2022年11月、OpenAIが対話型AI「ChatGPT」を公開し、2か月後にはユーザー数が1億人を突破しました。ふだんの言葉で頼むだけで文章などをつくる「生成AI」が、一気に身近になった出来事です。
AIの研究そのものには、数十年の歴史があります。製造業で生成AIへの関心が高まったのは、使いやすさに加えて、人手不足や技能伝承（熟練者の技や知識を次の世代に引き継ぐこと）という業界の課題と重なったためです。
この記事では、生成AIが注目される背景を、社会や業界の変化、技術の歴史、従来の技術との違い、導入のメリットと課題という順で整理します。
生成AIが注目される背景
生成AIへの関心が高まった理由は、技術の進歩だけではありません。製造業にとっては、次の4つの変化が重なったことが大きいと言えます。
技術の進歩と、製造業が抱える課題が重なっています。
※市場の見通しはJEITA（2023年12月発表）による世界需要額の予測です。
人手不足と技能伝承
製造業では、多くの現場で人手不足が続いています。特に深刻なのが、設備の保全や品質のトラブル対応など、経験がものを言う仕事の担い手が減っていることです。
熟練者の知見は、報告書や手書きのメモ、本人の頭の中に散らばっていて、若手が必要なときに引き出しにくいのが実情でした。生成AIは、こうした文書に埋もれた知見を、質問に答える形で取り出せることから、技能伝承の新しい手段として期待されています。
たとえば、ベテランの保全担当者が長年書きためてきた故障対応の記録を、生成AIに読み込ませておきます。すると若手が「このポンプの異音の原因は」と尋ねるだけで、似た事例と当時の対策を示してもらえます。
人に聞きにくい夜勤の時間帯でも、まず自分で手がかりを得られるようになります。人手不足の全体像は人手不足・省人化の記事で詳しく解説しています。
誰でも使える操作性
生成AIが一気に広まったきっかけは、2022年11月にOpenAIが対話型AI「ChatGPT」を公開したことです。
総務省の令和6年版情報通信白書によると、ChatGPTはわずか5日で100万ユーザーを獲得し、公開から2か月後にはユーザー数が1億人を突破しました。
これほど急速に広がったのは、プログラミングの知識がなくても、ふだんの言葉で指示を出すだけで使えたためです。AIが専門家のための道具から、現場の技術者や事務担当者が自分で使う道具へと変わったと言えます。
その後、文書作成ソフトやメール、表計算ソフトなど、ふだんの業務ソフトにも生成AIの機能が組み込まれ始めました。新しいシステムを覚えなくても、今の仕事の流れの中で使えることが、企業での利用を後押ししています。
市場の急拡大と製造分野への期待
市場の伸びも注目を集める理由です。電子情報技術産業協会（JEITA）が2023年12月に発表した見通しでは、生成AI市場の世界需要額は年平均53.3％で成長するとされています。
2030年には2,110億ドルと、2023年の約20倍に達する見込みです。
中でも伸びが大きいとされているのが製造分野です。
同じ見通しでは、製造分野は年平均54.6％で成長し、2030年には507億ドルに拡大するとされています。現場の業務支援や製品開発の支援が、利用を押し上げる要因に挙げられています。
日本の需要額も、2030年には1兆7,774億円に達する見通しです。
ルールと社内方針の整備
使い方のルールづくりも進んでいます。総務省と経済産業省は2024年4月に「AI事業者ガイドライン」の第1.0版を公表し、その後も改訂を重ねて、2026年3月には第1.2版を公表しました。
企業側でも方針づくりが進んでいます。
令和7年版情報通信白書によると、生成AIを積極的に、または領域を限って活用する方針を定めている日本企業は増えています。2024年度の調査では49.7％と、前年度の42.7％から上昇しました。
「試しに使う」段階から「ルールを決めて使う」段階へ移りつつあると言えます。
ただし同じ調査では、他の国と比べると方針を定めている企業の割合は低い傾向にあり、中小企業では約半数が方針を明確に定めていないとされています。ルールづくりは、これからの企業も多いのが実情です。
生成AIの歴史と進化
生成AIは、突然生まれた技術ではありません。ルールを人が書き込むAIから、データから学ぶAI、そして新しいものを生み出すAIへと、段階的に発展してきました。
学ぶAIの時代、生成モデルの発展、普及期の3つの段階に分かれます。
※年代は代表的な出来事の目安です。研究の進展は並行して進んでいます。
初期のAIは、専門家の知識を「もしAならB」という規則として人が書き込む方式が中心でした。考え方はわかりやすい一方、規則を書き尽くすのが難しく、想定外の状況には対応できませんでした。
次に広まったのが、データから規則性を見つけ出す機械学習です。2010年代にはディープラーニングの登場で画像認識の精度が大きく上がり、製造業でも外観検査や故障予兆の検知などに使われるようになりました。
生成AIの直接の土台になったのが、2017年に発表されたトランスフォーマーという仕組みです。文中の言葉どうしの関係を一度に見渡せるため、モデルとデータを大きくするほど性能が伸びることがわかり、大規模言語モデルの開発競争が始まりました。
そして2022年のChatGPTの公開で、生成AIは研究者のものから一般の利用者のものになりました。現在は、画像や音声もあわせて扱うマルチモーダル化や、業務の手順まで自ら進めるAIエージェントへと進化が続いています。
製造業から見ると、これまでのAIは「検査」や「予測」といった限られた工程で使う専門の道具でした。
生成AIの登場によって、設計、生産技術、品質保証、保全、営業など、文書や知識を扱うあらゆる部門が使い手になった点が、これまでの流れとの大きな違いと言えます。
従来技術との違い
生成AIは、既存のシステムを置き換えるものと思われがちですが、実際には得意なことが異なります。違いを押さえておくと、どの業務に使い、どの業務には使わないかを判断しやすくなります。
生成AIは、これまで製造業で使われてきたITやAIと、何が違うのでしょうか。大きな違いは、扱える情報の種類と、使い始めるまでの準備の量にあります。
得意なことが異なるため、置き換えではなく使い分けが基本です。
※従来のAIも生成AIも、用途によって向き不向きがあります。
ルールベースのシステムとの違い
生産管理システムや品質管理システムのような従来のITは、人が決めた手順どおりに処理を行います。結果が毎回同じで、なぜその結果になったかを説明しやすいのが強みです。
生成AIは、決まった手順ではなく、学習した大量の例をもとに答えを組み立てます。形式の決まらない文書や相談ごとにも対応できる一方で、答えが毎回同じとは限らず、判断の根拠が見えにくい点が大きな違いです。
画像検査などの従来型AIとの違い
外観検査や故障予兆の検知に使われてきたAIは、特定の目的のために、自社のデータを集めて学習させるのが基本でした。良品と不良品の画像を大量に用意し、見分け方を覚えさせるといった具合です。
生成AIは、あらかじめ膨大なデータで学習した汎用のモデルを、指示の出し方次第でさまざまな業務に使い回せます。用途ごとに一からAIをつくらなくてよいことが、導入のハードルを下げました。
ただし、良否判定のように高い精度と再現性が必要な仕事では、今もAI・画像検査のような専用のAIが向いています。
検索システムとの違い
社内の文書検索は、キーワードに合う資料の一覧を返すだけで、読んで答えを探すのは人の役目でした。
生成AIを組み合わせると、関連する資料を読んだうえで、質問への答えを文章でまとめて返せます。資料を探して読む時間が減る一方で、要約の過程で誤りが混じることもあるため、元の資料を確かめられるようにしておくことが大切です。
生成AIのメリット
製造業で生成AIを使うメリットは、大きく次の3つにまとめられます。
時間の短縮だけでなく、知識の使い方も変わります。
文書作業の時間を短縮できる
製造業の仕事には、次のような多くの文書作業が含まれます。
- 日報
- 不具合報告
- 議事録
- 手順書
- 顧客への回答書
生成AIに下書きを任せれば、人は内容の確認と仕上げに集中できます。
一件あたりの短縮は数分から数十分でも、全社で積み重なれば大きな時間になります。実際に社内で導入して、年間の削減時間を公表している企業もあります。
また、白紙から書き始めるより、たたき台を直すほうが心理的な負担も小さくなります。文章を書くのが苦手な人でも、要点を箇条書きで伝えれば読みやすい報告書に整えてもらえるため、文書の質のばらつきを抑える効果も期待できます。
社内の知見を引き出しやすくなる
過去の不具合報告や設計の検討記録、品質規程などは、必要なときに見つけ出すのが難しい情報でした。生成AIと社内文書の検索を組み合わせると、質問するだけで関連する記録を探し出し、要点をまとめてくれます。
経験の浅い技術者でも、過去の知見にすぐ当たれるようになるため、熟練者に聞かなければわからなかったことを自分で調べられる場面が増えます。
専門外の作業のハードルが下がる
次のような専門外の作業にも、生成AIは役立ちます。
- 海外の取引先とのメール
- 英語の技術資料の読解
- データ集計のためのプログラム作成
たとえば設計者が簡単なデータ処理のプログラムを書いたり、品質担当者が英語の規格文書の概要をつかんだりと、一人で対応できる仕事の幅が広がるのも大きな利点です。
生成AIの課題と導入時の注意点
便利な一方で、生成AIには特有の弱点やリスクもあります。導入の前に、次の3点は必ず押さえておきたいところです。
リスクを知ったうえで、使い方のルールを決めておくことが大切です。
※対策の内容は、利用するサービスや社内の体制によって変わります。
もっともらしい誤り（ハルシネーション）
生成AIは、事実と異なる内容を自信のある口調で答えることがあります。存在しない規格番号や、根拠のない数値が混じることもあり、これをハルシネーションと呼びます。
設計値や安全に関わる判断にそのまま使うのは危険です。回答の根拠となる資料を示させ、最終判断は人が行うという運用を決めておくことが欠かせません。
情報漏えいと権利の問題
外部のサービスに図面や顧客情報を入力すると、情報が社外に出るおそれがあります。令和7年版情報通信白書でも、日本企業が導入時に懸念する点として、社内情報の漏えいなどのセキュリティリスクが上位に挙がっています。
入力してよい情報の範囲を社内ルールで決め、入力内容が学習に使われない契約や環境を選ぶことが基本です。生成した文章や画像が他者の著作物に似ていないかといった、権利面の確認も必要になります。
特に、取引先から預かった図面や仕様書は、契約で扱いが決められていることが少なくありません。自社の情報だけでなく、取引先の情報をどう扱うかも含めてルールを整えておく必要があります。
効果の見極めと人材の育成
同じ白書では、日本企業の懸念として「効果的な活用方法がわからない」が最も多く挙がっています。ツールを配るだけでは使われず、効果も見えにくいのが実情です。
対象の業務を絞って小さく試し、削減できた時間などで効果を測ることが大切です。あわせて、プロンプトの書き方や結果の確かめ方を教える社内教育を用意すると、一部の人だけが使う状態から抜け出しやすくなります。
まとめ
- 生成AIは、人手不足と技能伝承の課題に、ふだんの言葉で使える操作性が重なって注目された
- JEITAは製造分野の世界需要額が2030年に507億ドルへ拡大すると見通している
- ルールベースのAI、機械学習、トランスフォーマーを経て、2022年のChatGPTで一気に普及した
- 従来のIT・AIと違い、形式の決まらない文書を扱え、用途ごとに一からつくる必要がない
- ハルシネーション、情報漏えい、効果の見極めへの備えが導入の前提になる
生成AIの仕組みや基本原理については生成AIとは？仕組みと基本原理で、製造業での具体的な使い方と企業の事例は生成AIの主な用途と導入事例で解説しています。
現場への導入を考えるうえでは、生産技術や品質保証・品質管理の仕事とあわせて読むと、活用の場面をイメージしやすくなります。
生成AIの最新動向や関連する技術については、生成AIの技術ページから関連記事もあわせてご覧ください。
出典
出典・参考資料（4件）を開く出典・参考資料を閉じる
- 生成AIの特徴・ChatGPTの普及：総務省「令和6年版 情報通信白書」生成AIの急速な進化と普及
- 生成AI市場の需要額見通し：一般社団法人電子情報技術産業協会（JEITA）「生成AI市場の世界需要額見通しを発表」（2023年12月21日）
- 企業の生成AI活用方針・利用状況：総務省「令和7年版 情報通信白書」企業におけるAI利用の現状
- AI事業者ガイドライン：総務省「AI事業者ガイドライン」
NEWSLETTER
選んだ職種・業種に合わせた記事を、週1回メールで
週刊MONOSCOPEは、登録時に選んだ職種・業種に合わせた記事を週1回お届けする無料のメルマガです。
職種・業種を選んで登録へ ›
無料・週1回。登録後に届く確認メールのリンクを押すと登録が完了します。配信はメール内のリンクからいつでも停止できます。
WEEKLY NEWS
今週の製造業ニュース10選
メルマガは職種・業種に合わせた記事。LINEとnoteでは、全員共通の10本を毎週土曜の朝にお届けします。
LINEでニュース10選を受け取るnote今週のニュース10選をnoteで読む ›
コメント