スマートファクトリー化やIoT基盤整備が進み、
製造業DXの論点は「データを集める段階」から
「事業価値へ転換する段階」へ移りつつある。
求められるのは、現場に蓄積された知識やノウハウを構造化し、AIやロボットが活用できる資産へと変えることだ。
2026年9月29日、東京国際フォーラムにて開催された「Nikkei xTECH Industry Project 2027」にて、アビームコンサルティングの橘知志氏が登壇し、インダストリアルAIやフィジカルAIを軸に、日本の製造業が直面する課題と変革の方向性を探った。
「ハノーバーメッセ2026」が示すインダストリアルAIの現在地
今年4月にドイツで開催された世界最大級の産業見本市「ハノーバーメッセ2026」は、製造業におけるAI活用が新たな段階に入りつつあることを示した。「インダストリアルAIは、製造業の競争力を左右する段階に入りつつあります」と、アビームコンサルティングの橘知志氏は評する。
その中核となっているのが、製造現場に蓄積された知識やノウハウをAIが理解できる形に変換する取り組みだ。橘氏は「日本の製造業は今こそ、現場で積み上げてきたマニュアルや技術的なノウハウを生かさない手はありません」と語る。そうした知見をAIが扱えるようにするには、単なるデータ化ではなく、意味づけを行う「オントロジー化」が重要になる。
背景には、日本の製造業が抱える人材不足と知識継承の課題がある。熟練技能者の引退が進む一方で、重要な知見が個人の頭の中にとどまり、組織内で十分に共有されていないケースは少なくない。橘氏は「AIを活用しようとしても、マニュアルがどこにあるか分からない、ベテラン社員の頭の中にしかないという状況が起き始めています」と指摘し、暗黙知の構造化と形式知化の必要性を訴えた。
製造現場の制御技術も変わろうとしている。従来のPLC(製造設備の制御装置)やMES(製造実行システム)に代表される固定的な制御から、ソフトウエアによって柔軟に変更できる動的制御への移行だ。「設備の制御をソフトウエア化して改変スピードを上げれば、AIエージェントが操作できるようになります。自律化、自走化に向かう流れです」と橘氏は説明した。
近年注目を集める「ソフトウエア・デファインド(Software-Defined)」も、この文脈で理解できる。ハードウエア中心だった制御をソフトウエア化し、より柔軟に運用できるようにする考え方だ。その結果、どこまでの意思決定をAIに委ね、人は何の役割を担うのかが重要な論点になり始めている。
さらに、デジタルツインの次の段階として、「デジタルスレッド」という考え方も広がりつつある。研究開発から設計、製造、販売、保守までのデータをシームレスにつなぎ、一連の業務プロセス全体を動的に管理する取り組みだ。橘氏は「データをつなぐこと自体が目的ではありません。動かし、活用するためにはドメイン知識が必要です。ここでもオントロジーが重要になります」と述べる。
こうした動きの背景には、海外ベンダーによる日本の製造現場への関心の高まりがある。「海外のAIベンダーや製造業向けソリューションベンダーは、日本企業が持つ現場の知見に注目しています。その狙いは、自動化や自律化を進める上で不可欠な、ドメイン知識を取り込むことにあります」と橘氏は説明した。
ロボティクス競争が激化、
問われる日本の現場実装力
インダストリアルAIと並んで大きなテーマとなっているのがロボティクスだ。中国企業の存在感が、急速に増している。
中国のロボットメーカーは、検査や搬送など、特定の用途に特化した専用ロボットを低価格で展開している。「用途は単一だが、シンプルかつ安価で導入しやすい。中国メーカーは『秒で導入できます』とアピールしていました」と橘氏。一方で日本の産業用ロボットは高い汎用性を持つ反面、導入時の調整が複雑で、多数のパラメーターを設定しなければならない。
注目が集まるヒューマノイド・ロボットについては、将来的に汎用機に近づいていくとの見方を示した。一方で現時点での用途は、組み付け作業や車両外観検査などに限られているという。そのため本格的な普及には、一定の時間を要すると橘氏は見ている。
また欧州企業の一部が、中国企業と共同研究を進める実態にも触れた。橘氏は「地政学リスクだけでは語れない状況が起きています」と指摘する。中国企業を競争相手と位置づける一方、技術開発では協業も進む。競争と協業が併存する環境の中で、日本企業にも柔軟な対応が求められている。
その際に重要になるのが「フィジカルAI」の考え方だ。橘氏は、フィジカルAIを単なるロボットの導入と捉えるべきではないと語る。人に最適化された作業手順や生産プロセスを、AIが学習しやすい形へ再構築することが求められるためだ。ロボットを単なる「設備」ではなく「学習する労働力」と捉え、AIやロボットを前提に生産現場全体を見直す必要があると指摘した。
またAI化が進むほど、安全性の確保や責任範囲の明確化も重要になる。「安心安全を担保し、役割や権限、責任を明確にした秩序ある運用プロセスを設計できることが日本の強みであり、AI活用においても重要なポイントになります」(橘氏)
勝ち筋は「現場知」の活用にあり
日本の製造業は、どこに活路を見いだすべきか。橘氏は日本企業が抱える4つの問題を挙げた。1つ目は、熟練者の引退に伴う「暗黙知依存の限界」。2つ目は、縦割り組織の弊害によって「データはあるが『価値変換装置』がない」こと。3つ目は、日本の現場や技術者が持つ「強みを『産業的価値』に昇華できない」こと。そして4つ目は、「産業全体や横断型での価値創出の不足」だ。
特に問題視したのが、データ活用の停滞だ。「データは現場に大量に存在していますが、設計判断や意思決定に生かしきれていません。『価値変換装置』がない状態です」と指摘する。
進むべき方向性は、製造現場によって異なる。橘氏は日立製作所の大みか事業所と、オムロンの草津工場の2つを例に説明した。前者は受注生産型の代表格であり、電力・社会インフラ向け制御システムを一品一様で生産している。設計BOM(Bill of Materials=部品表)から製造までの情報をシームレスにつなぎ、生産リードタイムの短縮や品質安定化を実現することが重要になる。後者は多品種少量や量産型の現場であり、IoTやAI画像検査、デジタルツインなどを活用しながら、同じものをばらつきなく、止めずにつくりきることが重要になる。
IoTによるデータ収集やAI分析は、それ自体がゴールではない。橘氏は「その先に何をすべきか、分からなくなっている企業が多いです」と指摘する。こうした課題を乗り越える鍵となるのが「オントロジー化」だ。現場のドメイン知識と設備・工程データを結び付け、AIが活用できる形へ変換する取り組みを指す。
今の製造業は単なるコスト削減競争から脱却し、「競争力強化に向けた生産性向上」へ軸足を移す必要がある。工程を大胆に再設計するのか、既存ラインを動的制御へ移行するのか。ベストな道を見極め、現場業務の自律化を進める必要がある。
日本の強みは、現場の知見とエンジニアリング力、そして豊富なデータ資産にある。橘氏は「技術立国から、設計・統合・運用立国へ変わるべきです」と述べ、製造現場に蓄積された知見をAI時代の競争力へ転換していく必要性を訴えた。その実現には、技能や暗黙知を構造化し、現場判断を再現可能な形へ落とし込む必要がある。さらにドメイン知識とAI知識を兼ね備えた、ハイブリッド人材の育成も急務だ。
「各社が単独で進めることにも限界があります。産業クラスターやコンソーシアムのような枠組みをつくり、知見を共有していくことが重要になるでしょう」(橘氏)。各企業が蓄積したノウハウを業界共通の資産へと発展させ、業界団体や政府も巻き込んだ産業エコシステムの構築が求められる。
インダストリアルAIやフィジカルAIは、単なる技術導入の話ではない。製造現場に蓄積された知識を構造化し、AIが活用できる資産へ転換できるか。さらに、AIやロボットを複雑な現場へ適用し、持続的な運用につなげられるか。こうした取り組みが日本の製造業の競争力を左右する。
アビームコンサルティングは、日本発のコンサルティングファームとして製造業の変革を支援している。業界横断コンソーシアムの設立支援や研究開発、政策提言なども強みとし、インダストリアルAIの実装・活用を通じて、製造業の競争力強化に貢献していく。
関連リンク




