AIエージェント活用で「十分な成果」は25.2%——製造業111名調査で見えた、成果を分ける「現場1次情報」という前提条件

92.7%が着手するなか、投資の焦点は「ツール」から「データ基盤」へ移りつつある

【本調査のダウンロードはこちら 】

調査概要

調査名称

製造業のAIエージェント活用に関する実態調査

調査主体

株式会社シムトップス

調査方法

インターネットリサーチ

調査対象

従業員500名以上の製造業のDX・AI推進担当者111名

調査実施日

2026年6月18日〜2026年6月19日

≪利用条件≫
1　情報の出典元として「i-Reporter」の名前を明記してください。
2　ウェブサイトで使用する場合は、出典元として、下記リンクを設置してください。
URL：https://i-reporter.jp/

はじめに

「AIエージェント」という言葉を、製造業の現場でも頻繁に耳にするようになりました。生成AIが文章や画像をつくる段階から、業務プロセスのなかで自律的に情報を参照し、判断し、処理を実行する段階へと、関心が移っています。

一方で、実際にどれだけの企業が着手し、どこまで成果を出せているのか。そして、成果を出せている企業とそうでない企業を分けているものは何か。この点を数値で捉えた情報は、まだ多くありません。

株式会社シムトップスでは、現場帳票の電子化ソリューション「i-Reporter（アイレポーター）」の提供を通じて、製造現場の記録とデータ活用の課題に向き合ってきました。その知見をもとに、今回、従業員500名以上の製造業でDX・AI推進を担当する111名を対象に、AIエージェント活用の実態調査を実施しました。

本コラムでは、「取り組み状況と成果」「活用を阻む壁」「前提条件としての現場1次情報」の3つの視点で、データを読み解いていきます。

① 9割超が着手済み。しかし「十分な成果」は4人に1人

取り組みは広がった。次に問われるのは成果の「濃さ」

まず、AIエージェント活用の取り組み段階を尋ねました。

「本格的に実装し、業務で活用している」が44.1%、「PoC（実証実験）段階で取り組んでいる」が48.6%。合わせて92.7%が、すでにAIエージェント活用に着手しています。「特に取り組んでいない」は2.7%にとどまりました。

検討段階まで含めれば、ほぼすべての企業が動き出していることになります。製造業におけるAIエージェントは、「これから検討する技術」ではなく「すでに現場に入りつつある技術」として捉えるべき段階に入りました。

続いて、実装・PoC段階にある103名に、当初期待していた成果が出ているかを尋ねました。

「十分に出ている」は25.2%でした。「ある程度出ている」61.2%を合わせれば86.4%が何らかの成果を実感していますが、当初の期待水準を満たしていると答えたのは4人に1人にとどまります。

この差は小さくありません。PoCから本格実装へ、あるいは一部門から全社展開へと投資を拡大する判断には、「ある程度」ではなく「十分」という手応えが必要になるからです。裏を返せば、7割以上の企業が、次の投資判断の根拠を得られないまま現在のフェーズにとどまっている可能性があります。

本コラムの関心は、この「ある程度」と「十分」を分けているものは何か、という点にあります。

② 成果が出ている領域は「すでにデータがある場所」に集中している

上位を占めるのは、設備やシステムから数値を取得できる業務

AIエージェントを活用している（または検討している）業務領域を尋ねた結果です。

最多は「製造ラインの保全・予知保全」（55.6%）、次いで「生産計画・生産管理の最適化」（49.1%）、「在庫管理・調達業務」（42.6%）でした。

上位に並ぶのは、いずれも設備や基幹システムから数値データを継続的に取得できる領域です。センサーが捉える振動値や温度、設備の稼働ログ、受発注や在庫の実績。AIエージェントが参照できるデータが、すでに構造化された形で存在しています。

一方、「製造現場での品質管理・検査」は36.1%、「設計・開発支援」は22.2%と下位に位置します。これらは人の判断や経験が介在する比率が高く、記録が紙や口頭に残っているケースの多い領域です。

実際に得られた成果も、同じ傾向を示しています。

「人手不足の解消・省人化」（55.1%）、「製品やサービスの品質が安定した」（50.6%）、「設備の故障やトラブルを予防できた」（43.8%）が上位を占めました。

ここで確認しておきたいのが、「熟練者のノウハウを共有・継承できた」が20.2%にとどまっている点です。技能継承は製造業の多くが最重要課題として挙げるテーマですが、AIエージェント活用の成果としては、まだ限定的な水準にあります。熟練者の判断が、参照可能なデータとして蓄積されていないためです。

つまり現在の成果は、「すでにデータがある領域」に集中しています。データが存在しない領域には、AIエージェントはまだ届いていません。

③ 活用を阻む壁は「人材」「連携設計」。その下層にある共通の問い

自由回答が示すのは、ツール性能ではなく参照データ側の課題

AIエージェント活用を進めるうえでの課題を尋ねました。

最多は「AIエージェントを使いこなす社内人材が不足している」（46.6%）、次いで「業務システムとAIエージェントの連携設計が難しい」（44.7%）、「AIエージェントツールの選定が難しい」（40.8%）でした。

自由回答では、より具体的な声が寄せられています。

• 作業意図を理解して人やマクロの代わりに作業をしてほしいが、簡単な作業でさえできないことが多く、プロンプトを調整するだけで何倍もの時間がかかる上に結局出来なかったりする
•  どこまでAIに頼っても良いものかと、失敗した時の責任所在のあり方
• 発言に対する根拠と信頼性の担保
• 業界特有の事象への対応

「根拠と信頼性の担保」「業界特有の事象への対応」。これらはツールの性能というより、AIエージェントが参照する情報の側の課題です。自社の設備、自社の工程、自社の判断基準に関するデータが揃っていなければ、返ってくるのは一般論にとどまります。

人材やツール選定という課題の背後には、「そもそもAIに渡せる自社のデータがあるか」という共通の問いが横たわっています。

④ 91.0%が「現場1次情報の整備は前提条件」と回答

「あった方がよい」ではなく「なければ成立しない」という認識

AIエージェントを動かすには、現場の1次情報（作業記録、検査記録、点検記録など）の整備が前提条件だと思うかを尋ねました。

「非常にそう思う」34.2%、「ややそう思う」56.8%。合計91.0%が、現場1次情報の整備を前提条件と認識しています。否定的な回答は合わせて8.1%にとどまりました。

「前提条件」は強い言葉です。あれば有利になる要素ではなく、なければ成立しない条件を指します。DX・AI推進の実務を担う立場の9割がこの表現に同意したという事実は、業界の認識がすでに一定の方向に収れんしていることを意味します。

その理由も尋ねました。

1位は「現場ノウハウは1次情報からしか引き出せないから」（56.4%）。2位に「ハルシネーションを防ぐにはデータ品質が必須だから」（41.6%）、3位に「手書きや口頭の情報はAIが処理できないから」（35.6%）が続きます。

1位と3位は、表裏の関係にあります。現場のノウハウは1次情報のなかにしか存在しない。しかしその1次情報が手書きや口頭のままでは、AIは処理できない。多くの製造現場が直面しているのは、この構造です。

⑤ 投資は「ツール」から「データ基盤」へ。ただし入口が空白のまま

現場データ収集基盤58.3%に対し、現場帳票のデジタル化は23.1%

AIエージェント活用を成功させるために、今後3年で特に投資すべきだと思う領域を尋ねました（上位3つまで回答可）。

1位は「現場データ収集基盤の整備（IoT・センサー等）」で58.3%。「AIエージェントを使いこなす人材の育成」（45.4%）が続き、「AIエージェントツールの導入」は40.7%で3位でした。投資の焦点が、ツールそのものからデータ基盤と人材へ移りつつあることが読み取れます。

ただし、ここで確認しておきたい点があります。「現場帳票のデジタル化（紙の帳票を電子化）」を挙げたのは23.1%にとどまりました。

IoT・センサーで取得できるのは、設備の稼働状況や環境条件といった、機械が発する情報です。一方、Q7・Q8で「前提条件」とされた現場の1次情報には、作業記録・検査記録・点検記録が含まれます。これらは人が判断し、人が記録する情報であり、センサーで代替することはできません。

そしてQ8の1位は「現場ノウハウは1次情報からしか引き出せないから」（56.4%）でした。引き出したいノウハウは人の判断のなかにあり、その入口となるのは帳票です。

データ収集基盤への投資意向が58.3%に達している一方で、その基盤に流し込む「人由来のデータ」の入口である帳票のデジタル化が23.1%にとどまっている。この差が、成果が「すでにデータがある領域」に偏っている理由の一つだと考えられます。

AIエージェント活用の投資計画を検討する際は、設備データの収集基盤と並行して、現場帳票のデジタル化を組み込むことが有効です。i-Reporterは、紙の帳票レイアウトをそのままタブレット上で再現し、現場での入力をそのまま構造化データとして蓄積できるシステムです。

まとめ：AIエージェント活用の成否を分ける3つの確認ポイント

本調査から、製造業がAIエージェント活用を検討する際に、まず確認すべきポイントが3つ見えてきました。

1. 着手は9割超。ただし「十分な成果」は25.2%

→ 成否を分けているのは、ツールの選定ではなく、AIに渡せるデータの有無と質です。

2. 91.0%が「現場1次情報の整備は前提条件」と回答

→ 業界の認識はすでに固まっています。残る論点は、どの情報から、どの順序で整えるかです。

3. 投資先1位はデータ収集基盤（58.3%）、帳票デジタル化は23.1%

→ センサーでは取得できない「人が判断し、人が記録する情報」の入口を、投資計画に含める必要があります。

AIエージェント活用の成果は、モデルやツールの性能よりも、参照できる自社データの質と範囲によって決まります。その第一歩として、まずは自社の作業記録・検査記録・点検記録が、いまどの形式で、どこに残っているかを確認することから始めてみてはいかがでしょうか。

i-Reporterで、AIに渡せる1次情報をつくる

本調査で見えた課題、すなわち「十分な成果」が25.2%にとどまること、成果が「すでにデータがある領域」に偏っていること、9割が前提条件と認めながら帳票のデジタル化は23.1%にとどまること。これらはすべて、現場で人が判断し記録している情報が、紙や手書きのままAIに渡せない状態にあることに根本原因があります。

「i-Reporter」は、紙の帳票レイアウトをそのままタブレット上で再現し、現場で直接デジタル入力できるシステムです。

「まず1帳票だけ試してみたい」というご相談があれば、以下よりお問い合わせください。

▶ i-Reporterの詳細・お問い合わせはこちら

https://i-reporter.jp

よくある質問(FAQ)

現場帳票研究所編集部

現場帳票研究所の編集部です！
当ブログは現場帳票電子化ソリューション「i-Reporter」の開発・販売を行う株式会社シムトップスが運営しております。
現場DXの推進に奮闘する皆様のお役に立てるよう、業界情報を定期的に配信致しますので、ぜひ御覧ください！