製造業の生産計画を生成AIで｜需要予測のムダと内製か外注かを7項目の比較表で

「来月どれだけ作ればいいのか、結局は長年やってきたベテランの勘で決めている」——製造業の生産計画では、この属人化した需要予測が当たり前のように続いてきました。勘が当たっているうちはいいのですが、担当者が一人抜けただけで計画が止まり、欠品と過剰在庫の両方が同時に膨らみます。

本記事では、製造業の生産計画と需要予測に生成AIを使うと何が変わるのか、そこで生まれる「ムダ」をどこまで減らせるのか、そして導入を内製で進めるべきか外注で進めるべきかを整理します。手順を丸ごと渡すのではなく、自社にとっての判断材料を持ち帰っていただくことを目的に、内製と外注を7項目の比較表で解説します。

なぜ製造業の生産計画は「勘」と「ムダ」から抜け出せないのか

本記事のテーマに関連するサービスとして、BoostXでは製造業の支援を提供しています。

生産計画と需要予測は、製造業のなかでも特に「人に張り付いた仕事」です。Excelに過去実績を貼り付け、季節要因と現場の肌感を足し引きし、最後はベテランが「だいたいこのくらい」と決める。この流れが何年も回ってきたからこそ、なかなか変えられません。まずは、その属人化が生むムダの正体を3つの角度から見ていきます。

ベテランの勘に依存した需要予測の限界

勘そのものが悪いわけではありません。長年の経験は貴重な資産です。問題は、その勘が一人の頭の中にしか残っていないことです。担当者が異動・退職すれば予測精度はその日から落ち、引き継いだ人は半年から1年かけて勘を再構築することになります。月1回の計画づくりに毎回2日から3日、年に12回、合わせて年30日前後を費やしている現場も珍しくありません。さらに、勘は「なぜその数字なのか」を説明できないため、計画が外れたときに原因を振り返れず、同じズレを翌月も繰り返します。需要が読みにくい多品種少量生産で品番が500本、1,000本と増えるほど、この属人化のリスクは大きくなります。

人手不足が予測のムダを増幅させる

背景には、製造業全体の深刻な人手不足があります。製造業の就業者数は2024年時点で1,046万人で、2002年の1,202万人から22年間で156万人、約13%減りました（総務省労働力調査）。有効求人倍率も製造関連職種で1.6前後と、全産業平均の1.2を大きく上回る水準です。人が足りないほど、生産計画を立て直す余力も、予測の精度を検証する時間も失われます。結果として「とりあえず多めに作る」「念のため在庫を厚く持つ」という安全策に流れ、ムダがそのまま固定費になっていきます。

欠品と過剰在庫、両方のコストが同時にのしかかる

需要予測が外れると、欠品と過剰在庫という正反対の損失が同時に発生します。欠品すれば販売機会を逃し、1件の特急対応のたびに段取り替えで1時間から2時間が飛び、現場は疲弊します。逆に過剰在庫は、倉庫スペース・運転資金・廃棄ロスを食い続け、30日分のつもりが気づけば60日分、90日分と積み上がります。どちらも数字には表れにくい「見えないムダ」で、月次の損益を見ても原因が特定しづらいのが厄介な点です。私は、AI導入の相談を受けるとき、まずこの「見えないムダがどこで生まれているか」を可視化することから始めるべきだと考えています。可視化なしにツールだけ入れても、ムダの正体はつかめません。

生成AIで需要予測と生産計画は何ができるのか

生成AIは「勘を置き換える魔法」ではありません。正しくは、人が判断するための材料を、速く・説明可能な形でそろえる道具です。生産計画のどこを任せられるのかを、工程ごとに見ていきます。

この領域でつまずきやすいのは、ツール選定よりも「業務の中のどこに組み込むか」の設計です。BoostXの生成AI伴走顧問は、業務ヒアリングから設計・定着支援までをサービス対応範囲としてカバーできる領域です。

需要予測でAIが担える範囲

過去の出荷実績・季節性・販促履歴・気象や景気指標などを取り込み、品番ごとの需要レンジを提示する。ここは生成AIと予測モデルが得意とする領域です。さらに生成AIの強みは、出てきた数字に「なぜこの予測になったのか」の根拠を言語で添えられる点にあります。従来の予測ツールが出す数字の羅列と違い、「先月の特需は一過性のため翌月は平準化が見込まれる」といった説明が付くため、計画会議での合意形成が速くなります。

生産計画・在庫最適化への波及

需要予測の精度が上がると、その下流にある生産計画・人員配置・部材発注・安全在庫の設定が連鎖的に整います。「この予測なら安全在庫は何日分が妥当か」「ラインの負荷を平準化するにはどの週に前倒しすべきか」といった複数案のシミュレーションを、数分単位で何通りも回せるのが生成AI活用の核心です。人間が一晩、8時間かけて1案を作っていた作業が、5案を10分で比較しながら詰める作業に変わります。とくに月末や繁忙期、計画の見直しが1週間に2回、3回と発生する局面ほど、この差は効いてきます。手作業では1案を作るだけで精一杯だった場面で、複数のシナリオを並べて「需要が上振れしたらどう動くか」「下振れしたら在庫をどう絞るか」まで先回りして検討できるようになります。判断の精度を決めるのは、選択肢を何案そろえられるかです。

AIの出力はあくまで判断材料という前提

ここで外してはいけない原則があります。私は、AIの出力はあくまで判断材料であって、最終判断は人が握るべきだと考えています。取引先との関係、ライン能力の制約、新製品の立ち上げといった「数字に出ていない事情」は、現場の人にしか分かりません。生成AIに任せるのは下ごしらえまで。意思決定そのものを丸投げした瞬間に、説明できない計画が再び生まれ、属人化を別の形で繰り返すことになります。

導入で実際に出ている効果を数字で見る

「AIで変わる」と言われても、自社で効果が出るのか半信半疑になるのは自然なことです。ここでは公開されている事例と公的データで、製造業のAI活用がどの段階にあるのかを確認します。

大手製造業が公表している削減実績

パナソニック コネクトは、ChatGPTを基盤にした社内AI「ConnectAI」を全社展開し、2024年度に年間44.8万時間の業務削減を達成したと公表しています。これは社員およそ200人分の年間労働時間に相当する規模です。生産計画そのものだけの数字ではありませんが、定型的な情報整理や下調べを生成AIに任せることで、人がより付加価値の高い判断に時間を使えるようになる——その方向性を示す代表例といえます。

「試している」企業は多いが本格化は少数

国内製造業の約87%が、すでに何らかのAIパイロットプロジェクトを開始しているとされます（2025年時点の業界調査）。一方で、本格展開まで進んでいる企業は少数にとどまります。経済産業省の2025年版ものづくり白書でも、製造業の85%以上が人材育成を課題に挙げています。つまり「試したが定着しなかった」「PoC止まりで現場に根付かなかった」企業が大半だということです。差を生んでいるのはツールの性能ではなく、運用と定着の設計だと私は考えています。

初期投資は思っているより小さく始められる

AI導入は数千万円かかる大型投資というイメージも、現実とはずれてきています。製造業向けの品質検査AIでは初期投資50万円から導入可能とされ、導入企業の42.3%が100万円以下からスタートしているという調査もあります（2026年調査）。需要予測や生産計画の領域でも同様に、まずは一つの製品群・一つのラインに絞ってスモールスタートし、効果を確かめてから広げるのが現実的です。最初から全社・全工程を狙うほど、投資も失敗の痛手も大きくなります。

生成AIの導入は内製か外注か｜7項目の比較表

ここが、生産計画へのAI導入で最も判断が分かれるところです。社内のエンジニアやDX担当が自前で進める「内製」と、外部の専門家と伴走しながら進める「外注」。どちらが優れているという話ではなく、自社の体制次第で正解が変わります。まずは7つの観点で違いを整理します。

7項目で内製と外注を比較する

下の表は、生成AI導入を内製で進める場合と、専門家に外注（伴走）する場合を、現場で効いてくる7項目で並べたものです。自社がどちらに寄っているかを確認してください。

比較項目	内製（自社で進める）	外注（専門家と伴走）
1. 立ち上げまでの速さ	学習に数か月かかりやすい	初月から論点整理が進みやすい
2. 初期コスト	人件費として内部化される	月額11万円〜の顧問費が発生
3. 自社業務への適合	現場を熟知し合わせやすい	ヒアリングで合わせ込む
4. 属人化リスク	担当者依存になりやすい	仕組みと文書で残せる
5. 定着・運用設計	後回しになりやすい	定着支援まで設計に含む
6. セキュリティ・情報漏洩対策	自己判断で抜けが出やすい	運用ルール込みで設計
7. 陳腐化への追従	更新が止まりやすい	最新動向を継続反映

内製が向くケース／外注（伴走）が向くケース

社内に生成AIへ十分詳しく、かつ推進に時間を割ける人材がいるなら、内製は有力な選択肢です。現場を一番分かっているのは社内の人だからです。一方で、私の経験では、推進役を兼務でしか置けない・前に試したが定着しなかった・情報漏洩や運用ルールに不安がある、という会社ほど外注（伴走）が効きます。専門家を入れる価値は「最新のツールを知っていること」よりも、運用設計と定着まで一緒に背負ってくれることにあります。逆に、社内にAIに詳しい人がいて推進できる状態なら、無理に外注する必要はありません。大切なのは、見栄や流行で決めず、自社の人と時間という資源がどちらに足りているかで冷静に選ぶことです。

自前導入でつまずく3つのムダ

自己流で進めた場合に繰り返し起きるのが、次の3つのムダです。第一に「定着しないムダ」。ツールを導入した翌週にはほとんどログインされなくなる、という状態は珍しくありません。第二に「属人化が形を変えて再発するムダ」。AIに詳しい一人に依存すれば、その人が抜けた途端に運用が止まります。第三に「陳腐化のムダ」。導入時点のツールや設定をそのまま使い続けると、半年で時代遅れになります。私は、導入そのものより、この3つを起こさない運用設計のほうがずっと難しいと考えています。手順を真似ることはできても、定着させ続ける設計は一朝一夕には作れません。ここに不安があるなら、自前にこだわらず専門家と組む選択肢を検討する価値があります。

ビフォーアフター：生産計画の現場がここまで変わる

Before：現状の苦しい1週間

月曜の朝9時、需要予測の担当者がExcelに先月実績を貼り付け、3時間ほどかけて勘で来月の数量をはじき出す。火曜の計画会議90分では「なぜその数字なのか」を誰も説明できず、結局はベテランの一声で決まる。水曜以降は、急な受注変動が入るたびに1件あたり1時間から2時間の段取り替えが走り、現場は1日2時間の残業で対応する。週末には「また多めに作ってしまった在庫」が倉庫に積み上がり、30日分の予定が60日分に膨らむ。担当者が3日休めば計画は止まり、引き継ぎは口頭で30分。この1週間が、年12回、毎月そっくりそのまま繰り返されます。

After：導入後の楽な1週間

月曜の朝9時、生成AIが過去実績と季節性をもとに品番ごとの需要レンジと根拠を数分で提示し、担当者は30分で確認・補正するだけ。3時間かけていた作業が30分に縮みます。火曜の会議では「この予測の前提はこうで、安全在庫は何日分が妥当」と根拠付きで議論でき、60分で判断が決まる。週中の受注変動も、これまで1案に8時間かけていたシミュレーションを5案、10分でその場で回して対応する。週末の「念のための作りすぎ」が減り、60日分まで膨らんでいた在庫が30日分前後で安定する。担当者が3日休んでも、予測の前提と根拠が文書で残っているため計画は止まりません。

違いを生んでいるのはツールではなく運用設計

BeforeとAfterの差を生んでいるのは、高価なツールを買ったかどうかではありません。「何をAIに任せ、何を人が握るか」「予測の根拠をどう残すか」「誰が運用を回し続けるか」を最初に設計したかどうかです。同じ生成AIを入れても、運用設計のない会社はBefore寄りのまま定着せず、設計のある会社だけがAfterに到達します。「うちはまだBefore寄りだ」「Afterに近づきたい」と感じた方は、次のセクションで具体的な相談導線を案内します。

よくある質問

公開日：2026年6月