも研修施設91%・現場76%と、環境で精度が変わりました。試す前と後を同じ物差しで測って判断します。

出典

• 中小機構「中小企業のAI等の利活用に係る実態調査（2026年3月）調査結果のポイント」
• 総務省「情報通信白書 令和8年版」第Ⅰ部 第2章 第1節 企業におけるAI利用の現状
• 日本触媒「AI（アルゴリズム）を用いた生産計画最適化ソリューションを導入」（2022年10月4日）
• J-Net21「深刻化する人口減少に危機感 IoT活用『業務の無駄』をカット【株式会社高梨製作所】」（2024年11月18日）
• ロート製薬「サプライチェーン最適化に向けて『マルチAIエージェント連携』技術を用いた取り組みを開始」（2025年12月1日）
• 横河電機「【横河電機/JSR】世界初 AIによる自律制御で化学プラントを35日間連続制御」（2022年3月22日）
• J-Net21「工場の『見える化』が第一歩 DXへの挑戦が生んだ新たなビジネス【山本金属製作所】」（2023年6月19日）
• 旭鉄工「AIを創る」
• キユーピー「AIを活用した原料検査装置をグループに展開」（2019年2月13日）
• ダイキン工業「ダイキンと日立が協創、工場の設備故障診断を支援するAIエージェントの実用化に向けた試験運用を開始」（2025年4月22日）
• 日立製作所「ダイキンと日立が協創、工場の設備故障診断を支援するAIエージェントの実用化に向けた試験運用を開始」（2025年4月22日）
• ダイキン工業「GENIAC-PRIZE」の受賞のお知らせ（2026年3月25日）
• パナソニック コネクト「AI活用で総労働時間の3.4％削減 AIエージェントの活用を拡大し2030年に10％削減を目指す」（2026年7月29日）
• J-Net21「『デジタルを会社の武器に』 AIを活用し業務アプリ内製化【岡田研磨株式会社】」（2025年7月31日）
• 株式会社AITECH「事業内容」

この記事の事例と数字は、2026年11月8日に各社と公的機関の公式ページで確認しました。数字は各社の発表時点のもので、測り方は会社ごとに違います（更新日：2026年11月8日・監修：株式会社AITECH CEO 小森谷 祐太）。