株式会社羽石産業知能研究所（HIII）の佐藤です。

製造業のDX関連の調査やレポートを読み込んでいると、繰り返し出てくる構図があります。「IoTセンサーを導入して、生産ラインの稼働データが取れるようになった。ダッシュボードにリアルタイムで数字が表示されている。でも、それを見て何をすればいいか分からない。結局、以前と同じように現場のベテランの勘と経験で判断している」。

「見える化」は達成した。でも工場は変わっていない。

これは特定の企業の失敗談ではなく、日本の製造業が広く直面している構造的なパターンです。本記事では、スマートファクトリーとは何かという基礎から、なぜ日本企業の多くが見える化で止まってしまうのか、そして次のステップへ進むために何が必要かを整理します。

スマートファクトリーとは、工場内の設備・機器・人の動きをネットワークでつなぎ、得られたデータを活用して生産プロセスを継続的に改善・最適化できる工場のことです。単に「デジタル機器が多い工場」ではなく、データが意思決定と現場改善に直結している状態を指します。

概念の出発点はドイツ政府が2011年に提唱した「インダストリー4.0」です。日本でも経済産業省が2017年に「スマートファクトリーロードマップ」を公表し、製造業のスマート化を国として推進する方針を示しました。

IoTとAIはスマートファクトリーを実現するための「手段」です。IoTが設備からデータを集め、AIがそのデータから意味を引き出す。「データを集める仕組み」と「データから価値を生む仕組み」の両方が揃って初めてスマートファクトリーと呼べる状態に近づきます。

経産省のスマートファクトリーロードマップは、工場のスマート化を3つのレベルで段階的に定義しています。

この3段階は「データが意思決定に使われているかの深度」を表しています。Level 1は「データが見える」状態、Level 2は「データが判断の根拠になる」状態、Level 3は「データが自動的に行動につながる」状態です。

スマートファクトリー化に取り組む製造業の担当者を対象にした調査では、約8割が「スマートファクトリー化が進んでいない」と回答しています（日経BP調査、2021年）。デジタル技術を「活用している」企業が67.2%に達する一方で（ものづくり白書2022年版）、多くが見える化の段階にとどまり、分析・最適化への移行に課題を抱えているという実態があります。

「デジタル技術を使っている」と「スマートファクトリー化が進んでいる」の間には大きなギャップがあります。センサーを導入し、ダッシュボードで数字を見ている状態はLevel 1です。そのデータが現場の判断を変え、生産性の改善に結びついていなければ、スマートファクトリーとしての価値はまだ生まれていません。

IIJが製造業のスマートファクトリー担当者に行ったアンケートでは、「導入したが成果を感じにくい」と回答した人の多くが、つまずいているステップとして「データ収集・蓄積」の段階を挙げました。その背景には3つの構造的な理由があります。

理由1：「データを見る」と「データを使う」は別のスキルである

稼働率や不良率がリアルタイムで見えるようになっても、「では何を変えるべきか」という判断は別の話です。データの読み方・分析の手法・改善策への落とし込み——これらは製造現場のベテランが持つ知識とも、IoT導入業者が提供するものとも異なるスキルセットです。「データを見る仕組み」は外部から調達できますが、「データから価値を引き出す力」は組織の中に育てるしかない。この差が、見える化の先に進めない最大の理由です。

理由2：データが部門ごとに分断されている

生産データは製造部門、品質データは品質管理部門、設備の保全データは保全部門——それぞれが個別に管理されており、一元的に統合されていないケースが多く見られます。品質不良の原因を分析しようとすると、製造条件・検査記録・設備状態を突き合わせる必要があります。しかしデータが分断されていると、その突き合わせ自体が手作業になり、結局「ベテランが経験で判断する」という元の状態に戻ってしまいます。

理由3：「費用対効果の説明」ができない

見える化への投資は稟議が通りやすいです。「センサーを入れてダッシュボードを作る」は具体的でイメージしやすく、コストも見積もりやすい。しかしLevel 2以降への投資——AIによる分析基盤、データ統合基盤——は、効果が「何が起きなくなるか」という形で現れるため、投資前に数字で示すのが難しい。この「見えにくいROI」が、Level 1から先への移行判断を難しくしています。

3つの構造的な問題を整理すると、Level 1から先への壁は「データをどう読み、どう使うか」という問題です。ここで初めてAIが本質的な役割を持ちます。

見える化（Level 1）はIoTとセンサーの仕事です。データを集めて表示することに、AIは必須ではありません。しかし、集まったデータから意味を引き出し、予測や最適化につなげること（Level 2・3）は、人間だけでは処理しきれないデータ量と複雑さを扱うため、AIが不可欠な存在になります。

重要なのは、これらのAIはいずれも「見える化されたデータ」を前提として機能するということです。すでに見える化に取り組んでいる企業は、AI活用のための土台をすでに持っている可能性があります。

「全体最適」より「一点突破」が現実的

スマートファクトリーというと工場全体を一気にデジタル化するイメージを持つ方もいますが、成功事例に共通しているのはむしろ逆のアプローチです。影響が最も大きい1つの工程・1台の設備から始め、小さな成功を積み上げて横展開していく。「全体最適」はゴールですが、「一点突破」がスタートです。

スマートファクトリーという言葉が広まる以前から、製造現場のベテランたちは自分なりの「見える化」をしていました。機械の音を聞いて異変に気づき、切りくずの色で工具の状態を察知し、長年の経験から不良の予兆を感じ取る——それは高度なデータ収集と分析が、一人の人間の中で完結していた姿です。

スマートファクトリーが目指しているのは、その「個人の中で完結していた能力」を、データとAIによって組織全体に広げることです。1人のベテランの感覚を、工場全体の判断力に変えること。

だからこそ、HIIIがAIの設計で最初に問うのは「どのデータを取るか」ではなく、「誰の、どの判断を支援したいのか」です。見える化は目的ではなく手段です。そのデータが誰かの意思決定を変え、現場の何かを改善したときに初めて、スマートファクトリー化は「投資」から「資産」に変わります。

スマートファクトリーとは、データを使って工場の判断と改善を継続的に高めていく仕組みです。経産省のロードマップはそのプロセスを3段階で示していますが、日本の製造業の大半はLv.1の見える化段階で止まっているのが現実です。

止まる理由は技術の問題だけではありません。「データを見る力」と「データを使う力」は別物であり、データが部門間で分断されていれば統合した分析はできず、ROIが見えなければ次の投資判断も動かない——この3つの構造的な壁が、見える化の先への移行を阻んでいます。

AIはこの壁を越えるための手段として、Lv.1で集まったデータに意味を与え、判断と最適化につなげる役割を担います。まず1つの工程で「データが判断を変えた」という実績を作ることが、工場全体のスマート化への最短経路です。

---

関連記事

▸ HIII Tech Blog / 予知保全AIとは何か｜「壊れてから直す」製造現場を変える設備管理の新常識【2026年版】

---

無料相談・資料請求はこちら