熟練作業者の手元動画を自動で標準作業書に変換する生成AIサービス

製造現場が直面する「知識の断絶」問題

製造業の調達購買に10年以上携わってきた経験から断言できることがある。現場で起きている品質トラブルの原因を掘り下げると、「担当者が変わった」「ベテランが辞めた」という一文に行き着くケースが全体の6〜7割を占める。問題は設備でも材料でもなく、作業者の頭の中にしか存在しなかったノウハウが、退職や異動とともに跡形もなく消えることだ。

製造業の就業者数は2002年の1,222万人から2022年には996万人まで18%減少しており、技能継承に問題があるとする事業者の割合は、製造業では59.5%と全産業平均の41.2%を大幅に上回る。
^[1] この数字は、業界全体として属人化した技能を次世代に渡す仕組みが未整備のまま放置されてきた実態を示す。

学術研究においても、多くの中小製造業には貴重な技能があるにもかかわらずその伝承がうまく行われていない状況があり、技能伝承に取り組む際に標準化・自動化・熟練した技能の伝承など実施すべきことが多くある。
^[2] 担当者同士まかせっきりのOJTでは、撮れていない動作・語られなかった「なぜその順番なのか」が永遠に失われる。

当社では累計200社以上のサプライヤー視察で、「作業書はある」と言いながら実際には5年以上改訂されていない紙ファイルが棚に眠っているケースを繰り返し目にしてきた。作成コストが高すぎるゆえに更新が止まり、形骸化する。これが技能伝承の本質的な壁だ。

なぜ「紙の作業書作り」は失敗し続けるのか

従来の標準作業書作成プロセスには構造的な欠陥がある。担当者がベテランに張り付きながら作業を観察し、メモを取り、写真を撮影し、Word やPowerPoint に清書する。このプロセスで1枚の作業書に要する時間は、
企業の事例では一つの作業手順書を作成するのに短くて3時間、長くて10時間ほどかかっていた
という報告もある。作業書1本でこれだけの工数がかかれば、数十〜数百工程を持つ製造現場で全工程を網羅するなど現実的ではない。

さらに根深い問題が「言語化の限界」だ。熟練者本人でさえ「感覚でやっている」と表現する動作は、ヒアリングでは取り出せない。トルクの掛け方・指先の角度・部品を置く前の一瞬の確認動作——こうした行動の積み重ねが品質を作っているにもかかわらず、写真と文章では再現不能だ。

生成AI × 動画認識技術の技術的背景

手元動画を作業書に自動変換するサービスは、2つの異なる技術が統合されて初めて成立する。①動画中の人の動作を認識・分解する技術、②認識した動作をテキストや構造化データに変換する技術だ。

産総研人工知能研究センターは、カメラなどで視覚的に観測された日常シーンにおける人の行動を認識し言語へと変換する技術を開発しており、「誰が（誰と）何をしている」など動作主・動作内容・動作対象などをきめ細かく認識し、映像と言語を統合した長期記憶機構の開発を進めている。
^[3] この技術基盤が製造現場の手元動画解析に転用される土台となっている。

NEDOと産総研が共同開発した事前学習済みモデルには実世界の大量の動画やテキストデータをあらかじめ学習させており、少量の学習用データでも次世代AIのソフトウェアモジュールを構築・利用できるようになる。これにより少量の動画データによる実世界データを活用する次世代AI技術の開発と社会実装の促進が期待できる。
^[4]

さらにNEDOは2026年度に「
AIロボット・フィジカルAIを見据えたマルチモーダル基盤モデル開発事業
」として、製造業等の産業競争力強化を目的に国産マルチモーダルAI基盤モデルの開発を公募している。^[5] フィジカルAI（実空間で動作を学習・生成するAI）の普及により、手元動画→作業書変換の精度と速度は今後数年で飛躍的に向上すると見られる。

生成AIが単なるテキスト生成を超えてマルチモーダル（映像・音声・テキストの統合処理）へと進化したことで、「動画を見てそのまま作業書に落とす」という処理が初めて現実的な精度で実行可能になった。これは従来の画像認識AIとは根本的に異なる。従来は「この画像は何か」を識別するだけだったが、生成AIは「この動作の前後関係・目的・注意点をテキストで説明する」ところまで踏み込める。

手元動画→標準作業書の自動変換プロセス詳解

具体的な処理の流れを整理すると、以下の4ステップに分解できる。

Step 1：動画収録
スマートフォンまたはウェアラブルカメラで熟練者の手元を撮影する。撮影時に音声コメントも同時収録することで、「今ここで角度を確認している」「この感触が出たら次に進む」といった暗黙知が音声データとして付加される。特別な機材は不要で、現場で入手しやすいiPhoneクラスのカメラで十分な解析精度が確保できるサービスが増えている。

Step 2：AIによる動作分解
生成AIが動画をフレーム単位で解析し、動作の区切りを自動検出する。「部品Aをピックアップ」→「位置合わせ」→「押し込み」→「確認動作」といった単位動作に分解し、各動作の所要時間・繰り返し回数・動作の変動幅を数値化する。ここでAIは複数回の撮影データを比較し、熟練者が毎回必ず行う動作（必須ステップ）とバリエーションが許容される動作（選択的ステップ）を峻別する。

Step 3：テキスト・構造化データへの変換
分解した動作ログをもとに、工程名・作業手順・所要時間・注意ポイント・NG例のリストを自動生成する。音声データがある場合はそれも解析に組み込まれ、熟練者が口頭で語った注意点が「ポイント欄」に自動マッピングされる。

Step 4：出力フォーマットの選択
完成した標準作業書はPDF・Word・スマートフォン表示用HTML・多言語対応版など複数フォーマットで出力可能なサービスが多い。日本語で作成した作業書を英語・中国語・ベトナム語に自動翻訳してグローバル拠点に即展開できる機能を持つサービスも登場している。

従来手法と生成AI自動変換の比較

調達購買部門が得る具体的なメリット

バイヤーの立場から見たとき、標準作業書の自動生成が持つ意味は「現場の効率化」にとどまらない。サプライヤー管理（SRM）の観点で3つの価値がある。

①サプライヤー監査の解像度が上がる
従来の工程監査では、「作業書がある」という事実確認は可能でも、「その作業書通りに全員が動いているか」の検証は目視確認に頼らざるを得なかった。生成AI自動変換で作られた作業書には動作の所要時間・動作変動幅が数値として含まれるため、「実際の作業タイムと作業書の標準時間の乖離」をKPIとして監査に組み込める。乖離が大きい工程はリスク工程として優先改善対象に指定できる。

②新規サプライヤー立ち上げコストの圧縮
量産移管や複数拠点展開の際、技術移転コストの大部分は「教える時間」だ。生成AI変換で作られた映像付き作業書をタブレットで持ち込めば、ベテランの出張派遣を最小化しながら品質水準を担保できる。

③調達リスクの可視化と分散
特定の熟練者1人に依存している工程は、その人の離職・病欠が即座に納期遅延・品質不良につながる。作業書として形式知化されている工程の割合をサプライヤー評価指標に加えることで、「技能の属人化リスク」を定量的に評価し、代替サプライヤーの選定基準にも使える。

製造業のものづくり現場におけるデジタル化が進む中、
作業手順を標準化したことで、作業者のカンやコツに頼ることによって発生していたヒューマンエラーを防ぎつつ、経験が浅い社員でも複数の加工機械を操作して作業することができるようになり、高付加価値・多品種少量の部品製造においても若手や女性の活躍の場が大幅に広がった事例がある。
^[6] 標準化は単なる文書整備ではなく、働き方の変革でもある。

サプライヤーが競争力として活用する方法

サプライヤー側の視点で考えると、このサービスは「管理される側」から「価値を証明する側」へのポジション転換ツールとして機能する。

多くのサプライヤーは「うちの品質は現場の人間の腕が支えている」と語る。それ自体は誇りとして正しい。しかし、その腕がデータとして記録・可視化されていない限り、バイヤーには伝わらない。生成AIで作られた標準作業書は「うちはこの工程をこの精度でこの手順で仕上げている」という客観的証拠になる。見積提案の場面で工程標準書を提示できるサプライヤーと、口頭説明しかできないサプライヤーでは、評価が変わる。

また、複数作業者の動画を比較解析することで、「ベストプラクティス抽出」が自動化される。これまで「○○さんの作り方が一番きれい」という口伝に過ぎなかった優良動作が、AIによって動作ログとして抽出・標準化され、全員のベースラインが底上げされる。品質バラつきが減れば、不良率改善→バイヤーとの価格交渉→収益改善という好循環が生まれる。

2024年版ものづくり白書では、溶接加工の教育訓練で熟練技能者の動作をモーションキャプチャで可視化し、若年技能者の技術力強化と社内の技能継承を実現した中小企業の事例が紹介されている。
^[7] 同様のアプローチをより低コストで実現するのが、生成AI動画変換サービスだ。

導入時の落とし穴と現場運用の判断軸

生成AIによる自動変換には、過大評価と過小評価の両方が存在する。現場で実際に使い込んできた経験から、導入前に確認しておくべき落とし穴を整理しておく。

落とし穴①：「全工程いっぺんに」という発想
最初から全工程を撮影しようとすると、現場が疲弊して頓挫する。まず「失ったら一番困る工程トップ3」に絞り、パイロット運用で効果を確かめてから展開する。優先度の判断軸は「難易度 × 伝承対象者の年齢 × 工程の品質寄与度」だ。

落とし穴②：AI出力をそのまま確定版にする
生成AIは「クセの強い動き」や「意図的に省略しているステップ」をそのまま拾う。特定熟練者の悪習慣が標準化されてしまうリスクがある。必ず品質管理担当または現場リーダーによるレビューフローを設け、「AIが生成した草稿を人間が検証・承認する」プロセスを組み込むことが必須だ。

落とし穴③：動画データの管理が後回しになる
手元動画には製造ノウハウが凝縮されており、機密性は設計図面に匹敵する。アクセス権限の設定・保存先のセキュリティ要件・退職者の権限剥奪ルールを導入前に決めておかないと、競合他社への技術流出リスクを自ら作り出すことになる。

落とし穴④：「作ったら終わり」の運用
設備の更新・材料の変更・工程改善が発生するたびに作業書は陳腐化する。再撮影→再生成のサイクルを定期スケジュール（例：半年ごと、設備変更時）に組み込み、生きたドキュメントとして維持する仕組みが不可欠だ。

政策・研究動向から見る技術の確からしさ

NEDOは製造業等の産業競争力強化とGX実現を目的に、AIロボット・フィジカルAIの開発基盤となる国産マルチモーダル基盤モデルの開発事業を推進している。
^[5] この動きは、動画→テキスト変換技術が製造現場での社会実装フェーズに入ったことを国として認識していることを示す。

学術面でも、
産総研が開発した動作認識に適する3D-CNN深層学習モデルを用いて世界トップレベルの認識精度79.5%を達成し、8万本の動画それぞれに5文の日本語説明文がつけられた40万の動画-説明文ペアのデータセットを構築・公開している。
^[3] このデータセットと基盤モデルが民間サービスの技術的根拠となっている。

製造業政策の観点では、
ものづくり白書2020においても、スマートファクトリー化と熟練技能の融合による現場力向上の重要性が示されており
、デジタル化と技能継承の統合が国策として推進されている。^[6]

費用対効果の判断基準：何を指標にすべきか

投資判断に際して、感覚的な「便利そう」ではなく定量指標で評価することが調達購買の職責として求められる。以下の3軸で計測を設計することを推奨する。

指標①：作業書作成工数の削減率
導入前の1工程あたり作成工数（時間）と、導入後の工数を比較する。業界の事例では紙作成比で1/3〜1/7程度の工数削減が報告されている。自社の現行工数を先に計測しておくことが前提だ。

指標②：OJT期間の短縮率と品質指標の変化
新人が独り立ちするまでの期間が短縮されているか、かつその過程で不良発生率や手戻り率が増加していないかをセットで見る。OJT期間だけ短縮して不良が増えては本末転倒だ。

指標③：技能属人化リスクの低減
「この工程は○○さんしかできない」という状態の工程数を計測し、標準作業書整備後に複数人対応可能になった工程数で評価する。定量化しにくいが、サプライヤーのBCP（事業継続計画）評価やリスクアセスメントで活用できる。

まとめ：技能をデータ資産に変える時代の調達戦略

熟練作業者の手元動画を生成AIが自動で標準作業書に変換するサービスは、単なる「便利ツール」ではない。製造業が長年抱えてきた「暗黙知が消える問題」に対して、初めて工数コストを許容範囲に収めながら解決できる手段だ。

調達購買部門にとってのインパクトは3層構造で考えるべきだ。第1層は「自社工場の技能資産化」——自社製造プロセスの知財保護と教育効率化。第2層は「サプライヤー管理の高度化」——標準化率を評価指標に加えることで、属人化リスクを可視化した調達先選定。第3層は「グローバル展開の摩擦低減」——日本の品質基準を映像+AI変換で海外拠点に即時展開。

技能継承の課題は一夜にして解決しない。しかし、「次に誰かが辞める前に、あの工程だけは撮っておく」という一歩目の行動コストを、生成AIは限りなく小さくした。調達購買のプロとして、今この技術をどう現場に組み込むかを考え始めるタイミングは、まさに今だ。

出典

1. AI活用で日本の製造業に迫り来る「技術継承問題」を克服！（NEC）
2. 中小製造業において技能伝承を効率よく行う際に実施する手順について（J-STAGE・生産管理）
3. 動画データセット＋動作認識・説明生成（情報抽出）（産総研 人工知能研究センター）
4. 産総研：AIの動画認識やテキスト理解の基盤となる事前学習済みモデルを構築・公開（産業技術総合研究所）
5. AIロボット・フィジカルAIを見据えたマルチモーダル基盤モデル開発事業の公募について（NEDO）
6. 第1部第2章 ものづくり人材の確保と育成：2020年版ものづくり白書（経済産業省）
7. 2024年版ものづくり白書 概要（厚生労働省人材開発統括官）
8. 製造基盤白書（ものづくり白書）一覧（経済産業省）
9. 「AI」知っておきたい基礎知識（NEDO）
10. 製造業のものづくり現場でのAI導入と利活用による新たな価値創造（J-STAGE・表面技術）

※ 出典リンクは2026年6月10日時点でリンク到達性を確認しています。