製造業のAI人材は「使う・回す・作る」の3層で考える
製造業のAI人材育成でまず決めるべきことは、誰を何人、どの層まで育てるかです。全社員にPythonを教える計画も、データサイエンティストを数名採用して終わる計画も、どちらも現場には定着しません。
AIが工場で成果を出すまでには、少なくとも3種類の役割が必要です。
| 層 | 役割 | 主な対象者 | 人数の目安 |
|---|---|---|---|
| 現場層（使う人） | AIの出力を業務で使い、誤りに気づき、改善の要望を出す | 作業者、検査員、保全員、班長 | 対象工程の全員 |
| 推進層（回す人） | 課題を選び、データを集め、PoCを評価し、現場に載せる | 生産技術、品質保証、保全の中堅、DX推進担当 | 工場ごとに数名 |
| 専門層（作る人） | モデルの開発・評価、データ基盤とMES連携の設計、運用 | データサイエンティスト、データエンジニア、情報システム | 全社で少数（外部と分担可） |
この3層で最も不足しやすいのは推進層です。IPAの「DX動向2025」では、DX人材の量が不足していると答えた日本企業は85.1%に上ります。ただし製造業の現場で実際に詰まるのは、モデルを作る人よりも、工程と品質の知識を持ちながらデータを整え、PoCの結果を判定できる人です。McKinseyが2018年に700社超を調べた調査でも、デジタル製造のスケールを阻む障壁の1位は人材（69%）でした。
層ごとの到達目標と育成手段
育成計画は、層ごとに「何ができるようになれば合格か」を業務の言葉で書くところから始めます。スキル項目の詳細は製造業のAI人材に必要なスキル10項目で扱っています。
現場層：AIの出力を疑い、記録できる
現場層の目標は、AIの判定や提案を鵜呑みにせず、おかしいと気づいたときに記録して上げられることです。外観検査AIなら、過検出と見逃しの違いが分かり、再判定の結果を所定の方法で残せる水準です。育成手段は、座学よりも実際に使う画面と手順での短時間の教育が向きます。全社員向けの共通教育はAIリテラシー研修にまとめます。
推進層：テーマを1本、PoCから本番まで回せる
推進層の目標は、自分の工場のテーマを1本、課題設定からPoC評価、現場への展開まで回し切ることです。研修だけでは育たず、実テーマを持たせて外部の支援者と一緒に進める形が効果的です。三木プーリがスカイディスクと組み、製造ノウハウをAIエンジニアに説明できる人材を育てた例（2021年、スカイディスク公表）のように、推進層には「現場の知識を、データとAIの言葉に翻訳する力」が求められます。
専門層：本番で動き続ける仕組みを作れる
専門層の目標は、モデルを作ることではなく、精度劣化を監視し、再学習を回し、MESや設備とつながった状態で動かし続けることです。全社で少数に絞り、足りない部分は外部と分担します。採用か育成かの判断はAI人材を採用するか育てるかを参照してください。
育成計画は「テーマ」と「データ基盤」の計画に紐づける
AI人材育成が空回りする典型は、研修の受講者数だけを目標にするケースです。研修を終えても、使うデータがなく、取り組むテーマもなければ、3か月で忘れます。
計画は次の順で立てます。
- 今後2〜3年で取り組むAIテーマを3〜5本決める（テーマの選び方はAI導入テーマの選び方）
- テーマごとに、必要なデータ（MESの実績、検査結果、設備データ）がどこにあり、誰が整えるかを書き出す
- テーマを担う推進層の候補者を工場ごとに決め、実テーマで育てる
- 専門層は、データ基盤とMES連携の設計を担える人を優先して確保する
- 現場層の教育は、AIを入れる工程から順に行う
MESや設備データの整備を担える人がいないと、推進層が育っても、毎回のデータ集めで止まります。製造業のAI人材育成では、データの取り出し方を知っている人を推進層か専門層に必ず入れておくことが重要です。
海外の動きと日本の差
日本のAI研修の受講状況は、国際比較で低い水準にあります。令和8年版労働経済白書（厚生労働省、2026年9月）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%を下回ります。同白書は、労使がAIと働くための人的資本に投資した場合に仕事の質が改善すると分析しています。
海外では、AIと自動化を人材不足への対応策として位置づける動きが目立ちます。Rockwell Automationが2025年に17か国1,560人を対象に行った調査では、41%がAIと自動化を技能ギャップと人手不足の解消に使っていると答え、48%がスマート製造投資に伴って人員の配置転換や採用を予定していました（同社発表）。BCGは2024年の調査で、AIの資源配分の目安を「人とプロセスに70%、技術とデータに20%、アルゴリズムに10%」としています。
よくある質問
全社員にプログラミングを学ばせるべきですか
必要ありません。現場層に求められるのは、AIの出力を確認し、誤りを報告できることです。プログラミングは専門層と、一部の推進層に絞って教えます。
推進層には誰を選べばよいですか
生産技術、品質保証、保全の中堅で、工程とデータの両方に関心がある人が向いています。IT部門だけで推進層を固めると、現場の課題とずれやすくなります。
中小企業でも3層を分ける必要がありますか
人数は少なくても役割は分けます。社長直轄の兼任者が推進層を担い、専門層は外部に任せる形が現実的です。詳しくは中小製造業の推進体制の記事を参照してください。
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。
