難易度 低現場・製造製造部 現場班／生産管理部
手書き作業日報のデータ化と日次集計
現場が手書きした作業日報をまとめて撮影し、工番・工程・時刻・数量を項目ごとに読み取って集計表へ流し込みます。
- Before ／ 人がやる場合
- 1枚ずつ手入力するため、日報の枚数にそのまま比例します。月末は再集計が別途発生します。
- After ／ AIを使った場合
- 撮影と読み取りは複数枚をまとめて処理でき、工番別集計は関数で自動計算されます。短縮幅は要実測です。
Manufacturing
手書き日報、図面からの見積、FAX注文書。紙が残る製造現場からAIを入れます
多品種少量の受注生産では、図面・日報・手書き伝票・注文書といった紙が残ります。プレラナのAI研修は、あらかじめ用意している30種類以上のコースの中から、御社に合うコースを選んで実施します。演習には、当社が用意している業界別のサンプルデータを使います。実際の帳票をもとに仕組みを作る個別対応は、研修とは別契約の導入支援で承ります。このページでは、現場の方が自分で試せる5つの業務を、手順とプロンプト例まで公開します。
Issues
こんな状態ではありませんか
解決策の前に、まず現状を書きます。ひとつでも当てはまるなら、AIが効く余地があります。
- 01
手書き日報が翌朝の転記待ちで止まる
作業者が就業後に日報を手書きし、事務担当が翌朝Excelへ打ち直しています。工番の数字が読めない日報は、現場に電話して確認します。転記の際に時刻の桁を打ち間違え、原価計算がずれることもあります。月末は全員分の再集計だけで数日が消えます。
- 02
図面から見積を組めるのがベテラン1人しかいない
図面から部材を拾い、似た案件の単価を思い出せるのが1人だけです。その方が現場に出る日は、見積の提出が翌日に回ります。過去の見積書はフォルダに残っていますが、ファイル名が日付と客先名だけで、材質や板厚では探せません。
- 03
現場の呼び名と品番がつながらない
資材手配依頼書には「9ミリの黒皮」「うすいアングル」といった呼び名が書かれます。品番への読み替えは、資材課の担当者の記憶で行っています。担当が休むと手配が止まり、在庫があると思って止めた手配が、実は他工事で引き当て済みだったこともあります。
- 04
トラブル報告の粒度が人によって違う
現象欄に原因の推測が書かれていたり、是正欄が空欄のまま提出されたりします。後から集計しても傾向が読めません。3年前に同じ不具合が起きていたことに、当時を知る人がいなければ誰も気づきません。
- 05
得意先ごとに注文書の様式が違う
FAXで届く注文書は様式がばらばらで、品番と数量と納期の場所を目で探しています。客先品番のまま書かれた注文は、対応表を開いて読み替えます。基幹システムへは手入力で、打ち間違いに気づくのは出荷準備の段階です。
Use Cases
製造業でAIが効く5つの業務
それぞれ「人がやる場合」と「AIを使った場合」を対比し、実際の手順とサンプルデータまで公開しています。
難易度 中営業・見積営業部 見積課／技術部
図面と見積依頼書からの見積下書き作成
見積依頼書と図面PDFから部材表を書き出させ、過去見積の実績から類似案件を引いて見積の下書きを作ります。
- Before ／ 人がやる場合
- 図面から部材を拾う作業と、過去案件を探す作業に時間の大半が消えます。ベテラン待ちの日は翌日回しになります。
- After ／ AIを使った場合
- 部材表の書き出しと類似案件の提示が一度に済み、人は妥当性の確認から始められます。短縮幅は要実測です。
難易度 中現場・製造生産管理部 資材課／製造部
現場の呼び名を品番へ変換する資材手配依頼書のデータ化
主役は読み取りではなく、「9ミリの黒皮」のような現場の呼び名を品番へ結びつける別名マスタの整備です。読み取った依頼書を品番に変換し、在庫表の差引在庫と突き合わせます。
- Before ／ 人がやる場合
- 依頼書1枚ごとに在庫表を検索するため、枚数にそのまま比例します。品番が分からない依頼で作業が止まります。
- After ／ AIを使った場合
- まとめて読み取り、突合は一度に処理できます。人は要確認の行だけを見ます。短縮幅は要実測です。
難易度 低〜中現場・製造品質保証部／製造部
不具合・トラブル報告書の作成支援と過去事例の検索
現場のメモや口述からトラブル報告書の下書きを作り、過去に同じ現象がなかったかを一覧から検索します。
- Before ／ 人がやる場合
- メモの清書と過去事例探しに、当日の残業時間が使われます。報告書の提出は翌日以降になりがちです。
- After ／ AIを使った場合
- 下書きと類似事例が同時に出るため、提出を当日中に前倒しできます。短縮幅は要実測です。
難易度 中管理・経理営業事務／生産管理部
FAX・メール注文書の受注データ化と内容確認
様式がばらばらな注文書から受注データを読み取り、過去の受注履歴と比べて単価差や桁違いを登録前に洗い出します。
- Before ／ 人がやる場合
- 1件ごとに様式を読み解いて手入力します。件数が集中する月末は残業になります。
- After ／ AIを使った場合
- 読み取りと履歴比較が一度に済み、人は確認と登録に集中できます。短縮幅は要実測です。
Process
導入の流れ
期間と成果物を先に示します。何が起きるか分からないまま進むことがないようにするためです。
- 01
【導入支援】業務の棚卸しと対象業務の絞り込み
2週間（並行して導入前の実測を1〜2か月継続）くわしく見る
日報、手書き伝票、注文書、報告書など紙が絡む業務を書き出します。あわせて月間の枚数と1枚あたりの処理時間を実測します。件数が多く、判断の少ない業務から着手します。棚卸しそのものは2週間で終わりますが、導入前の実測はここで止めません。各事例のeffectNoteが求める2か月分の比較用データを確保するため、実測はstep02以降と並行して続けてください。この工程は研修とは別契約・別費用の導入支援です。 - 02
【研修】受講するコースの選定
1〜2週間くわしく見る
プレラナは業界別・部門別に30種類以上の研修カリキュラムをあらかじめ用意しています。その一覧から、御社に合ったコースを選定します。事前のヒアリングは、コースを選ぶための状況確認として行います。部署ごとに、それぞれ適したコースを選べます。人材開発支援助成金を使う場合は、実訓練時間が10時間以上のOFF-JTになるようコースを組み合わせます。 - 03
【研修】研修の実施と手順書の作成
1〜2か月（週1回×4〜8回）くわしく見る
選定したコースを、集合研修または同時双方向型のオンラインで実施します。同時双方向型のオンラインは、助成金上も集合研修と同じ扱いです。演習では、当社が用意している業界別のサンプルデータを使います。現場と事務の方がプロンプトを自分で直せる状態を目標にします。読み取り結果の確認方法、要確認が出たときの対応、マスタの更新手順は、受講後に1枚の手順書としてまとめます。助成金の対象になるのは研修の費用のみで、AIツールの導入費用は対象外です。 - 04
【導入支援】自社の帳票での試行と精度の確認
2〜3週間くわしく見る
ここからは研修とは別契約・別費用の導入支援です。実際の帳票10〜20枚をご提供いただき、読み取りを試して項目ごとの誤り率を測ります。プロンプトの指示を1文ずつ足しながら詰めていきます。この段階で読み取れないと分かった様式は、無理に対象へ入れず手入力のまま残します。使える範囲を先に確定させることが、後の定着につながります。 - 05
【導入支援】1部署での運用開始と展開・定着の仕組み化
1〜2か月（他部署への展開は3か月〜）くわしく見る
1つの工場、1つの部署に絞って運用します。処理時間、要確認の件数、手直しの件数を週次で記録します。導入前に測った数字と並べて比較し、効果を金額と時間で出します。数字が出てから、他工場・他部署への展開を判断します。あわせて、マスタ更新の当番、蓄積用の表への追記当番、月1回プロンプトを見直す場を決めます。この3つが決まっていない状態で広げると、対象が増えるほど手が回らなくなります。弊社の導入支援では、当番を決めないまま広げた現場が半年ほどで運用をやめてしまう例が多く見られます。
FAQ
よくあるご質問
図面や注文書をAIに読み込ませて、社外へ情報が漏れませんか。
まず、法人向けプランで学習に使われない設定になっているかを確認してください。各社の法人向けプラン（ChatGPT の Business・Enterprise、Claude の Team・Enterprise、Gemini の Google Workspace 向けプランなど。名称は変更される場合があります）では、既定で入力内容が学習に使われない扱いになっています。プラン名もデータの扱いもベンダー側で変わるため、契約前に各社の最新の利用規約とデータ利用ポリシーで必ずご確認ください。そのうえで、社内ルールとして「入れてよい情報」の線引きを決めます。実務では、客先名と図番をマスキングしてから読み込ませる、開発中の新製品図面は対象外にする、といった運用で始める会社が多いです。無料版の個人アカウントを現場が各自で使っている状態が最も危険なため、アカウントの統一を先に行ってください。
手書き文字の読み取り精度はどのくらい出ますか。
字のクセ、帳票の様式、撮影条件で変わるため、一律の数字はお答えできません。実際の帳票20枚で試し、項目ごとに誤り率を測ることを勧めます。傾向として、桁数や接頭辞が決まっている項目（工番、品番、時刻）は精度が出やすく、備考欄の自由記述は落ちます。全項目の自動化を狙わず、精度の出る項目から始めて、残りは人が入力する形が現実的です。誤り率を項目ごとに持っておくと、どこまで信用してよいかを現場で共有できます。
現場のベテランが紙をやめたがりません。それでも進められますか。
手書きをやめる必要はありません。本ページの「手書き作業日報のデータ化と日次集計」と「現場の呼び名を品番へ変換する資材手配依頼書のデータ化」は、書いた紙を撮影してデータ化する方法です。現場の記入方法は変わらず、変わるのは事務側の転記作業です。実際に定着しやすいのは、入力方法を変えずに裏側だけデジタル化する進め方です。タブレット入力への切り替えは、データ化が回り始めてから、必要な工程だけを対象に検討すれば十分です。
多品種少量の受注生産です。案件ごとに仕様が違いますが、AIは使えますか。
量産ラインの自動化とは進め方が違います。多品種少量では、判断そのものではなく、図面から部材を拾う、過去の似た案件を探す、注文書から数字を写すといった探索と転記の部分が対象になります。この部分は案件ごとに仕様が違っても共通です。仕様の違いを踏まえた判断は人に残ります。本ページの5事例は、いずれも判断を人に残す前提で組み立てています。
専任のIT担当がいません。誰が進めることになりますか。
本ページの5事例は、生成AIのチャット画面とスプレッドシートで始められます。プログラムを書く工程はありません。ただし、品番マスタ、得意先マスタ、過去実績表を整える作業は必要で、ここは現場と業務を知っている方でないとできません。実際に進めるのは、事務担当や生産管理の方が中心になります。研修は、ご用意しているカリキュラムの中から御社に合ったコースを選んで実施し、演習には当社が用意したサンプルデータを使います。目標は、その方が自分でプロンプトを直せる状態になることです。自社のマスタを実際に整える作業や、仕組みを作って納品する個別対応は、研修とは別契約の導入支援で承ります。
導入したのに使われなくなるのが心配です。何を決めておけばよいですか。
使われなくなる原因の多くは、マスタが更新されず要確認が増えることと、蓄積用の表への追記が止まることです。始める前に、マスタ更新の当番、追記の当番、月1回プロンプトを見直す場の3つを決めてください。あわせて、運用開始から2か月間は要確認の件数を週次で記録します。件数が減っていれば定着に向かっており、減らなければ当番が機能していません。数字で見える形にしておくと、続けるか見直すかの判断ができます。
効果の数値について
このページに掲載している削減効果は、出典のあるものだけを引用しています。 それ以外は「要実測」と記載しています。効果は業務内容によって大きく変わるため、 当社の支援では導入前に実際の業務時間を計測してから目標を置きます。
製造業のAI活用レポートをお送りします
このページの5事例をまとめた資料をご用意しています。社内で共有していただける形式です。具体的なご相談は60分のオンライン無料相談で承ります。