⽇中オフショア開発の専門パートナー上海物来喜電子商務有限公司

【日本J70】 生成AIで拓く現場のフィジカル革命（暗黙知を資産へ）2026.08.29

 

【結論】
生成AIの真価は、以下のように工場・倉庫・建設
現場という物理空間にこそ最大の価値があります。

　・熟練工の勘
　・在庫の置き場所
　・異音の兆候
　　　↓
　これまで「数値化できなかった」現場の
　暗黙知を生成AIは形式知へと変換します。

 

日本国内の製造業ではすでに予知保全や技能継承
への実装が進み、実際の成果も報告されています。

今日、スマホ一台から始められます。

 

 

現場の暗黙知とは、長年の経験で身についた言葉
や数値では表しにくい職人さんの勘やコツのこと。

例えば、熟練工の勘は機械の音や振動、素材
の見た目など、多くの情報を瞬時に総合して
「そろそろ調整が必要だ」と感じる感覚。

 

在庫の置き場所は「よく使うものはここ」
「動線を考えてあっち」といった マニュ
アルには書かれていない現場の知恵。

 

異音の兆候は「普段と音が違う」という、微妙
な変化に気づく経験で培われた聴覚や感覚です。
　↓
これらは数値化や言語化が難しく、個人の頭
の中に蓄積されやすいため、 ベテランが退職
すると失われやすいという課題があります。

 

 

近年は、動画や インタビュー、AI・IoTなどを活用し
て、 こうした暗黙知を「形式知（誰にでもわかる形）」
に変え、 組織全体で共有・継承する取り組みが進ん
でいます。

 

 

 

 1.「ウチには関係ない」という感覚がリスクである

　先日、ある中堅製造業の三代目社長とお
　話しした際、こんな本音を耳にしました。

「ウチの現場に AIなんて関係ないと思っていました。
　ウチが作っているのは、 物理的な『モノ』ですよ。
　油と金属の世界にチャットAIが何の役に立つんだと」

 

 

②この感覚は決して珍しいものではありません。

しかし結論から申し上げると、この感覚を持ち
続ける企業から順番に、今後数年で「競争力を
失っていく可能性が高い」というのが実情です。

 

 

③根性論や職人芸を否定するつもりはありません。

むしろ、これまで言葉にできなかった「職人芸」
を生成AIによって資産化する動きが、 すでに日
本国内の製造・物流現場で始まっています。

 

 

④今日からできる「脳と身体のハイブリッド」実装例は、以下。

・製品取扱説明書を対話型コンシェルジュにする魔改造
・異音・振動を「言葉」に翻訳する予知保全
・暗黙知の継承を「10年」から短縮すること

 

 

 

 2.【実装例❶】製品取扱説明書を対話型コンシェルジュにする魔改造

① BtoBの 製造業で、分厚い取扱説
明書を作ってもお客様は読みません。

サポートセンターに同じ質問を何度も電話してきます。
　↓
これは人類の普遍的な仕様です。

 

 

②そのPDFや技術仕様書を全部生成AIに食わせてください。

　そうすれば、24時間、いつでも質問に答えてくれる
「その製品の第一人者」チャットボットが誕生します。

 

 

③ 「初心者モードの田中さん」と「プロモードの
山田部長」では、回答の解像度を変えるといった、
人格ロールプレイをさせるのがコツです。

田中のスマホには 「この赤いボタンは最初は怖
いかもしれませんが、 優しく握ってくださいね」
と表示されます。

山田のPCには「当該スイッチの接点容量はAC250V
5A耐久回数は、10万回です」と、 表示されます。

 

 

④これが実現すると、 あなたの会社の「機械」は、
ユーザーと会話しながら、成長していくまるで SF
のような「生きている製品」に変貌します。

 

 

 

 3.【実装例❷】異音・振動を「言葉」に翻訳する予知保全

①現場でとりわけ、実装が進んでいるのが、  設備
の異音や振動データを AIで解析する予知保全です。

 

（例❶）新潟県小千谷市の菓子メーカ
ー、竹内製菓社の事例はその好例です。

同社は 製造ラインのチェーンコンベアの故障低減
が長年の課題でしたが、Amazon SageMakerを用
いた機械学習モデルを導入し、「コンベアの異音」
を検知して故障の兆候を早期に察知する予知保全
システムを構築しました。
　　　↓
結果、生産ラインへの影響を最小限に
抑え、商品の安定供給に繋げています。

(出典：竹内製菓、製造設備の異音を AWSで検知する予知保全システムを導入） 

 

 

（例❷）AWSは、多拠点工場群の設備監視に用
いる「Amazon Monitron」において、 生成AIを
ダッシュボードの デザイン改善にも 活用した事
例を公開しています。

設計の専門知識を持たない ソリューションアー
キテクトが、生成AIの支援によって ダッシュボ
ードの「視認性を高めた」という実践報告です。

（出典：Amazon Monitronによる予知保全ダッシュボード） 

 

 

②以下が予知保全における生成AI活用の本質です。

「機械が発する小さな声をデータとして拾い上
　げ、人間が理解できる言葉に、翻訳すること」

 

 

 

 4.【実装例❸】暗黙知の継承を「10年」から短縮する

①日本の製造業の強みは、現場に蓄積
された「経験豊富な暗黙知にあります」。

しかし、これを「次世代へ継承する」には、
これまで長い年月がかかるのが通例でした。

 

 

② KPMGコンサルティングが 2026年に 開催した製造
業向けセミナーでも、生成AIを用いて「暗黙知を形式
知化する」最新アプローチが取り上げられています。

　以下が、今まさに進化していると紹介されています。
「属人化しがちな暗黙知を組織全体で活用する枠組み」

(出典：人とAIが暗黙知を糧として成長するフレームワーク） 

 

 

暗黙知を形式知化するとは、頭や体でなんとなく
分かっている「コツ」を言葉・図・手順書にして、
他の人にも伝えられる形にすること。

例えば、ベテランだけが知っている仕事の進め方を
マニュアル化すると、新人でも学びやすくなります。

知識を共有しやすくなり、仕事の属人化も防げます。

 

 

③ AWSが2024年のAWS Summit Japanで展示し
たデモでは、 ベテラン技術者が持つ 「KKD(経験
・勘・度胸)」を 生成AIに参照させ、 過去の生産
記録や アラート対応記録を RAG（検索拡張生成）
という手法で検索・参照する。

 

この手法で次世代の技術者育成に活用する試みが紹介されました。
   ↓
ここで注目すべきはAWS自身が「過去のレポートや文献には明示
されていない現場のノウハウも多く存在する」と明言している点。

（出典：生成 AI で技能伝承！プロセス製造業デモのご紹介） 

 

 

④つまり生成AIは万能の魔法ではなく、現場の対
話や、ヒアリングと組み合わせて初めて機能する、
という誠実な事実も押さえておく必要があります。

 

 

 

 5. 現場の投資意欲は数字にも表れている

これは一部の先進企業だけの話ではない。
　　↓
産業オートメーション大手 ロックウェル・オート
メーションが2024年に発表した「スマートマニュ
ファクチャリング報告書」 (17カ国、1,500社以上
の製造業を対象)によれば、以下。

 

①製造業の 83%が 2024年中の業務での 生成AI活用を
見込んでおり、95%がスマートマニュファクチャリング
技術を使用または評価済みと回答しています。

 

② 94%が技術導入にあたり、従業員の維持・増員に取
り組むと回答しており「AI活用」が 人員削減ではなく、
人材配置の高度化を志向している点も見逃せません。

(出典：94%が労働力の維持または増強を期待している） 

 

 

 6.【FAQ】
Q. 生成AIの導入には大規模なシステム投資や専門の
データサイエンティストが 必要ではないでしょうか?

 

A. 必ずしもそうとは限りません。

竹内製菓の事例のように、 既存のクラウドサービ
ス(Amazon SageMakerなど)を活用すれば、 大規
模な自社開発を行わずとも、「予知保全の仕組み」
を構築できます。

 

暗黙知の形式知化についても、 まずはベテランへの
ヒアリング音声をテキスト化し、 生成AIで構造化す
るところから始められ、「スマホと録音・撮影機能」
があれば、着手可能な取り組みも少なくありません。

 

重要なのは「何から着手するか」を自
社の現場に合わせて設計することです。

 

 

 

 7. まとめ

①蒸気機関が登場した当初は、多くの人は
「馬車を速くすること」しか考えなかった。

しかし蒸気という新しい力を使い、これまで
移動できなかった場所に線路を引いた人々が、
新しい時代を切り拓きました。

 

 

②生成AIも同様に、今まさに現場の足元にある力です。

これを活かせるかどうかを決めるのは、
AI開発者ではなく「現場を」誰よりも
知る経営者や現場責任者の皆様です。

 

 

③以下はこれまで「役に立たない」とさ
れて捨てられてきた現場の生の情報です。

・ベテランの言葉にならないコツ
・倉庫の奥に眠る在庫データ
・機械が発する小さな異音

 

⑴ ベテランの言葉にならないコツは、長年の経験
で身についた 「なんとなくこうするとうまくいく」
という感覚や勘。

 

⑵ 倉庫の奥に眠る在庫データは、使われてい
ない古い在庫や、 記録されていない置き場所
の情報などデジタル化されていないデータ。

 

⑶ 機械が発する小さな異音は、故障の前兆と
なる普段と違う音や、振動など、 センサーで
計測できる微細な変化です。

 

 

④ これらを「生成AIに学習させる」ことで
以下のようなことが できるようになります。

　・熟練の技を継承する
　・在庫を最適化する
　・機械の故障を予知する
　　　↓
生成AI活用における最良の出発点になり得ます。

 

 

（参考）AI時代に埋もれないための実践術は業界の暗黙知を形式知にすること

 

 

 

■著者プロフィール（おおつき）：
アジアにおける、BtoBマーケティングのプロフェ
ッショナルを自認する中国上海に住む日本人です。
Shopifyによる「自社ECサイト」、WordPressによる
「サイト制作」と LinkedIn記事やブログ記事を含む
集客効果の高い「コンテンツ制作」を 承っています。
本サイトへの来訪者は、月10,000人を 超えています。

 

 

 

 

 

本ホームページの収録内容はすべて当社に著作権があります。
無断転載・複製は、固くお断りいたします。
以下の場合には、お気軽にお問い合わせください。
サービス内容 / 機能の実現性 / お⾒積もり