「AIですか、使ってますよ。ChatGPTに文章を書かせたり、Claudeに相談したり」
中小製造業の経営者の方とお話ししていると、最近は本当によく聞く言葉です。何年か前まで「うちには関係ない」と言われていたことを思えば、これはこれで大きな変化ですよね。
ただ、そこで少しだけ、意地の悪い質問をさせてください。
- 今月、いちばん儲かった製品はどれですか。
- いま倉庫にある在庫は、金額でいくらありますか。
- あの得意先の仕事は、本当に利益が出ていますか。
即答できた方は、この記事を読む必要はありません。どうぞブラウザを閉じて、現場に戻ってください。
けれど、もし少しでも口ごもったとしたら――申し上げたいのは、それはあなたの会社が遅れているからではない、ということです。AIに聞く前の「数字」が、まだ社内のどこにも無い。ただそれだけの話です。
そして、この「数字が無いまま経営判断をしている」状態は、決して珍しいものではありません。むしろ、中小製造業の多数派ではないでしょうか。値上げ交渉のテーブルに着いても、根拠となる原価が出せない。だから、言われた金額を飲むしかない。悔しいですよね。
ここからが本題です。その数字を取ることは、かつてのように何百万円もかかる話ではなくなりました。引き出しに眠っているスマホ1台と、数千円のセンサーと、AIがあれば足ります。
今回は、AIを「物知りなチャット相手」で終わらせず、現場のデータを自動で取りにいく仕組みそのものをAIに作らせる、その最初の一歩を解説します。人もカネもないところから始めた、えびや大食堂と旭鉄工の事例も交えながら進めますので、今回も読み終えるまでのお時間、しばらくお付き合いくださいませ。
結論：AI時代の中小製造業が、最初にやるべき3つのこと
先に結論から申し上げます。この記事でお伝えしたいことは、次の3つだけです。
結論① AIより先に「データを取る」
すべての改善は、現場の一次データから始まります。在庫、工数、不良。取れていない数字がある限り、AIは何も答えてくれません。AIは魔法の箱ではなく、材料を入れて初めて動く道具だからです。
結論② 全工程一斉はやらない
1ライン、1工程から始めてください。絞るのは範囲だけです。期間をあらかじめ区切る理由は、もうありません。
かつての稼働分析が「1週間」だったのは、人が現場に張り付いてストップウォッチを押していたからです。自動で取るなら、いつまで、と決める理由はどこにもありません。この点が、昔のカイゼン活動との決定的な違いです。
結論③ 社内だけで抱えない
外部の専門家を「伴走者」として、最初から入れてください。最も失敗しやすいのは、導入の作業ではなく、どこから手を付けるかの見立てです。そして、その見立てを誤ったまま数百万円を投じてしまう例を、私たちは本当によく目にします。
この3つを、これから順にご説明します。
なぜ「チャットAI」だけでは、儲けにつながらないのか
在庫も、製品別原価も、わからないという現実
まず、多くの中小製造業で実際に起きていることを、正直に並べてみます。
- 在庫数量が特定できない。 棚卸しのたびに帳簿と現物が合わない。合わないから、最後は現物に帳簿を合わせる。合わせた瞬間に、なぜズレたのかは永久にわからなくなる。
- 製品別の原価がわからない。 出せるのは、月次の総原価を生産数で割った「どんぶり勘定」だけ。品番ごとに手間のかかり方はまるで違うのに、その差は誰も知らない。
- だから、何が儲かって、何が儲かっていないのかがわからない。 忙しいのに、利益が残らない。もしかすると、いちばん受注が多い製品が、いちばん赤字なのかもしれない。けれど、確かめる術がない。
根拠が無いから、価格交渉のテーブルに乗れない
そして、ここが最も痛いところです。「材料が上がったので」としか言えない交渉と、「この品番は御社の仕様変更で工数が1.4倍になっています」と数字で示せる交渉。結果が違うのは当然ですよね。
こうした状況を前にすると、つい「ITが遅れているからだ」と考えてしまいます。しかし、原因はITではありません。判断の根拠となる数字を、社内の誰も持っていない。ただそれだけです。
AIの本命は「データを取る仕組みを作らせる」こと
ここで、AIの話に戻ります。ChatGPTやClaudeに経営の相談をすると、それらしい答えは返ってきます。ですが、それはあくまで一般論です。あなたの会社の、あの品番の、あの設備の話は、AIは何ひとつ知りません。知らないものについては、答えようがないのです。
では、AIは中小製造業にとって役に立たないのか。とんでもありません。AIの本命の使い方は、答えを聞くことではなく、「データを取る仕組みそのものを作らせる」ことです。
かつて、現場のデータを取る仕組みを作るには、システム会社に依頼して数百万円と数ヶ月が必要でした。それが、AIに設計とプログラムを書かせることで、数万円と数日にまで下がりました。ここが、いま起きている本当の変化です。チャットで賢い答えをもらうことではありません。
「人もカネもない」から始まった2つのDX事例
とはいえ、「うちには人もいないし、金もない」という声が聞こえてきそうです。ですから、その状態から始めた2社の話をさせてください。
えびや大食堂：勘と経験の商売を、「数字」に変えた
伊勢神宮のおはらい町にある、ごく普通の食堂でした。仕入れは女将の勘、来客数は当日にならないとわからない。余れば捨て、足りなければ売り逃す。多くの中小企業と同じです。
そこから始めたのは、来客数を「予測する」のではなく、まず記録することでした。日々の客数、天候、曜日、周辺の人出。手元にある数字を集め、なぜ外れたのかを毎日確かめていく。その積み重ねが、やがて高い精度の来客予測になり、食材ロスの削減と、大幅な売上増につながっていきました。
飲食業の話じゃないか、と思われたでしょうか。ですが、需要が読めない、多品種で、材料を抱えるという構造は、中小製造業とまったく同じです。
旭鉄工：設備1台に、センサー1個から
自動車部品メーカーの旭鉄工が始めたのも、驚くほど地味な一歩でした。設備1台にセンサーを取り付け、「いま動いているか、止まっているか」を記録する。それだけです。
当時、市販の生産管理システムは高額で手が出なかった。だから自分たちで作った。すると、誰も知らなかった事実が見えてきました。設備は、思っていたよりずっと長い時間、止まっていたのです。しかも、大きな故障ではなく、数十秒の小さな停止の積み重ねによって。
そこから改善が始まり、生産性は劇的に向上しました。そして最終的に、自社で作ったその仕組みは外販事業（iSmart Technologies）になりました。コスト削減の話が、新しい企業価値の創造にまで届いたわけです
2社の共通点は、3つ
- 小さく取る — 全社改革ではなく、設備1台、記録1項目から始めている
- 全員が数字を見る — 一部の管理者ではなく、現場が自分で見られる状態を作った
- 改善が人を育てた — 数字で語る習慣が、結果として人材を育てた
そして、忘れてはいけないことがもう1つあります。どちらも、最初から完成形だったわけではありません。記録項目を変え、やり方を変え、失敗しては直す。その試行錯誤の連続だったはずです。私たちが見ているのは、その何年も後の姿にすぎません。
明日から始める！現場データを取るための4ステップ
ここからは、実際の手順です。
ステップ1：経営の優先課題を1つ選び、「今日から取れるデータ」に翻訳する
まず、大事なお願いを1つ。いきなり製品別原価を出そうとすると、かなり大変です。 材料費・作業費・製造間接費を最初から狙うことは、確かに重要な数値ではありますが、現状とのギャップを一歩ずつ埋めていくこと、その為に必要な環境整備とあわせて、段階的に整備していくことが大切です。
最初にやることは、経営としていま一番痛いところを1つだけ挙げることです。データはまだ無くて構いません。社長の実感で十分です。
「あの得意先の値上げ交渉に、根拠が出せない」
「残業が減らない。どこで時間を食っているかわからない」
「棚卸しのたびに在庫が合わない」
そのうえで、その課題を「今日から取れるデータ」に翻訳します。
| 経営で困っていること | 最初に取るデータ |
|---|---|
| 価格交渉の根拠がない | 品番ごとの実績（何を・いつ・何個） |
| 残業が減らない | 設備の稼働／停止の記録と、停止の理由 |
| 納期が守れない | 工程通過の時刻（いつ次の工程へ流れたか） |
| 在庫が合わない | 入出庫の移動記録（何が・いつ・いくつ動いたか） |
| 不良が減らない | 不良の発生数（どの工程で・どの品番が・いくつ） |
ご覧のとおり、取るのは数量でも、時刻でも、回数でも構いません。基準はただ1つ、その課題が見えるようになるかどうかです。「時間を取らないと意味がない」といった決まりはありません。
条件を1つだけ付けるなら、人が判断して入力しなくても取れるデータを選ぶこと。現物や機械が勝手に教えてくれるものなら、現場の負担にならず、続きます。
選ぶ範囲は1つだけ。1ライン、1工程、1台の設備でいい。やってみて違ったら、対象を変えればいい。数万円でやり直せることが、この方法の最大の利点です。
そして最初の目標は、「改善する」ことではありません。「知らなかった事実を、1つ見つける」ことです。事実が1つ見つかれば、現場は必ず「なぜだ」と言い始めます。その気づきが、行動に変わる。データを取る目的は、そこにあります。
ステップ2：一次データは「AI/IoT」で自動的に取る（紙とExcelに戻らない）
さて、では何で取るか。ここで多くの会社が「まずはExcelで」とおっしゃいます。手軽に始められる、とても自然な発想です。ただ、もし本気でデータを活かしたいなら、もう一歩先の方法をおすすめしたいのです。
理由は2つあります。負担と信頼性、そしてスピードと鮮度です。
1つめは、負担と信頼性です。現場で作業をこなしたうえで、その結果をあらためて打ち直す——この「二度手間」が、じわじわと現場の負担になります。負担の大きい作業ほど忙しいときには後回しになり、抜けや遅れも増えていく。つまり、いちばんデータを頼りにしたい局面ほど、手元の数字が当てにならなくなってしまうのです。裏を返せば、記録の手間を最初からなくしてしまえば、忙しさに関係なく、いつでも信頼できるデータが自然と手元に残るということです。
2つめは、スピードと鮮度です。管理カードや手書きの記録を事務所で後からまとめて入力する。すると一日の出来高がわかるのは、作業がすべて終わったあと。生産遅延の挽回や納期対策も、どうしても後手になりがちですよね。工程担当の方が日中に現場を回って確認したり、残業でカバーしたり——現場のみなさんは、本当によく頑張っていらっしゃいます。だからこそ、もったいないのです。せっかく現場で生まれた情報が「時間」で滞留し、鮮度を失ってしまう。取れたての数字なら、その日のうちに手を打てるはずなのに。——これは本当にもったいない話です。
今なら、こういう方法があります。
手段①：眠っているスマホ ＋ QRラベルで、現場の実績を取る
引き出しに眠っている旧型のスマホと、QRコードのラベル。これだけで、作業実績、在庫の移動、工程の通過が記録できます。読み取った時刻が自動で残るので、「何が・いつ・いくつ」が、そのままデータになる。現場の作業は「読むだけ」。入力作業がゼロなので、続きます。
肝心のアプリは、AIに書かせます。私自身、Claude Codeに指示して、古いスマホとQRリーダーで現場のデータを収集するアプリを作りました。専用ハンディターミナル1台分にも満たない予算で、自社仕様のものが手に入る時代です。
手段②：Raspberry Pi ＋ Node-RED ＋ Python で、設備を語らせる
数千円のボード（Raspberry Pi）とセンサーで、設備の稼働／停止と生産数を自動でカウントする。Node-REDで収集し、現場のモニターにグラフとして映し出す。プログラムはAIに書かせる。既存設備を改造することなく、外付けで「本当は何個作れていて、どれだけ止まっていたのか」が見えるようになります。
まさに旭鉄工がやったことですが、当時よりはるかに安く、速くできます。
ここで、経営者の方に強くお伝えしたいことがあります。
かつての壁は「金額」でした。いまの壁は、「やると決めること」だけです。
数百万円の生産管理システムを導入する話ではありません。1ライン、1工程から、数万円で試せる。失敗しても捨てられる金額だから、試せる。これがスモールスタートの本質です。
ステップ3：数字を全員で見る場をつくる
取ったデータは、必ず現場が自分で見られる場所に出してください。朝礼10分、現場のモニター1枚で構いません。
事務所のPCの中にあるデータは、無いのと同じです。データは、見られて初めて意味を持ちます。
そして「全員」には、経営者も含みます。社長だけが別の資料を見ている状態は、それだけで議論が噛み合わなくなります。
ステップ4：データを「競い、楽しむ」小集団活動に変える
そして、ここがこの記事の核心です。
見えた数字を、社長が現場を指摘するために使わないでください。現場が自分たちで動き出すために使ってください。
データを取ることが、日々の現場作業の結果だけではなく、現場を巻き込んだ活動への「原動力」になっていくこと。データから「課題」に気づいて、その課題を「改善」につなげて、その結果が見えることから、さらに次の行動につなげられる組織風土を築いていく必要があります。
ここまで来て、ようやくDXは「自走」を始めます。
QCサークルは、すでに手元にある武器です
中小製造業の多くには、小集団改善活動の下地があります。かつてのQCサークルが形骸化した理由の1つは、データ集めそのものが仕事になっていたことでした。模造紙にグラフを手書きしていた、あの時間です。
データが自動で取れる今、サークルは「集める」作業から解放され、「考える」ことに専念できます。昔とは前提が違うのです。
改善を、競技にする
見える化した数字を、そのままチームの得点にしてしまいましょう。今週の停止時間、段取り替えの短縮分。班ごとに並べる。ただし、競うのは他班との順位ではなく、先週の自分たちとの差分です。日々の承認は小さくていい。朝礼で名前を呼ぶだけで、数字が動く手応えは十分に伝わります。
⚠️ ただし、競わせる対象を間違えないでください。
「不良ゼロ」を競わせれば、不良は報告されなくなります。数字は必ず、測られたとおりに人を動かします。競うのは結果ではなく、改善のプロセス（見つけた数、試した数）です。
先の旭鉄工でも、「失敗はない。すべて経験なので、次に活かせばいい」との評価を明確し、さらに「成功も失敗も、事例は全て共有する」を徹底することで、改善する(試してみる)ことを楽しむ企業風土と人財育成を、時間をかけて実現されました。
そして、風土になる
この活動が回り始めると、会議の景色が変わります。「勘で言い合っていた議論」が、「データで話す議論」に変わる。誰の声が大きいかではなく、数字が正しいかで決まるようになる。
この会話が定着したとき、改善は社長が旗を振らなくても回り始めます。えびや大食堂も旭鉄工も、そうやって人が育ち、新しい事業まで生まれました。
DXの成果物は、システムではありません。この会話です。
現場にデータ収集を定着させる3つのコツ
とはいえ、つまずくポイントは決まっています。3つだけ挙げます。
コツ1：「1チーム1テーマ」のスモールスタートで、小さな成功体験を先に作る
いきなり全班展開はしないでください。1つのチームが「やってよかった」と実感すること。それが最良の社内プレゼンになります。説明だけではなかなか動きませんが、隣の班の成功から、「よし、自分たちも」と動きだすはずです。
コツ2：現場の言葉で見える化する
きれいなダッシュボードを作り込む必要はありません。現場のモニター1枚、極端に言えば手書きのグラフでも構わない。大事なのは、現場の人が、自分の言葉で説明できるかどうかです。誰も読めない立派な画面より、全員が指をさせる腹落ちした1枚のグラフです。
コツ3：経営者は、同じ数字を見て、場を仕掛ける
これが最も重要かもしれません。
まず、やってはいけないことから。現場で数字が見えるようになっても、それとは別に「今月の成果はどうだった？」と報告を求めて、誰かが報告資料を作ってしまっては、せっかく自動でデータが取れるようにしたのに、それをまとめ直す新しい間接業務が生まれる。これでは本末転倒です。
それよりも、経営者が自ら現場に入り、同じ数字を見ること、関心を持つことが重要です。
正しいのは、社長が現場と同じ画面を見ることです。同じ数字を見ていれば、報告は要りません。会話はいきなり「なぜ先週より落ちたんだ？」から始められます。
そして、これには思わぬ効果があります。社長の勘と、現場の勘がぶつかる不毛な議論が消えるのです。同じ事実を見ているのですから、議論の出発点が揃う。「そんなはずはない」ではなく「本当だ、なぜだろう」から始まる。経験の差は、事実の前では対等です。
そのうえで、経営者にしかできない仕掛けがあります。発表会と、表彰です。
日常の報告は要りません。ですが、半年に一度でいい、各チームが自分たちの改善を発表する場を作ってください。そして優秀なチームを、社長自ら表彰する。日常の報告とは、まったく別物です。
- 報告は、上司のために現場が時間を使う行為
- 発表は、現場の成果を全社が知り、他のラインへ横展開される場
しかも、データが自動で取れていれば、発表資料づくりは苦になりません。グラフはもう画面にあるのですから。模造紙に手書きしていた、あの準備は要らないのです。
そして社長が壇上で、「この班のおかげで、あの製品の値上げ交渉ができた」と言う。その一言が、次の半年を動かします。現場が本当に欲しいのは報奨金ではなく、自分たちの工夫が経営に届いたという実感です。
逆に、経営者が数字を見なくなった瞬間、そのデータは「現場の自己満足」に格下げされます。経営者の関心こそが、DXの燃料です。
一人で始めないでください：専門家支援の賢い使い方
最後に、結論③の話をさせてください。
ここまでお読みになって、「やることはわかった。でも、うちの場合はどこから手を付ければ……」と思われたなら、その感覚はまったく正しいです。
そして、まさにその「見立て」の部分こそ、外部の目が最も効く場面です。ステップ2のツールは、極論すればAIが作ってくれます。しかしステップ1、つまり「自社の経営課題は何で、そのためにどのデータを、どの工程から取るべきか」の判断は、AIには絶対にできません。自社の中にいると、当たり前すぎて見えないことも多い。
相談先は、思っているより身近にあります。
- 中小企業診断士 — 経営課題から、取るべきデータへの翻訳
- ITコーディネータ — 経営とITの橋渡し、実現手段への落とし込み
- よろず支援拠点／生産性向上支援センター — 無料の公的窓口。専門家が現場に足を運んでくれる伴走型
- NIROものづくり支援センター — 製造業の技術面はこちら。上記センターと連携し、IoT・AI導入も支援
そして、支援を受けるときの唯一にして最大のコツをお伝えします。
丸投げしないこと。
データを見るのは、あくまで自社です。専門家は答えを持ってくる人ではなく、答えを出せるようにする伴走者です。ここを取り違えると、立派な報告書だけが残って、現場は何も変わりません。そういう例を、本当にたくさん見てきました。
まとめ：今日、1つだけデータを取り始めよう
完璧な仕組みは要りません。全社の計画も、大きな投資判断も、今日は不要です。
必要なのは、「知らないことを知る」1歩目だけです。設備1台の停止時間でも、1品番の作業時間でもいい。何か1つ、今日から取り始めてください。
冒頭の問いに、今日答えられなくて構いません。データを取り、現場が数字で語り始めた会社は、半年後には自分たちでその答えを出しています。
答えを買うのではなく、答えを出せる組織になる。それがDXです。
そしてその1歩目に、どうか誰か伴走者を1人つけてください。あなたの会社は、遅れているのではありません。まだ、始めていないだけです。
AI/IoTによるデータ収集は、単なる最新技術のお遊びでも、大企業だけの話でもありません。「勘と経験と度胸」で戦うしかなかった中小製造業に、事実という武器を、手の届く値段で持たせてくれる。極めて実用的で、強力な道具です。かつては数百万円を払える会社にしか許されなかったことが、いま、私たちの手の中にあります。
事実を集めることはデジタルに任せ、私たち現場の人間は「なぜだ」と考え、知恵を絞る。数字を前にすれば、若手もベテランも対等に議論できます。そうやって人が育ち、やがて会社そのものが変わっていく。えびや大食堂も旭鉄工も、その道を通ってきました。特別な会社だったからではありません。最初の1つを、測ってみたからです。
一歩目は、驚くほど小さくて構いません。ただ、一人で悩まないでください。「どこから測ればいいのか」と迷ったなら、それこそが、専門家に声をかける合図です。
今回も最後までお付き合いいただき、ありがとうございました。
皆さんの現場のカイゼン活動が、少しでも前に進むことを期待しています。
