現場の抵抗には理由がある
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。
- 仕事を奪われる、評価が下がるという不安がある
- AIの判定が間違ったときの責任が自分に来ると感じている
- 入力や確認の手間が増え、仕事が楽にならない
- 自分たちの知らないところで決まった仕組みを押し付けられたと感じている
- 作業を撮影・記録されることを監視と受け取っている
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。
チェンジマネジメントの5原則
原則1：「仕事を奪う」ではなく「面倒を減らす」所から始める
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。手書きの点検表の転記、日報の集計、過去の不具合の検索などです。検査員の目視検査を置き換えるテーマから始めると、「自分の仕事がなくなる」という不安が先に立ちます。
天昇電気工業（三重工場、従業員140人）は、動画マニュアルと動画比較ツールを導入し、熟練者レベルまでの習熟期間を約7分の1にしました（中小機構の省力化ナビ事例）。新人教育の負担を減らす取り組みは、教える側のベテランにも歓迎されやすいテーマです。
原則2：現場リーダーを最初から設計に参加させる
班長や職長など現場のリーダーを、テーマ選定とPoCの評価に最初から入れます。完成したものを説明されるのと、自分が判定基準を決めたものとでは、受け止め方がまったく違います。外観検査AIなら、限度見本の判断や、過検出をどこまで許容するかをリーダーに決めてもらいます。
原則3：最終判断は人に残す
導入の初期は、AIの判定を人が確認する設計にします。AIが不良と判定したものを人が再判定する、AIの提案を人が承認してから実行する、といった形です。責任の所在が人にあることが明確になれば、AIを試すことへの抵抗は下がります。設計のパターンはAIと人の役割分担で扱っています。
原則4：誤りを隠さず見せて直す
AIは必ず間違えます。誤りを隠すと、現場は「AIは信用できない」と判断し、使わなくなります。誤りを記録する仕組みを作り、週次で件数と対応を現場に共有します。現場から上がった誤りの報告で精度が上がったことを示すと、現場は改善の当事者になります。
原則5：浮いた時間の使い道を先に示す
AIで工数が減ったとき、その時間を何に使うのかを導入前に示します。改善活動、多能工化の訓練、新しい設備の立ち上げなどです。使い道が示されないと、「減った分だけ人が減らされる」と受け取られます。雇用への影響の説明はAI導入と雇用・労使関係で扱います。
撮影・記録を伴うAIは特に丁寧に
作業動画の分析、作業者の動作の計測、安全カメラなど、人を撮影・記録するAIは、監視と受け取られやすいテーマです。技能伝承のために熟練者の作業を撮影する場合も、本人の同意、撮影の目的、映像の保存期間と閲覧できる人を事前に決めて説明します。
2026年版ものづくり白書の関連調査（JILPT、2026年5月）では、技能継承にデジタル技術を使っている企業は全体の21.7%にとどまる一方、使っている企業が感じた効果は、見える化・標準化77.8%、教育時間の短縮55.4%でした。効果がある取り組みだからこそ、最初の進め方でつまずかないようにします。具体的な運用ルールは作業分析AIで「監視」と受け取られないためにを参照してください。
進め方の目安
- テーマ選定の段階で、対象工程の現場リーダーを2〜3名プロジェクトに入れる
- 現場向けの説明会で、目的・判断の責任・浮いた時間の使い道を伝える
- PoCは、現場リーダーが決めた判定基準で評価する
- 本番の初期は人の確認を残し、誤りの記録と共有を週次で行う
- 3か月後に現場の意見を聞き、確認の範囲を見直す
よくある質問
ベテランほどAIに否定的です。どうすればよいですか
ベテランを説得の対象ではなく、判定基準やノウハウを決める側に置いてください。AIの誤りを最初に見抜けるのもベテランです。役割があると、協力に変わることが多くあります。
現場がAIの判定を信用せず、結局すべて見直しています
初期は見直しがあって当然です。誤りの記録を取り、AIの判定と人の判定の一致率を週次で共有してください。一致率が十分に高まった範囲から、確認を減らしていきます。
労働組合への説明はいつ行うべきですか
対象工程の作業内容や人員配置に影響する可能性がある場合は、PoCの開始前に説明しておくのが望ましいです。後から知らされると、内容以前に進め方への不信が生まれます。
この記事に出てくる用語
この記事を書いた人
DELMIA Apriso を中核とした MES / 製造DX の導入・運用・人材育成と、製造業向けAIの調査・開発・教育を手がけるITコンサルティング企業。ISO 9001:2015 / ISO 27001:2022 認証取得。 日本・中国・米国で製造業のMES・データ基盤・AI導入を手がけた実務者が、欧米・中国の一次情報にあたって書いています。
