AIエージェント導入前に中小工場が確認する3つの条件

PoC（概念実証）は成功した。処理速度も精度も想定内だった。それなのに、本番稼働の話になった瞬間に会議が止まる——そんな経験をしたDX推進担当者は少なくないはずだ。

「そもそものデータが整っていない」「業務フローが人の頭の中にしかない」「何かトラブルが起きたとき誰が判断するか決まっていない」。これらは技術の問題ではない。現場の準備の問題だ。

AIエージェントとは、複数のAIが連携しながら自律的に判断・実行するシステムを指す。設備異常を検知する→部品の発注を自動実行する→修理スケジュールを調整する、という一連の流れをAIが担う。2026年に入り、製造現場への本格普及が始まっている。だが自律的に動くということは、整備されていない環境に放り込めば、連鎖する判断が誰も止められない方向へ進むリスクも高まるということだ。

本番化の成否は、AIの性能より前に決まっている。今回は「データ整備・業務プロセス定義・責任設計」の3条件を、先行事例と照らし合わせながら整理する。

AIエージェントは導入手順を間違える——自律化の前に「再現化」が必要な理由

AIエージェントの特徴は、与えられた目標に向かって複数ステップを自律的に実行できる点にある。予知保全を例にとると「センサー値が閾値を超えた→過去データと照合→異常を特定→部品交換を発注→作業員にアラートを送る」という連鎖が、人の手を介さずに走る。

この連鎖を正しく動かすために欠かせないのが、参照するデータが整っていることと、業務の流れが機械でも読み取れる形で定義されていること、そして何かあったときに誰がどう判断するかの責任設計だ。

自律化の前に、再現化が必要である。ベテランの判断が頭の中にしかない状態では、AIは何を学習すればよいかわからない。データが散在している現場では、AIは根拠を持てないまま判断を積み重ねる。整備されていない現場にエージェントを入れても、精度が出ないどころか、誤った実行を誰も止められないという事態を招く。

BoschとダイキンはどうやってAIエージェントを本番稼働させたか

先行事例を見ると、本番化の前に共通した準備が見えてくる。

**Bosch（ドイツ）**は2025年末からバンベルク工場ほか自社工場でAIエージェント「Shopfloor Agent」の活用を開始し、2026年には外部企業向けにも提供を始めた。設備停止後の復旧速度が3〜5倍に向上し、1工場あたり年間約85万ユーロの削減効果を報告している（出典：Bosch Media Service）。現在、自社の複数工場・多数の製造ラインに展開されている。

この成果の裏には、Boschが数十年にわたって蓄積してきた製造データと、標準化された業務プロセスがある。マルチエージェントが連携できるのは、各エージェントが参照するデータと役割が明確に分離されているからだ。

ダイキン工業×日立製作所は2025年4月、大阪府堺市の堺製作所臨海工場で設備故障診断AIエージェントの試験運用を開始した。設備図面・保全記録をナレッジグラフ（情報同士の関係を線でつないでAIが読める形にした地図のようなデータ）に変換したうえで日立独自の故障原因分析プロセス（現場の運用技術＝OTの知見を体系化したもの）をAIに学習させるという基盤を構築した結果、故障原因と対策を10秒以内・精度90%以上で回答できることが確認されている（出典：ダイキン工業プレスリリース、2025年4月22日）。

注目すべきは「AIを入れた」ではなく「まず設備図面をAIが読める形に変換した」という順番だ。データを整える作業が先行した。

「3条件」の中身——データ整備・プロセス定義・責任設計

両社の事例から共通して見えてくる3つの条件を具体化する。

条件1：データ整備

AIが参照するデータが、形式・ラベル・保管場所において統一されていること。ダイキンのケースで言えば、図面をナレッジグラフに変換するという地道な作業がすべての起点だった。センサーデータ・保全記録・検査結果が部署ごとにバラバラなExcelや紙に散在している状態では、AIは根拠を作れない。まずデータを「人でも検索できる状態」にすることが最初の条件だ。

条件2：業務プロセス定義

「異常が起きたとき、誰が何をどの順番で確認するか」が言語化されていること。AIは定義されたプロセスを高速化・代替するツールだ。プロセスがベテランの頭の中にしかない状態では、AIは何を実行すればよいかわからない。業務フローの言語化は、AI導入の準備であり、同時に技能継承の下地でもある。ベテランの判断を次の人が使える形にする——この作業がプロセス定義の本質だ。

条件3：責任設計

自律的に実行するAIが「誤った行動」をしたとき、誰が止め、誰が判断し直すかが決まっていること。JIPDECの報告（2026年）でも、重要な意思決定の節目で人間が承認・関与する仕組み（Human-in-the-Loop）の確保が、安全な運用に向けた重要な論点として挙げられている。インシデントが起きたときに「AIが勝手にやった」で終わらせないための仕組みが、責任設計だ。

中小工場が3条件を現実的に確認する方法

大企業と違い、中小工場には専任のデータエンジニアも情報システム部門もないことが多い。そこで今すぐできる確認方法を示す。

データ整備の確認：保全記録や不具合記録を、今すぐキーワードで検索できるか。Excelでもクラウドのスプレッドシートでも構わない。検索できるなら合格ラインだ。紙のまま・人の頭の中のままなら、デジタル化が先決となる。

プロセス定義の確認：新入社員に10分で口頭ではなく文書で説明できるか。「設備が止まったときの対応フロー」を1枚のフローチャートで書けるなら前提は整っている。「あの人に聞けばわかる」は、AIには通じない。

責任設計の確認：「AIが誤った提案をしたとき誰が却下するか」と「AIの実行ログを誰がいつ確認するか」が決まっているか。この2点が文書化されていれば、最初の本番投入が可能な状態だ。

今週から始められる最初の一歩

「3条件がすべて揃うまで動けない」は間違いだ。最初の一歩は小さい範囲から始めることだ。

ひとつのラインの保全記録を、過去1年分だけでもデジタル化する。そのラインの異常対応フローを1枚のフローチャートに落とす。AIを使う場面とその際の確認担当者を決める。この3つを1か月で終わらせれば、最初のAIエージェント実証の土台は整う。

2026年度からは「デジタル化・AI導入補助金」で小規模事業者が賃上げ等の要件を満たせば補助率は最大4/5、補助額は最大450万円まで拡充されている（出典：経済産業省）。補助申請の前提として「何を整備して何をAIに任せるか」の整理が必要になる。3条件の確認は、その整理と完全に一致する。

最初に作るべきはAIシステムではなく、判断の地図だ。

まとめ

AIエージェントが製造現場で自律的に動くためには、データ・プロセス・責任の3条件が先に整っていることが前提となる。BoschもダイキンもAIを入れる前にこの基盤を作った。

PoC止まりから本番化へ進むために今いちばん必要なのは、新しいAIツールの選定ではない。「人が説明できる現場」を作る地道な整備だ。3条件のどれが欠けているかを確認するだけで、次の一手は見えてくる。

参考・出典

• Shopfloor Agent: AI for Manufacturing | Bosch Global
• Bosch Set To Revolutionizing Manufacturing With Agentic AI — Metrology News
• ダイキンと日立が協創、工場の設備故障診断を支援するAIエージェントの実用化に向けた試験運用を開始 | ダイキン工業（2025年4月22日）
• 工場の設備故障診断を支援するAIエージェントの試験運用を開始 | 日立製作所
• JIPDECレポート AIエージェントの実用化に向けた論点の整理（2026年4月）
• AIエージェント2026年の本質：自律化が逆説的に高める「止める設計」の価値 | Smart Generative Chat