LIVE · OPS
PROJECTS 52+1 THIS WKUPTIME YR 4.2YSINCE 2022CLIENTS 30+KR · JPAVG REPLY <24HMON–FRIAI AGENTS LIVE 18RUNNINGWORKFLOWS 124N8N · CLAUDEPROJECTS 52+1 THIS WKUPTIME YR 4.2YSINCE 2022CLIENTS 30+KR · JPAVG REPLY <24HMON–FRIAI AGENTS LIVE 18RUNNINGWORKFLOWS 124N8N · CLAUDEPROJECTS 52+1 THIS WKUPTIME YR 4.2YSINCE 2022CLIENTS 30+KR · JPAVG REPLY <24HMON–FRIAI AGENTS LIVE 18RUNNINGWORKFLOWS 124N8N · CLAUDE
業務自動化2026-05-30·10分で読めます

中小製造業の自動化が「見積り」と「図面」で止まる理由

中小製造業の自動化は順調に進んだあと、見積り対応と図面処理で必ず崩れる、というパターンが繰り返されます。日本・韓国の3つの製造業ケースで見えたボトルネックと、AX 診断で何から手を付けるかの整理。

ファン・ゴァンヒ · 5years+ 代表READ MORE ↓
目次 · Contents

先月、ある部品加工会社の経営者と向き合った席で出た言葉です。「AIは入れたんです。でもなぜ見積りは相変わらず人が全部書いてるんでしょうね」。自動化を深く触ってきた方なら、この一文がどこを指しているか見えると思います。本稿は、中小製造業の自動化が見積りと図面の前で必ず止まる理由を短く整理した記録です。

中小製造業の自動化が難しい本当の理由は技術ではなく、データ入口の状態です。一つの工場の中で、紙・PDF・CAD・ERP・社員の頭の中の暗黙知が同時に生きていて、部署ごとに違う形で入ってきます。自動化ワークフローはきれいな入力を前提に作られますが、製造現場は最も汚い入口を持つ場所です。この食い違いを縮める作業こそが、自動化の最大コストです。

事例1 — 見積り自動応答が「本当に」回り出す瞬間

東京近郊のある部品加工会社は、1日平均30件の見積り問い合わせを全て営業が手で返していました。AIエージェントを乗せようとして毎回同じ場所で止まります。「図面がPDFで来るんです」。OCRで図面を読み込んでも結局人が再チェックする必要がありました。解は単純でした。見積りを「単純返信」と「正式見積書作成」に分け、単純返信だけにAIを乗せました。標準部品・小ロット試作・繰り返し発注 — この3つで全見積りの62%、いずれも図面解析なしに即答可能でした。2ヶ月で営業1名の見積り対応時間が1日4時間から1時間に減りました。図面が必要な38%は今も人が見ます。正直、最初は「62%だけで価値があるのか」という空気もありました。経営者の言葉が残ります。「その1時間は営業がいなくなった時間じゃない、新規開拓に使える時間に変わったんです」。

事例2 — 図面メタデータをOCRより先に

大阪のある精密部品会社は、入荷する図面PDFをカテゴリ別に仕分ける作業に毎週8時間使っていました。OCRで図面内のテキストを読むソリューションを試しましたが、精度が70%にとどまり断念しました。我々が提案した方向は逆でした。図面の中ではなく、ファイル名・メール本文・送信元・過去発注履歴のようなメタデータを先に活用します。95%以上の図面はメタデータだけで分類でき、OCRは本当に必要な5%にだけ適用しました。導入4週目、仕分け時間が週8時間から30分に減りました。意外だったのは、分類精度が人がやっていた頃より高くなったことです。人は忙しいと適当に分類してしまいますが、自動化は一貫しています。

事例3 — ライン通知はいつも嘘で始まる

愛知のある中堅加工会社は、ライン停止通知の自動化に取り組み最初の2ヶ月を失いました。PLC信号を自動で受けてSlackに通知を流したのですが、通知が多すぎて誰も見なくなりました。問題はPLCが「潜在的異常」まで全て通知に出していて、その中で本当のライン停止は5%だったこと。我々は通知を止めず、分類しました。1週間、全ての通知に人のチェックを併走させ、そのラベルデータで偽通知フィルタを学習させました。8週目から通知数は1/30に減り、ライン長が再びSlackを見るようになりました。正直、1週間のラベリング期間中、現場の空気は良くなかったです。「このためにシステム入れたのか」という声もありました。その1週間が自動化の最大コストであり、同時に最も重要なステップでした。

3つの事例を貫くパターン

業種も規模も違う3社の自動化は、異なる時点で止まりましたが同じ原因を示しています。製造現場の入力データはきれいではなく、きれいにしてから自動化を乗せると失敗します。しかし完璧にしてから始めようとすると時間がかかりすぎて、結局始められません。答えは「全自動化」ではなく「楽な60%だけ自動化、残りは人」です。その比率が80%になる時点はだいたい導入1年後で、それも人が毎週手を入れるから可能になります。

中小製造業の意思決定者向けチェックリスト

  • 見積り対応を「単純返信」と「正式見積書」に先に分けてください。標準部品・繰返発注で大体60%以上を占めます。
  • 図面PDFはOCRではなくメタデータ(ファイル名・メール本文・過去発注履歴)から活用してください。
  • ERPに直接つながないでください。中間sync layerを挟んで双方向の整合性を検証する構造が安全です。
  • 社内エンジニア1名を「自動化パートナー」に指名してください。外注だけで回す自動化は6ヶ月で止まります。
  • PoC 4週間はROI検証ではなく、「どのデータがより汚いか」を見る期間です。4週でROIを測ろうとする方は大体失望します。

「うちもこのケースに似ている」と感じたら — 無料AX診断

本稿の製造業事例が貴社の状況と似ていると感じられたら、5years+ の無料AX診断を受けてみてください。業界・規模・主要なペインポイント、3〜4つの質問にお答えいただくと、シニアコンサルタントが自動化導入の優先順位Top 3を整理してレポートにしてお送りします。営業コールは診断結果をご覧になってから、必要なときだけお申し込みください。

→ AX診断を開始(所要3分)

おわりに

製造業の自動化は新しい技術を導入する仕事ではなく、工場に積まれた不均一なデータを一行に整理する仕事に近いです。今稼働している工程があれば、2つだけお勧めします。第一に、「過去1ヶ月で最も繰り返し人が手を入れた作業」を一行で書き出してください。第二に、その作業に入ってくるデータの形(紙/PDF/CAD/口頭)を横に書いてください。自動化はその表1枚から始まります。

関連記事 · 2本
▸ WRITTEN BY
J.H
ファン・ゴァンヒ
5years+ 代表 · EST. 2022

5years+ 代表。AIエージェント・業務自動化・Webアプリ開発を通じて、韓国・日本の企業が「繰り返し」から解放され「成長」に集中できるよう支援しています。Claude API、n8n、Next.js を中心としたスタックで52件以上のプロジェクトを納品。

▸ この記事が役に立ったなら
実際のAI自動化を
あなたのビジネスに導入したいですか?

5years+ が具体的な方法をご提案します。