- share :
「工場にセンサーもタブレットもBIツールも入れた。データも溜まっている。それでも、異常が出れば結局ベテランが呼ばれ、若手は育たず、夜間や休日は現場が止まってしまう」
こうした声を、中小製造業の経営者や工場長からよく耳にします。
ITツールを導入して、作業効率のための「データの見える化」は進んだのに、経営改善に結び付かない。この違和感の正体は何なのでしょう。世界の製造業では、その答えが「自律操業」という言葉に集約されつつあります。
ArcelorMittalとAWSの提携、BMWの人型ロボット配備、GoogleのローカルAI公開など、直近のニュースは製造業DX（デジタルトランスフォーメーション）が「見て判断する段階」から「AIやエージェントが現場判断に関与する段階」へ動いていることを示しています。
本記事では、この潮流を経済産業省とNEDOが公開する実現レベル5段階を物差しに、自社の現在地を測り、次の一歩を具体的に決めるための材料として提示します。読後には、明日から着手できる棚卸しと小さな自律化テーマの選び方が手元に残るはずです。
【本記事の要点】
- 世界の製造業DXは「見える化」から、AI・デジタルツイン・エージェントによる「自律操業」へ移行しつつある
- 日本の中小製造業の半数以上はDXの戦略策定に着手していないという公的データがある
- 焦って先端事例を模倣するのではなく、経産省・NEDOの実現レベル5段階で自社の位置を確認するのが現実解
- 次に問われるのは「どの判断をシステムに任せ、どれを人が担うか」の運用設計であり、明日からの棚卸しがその出発点になる
見える化止まりで感じている違和感の正体
「データは見えるようになったのに、なぜ現場は楽にならないのか」
この問いは、多くの製造現場で語られています。この章では、見える化を導入したのに改善に結び付かない状態が、なぜ発生しているのでしょう。それは、原因はデータの量ではなく、判断の基軸が人間に残されたままだからです。詳しく解説します。
データはあるが判断は人に残っている状態
見える化ツールを導入した企業の多くは、稼働率、温度、圧力、生産数などをリアルタイムで表示できるようになっています。しかし、その画面を見て「今日の段取りをどう変えるか」「この異常予兆にどう対応するか」を判断しているのは、依然として現場のベテランや工場長です。
つまり、収集した情報から意思決定を生む工程は人間に残されており、システム化されていないのです。これでは、人手不足や技能継承の課題は解消されません。ツールを使ってデータを見えるようにするどうかではなく、判断そのものをどこまでツールに委任するかがDXの次の論点です。
現場で起きている典型症状
見える化止まりの現場では、共通する症状が観察されます。DXを進めたつもりが業務が増えたと感じられる原因の多くは、ここにあります。
- 紙とExcelの二重管理が残り、入力作業だけが増えたと現場が感じている
- 異常時の対応がベテラン数名に集中し、夜間や休日は工場が止まる
- ダッシュボードは作ったが、日々の改善アクションに反映されていない
- 高額なシステムを導入したが、経営会議で効果を説明しづらい
- ベテラン退職の話題が出るたびに、現場で不安の声が上がる
これらの症状は、データを集める仕組みは整ったものの、判断と行動を支える仕組みが未整備であることを示します。次章では、この段階から先に進もうとする世界の動きを見ていきます。
世界の潮流は「自律操業」へ移りつつある
海外の先進企業では、判断そのものをシステムに委ねる取り組みが加速しています。ここでは直近の海外ニュースを整理し、「自律操業」という言葉の中身を読み解きます。中小製造業には規模が違うと感じられるかもしれませんが、原理は規模を問わず参考になるでしょう。
ArcelorMittalとAWSが示す鉄鋼工場の変化
世界最大級の鉄鋼メーカーであるArcelorMittalは、AWSと提携し、AI、クラウド、エッジコンピューティング、デジタルツインを鉄鋼生産に組み込む方針を打ち出しました。この方針は、稼働監視にとどまらず、生産プロセス全体をデジタル空間で再現し、シミュレーション結果を現実の設備制御に反映させる構想です。
注目すべきは、クラウドとエッジを併用する構造です。膨大なデータをクラウドで解析しつつ、リアルタイム制御が要る部分はエッジ側で処理するという役割分担が、鉄鋼のような重厚長大産業でも標準化されつつあります。これは「解析と制御を分ける」という考え方であり、中小製造業でも部分的に取り入れられる原理です。
出典・参照：
BMWの人型ロボットとGoogleのローカルAI
ドイツの自動車メーカーBMWは、米サウスカロライナ州スパルタンバーグ工場で、Figure社の人型ロボットを本格展開する段階に進んでいます。従来の産業用ロボットは決められた動きを繰り返す機械でしたが、人型ロボットは環境を認識し、状況に応じた動作を選ぶ余地を持ちます。
一方Googleは、2026年6月に「Gemma 4 12B」を公開しました。このモデルはローカル環境でも動作できる規模であり、機密性の高い製造データを外部に出さずにAI解析を試すという選択肢を広げます。「Gemma 4 12B」の登場は、企業がクラウド前提ではなく手元の環境で試せるAIが増える、といった意味を持つのです。
これらの動きに共通するのは、「決められた動きを繰り返す自動化」から「状況を判断する自律化」へのシフトです。同じ「機械化」でも、判断の主体が人から機械へ移っている点が本質的な違いになります。
出典・参照：
日本の公的指針が描く「実現レベル5段階」
海外の潮流を追う前に、日本の製造業には公的な物差しがあります。経済産業省とNEDOが公表した「スマートマニュファクチャリング構築ガイドライン」は、変革の到達度をレベル1〜5で整理しており、自社の現在地を判定する上で有用です。この章では、そのレベル定義と、中小製造業向けの読み替えを示します。
経産省・NEDOのスマートマニュファクチャリング構築ガイドライン
このガイドラインは2024年6月に初版が公開され、2025年に第2版へ改訂されました。改訂版はNEDO受託のJMACが製造企業とITベンダーによる検証を踏まえて作成しており、実務で使いやすい構成に整えられています。
レベルは次の5段階で定義されています。この段階論は、日本の製造業DXにおいて「見える化」から「自律操業」までのグラデーションを公式に描いた枠組みです。
| レベル | 名称 | 中身 |
|---|---|---|
| 1 | 情報標準化 | 品目・工程・帳票のコード体系を統一する |
| 2 | データ蓄積 | 設備・工程データをデジタルで集める |
| 3 | プロセス連携 | 部門間・工程間でデータをつなぎ、業務を回す |
| 4 | 解析による最適化 | データ解析で改善提案や意思決定支援を行う |
| 5 | 現実プロセス制御 | 解析・シミュレーション結果を設備制御に反映する |
このうち、日本の多くの中小製造業はレベル2〜3にとどまっています。しかし、現場の抜本的改革となる「自律操業」に相当する領域はレベル4以降です。まず自社がどのレベルにいるかを冷静に判定し、飛び越えるべきかどうかを判断する姿勢が現実的な次へのステップになるでしょう。
出典・参照：
レベル1〜5を中小製造業の言葉に翻訳する
ガイドラインの用語は抽象的なため、現場感覚に翻訳しないと使いにくいという声があります。ここでは、各レベルを中小製造業の日常語に置き換えます。
- レベル1: 品目コードや帳票の様式が工場全体で揃っている状態
- レベル2: センサーやIoTでデータが自動的にサーバに集まっている状態
- レベル3: 生産・品質・設備・在庫のデータが1画面でつながっている状態
- レベル4: ベテランが見ていた異常予兆や段取り判断をAIが提案してくれる状態
- レベル5: AIの提案に応じて設備が自動的に条件を変え、人は例外対応と監督に回る状態
レベル5に一気に到達しようとする企業は多くありません。現実には、「レベル2〜3の足場を固めつつ、特定の工程だけレベル4を試す」というつなぎ方が中小製造業には向いています。全社導入ではなく、1ラインや1工程での試行が現実的な入口です。
中小製造業に突きつけられた現実
海外の派手な事例と国内の実態の間には、大きなギャップがあります。ここでは国内の統計と、焦って自律化を目指す前に確認すべき前提を整理します。世界の投資意欲を横目に見ながらも、自社の足元を固めるという二重視点が必要です。
大企業と中小企業の戦略策定率の差
2025年5月に公表された2025年版ものづくり白書は、デジタル技術活用戦略を「策定済み・策定中」とする企業の割合に大企業と中小企業で約37ポイントの差があることを示しました。中小企業の55.0%は「策定しておらず予定もない」と回答しており、戦略の空白が続いています。
同時に、世界の製造業経営層の工場自動化への関心は高まる一方です。デロイトが2025年11月に公表した2026 Manufacturing Industry Outlookでは、600名の製造業経営層調査で80%が「改善予算の20%以上をスマート製造に投資する計画」と回答しました。同レポートは自律型AIエージェントと人材ギャップを2026年の主要トレンドに挙げています。世界の投資意欲と日本の中小企業の実行率のギャップは、今後数年で競争力の差として現れる可能性があるでしょう。
出典・参照：
焦って自律化を目指す前に確認すべき前提
世界の潮流に押されて、いきなりレベル5を目指す判断は現場を疲弊させます。次の前提を確認してから自律化を検討してください。
- レベル1の情報標準化ができていないままAIを入れると、AIが誤った判断材料を学習する
- 属人化した判断基準を暗黙のまま自動化すると、責任の所在が曖昧になる
- クラウド前提のシステムは通信遮断時の運用継続を別途検討する必要がある
- 現場作業者が使い方や意義を理解していないと、導入後に形骸化しやすい
- 保守契約とベンダーサポート範囲を確認しないと、故障時に長時間停止する
これらの前提は大企業でも同じですが、中小製造業では人員が薄いために影響が強く出ます。次章では、判断を委任する際の具体的な整理法を扱います。
執筆者
DXportal®運営チーム
DXportal®編集部
DXportal®の企画・運営を担当。デジタルトランスフォーメーション（DX）について企業経営者・DX推進担当の方々が読みたくなるような記事を日々更新中です。掲載希望の方は遠慮なくお問い合わせください。掲載希望・その他お問い合わせも随時受付中。