中小企業製造業のDX推進担当者である私自身も対象です。

• 中小製造業の経営者、DX推進担当者
• 生成AIを導入したが成果が出ない、どう活用すれば良いか分からない
• 生成AIを活用して事業変革を進めたいが、具体的な進め方が不明
• ものづくり補助金やIT導入補助金を生成AI活用に役立てたい

「生成AIを導入する」フェーズは終わったと考えてよいと思います。生成AIの導入割合が他国とほとんど変わらないためです。ただ生成AIを活用できていると実感している企業は大幅に低いため、「単に導入してお試しで使う」ではなく「利益が出るように活用していくこと」が重要だと改めて感じました。

• 「生成AI」が単なる技術テーマではなく、競争優位と認識されているため、事業変革を実現していくべき。

社内でも電子化・OCRであったり（法人向け）生成AIの利用開始や利用促進、オンプレシステムのクラウド移行とWebアプリ活用など、製造業DXを進めています。その中で、総合コンサルティングファームであるPwCのレポート「生成AIに関する実態調査2026 春 6カ国比較」がとても参考になったので解説したいと思います。特に「生成AI利活用」について、他国と比較した日本の状況であったり、直近4年の推移がグラフで紹介されており、とても分かりやす資料です。

• PwC「生成AIに関する実態調査2026春」で、日本企業の生成AI導入率は高いものの、期待を上回る効果創出や財務的還元が6カ国中最下位であることが明らかになった。
• この結果は、生成AIが個別の業務で部分的に使われる「点の活用」に留まり、事業プロセス全体を変革する「線の活用」に至っていない現状を示している。

今回の記事作成に際して行ったことは下記の4点です。どの項目も重要ですが、（下の）②高効果企業と低効果企業を分ける要因、③具体的なユースケース、④補助金活用、が個人的には気になります。「経営陣主導」は私もその通りと思いまして、トップが方針を示さないと「生成AIをそもそも使っていいのか？」という気持ちで社員も生成AIをフル活用できないですよね。

また、「ROI測定の重要性」の観点では、生成AIを入れてみただけではなく効果測定が必須との分析結果です。「経営陣主導」＝生成AIを導入した効果を明確に示す必要があり、ここでこけると以降の生成AIの推進にストップがかかる可能性もあります。よって、「導入しっぱなし」ではなくフォローアップや課題・利活用共有などを行い、効果創出を先導していく必要があります。

1. PwCの「生成AIに関する実態調査2026春」および「2025春」の結果を分析し、日本企業の生成AI活用における「高い導入率と低い効果創出」というギャップの構造的課題を特定した。
2. 高効果企業と低効果企業を分ける要因として、「経営陣主導」「自律的なAIエージェントやフィジカルAIの中核業務プロセスへの統合」「ROI測定の重要性」を抽出した。
3. 中小製造業が「線の活用」を実現するための具体的なアプローチとして、「熟練工の技能伝承の自動化」「図面チェック・見積照合の自動化」「生産管理システムと連携した在庫・納期予測の自律化」の3つの具体例を提示した。
4. 各具体例において、課題、解決策、ROI目標例を明確にし、ものづくり補助金やIT導入補助金の活用における定量的な目標設定の重要性を強調した。

高効果企業と低効果企業を分ける要因

「経営陣主導」

経営陣が「どの業務プロセスを変革するか」「生成AIを使ってよい範囲」を明確に示し、全社方針として推進を進めることを指します。現場任せの個別利用ではなく、AIエージェントなどを中核業務プロセスへ統合する投資・体制を決定します。

実際、私自身も今はAIエージェントを使って複数依頼をこなしていますが、トップの判断がないと使ってよいか判断できずに使っていませんでした。「生成AIガイドラインを作ったから、これを遵守して活用して」ではなく、「この領域については業務効率改善目的に生成AIを積極的に活用してよい」というような、具体的なルールの周知が必要かと思います。

他に個人的に感じることは、「人の作業の代替」だけでなく、「生成AIを利活用して新たな仕組みづくり」が重要と思います。「点ではなく線」というのはまさにこのことだと思います。

併せて、「導入後も効果を測定し、課題や活用事例を共有しながら、継続的な改善を主導」も必要です。そのような場を設けるだけで、現場でも効果測定をし、「さらに効果を出すために、どのようなアプローチが必要か？」という意識を持つと思います。あらかじめ目標を設定して、定期的に進捗状況の報告やフォローアップをする必要があります。

• 導入前に、削減時間・不良率・在庫コストなどのKPIやROI目標を設定します。
• 導入後も効果を測定し、課題や活用事例を共有しながら、継続的な改善を主導します。
• 日本国内に特有の別の定義が示されているわけではなく、この調査・ノート上では、経営陣の方針提示から投資、効果測定、業務変革までの責任ある関与を指します。

「自律的なAIエージェントやフィジカルAIの中核業務プロセスへの統合」

代表的にAIエージェントを4つ紹介します。その前に「自律的なAIエージェント」とは何か。なんとなくのイメージはできていると思いますが、改めて製造業にフォーカスを当ててまとめてみたいと思います。社内でもいくつか取組中のものがあります。

自律的なAIエージェント：質問に答えるだけでなく、社内データを参照し、判断・提案・処理まで業務プロセス内で実行する仕組みです。具体的なアージェントの一例として、熟練工の作業動画、マニュアル、日報データなどを学習し、新人作業員からの質問に対し、具体的な手順や注意点をチャット形式で回答したり、作業指示書を自動生成したりする「技能伝承AIエージェント」、CADデータやPDF図面を解析し、過去の類似図面、部品データベース、製造コストデータと照合して設計上の不整合や見積差異を自動で指摘する「図面・見積照合AIエージェント」、ERPやMES（製造実行システム）のデータ、販売実績、サプライヤー納期情報などを統合分析し、最適な生産ロットや発注タイミングを提案する「生産計画・在庫納期AIエージェント」などがあります。

社内でもRAG学習してAIチャットボット（社内の決まりなど）をDifyなどで構築しています。ルーチンワークやAI-OCRなどはエージェントではなく人の手でツールを実行しています。それがさらに進化すると、「自律的なAIエージェント」がフローを一気通貫で実行し、最後のダブルチェックだけを人が担うようになると思います。

技能伝承AIエージェント：

熟練工の作業手順・判断基準を検索し、新人への作業指示やチェックリストを作成します。熟練工の作業動画、マニュアル、日報データなどを学習し、新人作業員からの質問に対し、具体的な手順や注意点をチャット形式で回答したり、作業指示書を自動生成したりします。

社内でも作業の動画マニュアルや、改めて作業マニュアルを整備するにあたりヒアリングなどを行っています。マニュアル・日報について特に過去データは紙媒体が多いです。今ではLLMが賢くなるにつれてAI-OCRの制度も上がってきており、自前で高性能なLLMを利用してAI-OCRを試してみるのもよいと思います。2年程前と比較するとかなり精度が上がっています。

図面・見積照合AIエージェント：

顧客図面、過去の設計データ、製造ノウハウ、コスト情報を照合し、設計ミスや見積差異を検出します。CADデータやPDF図面を解析し、過去の類似図面、部品データベース、製造コストデータと照合。設計上の不整合や、過去の見積との差異を自動で指摘し、修正案を提示します。

図面関係は社内ではまだ取り組みがあまりないです。ただ、この手の内容は属人化しやすいと思い（社内でも図面を見てすぐに判断できる人は一部だけ）、取り組む価値と効果は大きいと思います。

生産計画・在庫納期AIエージェント：

生産管理システムや販売データを分析し、発注・生産計画・納期調整の案を自律的に作成します。ERPやMES（製造実行システム）のデータ、過去の販売実績、季節変動、サプライヤーの納期情報などを統合分析。最適な生産ロットや発注タイミングを提案し、予期せぬ需要変動時には自動で生産計画を調整し、納期遅延リスクを通知します。

基幹システムなどにもかかわってくる内容かと思います。全面的にAIで代替してもらう場合は詳細な設定（全パターンを網羅）をする必要があり、リターンは大きいものの導入時にはハードルがかなり高いイメージです。生産計画も在庫から判断して原料の発注も熟練の人の判断によるものが大きいです。俗人化を防ぎ技術伝承を進めるためにも、効果は最も大きいと思い、個人的には将来的な発展が気になります。

その他、キーワードの補足とまとめ

• プロセス統合の要点：単体ツールとして導入せず、図面受付→チェック→見積→受注→生産計画→納期管理のように、前後の業務とデータを接続することです。
• フィジカルAI：AIの判断を、現実の設備やロボットの動作に反映する仕組みです。具体例は、協働ロボットによる部品のピッキング・組み立て・搬送などの作業支援・自動化や、製造ライン上の製品画像をリアルタイムで解析し、不良品を自動で検出・判定する画像検査AIです。
• 中小製造業では、まず「図面・見積照合AIエージェント」など効果を測りやすい業務から始め、次に協働ロボットや検査設備へ広げる進め方が条件付きで可能です。
• 次に、対象工程、接続するデータ、削減時間・不良率などのKPI、最終判断を人が行う範囲を決め、補助金の最新情報は中小企業庁で確認します。

メモ

「システムを変えてみたけどイマイチ効果が感じられない」といった声はよく私自身も耳にします。特に紙の電子化については、「作業効率が落ちた気がする」という声があり、「ただ導入しただけ」ではなくフォローアップ、さらに踏み込んだ利活用を考えていく必要があるとは考えています。

PwCの調査結果より、日本企業の生成AI活用・推進度は87%、他国と変わらない水準まで伸びています。ただ、導入効果を実感している企業は3ptの増加と微増です。導入は大きく進んでいるが効果を実感している割合がかなり低いということ。

活用が広がるにつれて、論点は「使っているか」から「期待を超える効果を継続的に生み出せているか」へフェーズが進んでいると見受けられます。また期待を大きく上回る効果を創出している企業の割合は、日本が9%と6カ国で最も低く、米国38%、英国32%とは大きな開きがあります。

生成AIに対する見方については大きな変化があります。生成AIを「業界構造を根本から変革するチャンス」ととらえる割合は30%となり、2025年までの減少傾向から反転しています。生成AIが単なる技術テーマではなく、自社の存在意義や競争優位を問い直すテーマになったと考えてよく、生成AIの積極的な利活用と、導入効果が必要です。

• 日本企業は生成AIを「点の活用」から「線の活用」へ移行し、明確なROI目標設定と補助金活用で事業変革を実現すべき。

無形効果

生成AIの導入効果を簡単にまとめます。以前より言われている一般的な内容ばかりですが、AIを活用することで従来から抱える課題の解決につながり、結果的に利益を増やしたり人は創造的業務へ集中できます。今後は製造業においても生成AI導入（とりあえず入れてみた）、ではなく効果の実感（工数や費用の削減に成功した、課題解決になった）とできるようにする必要があります。

• 属人化の解消と組織全体の知識レベル向上
• 品質・生産性の均一化と安定化
• 意思決定の迅速化と精度向上
• サプライチェーン全体のレジリエンス強化
• 企業文化のDX推進への変革
• 従業員の創造的業務への集中

キーワードと言いかえ

• 生成AI活用 → 事業変革、DX推進
• 点の活用 → 個別業務でのツール利用、部分最適
• 線の活用 → 業務プロセス全体への統合、自律的なAIエージェントによる変革
• PoC沼 → 実証実験止まり、本番移行できない状態
• ROI → 投資対効果、成果の定量化

参考リンク

• マイナビニュース 2026年6月12日 — PwC「生成AIに関する実態調査2026春」の報道
• PwC Japan 生成AIに関する実態調査2025春 — PwC「生成AIに関する実態調査2025春」の原典レポート
• PwC Japan — PwC「生成AIに関する実態調査2025春」の概要ページ

1. 経済産業省 中小企業庁
2. 独立行政法人 中小企業基盤整備機構
3. 中小企業 - Wikipedia
4. 中小企業・小規模企業者の定義 | 中小企業庁
5. 「中小法人」と「中小企業者」の違いは？それぞれで適用 ...
6. 中小企業(チュウショウキギョウ)とは？ 意味や使い方 - コトバンク