製造業 人手不足 対策 事例とは？自律化工場でPMの現場が変わる3つの実践

「国内でつくる必要は高まっているのに、現場を回す人がいない」――製造業のPMとして、このジレンマに直面したことはありませんか？私は電子部品設計者からPMOに転身して以来、人手不足がプロジェクトのスケジュールや品質に与える影響を肌で感じてきました。そんな中、2026年6月29日に発表されたニュースは、この課題に対する新たな答えを示しています。

ニュース概要：リショアリング時代の「人手不足」に自律化工場が活路

2026年6月29日、RX Japan合同会社が発表したプレスリリースによると、国内製造業は深刻な人手不足と技能継承の課題に直面しています。さらに、国際情勢の不安定化に伴い製造拠点の国内回帰（リショアリング）が進む中で、「国内でつくる必要は高まっているのに、現場を回す人がいない」という二重の課題が浮上しています。この解決策として、自律搬送ロボットやAI検査システムなどの導入による「自律化されたものづくりプロセス」が注目されており、DXソリューションを活用したベテラン技術者の経験・勘の組織資産化も進められています。

PR TIMES (RX Japan合同会社)

このニュースを含む同じ週の動きは、週刊PM×AIニュース 2026年7月第1週にまとめています。

製造業PMの現場で「人手不足」が突きつける新たな課題

製造業における人手不足は、もはや遠い未来の話ではありません。2025年版ものづくり白書によると、2024年の製造業就業者数は1,046万人と前年からさらに減少し、減少傾向が継続しています。特に生産工程従事者の有効求人倍率は1.67倍と全産業平均を大きく上回り、現場の深刻な状況が浮き彫りになっています。経済産業省・厚生労働省・文部科学省「2025年版ものづくり白書」

この人手不足は、製造業PMとして直面するプロジェクトに以下のような具体的な影響を及ぼします。

• プロジェクトスケジュールの遅延：人員不足による作業の停滞、熟練工の退職による技術継承の困難さが生産性低下を招きます。
• 品質リスクの増大：経験の浅い作業者によるヒューマンエラーの増加、検査体制の不十分さが品質問題を引き起こす可能性があります。
• コストの増加：残業代の増加、外部委託費用の高騰、採用コストの増加などがプロジェクト予算を圧迫します。
• 国際競争力の低下：日本生産性本部の調査では、2024年の日本の時間当たり労働生産性はOECD38カ国中28位と低迷しており、このままでは国際競争力を維持できません。公益財団法人日本生産性本部「労働生産性の国際比較2025」

国内回帰で調達先を組み替える場面では、Tier2以降のサプライヤーを把握できているかどうかで遅延リスクの読みが変わります。可視化の手順は製造業のサプライチェーンTier2可視化で扱っています。

製造業PM・田中さん（43歳）

人手不足でいつも納期ギリギリ。品質も心配だし、ベテランの技術が失われるのも時間の問題だ。どうすればこの状況を打開できるのだろうか？

著者（PM歴13年・PMP保有）

まさにその通りです。だからこそ今、自律化工場への投資が急務。FA市場は年率6〜9%で成長し、AIやIoT、デジタルツイン技術の融合で、自律型スマートファクトリーへの移行が加速しています。第一施設工業株式会社「【2025年版】FA市場の最新トレンド3選」をPMとしてどう活用するかが問われています。

明日から試せる3つの実践：自律化工場で人手不足を乗り越える

人手不足の課題を乗り越え、国際競争力を高めるためには、単なる自動化ではなく「自律化」を目指すことが重要です。ここでは、製造業PMが現場で実践できる具体的な対策を3つご紹介します。

【実践1】自律搬送ロボット（AGV/AMR）導入で工程間搬送を最適化

製造現場における資材や製品の搬送は、多くの人手と時間を要する反復作業です。ここに自律搬送ロボット（AGV/AMR）を導入することで、省人化と効率化を同時に実現できます。

搬送にとどまらず人の作業そのものを代替する段階まで見据えるなら、ヒューマノイドロボットの導入事例と工程診断の進め方もあわせて検討できます。

対象場面

• 部品の供給、加工後の製品搬送、倉庫間の移動など、定型的な搬送業務。
• 危険な場所や高温環境など、人が作業しにくい環境での搬送。

手順

期待効果

• 人件費削減と作業者の負担軽減
• 搬送リードタイムの短縮と生産性向上
• ヒューマンエラーの削減と安全性向上

つまずきやすい点

• 既存の工場レイアウトとの調整や大規模な改修が必要になる場合がある。
• 初期投資が高額になるため、ROI（投資対効果）を慎重に計算する必要がある。
• 異なるベンダーのシステム間連携に課題が生じやすい。

【実践2】AI検査システムとデジタルツインで品質管理を高度化

熟練工の「眼」や「勘」に頼っていた検査工程は、技能継承の大きな課題です。AI検査システムとデジタルツインを組み合わせることで、検査の自動化・高精度化に加え、生産プロセス全体の最適化が可能になります。

対象場面

• 製品の目視検査、外観検査など、判断に熟練度を要する工程。
• 設備の状態監視や予知保全を必要とする工程。
• 多品種少量生産で検査基準が頻繁に変わる現場。

手順

• データ収集とAIモデル構築：良品・不良品の画像データやセンサーデータを大量に収集し、AIに学習させます。
• 検査システムの導入と連携：構築したAIモデルを搭載した検査カメラやセンサーをラインに設置し、MESなど既存システムと連携させます。
• デジタルツインによるシミュレーション：現実の工場をデジタル空間に再現し、AI検査結果や設備データをリアルタイムで反映。異常発生時の原因究明や生産計画の最適化に活用します。
• 継続的な改善：AIの学習データを増やし、精度を向上させるとともに、デジタルツインで得られた知見を物理空間にフィードバックし改善サイクルを回します。

期待効果

• 検査精度の向上と不良品流出の防止。
• 熟練工の負担軽減と技能継承の課題解決。
• 予知保全によるダウンタイム削減と設備稼働率向上。
• 生産プロセス全体の最適化によるコスト削減と生産性向上。

つまずきやすい点

• 高品質な学習データの確保とアノテーション作業に手間がかかる。
• AIを扱える人材の育成や確保が難しい。
• 既存の設備やシステムとの連携に高い技術力が必要となる。

製造業PM・田中さん（43歳）

AI検査は魅力的だけど、うちの現場には熟練の職人技が必要な工程が多い。AIに全てを任せるのは難しいのではないか？

著者（PM歴13年・PMP保有）

ごもっともな懸念です。AIは万能ではありません。しかし、職人技の「判断基準」をAIに学習させることで、その一部を自動化・標準化できます。そして、職人の方々にはAIでは難しい「異常の原因究明」や「改善策の考案」といった、より高度な業務に集中してもらう。これが、人手不足時代における最適な共存の道だと私は考えています。

【実践3】Claude Codeを活用した技能継承と業務プロセスの標準化

ベテラン技術者の「経験と勘」は製造業の宝ですが、属人化の温床でもあります。これを組織資産としてDX化するには、Claude Codeのような生成AIが強力な「PMの副操縦士」となります。

対象場面

• 熟練工のノウハウを形式知化し、標準作業手順書（SOP）を作成する。
• 新入社員や若手技術者へのOJTや教育コンテンツを効率化する。
• トラブルシューティングのナレッジベースを構築する。

手順

• ノウハウのヒアリング・録音：ベテラン技術者から作業手順、判断基準、トラブル対応などを詳細にヒアリングし、録音・録画します。
• Claude Codeでテキスト化・構造化：録音データをClaude Codeにインプットし、テキスト化と同時に、SOPの構成（目的、手順、注意点、判断基準）に沿って情報を構造化させます。
• 標準作業手順書（SOP）の自動生成とレビュー：Claude CodeにSOPのテンプレートを与え、構造化した情報から初版を自動生成させます。その後、ベテラン技術者とPMがレビューし、内容をブラッシュアップします。
• 知識ベースの構築と継続的な更新：生成されたSOPを社内ナレッジベースに蓄積し、必要に応じてClaude Codeで検索・活用できるようにします。現場からのフィードバックを基に定期的に更新しましょう。

Claude Code活用例：熟練工のノウハウをSOP化するプロンプト

あなたは製造現場のベテラン技術者のノウハウを形式知化する専門家です。
以下の会話記録を読み込み、機械の溶接工程における「標準作業手順書（SOP）」のたたき台を作成してください。
特に、熟練者ならではの「勘所」や「判断基準」を具体的に記述し、若手でも理解できるよう専門用語は平易な言葉で補足説明を加えてください。

**会話記録:**
「（ベテラン職人A）この溶接機はね、電流値はだいたい200Aで、電圧は25Vくらいが基本だけど、素材の厚みが5mm超えるなら電流を220Aに上げて、アークの長さは短くするんだ。スパッタが飛び散りすぎたら、ちょっとワイヤ送給速度を落とすか、電圧を微調整する。あと、溶接後のビードの色が均一で、表面に凹凸がないか、指で触って確認するんだ。熱いから気をつけてな。青みがかってたら熱入れすぎ、灰色なら足りない証拠だ。」

**SOPの構成:**
1. 目的
2. 適用範囲
3. 使用工具・材料
4. 安全上の注意
5. 作業手順（詳細にステップ分け）
6. 品質基準・判断基準（熟練者の勘所を明記）
7. トラブルシューティング（簡単な対応）

期待効果

• 属人化の解消と技能継承の迅速化。
• 新入社員の教育期間短縮と早期戦力化。
• 作業品質の均一化と生産性向上。
• PMOのドキュメント作成負担軽減。

つまずきやすい点

• ベテラン技術者のノウハウを「言語化」する難しさ。
• AIが生成したSOPが、必ずしも現場の実態と完全に一致しない場合があるため、必ず現場でのレビューと修正が必要。
• 生成AIへの情報のインプット方法や、適切なプロンプト作成スキルが求められる。

📚 この記事を読んだ方におすすめの書籍

イラスト図解 スマート工場のしくみ IoT、AI、RPAで変わるモノづくり

松林光男 監修

Amazonで見る楽天で見る

Small Factory 4.0 第四次「町工場」革命を目指せ! IoTの活用により、たった3年で「未来のファクトリー」となった町工場の構想と実践のすべて

木村哲也 著

Amazonで見る楽天で見る