「ChatGPTの研修はやりました。でも、正直なところ業務は何も変わっていません」
ある中堅製造業のAI推進担当から聞いた言葉だ。社内で選抜されたメンバーが研修を受け、プロンプトの基礎は学んだ。しかし、そこから先に進めない。これは珍しい話ではない。むしろ、製造業のAI導入で最も多いパターンだ。
研修は「入口」にすぎない。問題は、その先の道筋が見えていないことにある。
「研修はやった」のに進まない5つの壁
壁1：AIを日常的に触る習慣がない
研修で学んでも、翌日から業務で使う人はごく一部だ。ある企業では、毎日AIを業務に使っている社員は「片手いるかどうか」だという。
習慣がなければスキルは定着しない。スキルが定着しなければ「AIで何ができるのか」の肌感覚が持てない。肌感覚がなければ、自部署の課題をAIで解決する発想自体が出てこない。
壁2：推進者が孤立している
多くの企業で、AI推進は特定の一人に依存している。その人が資料を作り、他部署のプロンプトを代筆し、社内勉強会を開く。しかし、本業もある中でそれを続けるのは限界がある。
理想は3名程度のコアチームで、情報収集・社内展開・各部署ヒアリングを分担すること。だが、「AIの話ができる仲間」を増やすこと自体が時間のかかる作業だ。
壁3：データが整備されていない
ある企業の現場では、在庫管理がまだ手書きだった。使った分を紙にメモして、担当者が一つひとつ確認している。この状態でAIを導入しても、読み込むデータがそもそも存在しない。
さらに、部署ごとにデータの持ち方がバラバラだ。営業は営業の、製造は製造のやり方で管理しているが、横串で見られる仕組みがない。部署を跨いだAI活用は、このデータ基盤が整わない限り実現しない。
壁4：何にいくらかかるかわからない
過去にDXやシステム導入の実績がない企業の場合、そもそも「AI導入にどれくらいの予算がかかるのか」の相場観がない。相場観がなければ予算が組めず、予算が組めなければ稟議が通らない。
壁5：成果の見せ方がわからない
「業務が効率化しました」だけでは、経営層の意思決定は動かない。1時間の業務が30分になっても、その人の人件費は変わらないからだ。結局、固定費の削減という具体的な数字に落とし込めないと、投資判断がされない。
ROI起点で考える「どこから始めるか」
原則：「削減」から始め、「投資」に回す
ある製造業の経営者はこう語っていた。「先にスリムになって、キャッシュに余裕を作ってから新規事業に投資したい。順番を間違えると、途中で資金が尽きて本末転倒になる」。
AI導入を「売上拡大」から始めると、成果が出るまでに時間がかかり、途中で止まるリスクが高い。一方、「コスト削減」は成果が数字で見えやすく、経営判断のスピードも速い。
優先順位のつけ方
具体的には、以下の3つの軸で優先順位をつけるのが実践的だ。
軸1：対象人数のインパクト 数名の事務チームの業務を50%削減できれば、実質的な人件費が浮く。これが年間で数百万円のインパクトになるなら、AI導入コストとの比較で判断できる。一方、1名しかいない部署を効率化しても、固定費は変わらない。
軸2：データ整備の難易度 部署内で完結するデータだけで始められる施策は、すぐに着手できる。逆に、部署横断でデータ統合が必要な施策は、各部署の業務整理が先に必要になる。
軸3：AI活用スキルの要求度 ChatGPTで解決できる課題と、カスタム開発やシステム連携が必要な課題を分ける。前者は個人のスキルアップで対応でき、後者はプラットフォームやベンダーの力が必要になる。
実践的なロードマップ例
製造業のAI導入は、以下のようなフェーズで進めるのが現実的だ。
Phase 1（1-3ヶ月）：土台づくり
- •AIを日常業務で使う習慣をつける（まずChatGPT/Claudeの活用から）
- •AI利用のガイドライン・セキュリティポリシーを策定
- •各部署の業務棚卸し（工数の可視化）
- •推進コアチーム（3名程度）の組成
Phase 2（3-6ヶ月）：クイックウィン
- •ROIが高く、データ整備が軽い施策から着手
- •事務作業の自動化（受注処理、発注管理、見積もり作成など）
- •デザイン・企画業務のAI補助（提案パターン生成、過去データ活用）
- •成功事例を社内に共有し、推進の機運を高める
Phase 3（6-12ヶ月）：本格展開
- •部署横断のデータ基盤整備
- •営業支援（顧客提案のAI支援、商談情報の一元管理）
- •製造現場のデータ可視化（シフト最適化、在庫管理、生産キャパシティ管理など）
- •将来のフィジカルAI導入に向けたデータ蓄積
「一人の推進者」を孤立させないために
製造業のAI導入で最も見落とされがちな課題は、推進者の孤立だ。技術の問題ではなく、組織の問題。
一人で全部署のヒアリングをし、資料を作り、ツールの使い方を教え、経営層への提案も行う。これでは、いくら優秀な人材でもいずれ限界が来る。
必要なのは、推進者を支えるインフラだ。
- •各部署のデータと業務フローを一元管理できるプラットフォーム
- •AIが業務の現状を把握し、改善ポイントを提案してくれる仕組み
- •推進者でなくても、AIに「うちの部署の課題は何？」と聞けば答えが返ってくる環境
推進者の属人的な努力に頼るのではなく、組織としてAI活用が回る仕組みを作ること。それが、「研修の次」を突破するための本質的な解だと我々は考えている。
まとめ：研修の先にある「本当の勝負」
製造業のAI導入は、研修で始まり、研修で終わることが多い。その壁を越えるために必要なのは、3つのことだ。
- •ROI起点で優先順位をつける ── 「効率化」ではなく「固定費削減」を成果指標に据え、経営判断を得やすくする
- •データ基盤を段階的に整備する ── 部署内完結の軽い施策から始め、成功体験を積みながら横展開する
- •推進者を支えるプラットフォームを入れる ── 一人の努力ではなく、組織の仕組みとしてAI活用を回す
Link AIでは、こうした製造業のAI導入を支援しています。業務棚卸しからROI試算、データ基盤の設計、AIエージェントの構築まで、フェーズに合わせた伴走型の支援が可能です。
また、プロジェクト推進プラットフォーム「SUISHIN」では、社内のデータを構造化し、AIが業務の現状を把握した上で改善提案を行える環境を提供しています。「研修の次」にお悩みの方は、ぜひお気軽にお問い合わせください。