2026年版ものづくり白書を見て、私はまず少しだけ笑ってしまいました。これは生成AIに作らせた資料ではないな、と感じたからです。人が一生懸命に整理し、現場の温度を落とさないようにまとめている。もちろん、行政文書としての硬さはあります。それでも、製造業の今を見ようとしている資料として読むと、かなり大事な論点が詰まっています。

今回の白書で特に気になったのは、AIやDXがようやく製造業の経営課題として避けられない位置に来た、ということです。ただし、ここで注意したいのは「AIを導入している企業が増えました。よかったですね」で終わらせないことです。読者の皆さんの会社では、AI導入の話が出たときに、まず何を議論しているでしょうか。ツール名でしょうか。予算でしょうか。それとも、現場のどの仕事を変えるのかという話でしょうか。

製造業は、昔から品質、納期、コストの三つを厳しく見てきました。良いものを、早く、安く、安定して作る。これは日本のものづくりの強さでもあります。しかし、今後はそこにデータ、AI、技能継承、人材育成が重なってきます。つまり、製品だけでなく、製品が生まれるまでのプロセスそのものを見直す時代に入っているのです。

参考: ものづくり白書の概要と本文は、経済産業省の公開資料で確認できます。

参考: 2026年版ものづくり白書 / 概要版PDF

「これからはデータを持つ企業が勝つ」。これは正しいと思います。ただし、製造業でこの言葉を使うときは、かなり慎重であるべきです。なぜなら、製造業のデータは最初からきれいな表形式でクラウドに入っているわけではないからです。

現場には、温度、湿度、材料ロット、機械の癖、作業者の手の感覚、段取り替えの判断、品質検査の勘所など、言語化しにくい情報が山ほどあります。雨が降ったら品質が変わる。ロットが変われば微妙に調整が必要になる。紙、金属、樹脂、塗料、インク、電子部品など、扱う対象によって変化の出方も違います。これを単純に「センサーを付けてデータを取りましょう」で済ませると、現場の人からすれば、そんな簡単な話ではないと言いたくなるはずです。

私は製造業出身です。AIやデータ経営という言葉が今ほど当たり前ではなかった時代に、現場の人がどれだけ細かい調整をして品質を守っていたかを見てきました。ある人に任せると安定する。別の人がやると同じ設備でも少し結果が変わる。これを「属人化だから悪い」とだけ言うのは簡単です。しかし、その属人性の中には、長年の経験で磨かれた技能があります。

ここで大事なのは、属人性を消すことではありません。属人性の中にある判断材料を見えるようにすることです。何を見ていたのか。どこで手を止めたのか。どの変化を危険信号と判断したのか。そこを拾わないまま、AIにデータを食わせても、現場で使える知恵にはなりません。

印刷業界の例は、製造業DXを考えるうえでとてもわかりやすいと思います。同じ企業、同じ枚数、同じ色指定で印刷しているはずなのに、仕上がりを見ると赤の出方が違う。現物を並べてみると、素人目にも違いがわかることがあります。

何が起きたのでしょうか。紙は湿気の影響を受けます。インクの乗り方も変わります。輪転機を回す人、製版を調整する人、現場で最終判断をする人によって、微妙な補正が入ります。ベテランはそれを言葉にしないまま、指先や目で合わせていることがあります。

ここで気づくべきことは、データ化すべき対象は「色の数値」だけではないという点です。気温、湿度、紙の状態、インク、機械の状態、担当者の判断、クレーム履歴、再印刷の有無。これらがつながって、ようやく品質を支えるデータになります。

応用できる行動はシンプルです。まず、うまくいった日と失敗した日を比べる小さな記録から始めることです。設備投資の前に、現場の判断ログを作る。日報を増やすのではなく、判断の分岐点だけを残す。これだけでも、技能継承とAI活用の入口になります。

製造業のDXを難しくしているもう一つの要因は、産業構造です。自動車産業を例にすれば、完成車メーカーがあり、その下にグループ会社、さらに発注先、部品メーカー、加工会社、町工場があります。かっこよく言えばサプライチェーンですが、実際にはそれぞれが別会社であり、設備も人材もデータ基盤も違います。

頂点にいる大企業が高度なデータ基盤を持っていても、そのデータがサプライチェーンの末端まで滑らかに流れているとは限りません。仕様書や品質基準は共有されていても、現場の困りごと、設備の古さ、人材不足、教育不足、セキュリティ上の制約までは、簡単にはそろいません。

ここで「データ連携しましょう」と言うだけでは足りないのです。データを出す側の負担、受け取る側の活用力、秘密情報の扱い、取引上の力関係まで含めて設計しなければなりません。データ流通は技術の話であると同時に、信頼関係の話でもあります。

私は、サプライチェーン全体のDXでは、トップ企業だけが賢くなる構図は危険だと考えています。上流だけがAIを使い、下流は今まで以上に細かい要求を受けるだけになると、現場の疲弊は進みます。本当に目指すべきは、下流の現場も含めて、判断の質と作業の余裕を上げることです。

技能継承の話でよく思い出すのが、山口の日本酒「獺祭」の事例です。杜氏に依存していた酒造りを、温度や発酵の状態などのデータを丁寧に扱いながら、再現性のある仕組みに変えていった。結果として、世界でも評価されるブランドに育ちました。

何が起きたかというと、勘を否定したのではなく、勘が見ていたものを仕組みに移していったのです。気温の変化、発酵の進み方、味のばらつき、工程の判断。こうしたものを現場の経験と照らし合わせながら、データとして扱える形にしていった。

ただし、ここに大きな教訓があります。「獺祭ができたなら、どの会社でも同じようにやればよい」とはならないのです。やればよいのに、できない。ここが現場DXの本質です。なぜなら、データ化には、現場の協力、経営の覚悟、失敗を許す時間、技術を理解する人材、そして変化を受け入れるマインドセットが必要だからです。

応用するなら、まず一つの工程を選び、ベテランの判断を分解することです。「いつ」「何を見て」「どう判断し」「結果がどう変わったか」を小さく記録する。DX推進は大きな構想から始めてもよいのですが、実装は小さな現場の言語化から始まります。

ものづくり白書を読みながら、私は人材育成の格差という論点をとても重要だと感じました。製造業ではよく「デジタル人材が足りない」と言われます。もちろん、専門人材が足りない現実はあります。しかし私は、それを人材不足だけで片づけるのは少し違うと思っています。

企業には人がいます。100人の会社には100人の社員がいます。足りないのは、そこにいる人たちが新しい仕事に向かうための教育機会、スキルセット、キャリアパス、そして学び直しの設計ではないでしょうか。

DX推進やAI活用がうまくいかない理由は、ツールが悪いからだけではありません。現場の人が、なぜそれを学ぶ必要があるのか、自分の仕事がどう変わるのか、どこまで任されるのかを理解できていないことが多いのです。つまり、リスキリングやスキルチェンジを、単なる研修講座・eラーニングの受講数で測っても不十分です。

人材育成・教育支援で重要なのは、業務と学びを切り離さないことです。製造業の人に、いきなり抽象的なAI講座を受けてもらっても、現場で使えるとは限りません。自分たちの品質、設備、検査、段取り、在庫、納期、クレーム対応とつながった形で学ぶ必要があります。

ここで、デジタル人材を「外から採る人」とだけ考えると、現場の知恵が分断されます。むしろ、現場を知る人がデジタルを学び、デジタルを知る人が現場を学ぶ。この両方向が必要です。

最近はAIエージェントやAgentic AIという言葉も広がっています。さらに、繰り返し作業をAIに回し続ける「ループ」の考え方も出てきています。毎日やる確認、集計、報告、調整、一次判断をAIが回す。人間はその結果を見て、必要な判断だけをする。こういう世界は確実に近づいています。

ここで必ず出てくるのが、「仕事がなくなるのではないか」という不安です。私はこの不安そのものを否定しません。現場で働いている人にとって、自分の作業がAIやロボットに置き換わるかもしれないという話は、簡単に受け止められるものではありません。

ただ、私は仕事そのものがなくなるとは考えていません。なくなる、または大きく変わるのは、作業や業務の一部です。最終的な判断、責任、現場での調整、顧客との関係、品質に対する腹落ちした理解は、人間が担い続ける部分です。

むしろ問題は、AIができることが増えるのに、人間側のマインドセットが変わらないことです。デジタル・トランスフォーメーションは、システム導入では終わりません。私はここに、マインドシフト、マインドチェンジ、そしてマインド・トランスフォーメーションが必要だと考えています。

読者の皆さんは、AIに任せる仕事を決めるとき、同時に人間が強くなる仕事も定義しているでしょうか。AIに置き換えられる作業だけを見ていると不安になります。しかし、AIがあるからこそ、人間がもっと深く考え、もっと現場に入り、もっと顧客価値に向き合える可能性もあります。

製造業の現場は、今日を乗り越えています。今日の出荷、今日の品質、今日の納期、今日のトラブル対応。これを積み重ねなければ明日はありません。だからこそ、10年後のDXやAI活用を語るときには、今日の現場を軽視してはいけません。

一方で、今日だけを見ていると、10年後に間に合わないのも事実です。ベテランは年齢を重ねます。設備も古くなります。顧客要求は細かくなります。人材採用は難しくなります。生成AI、AGI（Artificial General Intelligence）、ASI（Artificial Super Intelligence）のような議論も、遠い未来の空想ではなく、経営者と現場が備えるべき前提になりつつあります。

ここで必要なのは、現場を責めるDXではなく、現場を楽にするDXです。入力項目を増やすだけのシステム、誰も見ないダッシュボード、使い方がわからないAIツールは、現場にとって負担になります。そうではなく、判断を助ける、記録を楽にする、教育を支える、技能継承を進める、品質のばらつきを早く見つける。こういう目的に絞るべきです。

私は、製造業DXの第一歩は「現場の人が、これは自分たちのためになる」と感じられる設計だと思っています。経営課題としてのAI導入と、現場課題としての業務改善をつなぐこと。そこにFDE的な伴走、つまり現場に入り込んで課題を理解し、技術を成果に変える人材が必要になります。

では、何から始めればよいのでしょうか。私は大きく五つあると考えています。

第一に、現場の判断ログを取ることです。全部をデータ化しようとしなくてよいです。まずは品質が揺れた場面、ベテランが調整した場面、トラブルを避けた場面を記録する。これが技能継承の種になります。

第二に、データ基盤を現場単位で整えることです。いきなり全社統合を目指すと重くなります。工程、ライン、製品、検査項目など、小さく区切って、意味のあるデータをつなぐことが大切です。

第三に、AI活用を経営課題と現場課題の両方で定義することです。経営は収益力、生産性、賃上げ、投資判断を見ます。現場は品質、納期、段取り、作業負荷を見ます。この二つをつなげなければ、AIは経営資料上の流行語で終わります。

第四に、デジタル人材育成を業務の中に組み込むことです。研修を受けて終わりではなく、受けた後に自分の工程で何を変えるかまで決める。スキルセットを職種別に整理し、スキルチェンジの道筋をキャリアパスとして示す。ここまでやって初めて、リスキリングが現場に残ります。

第五に、AIのリスクも同時に教えることです。生成AIは便利ですが、ハルシネーションもあります。データの偏り、セキュリティ、著作権、説明責任、現場判断とのズレもあります。超知性リテラシーを含めて、AIを信じすぎない力を育てることが、これからの製造業には必要です。

皆さんの会社では、AIを「すごい道具」としてだけ扱っていないでしょうか。大事なのは、AIをどう使えば現場の判断が強くなるかです。

2026年版ものづくり白書から見えてくるのは、日本の製造業が大きな転換点にいるということです。品質を支えてきた現場の力は、今も強みです。一方で、その強みを人の頭の中だけに置いたままでは、技能継承もAI活用も進みません。

データを持つ企業が勝つ。これは確かです。しかし、そのデータは現場から生まれます。現場を見ずにデータ基盤だけを作っても、現場は動きません。AIを入れても、学ぶ人がいなければ成果にはなりません。人材育成をしても、業務とつながらなければ定着しません。

私は、製造業DXの本質は、データと人のあいだに橋をかけることだと思っています。ベテランの技能、若手の学び、AIの分析、経営の意思決定、サプライチェーンの信頼。これらを一つずつつないでいく。その積み重ねが、10年後の強いものづくりにつながります。

本日の内容が、あなたの「シンギュラリティ時代への準備」に向けた、わずかながらでも「気づき」や「次の一歩」のヒントになれたなら幸いです。10年先の超知性ASIやAGIが当たり前になる未来に向けて、私たち自身をアップデートし続けることが、今最も重要です。ぜひ一緒に学びを深めていきましょう。

「社員のDXマインドをどう高めるか？」、「実践的なITスキル教育が進まない」など、DX推進担当者の育成やIT教育研修でお悩みでしたら、ぜひ一度お聞かせください。初回無料の「DX推進人材教育プログラム」コンサルティングにご応募いただければ、あなたの組織の課題解決に必ずお役に立ちます。次回の記事も、どうぞお楽しみに！

近森満（ちかもり みつる） 株式会社サートプロ 代表取締役CEO ／ DXコンサルタント／IT人材育成／検定事業化 IT技術者の教育支援と人材育成を専門とする事業化コンサルタントとして、2006年に株式会社サートプロを創業し、IoT検定・+DX認定・アジャイル検定などの資格制度を創出。独自の技術者向け教育研修の開発に定評があり、実践的なスキル向上を支援。経済産業省DX推進ラボおよびIoT推進ラボのメンターとして自治体や中小企業のDX推進を支援。近年は超知性ASIスキル可視化にも取り組み、次世代技術の普及に注力している。

■所属・役職

・IoT検定制度委員会 事務局長（IoT検定、＋DX認定、超知性ASI検定）
・一般社団法人 IT職業能力支援機構 理事長（Android資格）
・電気・電子系技術者育成協議会 副理事長（E検定）
・組込みソフトウェア管理者技術者育成研究会 メンバー（組込み）
・ET教育フォーラム合同会社 代表（コンテンツ制作）
・経済産業省 地方版IoT推進ラボ ビジネス創出事業メンター（IoT支援）
・経済産業省 地域DX推進ラボ ビジネス創出事業メンター（DX支援）
・デジタル庁 デジタル推進委員（デジタル化支援）
・DX事業共同組合 設立理事（DX推進）
・一般社団法人日本サステナブルビジネス機構 幹事（SDGs認証）
・”一億総活躍社会を実現する”共生日本協議会 理事（DEI支援）
・アジャイル開発技術者検定試験コンソーシアム 事務局長（Agile検定）
・一般社団法人国際サイバーセキュリティ協会 事務局長（IACS認定）

X (Twitter)

Facebook

YouTube

note