完成品メーカーやTier1が、サプライヤーのAI利用を確認する理由は、大きく3つあります。

1と2は、規制とは関係なく、品質協定と秘密保持契約の延長として確認されます。3は、EU AI Actの製品組込み型の高リスク義務（AI Omnibus後は2028年8月2日から）やCRA（主要義務は2027年12月11日から）の適用が近づくにつれて増えると考えられます。現時点で取引先から確認を受けていなくても、上の3つの理由から、今後は確認が増えるという前提で準備しておくのが合理的です。

1の台帳は、すべての確認の起点です。

続きをサイトで読む（人材・組織・補助金・規制）

人工知能基本計画は、2025年9月1日に全面施行されたAI推進法に基づく計画で、2025年12月23日に閣議決定されました（BUSINESS LAWYERSの解説による）。内閣府の資料（2025年11月20日）では、AI基本計画は「当面毎年変更」とされています。つまり、今回の計画は固定された方針ではなく、毎年の改定で中身が変わっていく前提の文書です。

令和8年版情報通信白書によると、計画は「信頼できるAI」を基盤に、3つの原則を定めています。

続きをサイトで読む（人材・組織・補助金・規制）

AI事業者ガイドラインは総務省と経済産業省が策定した文書で、AIに関わる事業者を立場ごとに整理して、それぞれに求められる取り組みを示しています。製造業の多くは、ベンダーが作ったAIを工場で使う立場、つまり利用者です。自社でモデルを作る場合や、AIを組み込んだ製品を顧客に提供する場合は、開発者や提供者としての項目も関係してきます。

続きをサイトで読む（人材・組織・補助金・規制）

製造業のAIがPoCで止まる理由の多くは、技術ではなく意思決定の不在です。McKinseyが2018年に7市場・700社超を調べた調査では、デジタル製造を全社展開できた企業は約30%にとどまりました。スケールを阻む障壁は、人材69%、ROIの欠如61%、ビジョンの欠如59%、IT環境の不備44%超で、C-levelの責任者を置いている企業は36%でした。

続きをサイトで読む（人材・組織・補助金・規制）

AI関連資格を選ぶときの基準は、受ける人がAIプロジェクトで何を担うかです。製造業のAI人材は、AIを使う現場層、テーマを回す推進層、モデルとデータ基盤を作る専門層の3つに分けて考えます（製造業のAI人材育成を参照）。

受験資格、出題範囲、試験日程、受験料は改定されることがあるため、受験前に各主催団体の公式情報で最新の内容を確認してください。資格によっては、受験の前提として指定の講座の修了などの要件が設けられている場合があるため、受験計画は要件を確認してから立ててください。

続きをサイトで読む（人材・組織・補助金・規制）

現場がAIに抵抗するのは、変化を嫌うからではありません。多くの場合、次のどれかに当てはまります。

McKinseyが2019年に公表した資料は、インダストリー4.0のパイロットが止まる理由として、短期の成果では事業性が正当化できないこと、部門間の連携の弱さと並んで、組織と文化の変化を過小評価することを挙げています。同じ資料では、パイロットを始めた企業の78%がその先に進めなかったとされています。

これらの不安は、説明会を開いても消えません。仕組みの設計と進め方で解消する必要があります。

最初のテーマは、現場の人が嫌がっている作業を減らすものにします。

続きをサイトで読む（人材・組織・補助金・規制）

生成AIと著作権の問題は、どの段階の話かを分けると整理しやすくなります。

日本の著作権法では、AIの学習のための著作物の利用について第30条の4が議論の中心になっており、文化庁は「AIと著作権に関する考え方」などの資料を公表しています。ただし、どの利用が許されるかは利用の目的や態様によって判断が分かれる論点があり、本サイトは法的な解釈を示しません。個別の判断は、文化庁の最新の資料と、知的財産に詳しい弁護士で確認してください。

製造業の多くは、モデルを自ら学習させるより、ベンダーの生成AIに文書を入力したり、社内文書検索（RAG）に登録したりする立場です。

続きをサイトで読む（人材・組織・補助金・規制）

従来のシステム開発は、仕様を決めればその通りに作ることを約束できました。AIは学習データとモデルの組み合わせで性能が決まり、やってみるまで何%の精度が出るかわかりません。この性質を無視して、外観検査AIを「見逃し率0.1%以下で納品」といった請負契約で発注すると、達成できなかったときに検収・支払いで揉めます。

経済産業省が2018年に策定した「AI・データの利用に関する契約ガイドライン」（AI編）は、この問題に対して、開発を段階に分けて段階ごとに契約する「探索的段階型」の進め方を示しています。

続きをサイトで読む（人材・組織・補助金・規制）

AI推進法に基づく適正性指針（2025年12月決定）は、AIガバナンス、透明性、安全性、事業継続、関係者への配慮の5分野を扱っています。NIST AI RMFやISO/IEC 42001も、公平性や説明可能性などの原則を挙げています。しかし、工場でAIを使う人が直面するのは「この場合どうするか」という具体的な判断で、原則を読んでも答えは出ません。

そこでこの記事では、製造業で判断に迷いやすい5つのケースを取り上げます。どのケースにも唯一の正解はありませんが、判断の手がかりと、誰が決めるべきかは示せます。

続きをサイトで読む（人材・組織・補助金・規制）

FDE（Forward Deployed Engineer）は、もともと米国のソフトウェア企業で、顧客の現場に入り込んで製品の導入と業務への適用を担うエンジニアを指す呼び方です。製造業のAIでは、外部のエンジニアが工場に常駐または高頻度で通い、データの整備、熟練者からの知識の抽出、現場への組み込みまでを社内の担当者と一緒に進める支援の形を指します。

一般的な受託開発との違いは、仕事の場所と範囲です。受託開発では、発注側が要件とデータを用意し、ベンダーは自社でモデルを作って納品します。

続きをサイトで読む（人材・組織・補助金・規制）

製造業は、外国人従業員の比率が高い産業です。2026年版ものづくり白書によると、製造業の就業者に占める外国人の割合は6.1%で、非製造業の約2倍です。同白書は、製造業の就業者を1,027万人、生産工程従事者の有効求人倍率を1.60倍としています。

6.1%|製造業の就業者に占める外国人の割合（非製造業の約2倍）|2026年版ものづくり白書（経済産業省ほか、2026年） 1.60倍|生産工程従事者の有効求人倍率|同上 約1/7|動画教育による熟練者レベルまでの習熟期間（天昇電気工業）|中小機構 省力化ナビ事例

外国人従業員の受け入れで現場が困るのは、言語そ…

続きをサイトで読む（人材・組織・補助金・規制）

製造業の工場では、AIが部門ごとにばらばらに入り始めています。品質保証部門が外観検査AIを、保全部門が予知保全のクラウドサービスを、設計部門が生成AIを、それぞれの予算で導入している状態です。全社でどんなAIが動いているかを誰も把握していないと、次のような問題が起きます。

国の枠組みとしては、AI推進法（2025年9月全面施行）に基づく適正性指針が2025年12月19日に決定されました。法的拘束力はありませんが、AIガバナンス、透明性、安全性、事業継続、関係者への配慮の5分野を扱っており、企業が社内の仕組みを点検する観点として使えます。

続きをサイトで読む（人材・組織・補助金・規制）

AIと雇用の関係について、公的な分析はまだ慎重です。令和8年版労働経済白書（厚生労働省、2026年9月29日公表）は、AIによる大規模な雇用減少の明確な証拠はまだないとしています。そのうえで、労使双方がAIと働くための人的資本に投資した場合に、仕事の質（パフォーマンスや心身の健康）が改善すると分析し、AI投資の戦略と人材戦略をつなげる必要を指摘しています。

海外の調査でも、AIは人を置き換えるより、配置を変える方向で語られています。

続きをサイトで読む（人材・組織・補助金・規制）

AIの誤判定で不良品が顧客に届いた場合、責任の問題は1つではありません。誰に対して、どの根拠で責任を負うかによって、次の3つの層に分かれます。

層1と層2は、AIを使ったかどうかで変わりません。製造物責任法は、製品に欠陥があり、それによって生命・身体・財産に損害が生じた場合に、製造業者に過失がなくても責任を負わせる仕組みです。検査をAIで行ったか人で行ったかは、欠陥の有無の判断には関係しません。顧客との品質協定も、検査工程の手段ではなく出荷品の品質を約束しています。

AIで変わるのは層3だけです。

続きをサイトで読む（人材・組織・補助金・規制）

全社員向けのAIリテラシー研修には2つの目的があります。1つは、情報漏えいや誤った出力の鵜呑みといった事故を防ぐこと。もう1つは、一部の人しか使っていない状態を解消することです。

利用の偏りは、データにも表れています。エクサウィザーズが2026年10月6日に公表した利用実態調査では、上位10%のユーザーがメッセージ量の約半分を占めていました（同社発表）。令和8年版情報通信白書によると、日本で生成AIを使わない理由のうち「使い方がわからない」は38.8%で、日米独中の4か国で最も高い割合でした。

続きをサイトで読む（人材・組織・補助金・規制）

作業者に関わるデータを扱うAIは、目的によって大きく4つに分けられます。目的が違えば、作業者への説明の仕方も、保存期間も、アクセスできる人も変わります。

骨格データのように顔が映らないデータでも、シフト表や作業者IDと組み合わせれば個人を特定できる場合があります。「顔を映さないから個人情報ではない」と決めつけず、他の情報と照合できるかで考える必要があります。個人情報に当たるかどうかの判断は、個人情報保護委員会の資料と専門家で確認してください。

続きをサイトで読む（人材・組織・補助金・規制）

AI推進法（人工知能関連技術の研究開発及び活用の推進に関する法律）の経過は次のとおりです（BUSINESS LAWYERSの解説による）。

法律に基づいて内閣にAI戦略本部が置かれ、本部長は内閣総理大臣、構成員は全ての国務大臣です（内閣府資料、2025年11月20日）。AI基本計画は「当面毎年変更」とされており、政策の中身は毎年更新されていく前提です。基本計画の内容は人工知能基本計画の要点で扱います。

製造業がAIを使う立場で関係するのは、主に第7条です。

続きをサイトで読む（人材・組織・補助金・規制）

製造業のAI推進体制で横展開が進むのは、中央の推進組織（CoE：Center of Excellence）がデータ基盤・共通ツール・評価の標準を持ち、工場がテーマの選定と現場での運用を持つ分担です。事業部はその間で、投資判断と工場間の優先順位を決めます。

逆に、IT部門だけでAIを進めると現場の課題とずれ、工場だけで進めると同じデータ整備を工場ごとに繰り返します。2026年版ものづくり白書を読み解いたMONOistの連載でも、「IT部門主導ではDXは成功しない？」という論点が取り上げられています。

推進体制には、実務上次の5つの型があります。

続きをサイトで読む（人材・組織・補助金・規制）

日本の働き手は、AIを使う機会が増えても、そのための研修を受けていません。令和8年版労働経済白書（厚生労働省、2026年9月29日公表）によると、AIと働くための研修を受けたAI利用者の割合は日本が26.7%で、OECD平均の36.8%、フランスの37.5%、ドイツの32.3%を下回ります。同白書は、製造業の個人の生成AI利用率を33.3%とし、米国（約60%）のおよそ半分としています。

続きをサイトで読む（人材・組織・補助金・規制）

DX・AI人材の評価基準を持つ日本企業は、まだ少数です。IPAの「DX動向2025」によると、DX人材の評価基準がない日本企業は75.7%で、米国の10.0%、ドイツの18.9%と大きな開きがあります。

75.7%|DX人材の評価基準がない日本企業|IPA「DX動向2025」 10.0%|同・米国|同上 18.9%|同・ドイツ|同上

評価基準がないと、次のことが起きます。

民間でも、この領域の支援サービスが出てきています。

続きをサイトで読む（人材・組織・補助金・規制）