結論から：中小製造業のAI導入が止まる理由は、費用ではありません。財務省の1,103社調査で、活用していない最大の理由は「人材・スキル・体制が不十分」が約4割、導入・運用コストは1割未満でした。そして現場の中核業務にAIを入れられるかを分けるのは、技術力ではなく判断のルールを表にできるかの一点です。当社が見積の一次対応を実装したとき、AIがやったのはメールを読むことと下書きを書くことだけで、受注できるかどうかの判断は11行の設備マスタとの照合でした。表にできない判断は、AIに渡しても精度が出ません。
株式会社TOEはAI開発とAI活用支援を事業としており、この記事は提供する側が書いています。中立の第三者ではありません。他社の製品や導入事例は評価せず、公的調査の数字と、自社で作って動かした実測だけを材料にします。
数字で見る、製造業のAI導入の実態
財務省が2026年1月29日の全国財務局長会議で公表した特別調査（回答1,103社。うち製造業490社）の数字です。
| 項目 | 数字 |
|---|---|
| 「現在AIを活用している」（全体） | 約7割 |
| 同（製造業） | 約8割 |
| 製造業の用途「製造・品質管理」 | 37% |
| 製造業の用途「開発・技術支援」 | 33% |
| AI活用企業の効果「業務時間削減」 | 91% |
| 同「コスト削減」（全体） | 33% |
| 同「コスト削減」（中小企業） | 22% |
| 同「コスト削減」（大企業） | 41% |
この調査の読み方には注意が要ります。 対象は財務局が継続的にヒアリングしている企業で無作為抽出ではなく、大企業が約42%を占めます。全国の代表値としては使えません。「活用している会社は多い」ではなく、「活用している会社の中でも、中小と大企業で効果の実感が倍近く違う」という点だけを読み取ってください。
止まっている理由は、費用ではなかった
同じ調査で、AIを活用していない理由の内訳が出ています。
| 活用していない理由 | 割合 |
|---|---|
| 人材・スキル・体制が不十分 | 約4割（グラフ上は42%） |
| 導入・運用コスト | 1割未満 |
費用が理由になっている会社は1割もありません。 止まっているのは、動かす人がいないからです。
これは中小企業だけの話ではありませんでした。 大企業を対象にした別の調査でも、同じ結論が出ています。
| 調査項目（大企業） | 数字 |
|---|---|
| 生成AI導入済み | 57.7% |
| 活用の課題1位「リテラシーやスキルの不足」 | 70.3% |
| 前年度からの変化 | 65.4% → 70.3%（4.9ポイント悪化） |
| 課題2位「リスクの把握・管理の難しさ」 | 48.5% |
予算のある大企業でも、1位は人とスキルで、しかも前年より悪化しています。 この調査に中小企業は含まれておらず、自社の数値としてではなく大企業のベンチマークとしてのみ使ってください（大企業でも生成AI導入は57.7%止まり、壁の1位が「スキル不足」70.3%なのはなぜか）。
ここは補助金では解決しません。補助金は導入費用を軽くしますが、「誰が使うか」「止まったとき誰が気づくか」は残ります。当社は自社の自動化が3日間止まっていたのに誰も気づかなかったことがあり、その手の壊れ方をAI自動化は「エラーを出さずに止まる」に12件まとめました。
中核業務に入れられるかを分ける一点
調査では、製造業の用途は「製造・品質管理」37%・「開発・技術支援」33%と、業務の中核に近いものが並びます。一方で中小企業の用途は文章作成79%・情報検索60%に偏っています。
この差は、AIの性能ではなく判断のルールを表にできているかから生まれます。
当社は板金加工会社の「見積依頼メールの一次対応」をするAIエージェントを作り、10件を処理させました。
| 項目 | 実測 |
|---|---|
| 処理した問い合わせ | 10件 |
| 自動で返信を作れた | 7件（うち3件は「対応できません」というお断り） |
| 人間に回した | 3件 |
| 処理の失敗 | 0件 |
| 所要時間 | 7分37秒（1件あたり45.7秒） |
| 受注できるかの判断にかかった時間 | 1件あたり0.001秒未満 |
最後の行が要点です。受注可否の判断に、AIを一切使っていません。
工程を分けるとこうなります。
| 工程 | やること | 担当 |
|---|---|---|
| 1 | メールから材質・板厚・加工内容・数量・納期を取り出す | AI |
| 2 | 設備マスタと照合し、受注できるかを決める | ルール（表） |
| 3 | 過去案件から似た仕事を探す | ルール（検索） |
| 4 | 返信メールの下書きを書く | AI |
| 5 | 情報が足りないもの・納期が合わないものを人へ回す | ルール（表） |
成立させたのは、たった2つの表でした。
| 表 | 中身 | 規模 |
|---|---|---|
| 設備マスタ | 加工の種類 × 材質 × 対応板厚の範囲 × 最短納期 | 11行 |
| 過去案件 | 材質・板厚・加工・数量・単価・納期 | 10件 |
11行の表が書ければ、見積の一次対応は自動化の射程に入ります。 逆にこの表が書けないなら、AIを入れても判断は安定しません。実装記録は見積依頼のメール10件をAIエージェントに処理させたら、7件は自動で返せて3件は人間に回ったにあります。
人に回った3件は、AIの限界ではなかった
人間に回った3件の理由を見ると、示唆があります。
| # | 問い合わせの内容 | 回した理由 |
|---|---|---|
| 1 | 「金属の板を切って曲げるような加工です」 | 材質・板厚が書かれていない |
| 2 | 「SPCC 3.2mm のブラケット、20個を明後日までに」 | 加工内容が書かれていない |
| 3 | 「対応できる材質・板厚の資料をいただけますか」 | 材質・板厚・加工内容すべて不明 |
3件とも「情報が足りない」問い合わせです。 AIが読み損ねたのではなく、書かれていないものは誰にも判断できません。
ここから言えるのは、自動化率を上げたければ、AIを賢くするより問い合わせフォームを変える方が早いということです。材質・板厚・数量・納期を必須項目にすれば、この3件は減ります。
先に手をつける順番
製造業で、投資対効果が出やすい順に並べます。
| 順 | 対象 | 条件 |
|---|---|---|
| 1 | 決まった様式の転記・集計 | 入力も出力も決まっていて、毎月必ず発生する |
| 2 | 見積・問い合わせの一次対応 | 可否の判断を表にできること。 AIは読み取りと下書きだけ |
| 3 | 定型書類の下書き | 人が最終確認する前提にする |
| — | 図面からの原価見積 | まだ勧めません（下記） |
| — | 熟練者の判断の置き換え | 表にできない判断は対象外 |
当社が社内業務を自動化した27本の内訳は経理13本に対しマーケ1本でした。この偏りは、そのまま「定型化できるか」の差です（総務・バックオフィスにAIエージェントを入れる）。製造業でも同じ線が引けます。
そして、入れるだけでは何も起きません。 米国の調査では、AIを使っている小企業の約50%が、訓練・設備・プロセスのいずれにも投資していないという結果が出ています（大企業は40%）。「導入したが効果が出ない」の構造的な説明になっています（小規模企業のAI利用率6.3%→8.8%は、大企業に追いついたと言えるのか）。米国の調査なので数値をそのまま当てはめることはできませんが、ツールを入れて手順を変えなければ結果は変わらないという点は共通です。
図面と暗黙知について、正直に書きます
製造業でAIの話をすると、必ず出るのがこの2つです。
- 図面を読ませて原価を出したい — 当社は実装していません。図面の読み取りは、寸法の取り違えが1か所あるだけで見積が成立しなくなります。当社が測っていない領域について「できます」とは書けません。なお決まった様式の帳票であれば、小型のOCRモデルを自社で動かす選択肢はあります。ただし公表されている精度は提供元の社内ベンチマークによるもので、データセット名も件数も公開されておらず第三者は再現検証できません（1.5Mから34.5MのOCRモデルは、自社の帳票読み取りを内製する道具になるのか）。自社の実物の帳票で試してから判断してください
- 熟練者の判断を残したい — 表にできない判断は、AIに渡しても再現しません。当社の見積エージェントで判断をルールに置いたのは、AIより速いからではなく、なぜその結論になったかを説明できるからです
AIを入れる前に、判断の理由を言葉にできるかを確かめてください。 説明できない判断は、AIでも説明できません。
この記事で言えないこと
- 受託した案件の内容は書けません。 顧客の情報だからです。ここに載せたのは自社で作った検証だけです
- 見積エージェントのデータはすべて架空です。 設備マスタ・過去案件・問い合わせメールは検証用に作ったもので、実在の企業・取引ではありません。実測なのは処理時間・自動化率・失敗件数だけで、業務効果ではありません
- 「何時間削減できた」という数字は測っていないので書きません
- 10件は少ない件数です。実運用では想定外の書き方のメールが必ず来ます
まとめ
- 製造業のAI活用は約8割という調査があるが、中小のコスト削減実感は22%（大企業41%）。効果の実感に倍近い差がある
- 止まる理由は費用ではない。 「人材・スキル・体制が不十分」が約4割、導入・運用コストは1割未満
- 予算のある大企業でも同じ。 課題1位は「リテラシーやスキルの不足」70.3%で、前年より4.9ポイント悪化している
- 中核業務に入れられるかを分けるのは技術力ではなく、判断のルールを表にできるか
- 当社の見積エージェントは10件中7件を自動化したが、受注可否の判断はAIではなく11行の設備マスタとの照合（1件0.001秒未満）
- 成立させたのは11行と10件の2つの表だけ。この表が書けないなら、AIを入れても判断は安定しない
- 人に回った3件はすべて「情報が足りない」もの。自動化率はAIより問い合わせフォームを変える方が早く上がる
- 手をつける順番は 決まった様式の転記 → 見積の一次対応 → 定型書類の下書き。図面からの原価見積と熟練者の判断は対象外
- 説明できない判断は、AIでも説明できない。 導入前に判断の理由を言葉にできるか確かめる
どの業務から始めるかの一般的な手順は中小企業が最初にAI化すべき業務の見つけ方に、調査そのものの読み解きは財務省の1,103社調査で、中小企業の「コスト削減」実感が22%どまりなのはなぜかに書いています。
この記事の立場 株式会社TOEはAI開発・AI活用支援を事業としており、提供する側が書いています。中立の第三者ではありません。他社の製品や導入事例は評価せず、公的調査と自社の検証だけを材料にしています。受託案件の内容は顧客情報のため書いていません。
数字の出所 - 製造業約8割・用途37%/33%・コスト削減22%対41%・活用しない理由約4割: 財務省が2026年1月29日の全国財務局長会議で公表した特別調査（回答1,103社、うち製造業490社。調査期間2025年12月上旬〜2026年1月上旬）。無作為抽出ではなく、大企業が約42%を占めるため全国の代表値ではありません - 見積エージェント10件・7件自動・0.001秒未満・設備マスタ11行: 株式会社TOEの実行ログ。データは架空で、実測なのは処理時間・自動化率・失敗件数のみ - 大企業57.7%・スキル不足70.3%: NRIの調査（n=517／課題はn=340、2025年9月、売上高上位企業約3,000社に依頼・回収率約17%）。調査対象に中小企業は含まれません - 小企業の約50%が訓練・設備・プロセスに未投資: 米国SBA Advocacy の分析（小企業＝250人未満、現在値は2025年6月16日〜9月7日取得）。米国の調査で、数値の直接適用はできません - 自動化27本の内訳（経理13・マーケ1）: 稼働中サーバーの設定（2026年8月1日時点）
