「うちみたいな規模で、本当に AI なんて使いこなせるんですかね」
先日、ある町工場の専務さんが、商談の終わり際にぽつりと漏らした一言です。連載の第 1 回から第 7 回まで、私はこの問いに何度も向き合ってきました。理屈や手順、失敗の回避法。書ける範囲のことは書いたつもりです。それでも、最後に残るのはやはり「で、実際どうなったの」という具体の話だと思っています。
全 8 回の連載は、今回が最終回です。前回は よくある AI 導入失敗 5 パターンと回避法 を扱いました。今回はその裏返しで、「うまくいった現場では、何がどう変わったのか」を、業界事例として一般化した形でいくつか並べてみます。固有の社名は出しません。出さなくても、現場の空気は伝わるはずです。
事例 1: 製造業の品質検査 — 「目の良い人」が辞めても、ラインが止まらなくなる
ビフォー。ある金属部品メーカーの検査工程。20 年以上勤めるベテラン検査員が、製品を一つひとつ手に取り、傷や欠けを目で見て弾いていました。検査台の横には、本人だけが分かる手書きのメモが何枚も貼られている。社長の悩みは単純で、「この人が辞めたら、明日からどうするのか」。後継者の若手は来るが、一人前になるのに 3 年はかかる。
変化。画像検査 AI を導入。といっても、いきなり全自動にしたわけではありません。AI が 1 次スクリーニングで「怪しい」ものだけを弾き、ベテランは弾かれたものだけを最終確認する、という分担に切り替えました。
アフター。検査員が一日中向き合っていた 1,000 個のうち、AI が「OK」と判定する 900 個は、人の目を通らなくなりました。残り 100 個だけを人が見る。検査員 4 人体制だった工程が、実質 1 人で回るようになりました。後継者の育成期間も短くなった。理由は単純で、「見るべき不良品の例」を AI が選別してくれるので、若手は実物の不良ばかりを集中的に学べるからです。
注意点を一つ。導入直後の半年は、人間の確認をむしろ厚くしていました。AI の判定をいきなり信用しない。これは正しい慎重さだと、私は思っています。
事例 2: 物流倉庫の入庫処理 — FAX と紙の山から、人が解放される
ビフォー。中堅の物流会社で、毎朝届く FAX の山。発注書、納品書、変更依頼。パートさんが 3 人がかりで、紙を読みながら基幹システムに手入力していました。1 日あたり 300 枚。残業も日常でした。「2024 年問題」が騒がれていた頃、現場の方が漏らしたのが「ドライバーの労働時間以前に、事務の手が回らない」という言葉です。
変化。OCR と生成 AI を組み合わせて、FAX 画像を読み取り、システムへの入力候補を自動で作る仕組みを入れました。AI が読んだものを、人が「合っているか」だけ確認して確定ボタンを押す。完全自動化ではありません。
アフター。300 枚の入力作業のうち、260 枚ほどはほぼノータッチで通るようになり、人が判断する 40 枚に集中できるようになりました。残業はほぼゼロに。パートさんからは「目が疲れなくなった」という、数字には出ない感想が出ています。私はこの種の声を、KPI 改善より重く見ています。
事例 3: 小売·EC のカスタマー対応 — 1 次対応を AI に、人は例外だけを見る
地方のアパレル EC を運営する、社員 15 名ほどの会社の話です。
ビフォー。問い合わせメールが 1 日 80 件前後。配送状況、サイズ感、返品の可否。社長と店長が、深夜まで返信を打っていました。返信が遅れるとレビューに響く。レビューが落ちると売上に響く。悪循環でした。
変化。生成 AI に過去の問い合わせと回答テンプレートを学ばせ、1 次回答の下書きを作らせる。人は内容を読んで、必要なら手直しして送信する。完全な自動返信は、トラブルを呼ぶので避けました。
アフター。80 件のうち、配送·在庫·サイズに関する 60 件ほどは、人の手直しがほぼゼロのまま送れるようになりました。残り 20 件のクレームや特殊案件に、人が時間をかけられるようになった。社長は「夜の 10 時にメールを打たなくてよくなった」と言っていました。これは生産性の話というより、その人の生活の話です。
事例 4: 中小メーカーの見積作成 — ベテランの「勘」を、形にする
ビフォー。受注生産の機械部品メーカー。引き合いが来るたび、営業課長が過去案件のファイルを開き、似た案件を探して、見積を作っていました。所要時間、平均 3 時間。課長は会社で唯一、勘所を持っていました。
変化。過去 5 年分の見積データを生成 AI に読ませ、新規の引き合いに対して見積の初稿を作らせる。課長は初稿を見て、調整したい点だけを直す。
アフター。1 件 3 時間が、30 分前後に。これだけ書くと「速くなりました」で終わってしまうのですが、本当の意味はそこではないと思っています。課長が抱えていた「自分が休むと見積が止まる」というプレッシャーが、消えたことです。属人化していた業務が、組織のものになった。これは数字以上に大きい変化です。
うまくいった現場に、共通していたこと
4 つの事例を並べてみて、はっきりした共通点が一つあります。どの現場も、AI を「人を置き換えるもの」として導入していなかった、ということです。1 次判定·下書き作成·候補抽出。AI に任せたのは、その手前の作業です。最終判断は人が残している。
もう一つ、地味だけれど大事な共通点。導入直後は、むしろ人の確認工数を増やしている。「AI が出した結果を、半年は丁寧に見る」という期間を、どこも置いていました。正直なところ、これをやらずに「最初から効率化」を狙った現場が、前回扱った失敗パターンに陥っていきます。
全 8 回を振り返って
この連載は、AI を売り込むためではなく、現場の意思決定者の方が「自分の会社で何をどう判断するか」のために書いたつもりです。第 1 回で全体像を、第 2 回〜第 6 回で導入の段取り、組織、ベンダー選び、運用設計を、第 7 回で失敗パターンを扱いました。途中から読まれた方は、第 1 回 から振り返ってみてください。順番に読まなくても、必要な回だけ拾っていただければそれで十分です。
私たち 5years+ は、韓国と日本の中小·中堅企業向けに AI と業務自動化の導入を支援してきました。一気に大きな仕組みを入れるのではなく、小さく試して、現場の反応を見ながら広げていく。そういう進め方を一緒に考えるのが、私たちの仕事です。もし社内で検討中でしたら、お気軽にお声がけください。最初は、現状を伺うだけの会話でも構いません。
全 8 回、お読みいただきありがとうございました。