【事例】技術伝承・教育研修におけるAIエージェント活用とは？暗黙知とOJTを支援

製造業の技術伝承では、作業標準書や教育資料を整備するだけでは引き継げない知識があります。設備の微妙な音や振動、材料の状態、工具の当て方、加工条件の調整、異常時に確認する順序など、熟練者が経験を通じて身に付けた判断は、言葉だけでは表しにくいからです。

一方、ベテランに質問できる時間は限られます。製造拠点の多拠点化や人材構成の変化が進むと、指導者ごとに説明内容が異なる、必要な資料を見つけられない、教育履歴が残らないといった課題も生じます。OJTに依存するだけでは、教える側と学ぶ側の双方に負荷がかかります。

そこで活用が考えられるのがAIエージェントです。AIエージェントは、手順書、図面、過去のトラブル、動画、ヒアリング記録などを参照し、質問への回答、関連資料の検索、手順書や教育資料の下書き、確認項目の提示を支援できます。

ただし、AIへ資料を登録すれば技能が自動的に継承されるわけではありません。知識が正しいか、どの条件で使えるか、作業者が安全に実行できるか、技能を習得したかは、人が現場で確認する必要があります。この記事では、AIエージェントが技術伝承と教育研修で支援できること、公開された取り組み事例、今後の広がる用途、暗黙知の取り込み方、人が担う指導と技能評価までを解説します。

技術伝承の重要性は理解されていても、実際には思うように進まないケースが少なくありません。背景には、熟練者の暗黙知、OJTへの依存、多拠点化など複数の要因があります。以下では、代表的な課題を整理します。

経験を言葉にしにくい

熟練者は、作業中に得た複数の情報を組み合わせて判断しています。しかし、「いつもと音が違う」「材料の入り方が重い」といった感覚は、本人にとって自然すぎて説明されないことがあります。結果だけを聞いて手順書へ書いても、判断に至る観察点や適用条件が抜け落ちます。

知識が複数の場所に分散している

作業標準は文書管理システム、図面はPLM、トラブル記録は保全管理や品質管理のシステム、教育メモは個人ファイルというように、必要な知識が分散していることがあります。正式文書と個人メモが混在すると、どの情報を信頼すべきかも判断しにくくなります。

OJTの負荷とばらつきが大きい

OJTは実際の設備や製品を使い、状況に応じた判断を学べる重要な教育方法です。一方、教える内容が指導者の経験に左右されやすく、質問対応や振り返りの時間も必要です。生産を続けながら教育する場合、学習できるトラブルや作業条件が偶然に左右されることもあります。

拠点・言語・技能水準が異なる

国内外の複数拠点へ同じ製品や工程を展開しても、設備仕様、作業環境、安全規程、使用言語、作業者の経験は同じではありません。本社の標準を配布するだけでなく、現地条件に合わせて理解と実行を確認する必要があります。

AIエージェントは、熟練者の代わりに技能を教えるものではありません。一方で、知識検索、文書化、教材作成、OJT支援などでは大きな役割を果たせます。以下では、技術伝承との親和性が高い活用領域を見ていきます。

承認済み文書と過去事例の検索

作業者の質問に応じて、対象設備や製品に適用される作業標準、図面、品質基準、保全履歴、過去トラブルを検索します。回答とともに文書名、版数、該当箇所を示せば、利用者は根拠を確認できます。AIの役割は正解を断定することではなく、必要な知識へ到達しやすくすることです。

ベテランヒアリングの整理

ヒアリング音声やメモから、作業の目的、前提条件、確認ポイント、失敗例、異常時の対応を整理します。インタビューでは「どうするか」だけでなく、「何を見て判断するか」「どの条件では使わないか」まで質問することが重要です。AIは質問候補や下書きを作れますが、内容の妥当性はベテランと工程責任者が確認します。

作業手順書・教育資料の下書き

承認済み情報をもとに、手順書、チェックリスト、FAQ、教材、理解度確認問題などの下書きを作成します。対象者の経験や担当工程に合わせて説明の粒度を変える使い方も考えられます。ただし、安全上の注意、禁止事項、品質条件をAIの文章だけで確定してはいけません。

OJT中の質問と振り返りを支援

作業前に確認項目を提示し、作業後に記録や指導内容を振り返る支援ができます。質問しにくい基本事項を繰り返し確認できる点も利点です。一方、実作業中の危険回避や設備操作は、AIの回答より現場の指揮命令、安全手順、指導者の判断を優先します。

教育履歴と技能ギャップの整理

受講履歴、担当可能工程、指導記録、理解度確認の結果を整理し、追加教育が必要な領域を示す用途が考えられます。ただし、テスト結果だけで実技能力を判断せず、現場での観察と技能認定を組み合わせます。

ここでは、企業が公表している導入・実証・試験運用を「取り組み事例」として紹介します。技能継承と暗黙知の共有に関する代表的な取り組みを見ていきます。

ダイキン工業と日立製作所：ベテラン技能をデジタル化して訓練を支援

両社は2017年、IoTを活用して熟練技術者の技能伝承を支援する次世代生産モデルの協創を公表しました。ダイキン工業の滋賀製作所における空調機のろう付け工程を対象に、熟練技術者と訓練者の技能をデジタル化し、比較・分析できる「ろう付け技能訓練支援システム」を導入して共同実証を開始する内容です。

公表資料によると、熟練技術者の手の動き、トーチの角度や角速度、ろう材と母材の供給角度・距離・角速度、母材の温度変化などをカメラやセンサーで時系列に収集し、標準動作モデルを構築します。訓練者の動作や現象もデジタル化し、標準動作モデルと統計的に比較することで、訓練を支援する構成です。

この取り組みから分かるのは、技能伝承では文書だけでなく、動作、工具の使い方、温度変化などを記録する必要があるという点です。ただし、数値が標準に近いことだけで技能習得が完了したとは言えません。接合状態、品質、安全な作業、異常時の対応を含めた評価は、指導者が行う必要があります。

ダイキン工業と日立製作所：設備保全の暗黙知を組織知として共有

両社は2025年、ダイキン工業の堺製作所臨海工場で、設備故障診断AIエージェントの実用化に向けた試験運用を開始したと公表しました。保全技術者がポンプやバルブなどの故障を発見した際に、AIエージェントが原因と対策を提示する取り組みです。

公表資料では、工場設備の図面を生成AIが読み取れるナレッジグラフへ変換し、保全記録などのOTデータと、日立の設備故障原因分析プロセスを組み合わせています。国内外の生産拠点へ展開し、設備保全の暗黙知を組織の知として共有することで、品質確保や技術伝承につなげる方針が示されています。

この取り組みは、熟練者の知識を単に文章へ置き換えるのではなく、設備構造、保全記録、原因分析の進め方を関連付け、現場で参照できる形にする例です。一方、AIが提示した原因や対策は、対象設備の状態と安全条件を保全技術者が確認して利用する必要があります。

二つの取り組みから読み取れる共通点

• 技能の伝承には、文書だけでなく動作・現象・設備構造・判断過程の記録が必要
• デジタル化した知識は、訓練者や他拠点が利用できる形に整理する
• AIや分析システムは比較・検索・候補提示を支援し、技能の妥当性と現場適用は人が確認する
• 技術伝承は一度の記録で終わらず、工程・設備・標準の変更に合わせて更新する

技術伝承におけるAI活用は、知識検索だけにとどまりません。教育、OJT、多拠点展開、外国人材支援など、さまざまな用途への応用が考えられます。以下では、その代表例を紹介します。

ベテランの判断観点を検索可能にする

トラブル事例を、現象、設備、製品、原因、確認順序、対策、適用条件と結び付け、質問から類似事例へ到達できるようにする使い方が考えられます。結果だけでなく「なぜその確認をしたか」を記録することで、若手が判断過程を学びやすくなります。

外国人材の教育を支援する

承認済みの標準書から、やさしい日本語や対象言語による説明案を作り、図や動画と組み合わせる用途が考えられます。ただし、翻訳によって安全指示や品質条件の意味が変わる可能性があります。現地の言語と工程を理解する人が内容を確認し、実技で理解度を確かめます。

多拠点でナレッジを共有する

拠点ごとのトラブル、改善、教育事例を横断検索し、同型設備や類似工程へ共有する使い方が期待されます。拠点によって設備改造、材料、環境、安全規程が異なるため、他拠点の知識は参考情報として提示し、現地責任者が適用可否を判断します。

退職者・再雇用人材の知見を遠隔支援へ生かす

現場から送られた画像、動画、測定値、質問をAIが整理し、経験者が確認しやすい形にまとめる用途も考えられます。経験者の回答を承認済みナレッジとして蓄積すれば、次回の検索へ利用できます。遠隔から設備を直接操作するのではなく、現場責任者を通じて安全に反映する設計が必要です。

安全教育とヒヤリハット学習を支援する

過去のヒヤリハットや災害事例から、工程ごとの注意点やケース教材を作る活用が考えられます。AIは事例検索と論点整理を支援できますが、危険源の確認、安全ルールの決定、実地訓練、作業許可は人が担います。

技術伝承で最も難しいのは、熟練者の暗黙知をどのように扱うかです。単に文書化するだけでは十分ではなく、収集方法や管理方法にも工夫が必要です。以下では、暗黙知を扱う際のポイントを整理します。

「コツ」を結果だけで記録しない

「ゆっくり動かす」「音を聞く」といった表現だけでは、どの状態を見て、どの範囲で調整するかが分かりません。作業の目的、観察対象、正常と異常の違い、判断条件、失敗例まで分解して収集します。

文書・動画・センサーデータを組み合わせる

知識の種類に合わせて記録方法を選びます。手順や責任範囲は文書、身体動作や工具の角度は動画・センサー、設備状態は測定値、判断理由はヒアリングというように、複数の情報を関連付けます。

適用条件と例外を明記する

製品型式、設備、材料、気温、作業者資格などが変われば、同じコツを適用できないことがあります。AIが回答するときに適用条件と参照元を示し、条件が合わない場合は人へ確認を求める設計にします。

知識の承認者と更新責任者を決める

個人メモや会話をそのまま正式な回答へ使うと、誤りや古い手順が拡散する恐れがあります。誰が内容を承認し、工程変更時に誰が更新し、旧版をいつ停止するかを定めます。

技術伝承の中心となるOJTや教育研修でも、AIエージェントの活用余地があります。ただし、実技や安全指導まで代替できるわけではありません。以下では、教育場面ごとの活用例を見ていきます。

新人教育

用語、基本手順、設備の構成、よくある質問を自分のペースで確認できる環境をつくります。指導者は基本説明の繰り返しを減らし、現場でしか教えられない安全確認や作業感覚に時間を使えます。

中堅・多能工教育

既に担当できる工程と、追加で習得する工程の差分を整理し、関連教材や事例を提示します。別工程で似ている点と異なる点を明確にすることで、経験の転用を支援できます。配置可否は、実技確認と技能認定を経て決定します。

異常対応のケース学習

通常のOJTでは遭遇しにくい故障、不良、停止判断を、過去事例にもとづくケースとして学ぶ使い方が考えられます。学習者は確認順序と理由を考え、指導者が現場条件に照らしてフィードバックします。

教育担当者の教材作成

既存資料からレベル別の説明、理解度確認問題、演習ケースを下書きします。教材間の矛盾や旧版の引用を防ぐため、承認済み情報源を限定し、教育担当者が公開前にレビューします。

AIが情報整理や説明を支援できるようになっても、技術伝承には人が担うべき役割が残ります。とくに知識の妥当性確認、実技指導、安全教育、技能認定は重要です。以下では、その代表的な領域を整理します。

知識の妥当性を確認する

AIが自然な文章で回答しても、対象設備や最新標準に適用できるとは限りません。工程責任者や熟練者が、根拠、条件、例外、禁止事項を確認します。情報が不足している場合は回答を止め、人へ問い合わせる設計が必要です。

実技と安全を指導する

工具の保持、力加減、姿勢、周囲確認、危険時の停止などは、実際の作業を見ながら指導する必要があります。動画やAIの説明は補助教材であり、危険作業を単独で許可する根拠にはなりません。

技能を評価・認定する

知識テストに合格しても、安定した品質で安全に作業できるとは限りません。製品や設備を使った実技、異常時の判断、手順遵守、品質結果を人が確認し、定められた基準で技能を認定します。

教育効果と現場成果を確認する

回答回数や教材閲覧数だけでなく、質問内容の変化、作業ミス、手戻り、安全上の指摘、指導時間などを確認します。AI利用と成果の因果を単純に断定せず、工程変更や人員構成など他の要因も考慮します。

技術伝承AIの品質は、AIモデルそのものよりも、登録されている知識の質と管理方法に左右されます。以下では、技術伝承で活用しやすい代表的なデータとナレッジを整理します。

技術伝承は対象範囲が広く、すべてを一度にAI化することは現実的ではありません。まずは対象業務を限定し、小さく検証しながら適用範囲を広げることが重要です。以下では、導入時に意識したいポイントを紹介します。

1. 対象技能と解決したい課題を限定する

「熟練技能をすべて継承する」ではなく、資料検索に時間がかかる、指導内容がばらつく、特定故障の切り分けが属人化しているなど、対象を具体化します。成果とリスクを測れる小さな範囲から始めます。

2. ベテランを情報提供者だけにしない

AI担当者が一方的にヒアリングするのではなく、ベテランが整理項目、正誤基準、例外、レビュー方法の設計へ関わります。知識を使う若手や現場リーダーも参加し、実際の質問に答えられるかを確認します。

3. 根拠を表示し、分からないときは止める

回答には参照文書、版数、該当箇所を表示します。対象設備が不明、情報が矛盾、安全に関わる、適用条件外といった場合は、推測で答えず担当者へ引き継ぎます。

4. OJTの外に置かず教育プロセスへ組み込む

AIを別の検索ツールとして置くだけでは定着しにくくなります。事前学習、作業前確認、OJT、振り返り、技能評価のどこで使うかを決め、指導者が回答内容を確認できるようにします。

5. 知識更新を通常業務に組み込む

工程変更、設備改造、不良・故障、改善活動で新しい知識が生まれます。変更管理や是正処置と連動して、関連する手順、FAQ、教材の更新候補を洗い出し、承認後に反映します。

6. 現場・教育・品質・安全・ITで運用する

技術伝承は教育部門だけでは完結しません。技能の正しさ、品質、安全、データ管理、システム権限をそれぞれ担当する人が協力し、レビューと責任分担を明確にします。

小さく始める場合の候補

• 承認済み作業標準・図面・FAQの検索
• ベテランヒアリングからの確認項目整理
• 過去の不良・故障・改善事例の検索
• 新人向け教材と理解度確認問題の下書き
• OJT後の振り返り記録と追加学習候補の整理

AIが知識検索や教材作成を支援するほど、熟練者と指導者の役割は、知識を一方的に説明することから、判断基準を言語化し、AIの回答を検証し、実技と安全を指導することへ広がります。また、現場課題をデータやAIの要件へ翻訳し、結果を現場条件で評価できる橋渡し人材も重要になります。

• 技能を構成する観察点・判断条件・例外を整理する力
• AIが参照する情報の正しさと適用範囲を検証する力
• AIの説明を実際の設備・製品・作業へ結び付ける力
• 安全・品質を踏まえて実技を指導し、技能を評価する力
• 現場、教育、品質、安全、ITの間をつなぐ力
• 新しい事例を組織のナレッジへ戻し、更新を続ける力

AIだけで技術伝承はできますか？

できません。AIは知識検索、整理、反復説明、教材の下書きを支援できますが、知識の妥当性、現場適用、安全指導、実技、技能評価は人が担う必要があります。

暗黙知はAIへ登録できますか？

暗黙知をそのまま登録することはできません。ヒアリング、作業動画、センサーデータ、失敗事例などから、観察点、判断条件、例外を整理し、熟練者と工程責任者が確認したうえで利用します。

AIを導入するとOJTは不要になりますか？

OJTは不要になりません。AIは事前学習、質問、振り返りを支援できますが、実際の設備や製品を使った作業、安全確認、個別の癖への指導は現場で行う必要があります。

外国人材の教育にも使えますか？

やさしい日本語や多言語の説明案、図・動画を使った教材作成に活用できる可能性があります。ただし、安全指示や品質条件の翻訳は、言語と工程を理解する人が確認し、実技で理解度を確かめます。

中小規模の製造業でも導入できますか？

承認済み手順書の検索、過去トラブルの検索、教材の下書きなど、既存資料を使う限定的な用途から検討できます。最初に対象工程、情報源、回答できない条件、人の確認点を定めることが重要です。

AIは技能を評価できますか？

動作やテスト結果を比較し、評価材料を提示することは可能です。しかし、作業品質、安全性、異常対応を含む技能認定は、現場で実技を確認した人が行います。

技術流出のリスクはありませんか？

図面、製造条件、熟練ノウハウは重要な情報です。利用者、参照範囲、持ち出し、ログ、保存先、外部サービスへの入力可否を定め、職務に応じてアクセスを制御する必要があります。

どのようなデータが必要ですか？

作業標準、図面、安全手順、教育資料、ベテランヒアリング、画像・動画、設備・工程データ、不良・故障・改善事例、技能情報などが候補です。すべてをそろえるのではなく、対象業務に必要な情報を選びます。

AIの誤回答にはどう対応しますか？

回答に根拠を表示し、利用者が誤りを報告できる仕組みを設けます。安全・品質に関わる質問、根拠がない回答、情報が矛盾する場合は人へ引き継ぎ、承認済み知識を修正します。

導入は何から始めるとよいですか？

利用頻度が高く、正解となる承認済み文書があり、誤りを人が確認できる業務が適しています。文書検索やFAQから始め、評価後に教材作成やOJT支援へ広げます。

技術伝承・教育研修におけるAIエージェントは、手順書、図面、過去事例、動画、ヒアリング記録などをつなぎ、知識検索、質問対応、手順書・教材の下書き、OJTの振り返りを支援する仕組みです。

ダイキン工業と日立製作所の公表事例では、熟練者と訓練者のろう付け動作をデジタル化して比較・分析する技能訓練支援と、設備図面・保全記録・原因分析プロセスを組み合わせ、設備保全の暗黙知を組織知として共有する設備故障診断AIエージェントという二つのアプローチを確認できます。

一方、AIへ資料を入れるだけでは技能は継承されません。作業の目的、観察点、判断条件、適用範囲、例外を整理し、ベテランと工程責任者が確認する必要があります。実技、安全指導、技能認定も人の役割です。

導入では、対象技能を限定し、承認済み情報からの検索や教材下書きなど、判断リスクの低い用途から始めると進めやすくなります。AIをOJTの代わりにするのではなく、指導者が現場でしか教えられない判断・実技・安全へ時間を使える体制をつくることが重要です。

参考情報
https://www.daikin.co.jp/press/2017/20170926
https://www.hitachi.com/ja-jp/press/articles/2025/04/0422/
https://www.daikin.co.jp/press/2025/20250422
https://www.nist.gov/itl/ai-risk-management-framework