カスタムAIソリューションの導入事例｜公開3社の対象業務と、作る前に決めること

「自社専用のAIを作った会社は、何を作って、どれくらい効いたのか」。カスタムAIを検討し始めると、まずこれが知りたくなります。ただ、ベンダーの紹介記事には成果の数字だけが並び、どの業務のどの作業をAIに渡したのかが書かれていないことが多いです。

この記事は、自社向けに作ったAI（カスタムAI）の導入事例を扱います。ChatGPTなど既製の生成AIを業務で使う事例は中小企業の生成AI活用事例、開発を外注するときの費用はAI開発の外注費用にまとめています。

カスタムAIソリューションとは：既製のAIツールとの違い

カスタムAIソリューションは、自社の業務とデータに合わせて作るAIの仕組みです。既製のAIツールとの違いは、AIが何を読んで答えるかにあります。汎用のAIチャットは、入力した文章と一般的な知識から答えます。既製のAI付き業務ツールは、そのツールに入れたデータの範囲で動きます。カスタムAIは、自社の図面や手順書、台帳のように、外のツールが知らないデータを読ませて、特定の業務の流れに組み込みます。

右へ行くほど業務に合わせられる反面、作る手間と、作ったあとの保守が増えます。カスタムAIは「AIの中身を自社で作る」ことではありません。パナソニック コネクトの事例では、AIのモデル自体はSnowflake社の基盤のAI機能（Cortex AI）を使い、図面の読み込みと照合結果の表示を自社用に作っています。

公開されている導入事例3つ

ここで取り上げるのは、公的資料か企業の公式発表で中身を確認できた事例だけです。成果の数字は各社の公表値をそのまま載せ、こちらで推計を足していません。

岡田研磨：生成AIとの対話で、社内の情報統合システムを内製した

石川県金沢市の岡田研磨株式会社は、建設機械や産業機械向け部品の加工・組立てを手がける従業員85名の会社です。2026年版中小企業白書の事例2-2-14によると、図面などの膨大な情報は紙とExcelで管理され、情報が属人化し、社内共有にも無駄な作業が出ていました。

岡田専務は生成AIでプログラムを作れることを知り、AIとの対話を通じて自社独自の情報統合管理システム「OKADA Board」を開発しました。生産管理・労務管理・原価管理をはじめ30以上のアプリが載り、情報を一元管理できるようになっています。さらに作業手順書の管理システムも作り、それを使った従業員教育で多能工化と業務の平準化が進みました。白書は結果として、労働時間の削減と売上高の増加につながったとしています。

後藤組：現場社員がアプリを作り、資材管理にAIを使った

山形県米沢市の総合建設会社・後藤組は、経済産業省の「DXセレクション2025」でグランプリに選ばれた会社です。同社の公式サイトによると、取り組みは2019年頃に社長方針で始まり、基本テーマを「全員DX」としています。アプリの構築はすべて現場社員自身が行い、年に一度の社内大会で全社員が何か1つアプリを作って発表します。

その中で、AIを使った資材管理システムを構築し、経理・勤怠のシステムも内製化しました。DXの取り組み全体として、現場事務所の書類は約60％減り、残業時間は取り組み前から1人あたり20％以上減ったと公表しています。この数字はAIだけの効果ではなく、ペーパーレス化を含めた取り組み全体の結果です。

パナソニック コネクト：図面と仕様書の照合だけを、AIエージェントに任せた

大企業の事例ですが、対象業務の絞り方が中小企業にもそのまま参考になるため取り上げます。パナソニック コネクトは2026年2月19日、設計・開発部門の図面と設計仕様の照合業務に、内製の「Manufacturing AIエージェント」を展開したと発表しました。

製品図面・部品図面・技術仕様書の記載が一致しているかを確かめる照合は、それまで担当者の目視に頼っていました。確認漏れは後工程の手戻りや検査のやり直しにつながります。照合対象がPDFの図面だったため、既存のソリューションでは解決できなかったと同社は説明しています。作ったAIエージェントは、複数のPDF図面から文字情報を抜き出し、材質や仕上げなどの項目を自動で突き合わせ、結果を一覧で表示します。担当者はその一覧を見て確認を終えます。

3社に共通していた進め方

業種も規模も違う3社ですが、どれも「どの業務の、どのデータが散っているか」を特定するところから始めています。AIの役割は事例ごとに違います。パナソニック コネクトの照合AIは、図面からの抜き出しと突き合わせまでをAIが行い、最後の確認は担当者が行っています。後藤組はAIを資材管理に使ったと公表していますが、AIに任せた範囲までは公表していません。岡田研磨でAIが担ったのは、システムのプログラムを書く部分です。下の図は、確認の分担まで公表されているパナソニック コネクトの進め方をもとにした手順です。

カスタムAIを作る前に見落とされやすいのが、紙・Excel・PDFに散ったデータを1か所に集める工程です。岡田研磨は紙とExcelに散っていた情報をまとめるところから始め、パナソニック コネクトも社内のデータを1つの基盤に集める取り組みの一部として照合AIを作っています。データが散ったままでは、AIに何を読ませるかが決まりません。データの整え方はデータ整備の進め方で手順にしています。

自社でカスタムAIを作るべきかの判断

事例を読むと自社でも作りたくなりますが、多くの業務は既製品で足ります。作るかどうかは、次の3つの問いで分けます。

カスタムAIを作るかどうかは、対象業務が月に何度も発生し、AIの出力を確認する担当者を置けるかで判断します。年に数回しか発生しない業務では、作る費用を回収できません。確認者を置けない業務では、AIの誤りがそのまま社外に出ます。パナソニック コネクトの照合AIも、一覧を見て確認を終えるのは担当者です。

作る前に決めることと、最初に測る数字

作る前に決めること

まず、対象業務の入力と出力を1枚に書きます。何を見て（図面、台帳、過去の見積もり）、何を作るのか（照合結果の一覧、下書き、検索結果）。次に、AIの出力を誰が確認し、間違っていたらどこへ戻すかを決めます。最後に、そのデータを社外のAIサービスに渡してよいかを社内ルールで確かめます。顧客情報や図面を扱う場合は、ここで止まることが多いので早めに確認します。社内ルールの作り方は生成AIの社内ルールの作り方で扱っています。

内製か外注か

岡田研磨と後藤組は、業務を知る社内の人が自分で作りました。パナソニック コネクトも内製です。業務の中身を一番知っている人が作り手に近いほど、現場で使われる道具になりやすいのは確かです。一方で、社内に作り手がいない場合は外部に頼むことになります。そのときも、対象業務の入力と出力、AIの出力を確認する担当者、社外のAIサービスに渡してよいデータの範囲を自社で決めてから見積もりを取ると、費用のぶれが小さくなります。費用の内訳はAI開発を外注すると費用はどう決まるか、相場の幅はAI導入費用の相場にまとめています。

最初に測る数字

作り始める前に、対象業務を5〜10件、いつもどおりに処理して記録します。測るのは、1件あたりの作業時間、確認と手直しにかかった時間、見落としや差し戻しの件数の3つです。導入後も同じ数え方で記録し、AIが作る時間ではなく、人が確認し終えるまでの時間で比べます。パナソニック コネクトが「50〜340分が10分に」と示せたのは、導入前の1件あたりの時間を持っていたからです。測り方の詳細はAI導入の効果測定を参照してください。

試作がうまく動いても、そのまま本番に載せる前に確かめることがあります。データの保存先、誤った出力が出たときの戻し方、作った人が不在でも直せるかの3点です。確認項目はAIで作った社内ツールの本番導入前チェックリストに並べています。