社長をAIに覚えさせた工場

自分の判断をAIに覚えさせて、社長をもう一人つくる。　愛知県の自動車部品メーカーが実際にやっています。木村哲也社長の判断基準や口癖を学習させた「AIキムテツ（AI社長）」と、ベテラン従業員の知見を反映した「AI製造部長」です。

ニュースとしては「年10億円規模の改善」「労働生産性141%」という数字が目を引きます。ただ、この数字をそのまま「AIを入れた成果」と読むと、真似したときに必ず外します。　この記事では、報じられている事実を整理したうえで、三河の中小企業が実際に持ち帰れる部分だけを取り出します。

まず、何をした会社なのか

旭鉄工は愛知県の自動車部品メーカーです。木村社長はトヨタ自動車に21年間勤めたのち、2013年に同社へ入りました。製造業の現場を知っている人が、現場のデータをどう扱うかを設計したという前提が、この事例の読み方を左右します。

作ったAIは2つです。1つは「AIキムテツ」。社長自身の考え方を学習させ、企画案のキーワードや骨子を渡すと社長らしい回答や改善案を返します。もう1つが「AI製造部長」で、ベテラン従業員の知見を反映し、データを自動で分析して従業員に問題点と解決策を提示します。

現場での使いどころとして挙げられているのが、チョコ停（設備の短時間停止）の削減です。従来は「データを取る→分析する→グラフにする→原因を特定する→改善策を立てる」と工程が続きました。ここをAIが分析から改善策の提示まで担うことで、従業員はすぐ実行に移れるという形になっています。

「年10億円」はAI導入の成果として書かれていない

ここが一番大事な部分です。元記事は冒頭で「年間10億円規模の改善と労働生産性141%を実現した」と書いていますが、その数字がいつ達成されたものか、生成AIの導入後にどれだけ上乗せされたのかは書かれていません。　原文を確認した範囲では、時期の記載はありませんでした。

記事が時系列で語っているのは次の順番です。まず設備にセンサーを付けて設備停止などの異常をすぐ把握できるようにした。次に改善のノウハウを蓄積して社内で共有できるようにした。その積み上げの上に、生成AIが登場して乗った。　つまり10億円という数字は、AIを入れた瞬間に生まれたものではなく、見える化と改善活動を長く続けた会社の到達点です。

順番を飛ばすと、AIは「もっともらしい文章を出す機械」で止まります。　これは規模の話ではありません。センサーが100個ある会社でも、判断の基準が言葉になっていなければ同じところで止まります。

AIに覚えさせたのは、作業ではなく「判断の基準」

木村社長が重要だと語っているのは、自分の考え方を短く簡潔に言語化することです。しかも大がかりな文書は要らないと述べています。A4用紙1枚程度の要約でも、AIは考え方をかなり再現できるという趣旨の説明がありました。

ここは中小企業にとって朗報です。社長の頭の中を再現するのに、システム投資も専任担当も要りません。要るのは「自分は何を見て、どういう順番で、何を基準に決めているか」を書き出す時間だけです。逆に言えば、それを書けない状態ではAIに渡すものがありません。

あなたは私の思考を整理する聞き手です。私が自分の判断基準を言葉にできるよう、質問で引き出してください。

【私の立場】（例：従業員20名の製造業の社長／工場長）
【決めている場面】（例：不良が出たときの対応順／見積を出すかどうか／設備を止めるかどうか）

以下の順で、1問ずつ聞いてください。私が答えたら次に進みます。

1. その場面で、最初に何を見ますか
2. 次に何を確認しますか
3. どうなっていたら「問題あり」と判断しますか
4. 判断に迷うのはどういうときですか
5. 部下がやりがちな間違いは何ですか

全部答え終わったら、私の判断基準をA4一枚に収まる分量で要約してください。
専門用語は私が使った言葉のままにしてください。

注意点があります。　この作業で書き出すのは自社の業務の進め方です。取引先名・単価・図面・個人情報は入れないでください。勤務先で試す場合は、必ず上長や会社の確認を取ってください。会社にまだルールがない場合も「ないから使ってよい」ではなく「ないから確認する」が先です。何を入れてはいけないかはAIに入れてはいけない情報チェックリストにまとめています。

社長自身が「うまくいかない」と言っている部分

成功事例として読むと見落としますが、木村社長はうまくいっていない部分も語っています。経営会議のデータチェックについて、AIは文章を生成できても、次のアクションにつなげるのは難しいという趣旨です。

その理由として挙げられているのが「順番や判断基準を言語化できていない」こと。AIの性能不足ではなく、渡す側が決めきれていないから止まるという整理です。あわせて、「データを取得して最適化」のような言葉でごまかしていると具体的な行動には至らない、とも述べられています。

つまり詰まる場所は、AIの中ではなく人の側にあります。　これは導入初期にほぼ必ず起きることで、別記事AIで楽にならないで扱った「増える3つの仕事」と同じ構造です。

三河の中小企業が真似できること、できないこと

同じことを丸ごとやろうとすると規模の壁に当たります。分けて考えます。

左側は投資ゼロで今日できます。右側を先にやろうとして止まる会社が多いのが実情です。センサーも自社開発も、判断基準が言葉になっていない状態では効きません。順番は左からです。

もう一つ、記事の中で示唆的だったのが「人間が分かりやすいデータは、AIにも分かりやすい」という考え方です。AIのためにデータを整えるのではなく、人が読んで分かる形にしておけば、そのままAIにも渡せる。　新しい作業を増やさなくてよい、という意味でもあります。

明日からできること

• 自分が毎日決めている場面を1つだけ選ぶ（不良対応・見積の可否・人の配置など）
• その場面で「最初に何を見るか」を3つだけ紙に書く
• 上のプロンプトをAIに貼って、質問に答えながらA4一枚の要約を作る
• 出てきた要約を部下に見せて、「自分もこう判断していたか」を確認する
• 取引先名・単価・個人情報が混ざっていないかを、社外に出す前に必ず読み返す

参考情報

• ビジネス+IT「愛知の中堅メーカー旭鉄工、「AI社長」「AI製造部長」で年10億円改善・生産性141%を実現」（2026年8月14日）: https://www.sbbit.jp/article/st/186389