定年3年前の職人の勘をAIに残す。大阪の金属加工65名が不良率を4割減らした話

本記事はモデルケース（架空の導入シナリオ）です。社名・人物・数値はすべて仮のもので、当社の支援内容をイメージしていただくための試算例です。

会社プロフィール

A社は大阪府東部にある切削・研削加工の専門メーカー、従業員65名。産業機械向けの精密シャフトやギア部品を得意とし、難削材の加工で近隣から一目置かれる存在です。社長は48歳。自身も現場出身ですが、創業期から会社を支えてきた工場長（62歳）と熟練工2名が3年以内に定年を迎える予定で、「あの3人がいなくなったら、うちの加工品質は維持できるのか」という不安を抱えていました。

抱えていた課題

中心となる課題はベテラン退職と技能継承です。工場長は難削材の加工条件（送り速度・切込み・工具選定・クーラント）を経験と勘で決めており、記録は本人の手帳と頭の中だけ。若手が同じ図面を担当すると、条件出しに2〜3日かかったうえ、不良を出してしまうことが繰り返されていました。

もう一つの課題は不良・手戻りによるコストです。過去の加工トラブルの原因と対策が個人のメモに散らばっており、同じ失敗を別の担当者が繰り返す状態でした。月あたりの不良・再加工コストは概算で15万円前後に達していました。

業務棚卸しで見えた定型タスク

AI業務診断では、製造・生産技術・品質の業務を約80タスクに分解し、「ベテランに依存している業務」を抽出しました。

導入したAIエージェント

1. 技能ナレッジ化エージェント（工場長・生産技術が使用）

工場長が作業しながら話す「なぜこの条件にしたのか」をスマートフォンで録音し、生成AI（Claude）が加工手順書の形式に書き起こします。写真を添えると図面番号・材質・工具・条件・注意点が自動で整理され、社内の共有ドライブに蓄積されます。1年間で約400件の「工場長の判断」をナレッジ化する計画です。

2. 加工条件レコメンドエージェント（若手作業者が使用）

過去10年分の加工実績（Excelで管理していた条件表）とナレッジ化した手順書を統合し、新しい図面の材質・形状・公差を入力すると、類似案件の条件と過去の失敗事例を提示します。Geminiを使って図面PDFから寸法・材質を読み取る機能も組み込み、若手が「工場長ならこうする」に近い条件から検討を始められるようにしました。

3. 現場Q&Aエージェント（全作業者が使用）

Slackのチャンネルに質問を投げると、蓄積したナレッジから回答候補を返します。工場長に直接聞く前の「一次回答」として使い、AIが答えられなかった質問は自動で工場長に転送され、その回答もナレッジに追加される仕組みです。

導入の流れ

1. STEP1 無料相談（60分・オンライン）：社長・工場長が参加。「技能継承」を「判断の記録」と「判断の再現」に分けて考える整理を行いました。
2. STEP2 AI業務診断・ロードマップ策定（30万円〜）：3週間で80タスクを棚卸しし、ナレッジ化の対象範囲と優先順位、既存Excelデータの活用可否を診断しました。
3. STEP3 実行：A社は内製化支援コースを選択しました。ナレッジは今後も増え続けるため、社内で改良し続けられる体制が不可欠と判断したためです。生産技術担当2名が当社の伴走のもと、3か月かけて3エージェントを構築し、その後も自分たちで機能追加しています。

Return on AI 試算

以下は試算例です。削減人時は時給3,500円で換算しています。

条件出しにかかる時間の短縮に加え、不良率が導入前比で約4割減ることを前提とした試算です。

経営者の声（モデルケース）

※以下は架空の社長の言葉です。
「工場長に『手順書を書け』と頼んでも、忙しくて一枚も進みませんでした。話すだけでAIが手順書にしてくれる形にしたら、工場長のほうから『これも残しておこう』と言い出すようになった。ベテランの退職が怖くなくなったというより、ベテランの価値がようやく形として見えるようになった感じです」

御社で試すなら

パッケージに業務を合わせる時代は終わりました。御社の加工実績データと現場の言葉をそのまま活かした「うちだけのナレッジシステム」を、AIならスクラッチで迅速・安価に作れます。ベテランに頼らざるを得ない人材難の状況は、裏返せばAIが最も力を発揮できる領域が明確だということでもあります。

「うちの技能は言葉にできない」と思われている方こそ、60分の無料相談でお話をお聞かせください。

無料相談（60分・オンライン）を申し込む

※本記事はモデルケース（架空の導入シナリオ）であり、効果を保証するものではありません。