2026年に入り、図面の照合や品質トラブルの原因分析、設備の故障診断といった業務に、生成AIを組み込んだ「AIエージェント」が使われ始めました。
日立製作所やパナソニック コネクトは、自社の工場や設計部門で使い、作業時間が何割減ったかという数字まで公表しています。
背景には、熟練者の頭の中にある知識を次の世代にどう引き継ぐかという、多くのメーカーに共通する課題があります。設計・品質保証・保全の具体的な事例と成果を見ると、生成AIが現場の仕事をどう変えつつあるかがつかめます。
この記事では、製造業で生成AIの活用が進む背景、生成AIとAIエージェントの違い、2026年の主な動きを整理します。続いて、設計・品質保証・保全・生産計画の業務別事例、成果が出ている事例の共通点、導入の課題、現場の仕事の変化を取り上げます。
製造業で生成AIの活用が進む背景
製造業で生成AIが注目される一番の理由は、熟練者の頭の中にある知識を、次の世代にどう引き継ぐかという課題です。ベテランの退職が続く一方で若手の採用は難しく、トラブル対応や設計のチェックを任せられる人が限られてきています。
ダイキン工業は、日立製作所と始めた設備故障診断AIの試験運用の背景として、熟練技術者の減少を挙げました。加えて、海外工場での保全技術者の確保や育成が追いつかず、保全のリードタイムが延びたり品質にばらつきが出たりしている点も挙げています。
こうした悩みは、多くのメーカーに共通するものです。
もう一つの理由は、製造業がもともと大量の文書とデータを抱えている業界だという点です。
図面、仕様書、検査記録、不具合報告書、保全日報などが部門ごとに蓄積されていますが、必要なときに必要な記録を探し出すのに時間がかかっていました。
文章を読んで要点をまとめるのが得意な生成AIとは、相性のよい領域だといえます。
企業全体で見ても、生成AIの利用は急速に広がっています。ただし調査によって数字がかなり違うため、読み方には注意が必要です。
調べる相手によって、利用率は3割台から8割台まで大きく変わります。
※総務省はデジタル化に着手済みの企業（従業員10名以上）の管理職、帝国データバンクは全国の企業約1万社への調査で、母集団が異なります。
総務省の調査はデジタル化にすでに取り組んでいる企業の管理職が回答者で、帝国データバンクは規模を問わない全国の企業が対象です。つまりデジタル化の土台がある企業ではほぼ当たり前になった一方、全体ではまだ3社に1社という状態だと読むのが自然です。
使い道にも偏りがあります。総務省の調査では、日本企業の活用は「議事録・メール作成補助」が約7割で最も多く、帝国データバンクの調査でも「文章の作成・要約・校正」が45.1%でトップでした。
事務作業での利用が中心で、設計や品質保証など本業への展開はこれからという企業が多いのが実情です。
生成AIとAIエージェントの違い
2026年の製造業のニュースでは、「生成AI」よりも「AIエージェント」という言葉が目立つようになりました。両者は別物というより、同じ生成AIを、どこまで業務の中に組み込んでいるかの違いと考えると分かりやすくなります。
ChatGPTのような汎用のチャットは、インターネット上の一般的な知識をもとに答えます。便利ですが、自社の図面や過去の不具合記録は知らないため、現場の具体的な質問には答えられません。
そこで社内の文書を検索してから回答させる仕組みが広がりました。RAG（検索拡張生成。質問に関係する社内文書を探し、その内容をもとにAIが回答する方式）と呼ばれるものです。トヨタ自動車の「O-Beya」も、この仕組みで作られています。
AIエージェントはさらに一歩進み、目的に向けて複数の手順を自分で組み立てて実行するものを指します。記録を探し、照合し、報告書の下書きを作り、足りない情報があれば別のシステムに問い合わせる、といった一連の作業をまとめて引き受けます。
右に行くほど業務データとのつながりが深く、任せられる範囲も広がります。
※呼び方は企業によって異なり、RAGの仕組みを「AIエージェント」と呼ぶ例もあります。
ポイントは、右に行くほどAIの賢さよりも自社のデータと業務手順をどれだけ整えたかが成果を左右するという点です。後ほど紹介する事例も、この準備に時間をかけています。
2026年に何が起きたか：主な発表の時系列
製造業向けのAIエージェントは、2024年ごろから大手メーカーの社内で試され始めました。その後、2025年に工場での試験運用、2026年に製品としての提供と社内展開の本格化へと進みました。
主な発表を時系列で並べると、流れがつかみやすくなります。
社内での試行から、製品提供と全社展開へと段階が進んでいます。
- トヨタ自動車「O-Beya」運用開始9つの専門AIエージェントが協調。パワートレーン開発の約800人がアクセス可能
- ダイキン工業と日立が設備故障診断AIの試験運用堺製作所臨海工場で、回答時間10秒以内・精度90%以上を確認
- 三菱電機が対立議論型マルチAIエージェント技術を発表AI同士に反対の立場で議論させ、根拠つきの結論を導く
- 日立「現場サポートAIナビ」提供開始工場の設備故障診断を支援するAIエージェントを製品化
- パナソニック コネクト「Manufacturing AIエージェント」社内展開図面・設計仕様の照合時間を最大97%削減
- 日立「品質ナレッジシステム」発表品質保証のトラブル対応を支援。自社工場で検索時間を約9割削減
- パナソニック コネクトが2025年度のAI活用実績を公表削減時間78.8万時間、総労働時間の3.4%に相当
- 日立がAIオーケストレーション技術を発表営業・生産・調達のAIエージェントが連携し、日程調整を自動化。2027年中に提供予定
※各社のニュースリリース等をもとに作成。色付きは2026年前半の主な導入・提供開始です。
2026年の特徴は、ベンダーが外に売る製品と、メーカーが社内で使う仕組みの両方がそろって動き出したことです。
日立は自社の大みか事業所で効果を確かめたうえで、製造業向けソリューション群「HMAX Industry」として外販しています。パナソニック コネクトは内製したエージェントを設計部門に展開しました。
また、対象が「一つの部署の中の作業」から「部門をまたぐ調整」へ広がり始めた点も見逃せません。日立の8月の発表は、注文変更や納期調整のたびに営業・生産・調達の担当者が行っていた調整を、各部門のAIエージェント同士に任せるという構想です。
業務別に見る活用事例
ここからは、公表されている事例を業務別に見ていきます。どの事例も「誰の、どの作業が、何分から何分になったか」まで具体的に示されているものを中心に選びました。
設計・開発：図面照合と技術知見の検索
パナソニック コネクトは2026年2月、設計・開発部門の図面／設計仕様の照合業務に「Manufacturing AIエージェント」を展開しました。
製品図面と部品図面、技術仕様書の間で、材質や仕上げなどの項目が食い違っていないかを確認する作業です。
従来は担当者が複数のPDF図面を目で見比べており、1件に50分から340分かかっていました。
AIが図面からテキスト情報を抜き出して自動で照合し、結果を一覧で示すことで、この作業が約10分に短縮され、削減率は80〜97%になったとしています。規格照合と外装部品の照合から適用を始めました。
照合ミスは、部品の作り直しや組立段階での手戻りとして後から大きなコストになります。人が最終確認する前提は変えずに、見落としやすい箇所をAIが先に洗い出す使い方だといえます。
トヨタ自動車の「O-Beya」は、開発者が一つの部屋に集まって知恵を出し合う「大部屋方式」をAIで再現したものです。
振動や燃費などの分野ごとに9つのAIエージェントを用意し、質問に応じて複数のエージェントが協調して回答します。燃費と環境規制を担当するエンジニアは、情報を探すのが格段に楽になったと話しています。
品質保証：トラブル対応の検索とレポート作成
日立製作所の「品質ナレッジシステム」は、品質保証部門が機器の不具合に対応するときの作業を支援するAIエージェントです。自然な文章で質問すると過去のトラブル対応記録から近い事例を探し出し、キーワードを入れると専門的な報告書の下書きを作ります。
大みか事業所（茨城県日立市）での先行導入では、次のように短縮されました。
- 事例の検索：60分から5分
- 対応レポートの作成：120分から15分
- 不具合の原因分析：16時間から3時間
品質保証の現場では、似たトラブルが過去にあったかを探すだけで半日つぶれることも珍しくありません。
原因分析そのものは、なぜなぜ分析や特性要因図といった従来のQC七つ道具などの品質管理手法の考え方がベースにあります。AIは手法を置き換えるのではなく、分析の材料となる過去事例を素早くそろえる役割を担っています。
設備保全：故障の原因と対策をその場で提示
日立製作所は2026年2月、工場の設備故障診断を支援する「現場サポートAIナビ」の提供を始めました。保全員が点検中に異常を見つけたとき、タブレットなどで質問すると、AIが原因と対策を示し、過去に例のない事象でも次に取るべき行動を案内します。
仕組みの特徴は、生成AIに文書を読ませるだけではない点です。
設備の図面を部品同士のつながりが分かる形（ナレッジグラフ）に変換し、保全記録などの現場データと、STAMPと呼ばれる故障原因の分析手法を組み合わせています。
ポンプやバルブ、動力設備、制御装置など幅広い機器が対象です。
この製品の元になったのが、ダイキン工業の堺製作所臨海工場で2025年4月に始めた試験運用です。業務用空調機器を生産する工場で、回答時間10秒以内、精度90%以上で原因と対策を示せることを確認しました。三菱ケミカルとも共同検証を行っています。
センサーの数値から故障の予兆をつかむ予知保全の仕組みが「いつ壊れそうか」を知らせるのに対し、故障診断AIは「壊れたとき、何をすべきか」を支えるものです。両者を組み合わせると、保全業務の前後を一通りカバーできます。
生産計画・サプライチェーン：部門間の調整を自動化
日立製作所が2026年8月27日に発表したAIオーケストレーション技術は、急な注文変更や納期調整が起きたときの部門間の調整を対象にしています。
営業・生産・調達のそれぞれにAIエージェントを置き、実行可能な日程の変更案を導きます。その際、部材の在庫、設備の空き、現場で許容できる残業時間、過去の顧客との交渉実績などを踏まえます。
注目したいのは、大規模言語モデルだけに頼らず、数理最適化と機械学習を組み合わせた計画最適化の技術を使っている点です。
生産計画は制約条件が多く、文章生成が得意なAIだけでは現実的な答えを出しにくいためです。提供は2027年中の予定で、現時点では技術発表の段階です。
こうした調整の土台となる受注・在庫・工程のデータは、多くの工場でMES・ERPといった生産管理システムに入っています。AIエージェントの精度は、これらのシステムにどれだけ正確なデータがあるかに左右されます。
三菱電機が2026年1月に発表した技術は、複数のAIエージェントにあえて反対の立場から議論させ、根拠を示したうえで結論を出すものです。対象として、生産計画の設計やリスク評価など、トレードオフの判断が必要な業務を挙げています。
いずれも1件あたりの作業時間で、8割以上の短縮が報告されています。
※バーの長さは各項目の導入前を100とした比率。パナソニック コネクトの照合業務は導入前50〜340分で、短い案件では削減率80%です。
ここまでの事例を業務ごとに整理すると、AIが担っている役割は「探す」「照合する」「下書きする」「調整案を出す」の4つに分けられます。
どの業務でも、最終的な判断は人が行う前提で設計されています。
成果が出ている事例に共通する3つの条件
公表されている事例を並べると、効果が数字で示せているものにはいくつかの共通点が見えてきます。AIの性能そのものより、どの作業に、どんなデータを渡して使うかの設計が成否を分けているようです。
下の層ほど地味ですが、ここが整っていないと上の層は機能しません。
※日立、パナソニック コネクト、トヨタの公表内容をもとに一般化して作成。
対象を「時間がかかる定型の確認作業」に絞っている
図面照合、過去事例の検索、報告書の下書きは、いずれも手順ははっきりしているのに量が多く、人がやると時間がかかる作業です。
正解の形が決まっているため、AIの出力が正しいかどうかを担当者がすぐに確かめられます。いきなり設計判断や品質判定そのものを任せていない点が共通しています。
自社の記録を読める形に整えている
日立の故障診断AIは図面をナレッジグラフに変換し、パナソニック コネクトはデータ基盤の上にエージェントを構築しています。過去の記録が紙やばらばらのファイルのままでは、AIは参照できません。
何年も書きためてきた対応記録や保全日報が、そのまま競争力の源になるという見方もできます。
熟練者のやり方を仕組みに取り込んでいる
日立は故障原因の分析手法を、トヨタは大部屋方式という開発の進め方をAIに組み込みました。単に文書を読ませるのではなく、ベテランが頭の中で行っている考え方の順番を再現しようとしている点が特徴です。
これは製造業が長年取り組んできた技能伝承と人材育成の課題に、新しい手段が加わったとも言えます。OJTや作業標準書と置き換わるものではなく、若手が一人で現場に立ったときの相談相手を増やすイメージです。
導入の課題と注意点
一方で、生成AIの活用には課題も残っています。帝国データバンクの2026年3月の調査で、企業が挙げた懸念の上位は次のとおりです。
最も多いのは「情報の正確性」で、半数の企業が懸念しています。
※帝国データバンク「生成AIに関する企業の動向調査（2026年3月）」。3つまでの複数回答で、全業種の集計です。
誤った回答をそのまま使わない仕組み
生成AIは、もっともらしい誤りを出すことがあります。製造業では誤った寸法や材質の指示がそのまま不良や事故につながるため、AIの出力は必ず人が根拠を確認してから使う運用が欠かせません。
成果の出ている事例が、検索結果や照合結果を一覧で示し、担当者が確認する形をとっているのはこのためです。
図面・技術情報の漏洩を防ぐ
図面や製造条件は、メーカーにとって最も重要な機密です。取引先から預かった図面も多く、外部のAIサービスに入力してよいかは契約にも関わります。社内専用の環境で動かす、入力してよい情報の範囲をルールで決めるといった対策が前提になります。
使いこなせる人を育てる
導入しても使われなければ効果は出ません。パナソニック コネクトの2025年度の月間ユニークユーザー率は61%で、全社員に行き渡るまでには時間がかかることが分かります。
どの業務に使えるかを現場が自分で考えられるよう、リスキリングとDX人材の育成を並行して進める企業が増えています。
現場の仕事はどう変わるか
パナソニック コネクトは、2025年度に生成AIの活用で78.8万時間を削減し、これは国内社員約11,800人の総労働時間の3.4%にあたると公表しました。
1回の利用で平均33分が削減され、利用回数は361万回に達しています。2030年には総労働時間の10%削減を目指すとしています。
この数字から見えてくるのは、AIが仕事を丸ごと奪うというより、仕事の中の「探す」「写す」「まとめる」時間を少しずつ削っていくという変化です。浮いた時間を、原因の見極めや対策の検討、顧客や他部門との調整に振り向けられるかが問われます。
AIに任せる部分が増えるほど、人は判断と調整に時間を使うようになります。
※公表事例から想定される変化を整理したもので、実際の変化は企業や導入範囲によって異なります。
保全の現場で考えると、夜間に一人で設備トラブルに当たる若手が、ベテランに電話する前にAIで原因の候補と点検の順番を確認できるようになります。
熟練者の負担が減り、若手が自分で判断できる範囲が広がることは、製造業の人手不足への一つの答えにもなります。
一方で、AIが示した答えが正しいかを見極めるには、結局のところ設備や製品についての基本的な知識が必要です。AIが普及するほど、現物を見て確かめる力や、過去の記録を丁寧に残す習慣の価値はむしろ高まると考えられます。
まとめ
- 製造業の生成AI活用は、文章作成から設計・品質保証・保全などの本業へ広がり始めている
- AIエージェントは、社内データにつないで「探す・照合する・下書きする」を連続して行う仕組み
- 2026年は日立、パナソニック コネクトなどが製品提供や社内展開を本格化させた
- 公表事例では、図面照合や事例検索などの作業時間が8割以上短縮されている
- 成果の前提は、対象業務の絞り込み、記録の整備、人による最終確認の3点
製造業の生成AI活用は、ツールを配る段階から、自社のデータと業務手順に合わせて作り込む段階に入りました。工場のデジタル化全体の流れはスマートファクトリーの仕組み、AI以外の注目技術は製造業の最新技術一覧で整理しています。
AIの影響を受ける設計や品質保証、設備保全といった仕事の内容は、製造業の職種一覧もあわせてご覧ください。
出典
出典・参考資料（10件）を開く出典・参考資料を閉じる
- 企業の生成AI利用率・活用方針：総務省「令和8年版 情報通信白書」概要
- 生成AIの活用率・用途・課題：帝国データバンク「生成AIに関する企業の動向調査（2026年3月）」
- 品質ナレッジシステム：日立製作所 プレスリリース（2026年6月4日）
- 現場サポートAIナビ：日立製作所 プレスリリース（2026年2月3日）
- AIオーケストレーション技術：日立製作所 ニュースリリース（2026年8月27日）
- 設備故障診断AIの試験運用：ダイキン工業 ニュースリリース（2025年4月22日）
- Manufacturing AIエージェント：パナソニック コネクト プレスリリース（2026年2月19日）
- 2025年度のAI活用実績：パナソニック コネクト プレスリリース（2026年7月29日）
- O-Beya：日本マイクロソフト News Center「トヨタ自動車、エンジニアの知見を AI エージェントで継承へ」
- 対立議論型マルチAIエージェント：三菱電機 ニュースリリース（2026年1月20日）
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