製造業のAI活用は「誰が判断するか」が重要!EYが発表した人・AI・機械の協調とは?

製造現場で技術者とロボットアーム、AIが連携するイメージと、誰が判断するかを問いかける見出し

「AIが進化すれば、熟練作業者の判断も自動化できるのだろうか?」

「AIとロボットを導入したら、人はどこまで仕事を任せてよいのだろう?」

製造業のAI活用が進むなか、こうした疑問は経営者や工場長にとって重要なテーマになりつつあります。

2026年11月9日、EYストラテジー・アンド・コンサルティング株式会社は、人・AI・機械が協調する「次世代産業オペレーション」の変革支援を開始したと発表しました。

今回の発表で注目したいのは、新しいAIモデルやロボットの登場ではありません。

AIに何を判断させ、どこまで仕事を任せ、どの段階で人が介入するのかという業務設計そのものです。

AIが優れた分析結果を出せても、実際の生産現場でその結果をどう扱うかが決まっていなければ、安全で効率的な運用にはつながりません。

この記事では、EYが提唱する「判断設計・配置設計・境界設計」という3つの考え方をわかりやすく解説します。

さらに、設備保全・品質管理・生産管理を例に、中小製造業がAI導入前に整理すべきことを紹介します。

目次

EYが「人・AI・機械の協調」による製造業向け変革支援を開始

2026年11月9日に新サービスを発表

EYストラテジー・アンド・コンサルティング株式会社(EYSC)は、2026年11月9日、製造業を起点とした「次世代産業オペレーション」の変革支援を開始しました。

このサービスは、企業の経営判断から製造現場の業務までを対象に、人・AI・機械がそれぞれどのような役割を担当するかを設計するコンサルティングサービスです。

主な発表内容は次のとおりです。

項目内容
発表元EYストラテジー・アンド・コンサルティング株式会社
発表日2026年11月9日
サービス名次世代産業オペレーションの変革支援
主な対象製造業を起点とした企業・産業オペレーション
主なテーマ人・AI・機械の役割と判断の再設計
支援領域全社業務、現場業務、AIガバナンス
サービス料金共通料金は公式発表に記載なし

なお、これはEYが新しいAIソフトウェアや産業用ロボットを製品として発売したというニュースではありません。

企業ごとの業務や意思決定の仕組みを見直し、AI・ロボットなどを適切に組み込めるよう支援するサービスです。

公式発表:EY Japan「製造業向けに人・AI・機械が協調する次世代産業オペレーション変革支援を提供開始」(2026年11月9日)

なぜ今、この考え方が重要なのか?

製造業では、以前からさまざまな業務の自動化が進められてきました。

例えば、生産設備による自動加工、バーコードを使った実績入力、システムによる在庫計算などです。

これらは、あらかじめ決められた条件や処理に従って動く仕組みです。

一方、AIの進化によって、次のような作業も支援できる可能性が広がっています。

  • 過去の設備故障から、原因の候補を見つける
  • 品質不良の記録を分析し、確認すべき点を示す
  • 生産計画や在庫状況をもとに改善案を提示する
  • 作業映像から、熟練者の判断ポイントを整理する

しかし、こうしたAIの提案が、そのまま正しい業務判断になるとは限りません。

例えば、AIが設備の停止を推奨した場合、実際に停止するかどうかは、安全性、生産への影響、設備の状態なども考慮して判断する必要があります。

つまり、AIが何を分析できるかだけではなく、その結果に基づいて誰が何を決定するかが重要になるのです。

EYが提唱する「判断・配置・境界」の3つの設計とは?

今回の発表の中心となるのが、次の3つです。

① 判断設計|何を、どのような基準で判断するか

最初に整理するのは、業務上の判断内容です。

例えば、設備保全であれば「設備を停止すべきか」という判断があります。

その際に、どの情報を確認し、どのような条件で停止を判断するのかを明確にします。

  • 設備の振動や温度はどうなっているか
  • 過去に同じ異常が発生したことはあるか
  • 安全上の基準値を超えていないか
  • 生産を続けた場合にどのようなリスクがあるか

こうした判断基準が整理されていなければ、AIに任せる範囲も明確になりません。

② 配置設計|人・AI・機械の誰が担当するか

次に、その判断や作業を誰が担当するかを決めます。

例えば、設備保全なら次のような分担が考えられます。

担当役割の例
AI設備データを分析し、異常の候補や参考情報を提示
人情報を確認し、必要な対応を判断
機械・設備許可された条件と手順に従って動作

重要なのは、AIにすべてを任せる必要はないということです。

定められた安全条件で確実に実行する処理は、既存の制御システムが適している場合もあります。

③ 境界設計|どこまで任せ、いつ人が介入するか

最後に、AIや機械へ委ねる範囲を決めます。

例えば、AIが設備の異常を検出した場合です。

その結果を担当者へ通知するだけなのか、点検指示を作成してよいのか、実際の設備制御にも関与させるのかによって、必要な安全設計は大きく異なります。

特に、設備の停止・起動や品質の合否など、重大な影響を与える処理については、事前に許可条件と責任者を明確にする必要があります。

AI導入前に必要な判断設計・配置設計・境界設計の3項目を示す図
EY Japanの2026年11月9日の公式発表を参考に独自作成
DX担当 ちゃま男

AIに設備の異常を見つけてもらうなら、そのまま停止させた方が速いんじゃないですか?

ちゃま男の先輩

自動化できる場合もあるけれど、AIの提案だけで設備を制御してよいとは限らないよ。安全基準や設備の制御条件を確認し、どの場面で人が判断するかを決める必要があるんだ。

なぜ製造業ではAIを導入するだけでは不十分なのか?

熟練者の判断が言葉になっていない

製造現場では、ベテラン作業者の経験に依存した判断が数多く存在します。

例えば、加工設備から普段とは異なる音がするときです。

熟練者は、音の違いに加えて、加工する材料、設備の温度、前回の点検結果などを総合的に判断しているかもしれません。

しかし、その判断基準が社内で共有されていなければ、新しい担当者が同じように判断することは難しくなります。

AIへ判断を支援させる場合も同様です。

過去のデータだけでなく、何を確認し、何をもって正常・異常とするのかを整理する必要があります。

EYは作業映像から判断ポイントを抽出する方法にも着目

今回の発表では、現場作業を記録した映像から、作業者がどの場面で何を確認し、どのような判断を行っているかを仮説として抽出するアプローチも紹介されています。

例えば、熟練者が設備を操作する様子を記録し、操作の前後で確認している情報や行動の違いを整理する方法です。

こうした分析は、技能伝承や作業標準の見直しに活用できる可能性があります。

ただし、作業映像をAIに読み込ませれば、熟練者の判断基準を自動的に完全再現できるわけではありません。

映像から得られた仮説について、実際の作業者や現場責任者が確認することが重要です。

▼関連記事:製造現場の「職人の勘」をAIが再現?三菱重工グループの新技術から考える中小製造業のDX

製造業では人・AI・機械をどう使い分ける?

中小製造業で考えられる業務を例に整理します。

以下はEYの考え方を参考にした実務上の応用例であり、EYがこれらの具体的なシステムを提供済みであるという意味ではありません。

① 品質管理|AIが異常候補を示し、人が判定する

製品の品質検査では、測定値や画像、検査結果などをもとに合否を判定します。

例えば、検査データをAIが分析し、通常と異なる傾向や確認が必要な製品を提示する方法が考えられます。

一方、正式な品質判定については、製品の規格、顧客との取り決め、検査方法なども考慮する必要があります。

そのため、AIが提示した情報を品質責任者が確認する運用が考えられます。

② 設備保全|AIの分析と、保全担当者の判断を分ける

設備保全では、故障履歴、点検記録、設備の稼働状況などをもとに、対応を判断します。

AIが過去の履歴を分析し、異常の候補や参考となる対応履歴を提示する方法が考えられます。

ただし、実際に設備を停止するか、部品を交換するかといった判断は、保全担当者や設備管理責任者が行う必要があります。

安全に関わる処理では、AIとは独立した安全機能や停止条件も欠かせません。

③ 生産管理|AIが計画案を作り、管理者が確定する

生産管理では、受注数量、納期、設備の稼働状況、原材料の在庫などを考慮する必要があります。

AIがこれらの情報を整理し、生産順序や日程変更の候補を提示する用途が考えられます。

しかし、実際の生産計画には、設備の制約、作業者の配置、顧客との納期調整など、多くの条件が関係します。

そのため、AIが提示した案を管理者が確認し、正式な計画として確定する流れが考えられます。

【図2挿入:品質異常への対応|人・AI・機械の役割】

挿入位置: この段落の直後、次の「AIの判断と実行をつなぐ際の注意点」の前。

キャプション: 品質管理・設備保全を例にした、データ記録・AI分析・人の判断・作業実行のフロー。EYの考え方を参考にした独自の想定例。

品質異常の記録、AI分析、人による判断、作業実行までの4段階を示した業務フロー
品質管理・設備保全を想定した人とAIの役割分担の概念図
DX担当 ちゃま男

AIが品質不良を検出してくれるなら、検査担当者は必要なくなるんでしょうか?

ちゃま男の先輩

そう単純ではないよ。AIの検出結果が正しいか、製品の規格を満たすか、問題が発生したときにどう対応するかなど、人が判断する仕事は残るんだ。重要なのは役割を整理することだね。

AIの判断と実行をつなぐ際の注意点

EYの発表では、最終的な経営判断とその責任は、人と組織が担うことを前提としています。

これは、AIを使って業務を自動化する際にも重要な考え方です。

AIによる判断支援と、自動実行を区別する

例えば、AIが「この設備では異常が発生している可能性がある」と回答することと、設備を停止させる命令を出すことは異なります。

前者は情報の分析と判断支援です。

後者は設備を実際に動かすため、安全上の条件や制御の仕組みが必要になります。

特に、安全に関わる設備制御を一般的な生成AIの回答だけに依存させることは避ける必要があります。

AIの権限を必要な範囲に限定する

AIが参照できる情報や、実行できる処理を明確にします。

例えば、品質管理では、AIに検査記録の読み取りと異常候補の提示を許可し、正式な合否判定や記録の確定は責任者が行う構成が考えられます。

また、AIの判断根拠や処理結果を確認できる記録も重要です。

失敗した場合の対応を決める

AIが誤った情報を提示した場合や、システムが停止した場合にどうするかも事前に決める必要があります。

例えば、AIが利用できない場合でも、従来の点検手順に切り替えられるようにしておく方法があります。

AIを導入することで、従来よりも業務が不安定になることは避けなければなりません。

AI利用時のリスク管理については、総務省・経済産業省が公開した「AI事業者ガイドライン(第1.2版)」も参考になります。

経済産業省「AI事業者ガイドライン 第1.2版」

中小企業は何をすべきか?AI導入前に取り組む5つのこと

EYの考え方は、大企業だけでなく、中小製造業でも参考にできます。

ただし、最初から工場全体のAI化を目指す必要はありません。

まずは、対象業務を絞って取り組むことが重要です。

優先度1:AIに任せたい「判断」を1つ選ぶ

最初に取り組むべきことは、AIツールの選定ではありません。

現在の業務で、どのような判断に時間がかかっているのかを整理します。

例えば、次のようなものです。

  • 設備点検で、どの異常を優先して確認するか
  • 品質不良が発生した際、過去の類似事例を探す
  • 生産計画の変更時に、影響する工程を確認する

まずは、業務への影響が小さく、AIの結果を人が確認できる仕事から検討しましょう。

優先度2:現在の判断基準を文章にする

次に、その業務を担当している人が、何を見て判断しているのかを整理します。

例えば、設備保全なら次のような内容です。

  • 判断に必要な情報は何か
  • 正常と異常をどう区別しているか
  • どの条件なら上司へ報告するか
  • 誰が設備の停止を判断できるか

このように業務ルールを整理することが、AI活用の準備になります。

優先度3:判断に必要なデータを整備する

AIによる分析や判断支援には、適切なデータが必要です。

例えば、設備点検記録が紙にしか残っていない場合、AIが過去の異常履歴を継続的に分析することは難しくなります。

また、設備名や故障内容が統一されていなければ、正確な比較ができない可能性があります。

まずは、必要なデータの取得方法と記録ルールを整理しましょう。

▼関連記事:AIが答えるだけで終わるのはなぜ?製造業が「業務を動かすAI」を実現する方法

優先度4:AIと人の権限・責任を明確にする

AIに何を任せるかを決めると同時に、何を任せないかも明確にします。

例えば、初期段階では次のような分担が考えられます。

業務AIに任せること人が担当すること
品質管理不良の候補や関連情報の提示最終判定・是正判断
設備保全異常候補の検出・履歴の要約点検・修理・停止判断
生産管理計画変更案の作成納期・生産計画の確定

AIの役割が決まったら、誤った結果が出た場合の対応方法も決めておきましょう。

優先度5:小規模な検証から始めて効果を測定する

実際の業務でAIを試す際には、導入前後の成果を比較します。

例えば、次のような指標です。

評価項目確認する内容
作業時間情報検索・確認に必要な時間が減ったか
判断の正確性AIの提案に誤りがないか
見落とし異常や問題の確認漏れが減ったか
修正・確認工数人による確認負担が増えていないか
業務への影響作業停止や品質問題が発生していないか

AIの導入によって作業時間が短縮されても、誤判断によるトラブルが増えてしまえば、期待した成果にはつながりません。

実際の効果を確認しながら、少しずつ活用範囲を広げることが重要です。

DX担当 ちゃま男

中小企業でも、AIを使って工場の仕事を改善できそうですね。でも、どこから手を付ければいいんでしょう?

ちゃま男の先輩

最初は工場全体を変える必要はないよ。まずは一つの業務で、担当者が何を見て判断しているかを整理すること。そのうえでAIに任せられる部分を探せばいいんだ。

AI活用を進める前に、自社の準備状況を確認する

AIを業務へ組み込むには、AIモデルの性能だけでなく、データの整備や業務ルールの明確化が必要です。

例えば、製造現場では、作業日報や設備点検記録をデジタル化し、各部門で活用できる状態へ整備することが重要になります。

ラック・インターナショナル株式会社では、中小製造業向けに、AI活用に向けた準備状況を確認できる「AI READY診断」を無料公開しています。

データ化・構造化・業務ルールの言語化などの観点から、現在の状況を全10問で確認できます。

▼AI READY診断 for 製造業|無料・登録不要

※同診断はラック・インターナショナル独自の簡易セルフチェックであり、AI導入の成果や実現可能性を保証するものではありません。

まとめ|AI時代の製造業では「誰が判断するか」の設計が重要

2026年11月9日、EYストラテジー・アンド・コンサルティングは、人・AI・機械が協調する「次世代産業オペレーション」の変革支援を開始しました。

今回の発表で注目すべきなのは、AIやロボットの性能だけではなく、業務の判断と責任をどのように設計するかという考え方です。

特に重要なのが、次の3つです。

  1. 判断設計: 何を、どのような根拠で判断するか
  2. 配置設計: 人・AI・機械の誰が担当するか
  3. 境界設計: AIや機械にどこまで任せ、いつ人が介入するか

中小製造業でも、こうした考え方を参考に、設備保全や品質管理、生産管理などの業務を見直すことができます。

ただし、AIの導入だけで熟練者の判断が完全に再現できるわけではなく、設備の安全な自動制御が実現するわけでもありません。

重要なのは、業務の判断基準と責任範囲を整理し、段階的にAI活用を進めることです。

明日からできる第一歩は、現場でベテラン担当者が行っている判断を一つ選び、「何を見て、どの基準で判断しているか」を書き出すことです。

AIに仕事を任せる前に、その仕事の判断と責任を明確にする。

それが、中小製造業における実践的なAI導入の出発点になります。

参考資料

※本記事は2026年11月18日時点の公式情報を基に制作しています。EYが発表した支援サービスの内容と、中小製造業での活用方法に関する独自の提案は区別しています。設備保全・品質管理・生産管理の具体例は、導入実績や効果を保証するものではありません。

製造現場で技術者とロボットアーム、AIが連携するイメージと、誰が判断するかを問いかける見出し

この記事が気に入ったら
いいねしてね!

よかったらシェアしてね!
  • URLをコピーしました!
目次