AI・データが加速する製造業変革
~競争は次のステージへ~

Nikkei xTECH Industry Project 2027 Report AI・データ時代、日本の製造業はどう戦うか 「現場知」を競争力へ変換 新たな戦略を提言する パネルディスカッション

AI技術の急速な進歩と活用の広がりを背景に、
製造業のデジタル変革は新たな局面を迎えている。

活用できる技術や選択肢が広がる一方で、どこを目指し、何に投資し、何から着手すべきか。多くの企業が難しい選択を迫られている。
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、それぞれの視点から日本の製造業の進むべき方向を語る識者を迎えたパネルディスカッションを開催。「現場知」の継承、組織文化の変革、スタートアップの活用まで、製造業の未来像と実践のヒントを議論した。

(モデレーター:日経BP総合研究所 客員研究員 三好 敏)

橘 知志 氏
アビームコンサルティング
執行役員 Principal
Intelligence & Research Institute Leader橘 知志 氏
福本 勲 氏
アルファコンパス
代表 CEO福本 勲 氏
阿蘓 将也 氏
LexxPluss
代表取締役 CEO阿蘓 将也 氏

日本の製造業DXは「見える化」の先へ進めているか

三好 「製造業DX」のブームは沈静化したようですが、日本の製造業におけるデジタル変革の現状をどのように捉えていますか?

橘 この10年余りを振り返ると、大きく3つのフェーズがあったと思います。最初はIoTや初期のAIによる「見える化」の時代です。設備や工程ごとにデータを取得する取り組みが進みましたが、改善活動に十分に結びつかないケースも少なくありませんでした。現場の熟練者による「匠の技」のデータ化や、動画解析にも難しさがありました。

次のフェーズでは「デジタルツイン」やAIの活用が進み、品質改善や予知保全に取り組む企業が増えました。異常の発生箇所などは見えるようになりましたが、その先の具体的な改善につなげるという点では課題が残っていました。

そして現在は、「生成AI・フィジカルAI」の時代です。ここで重要なのは、「現場知」や「暗黙知」をいかに形式知化し、AIが活用できる形にするかです。一方で、現状では「どのAIモデルが良いか」「どのツールを入れればよいか」という議論が先行しがちです。しかし、本質はそこではありません。

どのAIを活用するにしても、まずはAIに学習させるべきナレッジを整備する必要があります。そこが製造業DXの現在地だと考えています。

福本 世界と比較すると、日本の課題はより鮮明に見えてきます。米国は規制を最小限に抑え、大量の資本とデータを投入してAI開発を進めています。中国は、国家主導で社会実装を加速させています。EUは「GDPR(EU一般データ保護規則)」や「AI Act(EU AI規制法)」に象徴されるように、信頼(トラスト)や透明性を重視しながら、ルールづくりの面で主導権を握ろうとしています。

日本は現場力が非常に強いと思います。ただ、起業間や部門間の横串が通っていません。同じ社内でも、データの定義が現場ごとに違う。同じ言葉を違う意味で使っている。そんな状態が珍しくありません。

その結果、ある工場で成功した取り組みを自社の他工場へ横展開しようとしても、データや仕組みを再利用できない事例が散見されます。技術が遅れているのではなく、文化や組織の問題でスピードが出せていないのです。

日本はハイコンテクスト文化です。「言わなくても分かる」「経験があるから通じる」で仕事が進んできました。しかし、AIは空気を読めません。意味や前提条件を事細かに伝えなければ理解できない。これからはデータだけでなく、その意味や文脈まで構造化していく必要があります。

阿蘓 私も近い認識です。日本の製造業が世界で評価される理由は品質にあります。その品質を支えてきたのは、現場の判断や経験です。

DXを進めようとすると、「現場知」を標準化し、データ化しなければなりません。一方で品質を妥協することもできない。品質を維持しながら、データ活用を進める。そのバランスをいかにとるかが、日本企業にとって難しいテーマになっています。

日本の製造業がDXで出遅れているというよりも、品質を維持しながら変革を進めるという、難易度の高い課題に取り組んでいるという状況が、今はあるように思えます。

「現場知」を取り戻し、失敗から学び、強みが生きる領域を磨く

三好 AI・データ時代を迎えたいま、日本の製造業が取り組むべきことは何でしょうか。

橘 まずは「現場知」を取り戻すことです。生成AIが普及したことで、従来に比べて圧倒的に知識を活用しやすい環境が整いました。しかし、その前提となる知識やナレッジが失われてしまえば、意味がありません。

必要なのは、現場で使われている言葉や知見を整理し、意味を標準化することです。いわゆる「セマンティック(データの意味と関係性を整理・体系化する仕組み)」のレイヤーをつくり、「現場知」をAIが理解できる形にしていく。システムを大幅に入れ替える前に、まずは自社が有する知識を整備することが重要です。

その上で、日本が本来強みとして持っていた「改善活動」を取り戻す必要があります。仮説を立て、検証し、改善を繰り返す。その力こそが、日本の強みだからです。

海外のハイパースケーラー企業も、日本の改善活動をかなり研究しています。だからこそ彼らと渡り合うためには、AIだけを追いかけるのではなく、日本に昔からあった改善の文化を再評価する必要があるのです。

福本 同感です。日本が強かった時代に大切にしていた考え方や取り組みを、改めて見つめ直すべきだと思います。海外では日本のものづくりや改善活動を研究している人が多い一方で、日本ではその価値を当たり前のものとして見過ごしている面もあるのではないでしょうか。

また今後重要になるのは、設計、製造、検査、保守といったプロセスをデジタルで横断的につなぐことです。そのためには部門ごとに異なるデータや用語の意味を揃え、共通の認識基盤を構築する必要があります。これは単なる技術課題ではなく、組織や文化の変革そのものだと思います。

さらに、経営側も失敗を許容する姿勢が必要です。新しいことに挑戦すれば、失敗も起こり得ます。重要なのは失敗をなくすことではなく、失敗から学び、それを次の挑戦につなげることです。

阿蘓 少し違う観点で言うと、日本はニッチトップを目指すべきだと思っています。米国や中国と、資金力や人材規模で真正面から競争するのは難しい。AIモデルの開発競争も同じです。だからこそ、日本は日本の強みを生かせる領域に集中すべきです。

実際、日本の製造業には世界シェアの高い部材や装置が多いです。目立たなくても、欠かせない領域で世界を支えている企業がたくさんあります。AIやデータ活用についても、米国や中国を後追いせず、日本の強みが生きる領域を徹底的に磨き上げる方が現実的だと思います。

パネルディスカッションの会場の様子

目指す姿から逆算して、投資対象を考えよ

三好 描く未来像を実現するため、日本の製造業はどこに投資すべきでしょうか。

橘 まず前提として、グローバルのスピードに合わせる必要があります。中国や欧州、米国から貪欲に学びながら変革を加速しなければなりません。

その上で重要になるのが、人的資本、知的資本、製造資本への投資です。中でも鍵となるのは、「知的資本」と「製造資本」でしょう。知的資本とは、現場のナレッジや知識体系。製造資本とは設備や機械、ロボットなどです。これらを経営資源として磨いていかなければなりません。

福本 日本企業には完成度を重視する文化があります。しかしAIは、完成してから使う技術ではなく、使いながら改善し、価値を高めていく技術です。米国や中国の先進企業を見ると、AIにできるところから活用を始め、難しい部分は人が補完し、人とAIで役割分担を見直しながら適用範囲を広げているように見えます。日本も「完璧になってから使う」のではなく、「使いながら育てる」という考え方へシフトする必要があります。

阿蘓 私はスタートアップへの投資を増やすべきだと思います。人的資本や設備投資と同じレベルで、スタートアップに投資する発想が必要です。

製造業は人材の流動性が比較的低く、同じやり方が続きやすい環境です。その中で変化を起こすには、外部から新しい技術や考え方を取り入れる必要があります。ところが、海外のソフトウエアには何億円も払うのに、スタートアップ投資になると数千万円や数百万円になってしまう。この差は大きいと感じています。

橘 同感です。大企業がスタートアップを見る際、実績や規模だけで判断してしまいがちです。しかし、本当に重要なのは技術や活用アイデアのはずです。スタートアップ投資は単なる資金投下ではなく、新しい考え方や価値観を取り込むための投資なのです。

福本 企業とスタートアップに上下関係はありません。仲間として向きあい、互いに学び合う関係をつくることが欠かせません。

変革を阻むのは、技術より組織やプロセス

三好 では、実際に変革を進めるために、企業は今、どこから着手すべきでしょうか。

橘 前提として、現場を「見える化」できていることが重要です。ただし量産型と受注生産型では進め方が異なります。その上で、デジタルやAIを、IT視点ではなく業務視点で捉えていくべきです。

例えば、生産ラインにはロボットや設備、センサーなどがありますが、別々に管理されていることが少なくありません。これらを全体として捉え直し、知識を含めた形でデータ化していくことが重要です。

また、設計と製造、保守と開発など、情報が途切れている部分をつなぐ取り組みも効果があります。

福本 私はまず「違いに気づくこと」だと思います。ある企業で工場間の相互見学会を実施したところ、大きな効果があったと聞いています。同じ言葉を使っていても意味が違うなど、お互いに学べる点がたくさんあったからです。

現状が違うことが分かると、「将来に向けてどう一緒になっていくか」という議論が始まります。共通言語や標準化も、まずは違いに気づく場をつくることから始まるのではないでしょうか。

阿蘓 最近、経験した例があります。製造現場で撮影した映像データをAIの学習に利用しようとしたのですが、撮影許可を取るだけで苦労しました。どの部署が承認すべきか分からなかったからです。データ活用を前提とする承認プロセス自体が、存在していませんでした。データ活用を前提とした、業務プロセスや権限設計からまずは着手すべきです。

橘 変革を阻む要因は技術そのものではなく、部門間の断絶やオーナー不在、承認プロセスなどであることが少なくありません。組織やプロセスがボトルネックになっているケースは多いと感じます。

三好 本日の議論で行き着いたのは、AIやデジタル・ツールそのものの話ではなく、リアルな現場の力をどう生かすかという話だったと思います。デジタル変革を進めるには、技術の導入自体を目的とせず、それらを活用して本質的な課題に取り組み、自社の強みを伸ばしていくことが重要なのだと思います。本日はありがとうございました。

SpecialContents

製造業の変革が新たなステージに入った。デジタル化そのものから、AIやデータを活用して経営課題を解決し、具体的な成果を生み出すフェーズへ。この認識のもと、世界最先端の製造業動向を取り込みながら顧客企業の変革に貢献するためのビジョンや実践知を発信する。