月5万円で始める中小製造業のAI活用3パターン — 見積・検査・在庫予測の自動化

「AIが製造業を変える」という話は毎日のように目にする。ただ、具体的に何をどう使えばいいのか、いくらかかるのかがわからないまま手をこまねいている会社は多い。特に従業員30〜100名規模の中小製造業にとって、大企業向けのAIソリューション（年間数百万〜数千万円）は現実的ではない。

ここでは、月5万円以内で始められる3つのAI活用パターンを、費用・導入期間・期待効果つきで紹介する。いずれも「今の業務にAIを差し込む」方法なので、既存のやり方を大きく変える必要はない。

前提：なぜ今「月5万円」で始められるのか

2024年以降、AIの利用コストが劇的に下がった。ChatGPT APIは1リクエストあたり0.1〜1円程度、画像認識AIも1枚あたり数円で処理できる。かつては月数十万円かかっていた処理が、今は月数千〜数万円で実現できる。この「コスト革命」が中小製造業にとってのチャンスになっている。

ポイントは、大規模なAIシステムを構築するのではなく、既存の業務フロー（スプレッドシート、メール、写真撮影など）にAPIを差し込む形で導入すること。これなら初期費用も運用コストも最小限に抑えられる。

パターン1：見積・受注のAI自動化

課題：見積作成に毎回30分以上かかる

多品種少量の製造業では、見積もりのたびに過去の類似案件を探し、材料費・加工費・外注費を積み上げ、利益率を調整する。この作業に1件30分〜1時間かかっているケースが多い。月に50件の見積依頼があれば、それだけで月25〜50時間を費やしている計算になる。

AI活用の方法

過去の見積データ（品目・材質・数量・金額）をスプレッドシートに整理し、ChatGPT APIに「類似案件の見積を参考に、今回の見積もりを作成して」と指示する。AIが過去データから類似案件を検索し、材料費の相場変動を加味した見積金額を提案してくれる。

営業担当は提案された金額を確認・調整するだけなので、見積作成時間が1件あたり5〜10分に短縮される。最終判断は人間がするので、精度への不安も少ない。

パターン2：品質検査の画像AI

課題：目視検査の属人化と見落とし

外観検査を目視で行っている工場は多い。ベテラン検査員なら不良率0.1%で見つけられるものが、経験の浅い作業者だと0.5%まで見落としが増える。検査員の確保自体が難しくなっている工場も少なくない。

AI活用の方法

製品の写真をスマホやWebカメラで撮影し、画像認識AI（Google Cloud Vision APIやAWS Rekognitionなど）に送る。AIが「良品」「不良品（傷）」「不良品（変色）」などを判定し、結果をスプレッドシートに記録する。

最初は「AIが不良と判定したものだけ人間が再確認する」運用にすると安全。AIは検査漏れを減らすフィルターとして使い、最終判断は人間が行う。導入3ヶ月目で不良流出率が半分以下になった事例もある。

導入時の注意点

画像AIの精度は学習データの質に左右される。最初に「良品100枚、不良品50枚」程度の写真を用意し、照明条件を統一して撮影することが重要。撮影環境がバラバラだと精度が落ちるので、検査ブースの照明を固定するだけでも精度は大きく改善する。

パターン3：在庫・生産計画のAI予測

課題：「勘と経験」頼みの生産計画

中小製造業の生産計画は、工場長やベテランの「経験値」で立てていることが多い。これ自体は悪いことではないが、季節変動や新規取引先の増加など、パターンが変わったときに対応が遅れる。在庫を持ちすぎてキャッシュフローを圧迫したり、逆に欠品して納期遅延を起こしたり。

AI活用の方法

過去2〜3年分の受注データ（月別・品目別の出荷数）をスプレッドシートに整理し、AIに需要予測をかける。Googleスプレッドシートの拡張機能やPython+簡易的な機械学習ライブラリを使えば、来月の品目別出荷数を予測できる。精度は完璧ではないが、「勘」よりもデータに基づいた判断ができる。

予測結果を工場長の判断材料として共有し、「AIはこう言っているが、この取引先は来月増産の話があるから上乗せしよう」と人間が調整する。AIの数字を鵜呑みにするのではなく、経験値とAI予測を掛け合わせるのがコツ。

3パターンの合計コストと効果

どのパターンから始めるべきか

3つすべてを同時に導入する必要はない。自社の課題に合わせて1つから始めるのが現実的。判断基準はシンプルで、「今、最も時間を使っている業務」「ミスが多い業務」から手をつける。

まとめ

AI活用というと大げさに聞こえるが、やっていることは「今ある業務の一部をAI APIに任せる」だけ。見積作成、外観検査、需要予測。この3つは中小製造業でも月5万円以内で始められるし、効果も測りやすい。

大事なのは、いきなり全部を変えようとしないこと。1つ導入して、現場が慣れて、効果が数字で確認できたら次に進む。その積み重ねが、結果として工場全体のAI活用につながっていく。