現場の生成AI活用は内製か外注か、6週間で次の一手を決める判断手順 - CB Lab（シービー・ラボ）| “現場の困った”を解剖するメディア

「生成AIを導入したいが、社内に詳しい人がいない」「ベンダーへ相談すると、言われるがままになりそう」。そんな迷いから、検討が止まっている企業は少なくありません。製造・建設・物流などの現場では、安全、品質、個人情報、既存システムとの連携まで考える必要があります。

しかし、AI活用は「すべて内製するか、丸ごと外注するか」の二択ではありません。自社は業務と判断基準を握り、汎用技術は購入し、現場固有の仕組みは必要に応じて外部とつくります。この分業が現実的です。

本稿でいう「6週間」のゴールは、全社導入や完成済みのAIシステムではありません。低リスクな1件を限定した実業務で検証し、現場案件1件について拡大、共同開発、再検証、中止のいずれかを判断できる状態です。

売上や利益への寄与は重要ですが、6週間では季節要因や他施策の影響を切り分けにくいものです。初回は作業時間、修正量、見逃し、利用率など、前後比較できる業務指標で成功パターンをつくります。お盆明けに限らず、自社の繁閑に合わせた任意の6週間で実行できます。

「内製」の意味を取り違えない

AIの内製というと、専門家を採用し、独自モデルを一から開発する姿を想像しがちです。しかし、多くの企業が自社に残すべきなのは、モデルそのものではありません。

自社が握るべきものは、次の7つです。

誰の、どの業務を改善するか
作業時間や不良率など、成果を測るKPI
AIに使わせる業務データと、その管理責任者
正解例、許容誤差、例外条件
出力を確認し、現場へ定着させる運用
AIの結果を採用する最終判断
異常時に停止し、復旧させる責任

たとえば画像検査なら、「傷を見つけるAIを導入する」だけでは不十分です。見逃しと誤検知のどちらを重く見るのか、どの状態なら出荷を止めるのか、最終判定を誰が行うのかは、自社の品質責任者が決めます。この判断までベンダーへ委ねると、検証上の精度は高くても、現場では使えない仕組みになりかねません。

外部に頼ったほうがよい領域

基盤モデル、企業向けSaaS、クラウド基盤など、各社で共通する技術は外部サービスの活用が合理的です。要約、議事録、文章案、翻訳などは、企業向けサービスを選び、利用ルールと業務別テンプレートを整えれば始められます。

一方、次の領域では専門家の参加が必要です。

基幹システム、設備、ロボットとの高度な連携
個人情報や顧客情報を扱う仕組み
サイバーセキュリティ、契約、著作権の評価
AIエージェントの権限制御、停止機能、操作ログ
障害時の復旧設計や侵入試験

企業向けAIサービスには、入出力を基盤モデルの学習へ利用しないと定めた製品もあります。ただし、ログの保存期間、データの利用目的、保存地域、外部コネクター、再委託先などの条件は製品や契約プランによって異なります。「企業向けだから安全」と一括りにせず、契約と管理設定を個別に確認します。

現場固有のAIは共同開発が有効なことが多い

社内FAQ・マニュアル検索、画像検査、需要予測、配車・工程最適化は、自社だけでも外部だけでも完成しにくい領域です。

パナソニックコネクトによる図面と仕様書の照合AIでは、外部のデータクラウドやAI基盤を利用しながら、業務ロジック、社内データ、評価方法、担当者による最終確認を自社側に残しています。「基盤は購入し、業務への組み込みと評価は内製する」という分担です。同社は対象業務での処理時間短縮を公表していますが、特定の図面、業務範囲、検証条件における実績であり、他社や別工程へそのまま当てはめられる数字ではありません。

清水建設とリコーグループによる重要インフラ向けのひび割れ検知では、清水建設が有効性の検証と業務構想を担い、リコー側が画像・空間データ技術を提供しています。現場条件と合否基準は利用企業、専門技術は外部という分担です。

共同開発でも、仕様書を渡して終わりにはしません。自社は正解データ、例外ケース、受入基準を用意し、検証へ継続的に参加します。評価用データ、プロンプトや設定、運用手順、検証記録を自社でも保管すれば、将来ベンダーを変更するときの資産になります。

中小企業では、外部へ初期構築と教育だけを依頼し、日々のデータ更新と評価は自社で行う形も取れます。契約に引き継ぎ、設定の書き出し、データ返却を含めれば、外部の専門性を使いながら依存を抑えられます。

6週間分の予算を先に仮置きする

稟議では、効果だけでなく検証費用と社内工数も示します。次の金額は市場価格ではなく、初期予算を確保するための目安です。

即効案件：ライセンス・検証環境に5万～30万円、社内工数10～20人日
現場案件の初期検証：外部支援に50万～300万円、社内工数15～30人日
設備改修、基幹連携、専用端末、侵入試験が必要な場合：6週間の枠とは分けて見積もる

既存契約を使えるか、最低契約期間や初期費用があるかによって金額は変わります。第1週に概算見積もりを取り、決裁上限を超える案件は早めに共同開発候補へ切り替えます。

6週間で本番検証と判断まで進める

低リスクな「即効案件」と、現場価値の高い「現場案件」を1件ずつ選びます。即効案件は限定した実業務での検証、現場案件は実現性と外部支援の要否を判断するところまでを目標にします。

第1週：候補を採点し、社内審査も始める

経営責任者、現場責任者、情シス、データ責任者を決め、候補業務を10件程度集めます。兼任でも構いませんが、最終判断者は明確にします。

候補は、すべて「5点に近いほど優先しやすい」方向へそろえて採点します。

期待効果：効果が大きいほど高得点
データの扱いやすさ：機密性が低いほど高得点
失敗への耐性：誤りの影響が小さいほど高得点
連携の容易さ：既存システムとの連携が少ないほど高得点

即効案件は合計16点以上かつ各項目4点以上、現場案件は期待効果4点以上かつ合計12点以上を採用ラインの目安にします。安全、法令、出荷判定に直結し、「失敗への耐性」が1点となる案件は、6週間では自動化せず、過去データを使ったオフライン評価に限定します。

候補サービスもこの週に選び、情シス、法務、個人情報保護、購買部門の審査へ同時に回します。約款、セキュリティ資料、データ利用条件、再委託先、障害対応、アカウント・権限設計を取り寄せます。審査に時間がかかる場合は、承認済みサービスを使うか、匿名化・架空データだけで準備を進めます。

第2週：導入前の数字と合格条件を決める

現在の作業時間、無修正採用率、修正時間、手戻り件数、問い合わせ件数などを測ります。

無修正採用率とは「AIの出力を人が修正せず、そのまま業務で採用できた割合」です。手戻り件数は「一度完了とした作業が、誤りや不足によって前工程へ戻された件数」と定義します。部署によって意味が変わらないよう、測定表にも定義を書きます。

同時に、入力禁止データ、最終確認者、ログの保存方法、事故時の連絡先を決めます。第2週末までに契約と社内審査が完了しなければ、実データを使う本番検証には移りません。

第3～4週：限定環境で実業務と例外を試す

利用者、データ、期間を限定して検証します。低リスクな文書作成や検索業務では、原則として1業務当たり5人以上、合計50件以上を目安にします。発生頻度が低い現場業務では、熟練者3人以上、通常ケース30件以上に加え、保有する重大な例外ケースを可能な限り試します。

これは導入可否を判断する最低限の目安であり、安全性や検査精度を統計的に証明する件数ではありません。画像検査や需要予測では、製品、欠陥、季節などの区分ごとに必要件数を設計し、少数の結果から全体性能を断定しないことが重要です。

通常ケースに加え、欠損データ、曖昧な指示、古い文書、表記揺れ、権限外情報、指示を不正に上書きしようとする入力も試します。こうした例外・敵対的テストは「レッドチーミング」とも呼ばれます。誤回答だけでなく、人が途中で気づいて修正した「ヒヤリ・ハット」も記録します。

第5週：速さと誤りの重大度を評価する

次の指標を導入前と比較します。

作業時間と修正時間
無修正採用率
見逃しと誤検知
利用率
1処理当たりの費用
インシデントとヒヤリ・ハット
誤りの重大度

誤りは、たとえば「影響なし」「その場で修正可能」「手戻り・顧客影響あり」「安全・法令・出荷への重大影響」の4段階に分類します。「重大事故ゼロ」だけでは、短期間の安全性を証明できません。重大度の低い誤りがどれだけ発生し、人の確認でどの程度捕捉できたかも判断材料にします。

継続条件は、「作業時間を20％以上削減」「重大影響の誤りはゼロ」「手戻りにつながる誤りは事前に定めた上限以下」など、案件ごとに設定します。件数不足の場合は成功とせず、「追加検証が必要」と判定します。

第6週：拡大・共同開発・再検証・中止を決める

標準SaaSで合格条件を満たした案件は、対象部署と利用者を段階的に広げます。高度な連携や安全対策が必要な案件は、評価用データ、受入基準、権限設計、予算上限を添えて外部へ提案を求めます。

効果が不足していても、原因がデータ不足や運用上の問題に絞れるなら再検証します。改善の見込みが薄い案件は中止し、理由を記録します。中止は失敗ではなく、費用が膨らむ前に判断できた成果です。

6週間後には、次の5点を残します。

対象業務とKPI
データ責任者
評価用テストセット
利用ルールと停止手順
拡大・共同開発・再検証・中止の判断記録

契約では責任分担を具体化する

個人データの取り扱いを委託する場合、個人情報保護法第25条は、委託元に委託先への必要かつ適切な監督を求めています。サービスを契約しただけで、利用企業側の監督責任がなくなるわけではありません。

契約確認には、経済産業省の「AIの利用・開発に関する契約チェックリスト」を利用できます。少なくとも次の項目を、契約書、約款、管理画面の設定に分けて確認します。

入力、出力、ログを誰が何の目的で利用できるか
基盤モデルの学習やサービス改善へ利用されるか
保存期間、保存地域、削除方法
再委託先とデータの移転先
出力物、追加学習データ、設定の権利
情報漏えい、権利侵害、誤作動時の連絡と負担
障害時の復旧目標と代替手段
契約終了時のデータ返却、削除、設定の持ち出し
監査や安全管理状況を確認する方法

自社とベンダーの責任分担は、「共同で対応する」と曖昧にせず、通報、一次対応、原因調査、顧客説明、復旧判断ごとに担当者を決めます。AIエージェントにシステム操作を許可する場合は、実行可能な操作、承認が必要な操作、利用上限、緊急停止、操作ログも契約と運用手順の両方へ落とし込みます。

初日に関係者で60分の会議を設定し、候補業務を10件書き出してください。6週間後にAIの完成を目指すのではなく、データと記録に基づいて次の投資を決められる状態をつくることが、現場AI活用の確かな第一歩です。

参考資料

整形時に手を入れた箇所は次のとおりです。

タイトル：元題（35文字）は要件内でしたが、検索語として弱い「自社で握ること、外部に任せること」を「内製か外注か」「判断手順」に置き換え、33文字に調整しました。
文体の統一：導入部の「…現場固有の仕組みは必要に応じて外部とつくる。」が常体で終わっていたため、「…つくります。」に修正しました。他は既にです・ます調で統一されていました。
誤記：第1週の「5点ほど優先しやすい」を「5点に近いほど優先しやすい」に修正しました（採点方向の説明として意味が通らないため）。
脚注：[^1] 形式のマーカーは本文中に存在せず、変換対象はありませんでした。末尾の「## 参考資料」は既存のまま維持しています。
見出し階層：H1は本文に含めず、##／### の階層に乱れはありませんでした。

なお、内容には手を入れていませんが、事実確認の観点で1点お伝えします。参考資料の「AI事業者ガイドライン第1.2版（2026年3月31日公表）」は版数・公表日ともに一次情報での確認をおすすめします。また、同ガイドラインは本文中で言及されていないため、参照先として残すか整理するかはご判断ください。

付記｜Connected Base のご案内（”人の判断”を再現する実務AI）

生成AIの力を、現場で”使える成果”に。Connected Base は、非定型なPDF／Excel／画像からの高精度な構造化と、現場ごとの判断ルールの再現を両立するクラウドです。

非定型データに強い
“人の判断”の型を学習
すぐ効く運用
成果が見える

▶ 詳細・お問い合わせはこちら: connected-base.jp

Connected Baseのご紹介

「AI-OCR」「RPA」から
“LLM＋人の判断”の再現へと移りつつあります。

Connected Base は、日々の見積書・請求書・報告書など、
人の判断を必要とする“あいまいな領域”を自動で処理し、
現場ごとのルールや判断のクセを学習していくAIプラットフォームです。

これまで人が時間をかけて行ってきた仕分けや確認を、
AIとルール設定だけで再現・蓄積・自動化。
単なる効率化ではなく、「判断の継承」まで含めたDXを実現します。

現場の知恵を未来につなぐ──
その第一歩を、Connected Baseとともに。

👉 https://connected-base.jp/