ベテランが辞めたら、あの工程は誰がやるのか。製造業の技能伝承に AI は使えるか
製造業の現場で、静かに、しかし確実に進んでいる危機があります。
ベテラン作業者の退職です。
数十年かけて蓄積された設備の癖への対処法、音や振動で異常を察知する感覚、図面に書かれていない段取りのコツ。こうした暗黙知は、特定の人の頭の中にしか存在しないことが多く、その人が辞めた瞬間に工場から消えてしまいます。
ManpowerGroup の 2026 年調査では、世界の製造業の 72% が人材確保に苦労しているとされています。人が足りないだけではなく、経験を持つ人が抜けることで、現場の運営そのものが不安定になる。いま製造業が向き合っているのは、そんな種類の課題です。
この問題に対して、AI を使った新しいアプローチが少しずつ見え始めています。
何が起きているのか
この問題の本質は、単なる人手不足ではありません。
より正確に言えば、「スキルの不足」です。
製造業の現場では、自動化が進んでも、最後は人の判断が必要な工程が残ります。設備の微調整、品質の最終判断、トラブル発生時の初動対応。こうした仕事には経験に基づく暗黙知が必要で、マニュアルだけでは埋めにくい部分があります。
Software Advice の 2026 年記事では、製造業企業の 50% が AI の効果的な活用に難しさを見込み、43% がトレーニングとアップスキリングに大きな課題を感じるとされています。技術があっても、それを使いこなす人と仕組みが追いつかなければ、成果にはつながりません。ここに、技能伝承と AI 活用が重なる理由があります。
AI による技能伝承の 3 つのアプローチ
製造業では、熟練者の退職という人口動態の変化と、AI が「助言する道具」から「業務を前に進める仕組み」へ広がる流れが同時に進んでいます。Dataiku の 2026 年の記事でも、この 2 つの変化が重なることで、AI の役割がアシスタントからエージェントへ移りつつあると指摘されています。
その流れを踏まえると、AI による技能伝承は大きく 3 つの方向に整理できます。
1 つ目は、AI による「組織の記憶」の保存です。
ベテランの作業手順や判断基準を、デジタルな知識として残す取り組みです。作業ログ、センサーデータ、過去のトラブル対応記録を分析し、「この振動パターンならベアリング劣化の可能性が高い」「この温度上昇ならまずここを確認する」といった判断の型を、組織で共有しやすい形にしていきます。
2 つ目は、AI ガイド付きワークフローによる早期戦力化です。
新人や経験の浅い作業者が現場に立ったとき、AI アシスタントが作業手順を案内し、問題が起きたときの確認ポイントを提示します。たとえば設備停止が起きた場面で、「まず安全確認、次に温度ログ確認、次にこの部品の状態確認」という順で支援できれば、ベテランが毎回横について指導できない現場でも、判断の抜け漏れを減らしやすくなります。
3 つ目は、予測型の人材計画です。
AI が生産データと人員データを組み合わせて分析し、数か月先にどの工程でどのスキルが不足しそうかを早めに見立てます。問題が表面化してから慌てるのではなく、採用や教育の計画を前倒しで考えやすくなる。これは技能伝承を「現場の属人的な努力」から「経営の準備」に変える発想です。
この記事をどう読むか
AI による技能伝承は、まだ発展途上です。
ベテランの感覚を、そのまま全部デジタル化できるかといえば、現時点では難しい部分も多いでしょう。
ただ、「難しいからやらない」で済ませると、退職後の穴がそのまま残ります。完璧でなくても、暗黙知の一部を残せるだけで価値があります。いま必要なのは、100 点の再現ではなく、失われるはずだった知識を少しでも組織に残すことです。
BCG が示す 10-20-70 の考え方では、AI 変革の価値の大半は技術そのものではなく、人とプロセスの変化から生まれます。技能伝承は、まさにその中心にある課題です。AI ツールを入れるだけでは解決せず、ベテランの協力を得て知識を引き出すこと、現場が使える形に落とし込むこと、経営が投資対象として認識することがそろって初めて機能します。
日本の製造業にとっての意味
日本の製造業にとって、この問題は特に重いテーマです。
日本の現場は、人の力で品質と効率を支えてきた歴史が長く、暗黙知への依存度も高いからです。
「あの人に聞けば分かる」「あの人がやれば直る」という状態は、強みであると同時に大きなリスクでもあります。属人化が強い現場ほど、退職や異動の影響は大きくなります。だから技能伝承は、教育の話である前に、事業継続の話でもあります。
日本向けに公表された ManpowerGroup の 2026 年調査では、雇用主全体の 84% が人材確保の難しさを感じており、対応策として「既存社員のスキルアップ・リスキリング」は 29% と高い割合を占めました。新しい人を採るだけでは足りず、今いる人をどう育てるかが現実的な打ち手として重視されていることが分かります。ここでも、技能伝承は避けて通れないテーマです。
今すぐすべてを AI で解決する必要はありません。
ただ、今から始められることはあります。ベテランの作業を動画で記録する。トラブル対応の判断基準を文書化する。設備の異常パターンをデータとして蓄積する。こうした「AI の手前」の取り組みが、あとで効いてきます。
ベテランがまだ現場にいる今こそ、動き始めるタイミングです。
このテーマに近い記事
・工場のデジタルツインは、「人」まで写し始めた。Fraunhofer IAO の AI アバターが示す、熟練者の判断の残し方
・主要プロセスの自動化は 18% から 50% へ。それでも差がつくのは技術ではなかった。
・Siemens は設計に、Bosch は現場に AI を入れた｜ハノーバー 2026 で見えた、工場 AI の二つの入り口
ご相談について
製造業向け AI 導入前の論点整理、AI ベンダーに相談する前の整理、社内勉強会・壁打ち等のご相談を、個人活動としてお受けしています。詳細は自己紹介記事をご覧ください。
X をお使いの方は、DM でもお受けしています。
最後までお読みいただき、ありがとうございました。
この note では、工場 AI、ロボット、スマートファクトリーの動向を、経営、技術、現場実装の 3 つをつなぎながら整理しています。
個別ニュースの紹介だけでなく、どの企業がどの入口から工場 DX に入り、どこで現場実装の難しさが出るのかまで追っています。
今後もこのテーマを継続して読みたい方は、フォローしていただけるとうれしいです。
出典・参考リンク
Dataiku｜“Manufacturing's 2026 Mandate: From AI Pilot to Agentic Profit”｜
https://www.dataiku.com/stories/blog/manufacturing-ai-trends-2026
Software Advice｜“Manufacturing has an AI upskilling problem. Here's how to address it”｜
https://www.softwareadvice.com/resources/ai-upskilling-in-manufacturing/
ManpowerGroup｜“Global Talent Shortage Reaches Turning Point as AI Skills Claim Top Spot”｜
https://www.manpowergroup.com/en/news-releases/news/global-talent-shortage-reaches-turning-point-as-ai-skills-claim-top-spot
ManpowerGroup Japan / PR TIMES｜“日本を含む 41 カ国・地域の 2026 年『人材不足調査』結果を発表”｜
https://prtimes.jp/main/html/rd/p/000000300.000009974.html
BCG｜“From Potential to Profit: Closing the AI Impact Gap”｜
https://www.bcg.com/publications/2025/closing-the-ai-impact-gap