AI導入はスモールスタートが正解｜最初の1業務の選び方
AI導入を検討しても「どの業務から始めるべきか」で議論が止まり、半年以上動けない企業は少なくありません。本記事では、スモールスタートでAI導入を成功させるための最初の1業務の選定基準を、データ・効果測定・現場協力という3つの軸で具体的に解説します。読み終えたとき、自社の候補業務を点数化し、来月からPoCに着手できる状態を目指します。
「最初の1業務」を間違えると、AI導入は2年止まる
製造業のDX推進担当者から最もよく聞く悩みは、技術的なものではありません。「AIをやれと言われたが、どの業務から手を付ければいいのか分からない」という業務選定の悩みです。 そして、この最初の選定を誤ると、影響は想像以上に長引きます。典型的なのは次のようなパターンです。
- 「効果が大きそう」という理由だけで、社内で最も難易度の高い工程検査を最初のテーマに選んでしまう
- データが十分に蓄積されていない設備を対象にし、PoCの大半をデータ収集に費やす
- 現場の協力体制がないまま進め、精度検証に必要な正解ラベル付けが誰にもできない
最初のプロジェクトが失敗すると、「うちの現場にAIは合わない」という空気が社内に定着し、次の提案が通るまでに1〜2年かかるケースを私たちは何度も見てきました。逆に言えば、最初の1業務で小さくても確実な成果を出せれば、2件目以降の稟議は格段に通りやすくなります。スモールスタートの本質は「小さく始めること」ではなく、「勝てる業務を選んで確実に勝つこと」にあります。
AI導入のスモールスタートを成功させる3つの選定軸
私たちがPoC支援の初回打ち合わせで必ず確認するのは、次の3つの軸です。技術的な難易度よりも先に、この3点を見ます。
軸1：データが「今すでに」存在するか
最初の1業務では、データ収集から始めるテーマを避けるのが鉄則です。判断の目安は次のとおりです。
- 外観検査なら：検査対象の画像が過去に撮影・保存されているか。不良品の画像が最低でも各不良モードで数十枚あるか
- 設備の異常検知なら：振動・温度・電流などのセンサーデータが3か月〜1年分ログとして残っているか。故障や異常の発生日時が記録されているか
- 社内ナレッジ活用なら：マニュアル・作業標準書・過去のトラブル報告書が電子化されているか（紙のスキャンPDFでも可）
「データはこれから取ります」というテーマは2件目以降に回してください。データ収集とAI検証を同時に始めると、PoC期間が3か月から9か月以上に膨らみ、その間に社内の熱量が失われます。
軸2：効果を数字で語れるか
成果報告の場面を先に想像してください。「AIの精度が92%でした」という報告は、経営層には響きません。響くのは「目視検査に1日4時間かかっていた工程が1時間になり、検査員2名を別工程に再配置できる」という業務の言葉です。 選定段階で、次の3つの数字を現場ヒアリングで埋められる業務を選びます。
- 現状の作業時間またはコスト（例：検査に1人あたり月40時間）
- 現状の見逃し・手戻りの発生頻度（例：流出不良が月2〜3件）
- AIが部分的にでも代替できた場合の削減見込み（例：明らかな良品の8割を自動判定できれば検査時間は半減）
この数字が埋まらない業務は、たとえ技術的に面白くても最初のテーマには向きません。
軸3：現場に「味方」がいるか
意外と見落とされるのがこの軸です。AIの精度検証には、現場の判断基準を知る人の協力が不可欠です。外観検査であれば「これは不良、これはギリギリ良品」というラベル付け、異常検知であれば「この日のデータは段取り替えの影響で、故障ではない」という文脈の補足です。 週に2〜3時間、この作業に付き合ってくれるキーパーソンが現場にいるか。いない場合、精度がいくら高くても「現場の感覚と合わない」の一言でプロジェクトは止まります。選定段階で候補業務の現場責任者と一度話し、温度感を確かめておくことを強くお勧めします。
候補業務をスコアリングする：実践手順
3つの軸が揃ったら、候補業務を横並びで点数化します。私たちが実際に使っている簡易スコアリングの手順です。
手順1：候補を3〜5件リストアップする
製造業でよく候補に挙がるのは次のような業務です。
- 目視での外観検査（傷・欠け・異物の検出）
- 設備の巡回点検・異常予兆の検知
- 検査記録や日報の転記・集計作業
- 社内マニュアルや過去トラブル事例の検索・問い合わせ対応
手順2：3軸それぞれを5点満点で採点する
採点は厳密でなくて構いません。関係者2〜3名で30分の会議を開き、「データの有無」「効果の数値化しやすさ」「現場協力の得やすさ」を各5点満点で付け、合計点で並べます。
上のグラフはある部品メーカーでの実際の採点例（社名等は加工済み）です。当初、経営層は「効果が大きい」という理由で設備の予知保全を推していましたが、センサーデータの蓄積が浅く、故障履歴の記録も曖昧でした。一方、外観検査は過去2年分の検査画像が残っており、不良判定基準を熟知したベテラン検査員の協力も取り付けられたため、こちらを最初のテーマに選定。3か月のPoCで良品自動判定率78%を確認し、その実績を足がかりに翌期に予知保全のデータ収集体制の整備が予算化されました。
手順3：合格ラインを決めてから判断する
採点前に「合計12点以上を候補とする」のように基準を決めておくと、声の大きい人の意見に引きずられにくくなります。全候補が基準未満なら、無理に始めず「データ蓄積の仕組みづくり」を先行させる判断も立派なスモールスタートです。
PoCで確認すべきことと、期間・体制の目安
業務を選定したら、次はPoC（効果検証）の設計です。ここでの目安を示します。
期間は3か月以内に区切る
PoCの目的は完璧なAIを作ることではなく、「本番導入に進むか撤退するかを判断する材料を得ること」です。期間が長引くほど判断が曖昧になるため、3か月以内、可能なら2か月で区切ります。データ準備に2〜3週間、モデル構築と検証に4〜6週間、現場での評価と報告に2週間、という配分が標準的です。
成功基準を開始前に文書化する
「良品の自動判定率70%以上、不良の見逃しゼロなら本番導入を検討する」のように、数値の合格ラインを開始前に関係者で合意し、文書に残します。これがないと、PoC終了後に「もう少し精度が上がれば」と延長を繰り返す泥沼に入ります。
体制は最小3名で足りる
推進担当1名（週の20〜30%の工数）、現場のキーパーソン1名（週2〜3時間）、技術側の担当1名（社内エンジニアまたは外部パートナー）。これで十分に回ります。大人数の委員会体制は、スモールスタートでは意思決定を遅くするだけです。
つまずきやすい3つの落とし穴
落とし穴1：100%の精度を求めてしまう
「AIが1件でも見逃したら使えない」という前提を置くと、ほぼすべてのテーマが不合格になります。実務では「明らかな良品だけAIが自動通過させ、グレーゾーンは人が見る」という人とAIの分担設計が現実解です。良品の7〜8割を自動化できるだけで、検査工数は大きく削減できます。
落とし穴2：PoCの成果を現場の言葉に翻訳しない
報告書が「F値0.91」で終わっていないでしょうか。「月40時間の検査工数が18時間に減る見込み」「流出不良の月2件が概ね防げる」という形に翻訳して初めて、次の予算の議論が始まります。PoC設計の段階で、報告書の最終ページのイメージを先に作っておくと迷いません。
落とし穴3：本番導入の運用を考えずにPoCを終える
PoCはクラウド上のサンプルデータで動いても、本番はラインサイドでの推論、照明条件の変動、モデルの再学習など運用の課題が待っています。PoCの後半で「本番ではカメラをどこに置くか」「誰がAIの判定結果を日々確認するか」まで議論しておくと、PoC止まりを防げます。
まず何から始めるか
この記事の内容を実行に移すなら、順番は次のとおりです。
- 今週中に：候補業務を3〜5件リストアップし、それぞれのデータの有無を確認する（保存場所と期間を聞くだけで判別できます）
- 2週間以内に：関係者2〜3名で3軸のスコアリング会議を30分開き、最初の1業務を仮決めする
- 1か月以内に：現場のキーパーソンに協力を打診し、成功基準の数値案を作ってPoCの計画に落とす
大がかりな戦略資料は不要です。「データがあり、効果を数字で語れて、現場に味方がいる業務」を1つ見つけること。それがAI導入のスモールスタートにおける、最も確実な第一歩です。社内だけで判断が難しい場合は、候補業務のリストとデータの状況を整理した段階で外部の専門家に壁打ちを依頼すると、選定の精度が上がります。