岐阜の町工場が生成AIで「AI社員」を内製｜非エンジニアがアプリを量産する田中工業の神事例4選と再現法

「うちみたいな小さな町工場に、AIなんて関係ない」——そう思っている経営者や現場のリーダーは少なくありません。ところが岐阜県海津市の金属加工会社では、プログラミング未経験の取締役が、ChatGPTやClaude Codeといった生成AIを使って現場で役立つアプリを次々と自作し、いわば「AI社員」として働かせはじめています。

この記事では、ビジネス＋ITの連載「勝てる工場のつくり方～田中工業編～」（2026年6月10日公開）で紹介された田中工業の事例をもとに、非エンジニアの現場が、外注に頼らず自分でアプリを内製していく実像と、それを自社で再現するための考え方を解説します。一般的な「AI導入5ステップ」の解説ではなく、実際に手を動かした町工場が何を・どのAIで・どう作ったのかという具体に踏み込みます。

町工場が「AI社員」を生み出すまで——田中工業の事例

まず、舞台となった会社の輪郭をおさえておきます。田中工業は岐阜県海津市にある1960年創業・従業員17名の金属加工会社です。工作機械メーカーを主要顧客とし、5メートル級の大型部品まで扱える加工力を強みにしてきました。決して大企業ではない、いわゆる「町工場」です。

この会社で生成AIの活用を主導しているのが、取締役の田中慎一氏です。田中氏はプログラミングを本業としてきたエンジニアではありません。それでもChatGPT、Claude Code、Google AI Studioといった複数の生成AIを使い分けながら、現場で「あったらいいな」と思った機能を自分でアプリ化しています。

なぜ町工場が生成AIに動いたのか

背景にあるのは、多くの中小製造業に共通する切実な事情です。田中氏は導入のきっかけについて「一番大きいのは技術承継の問題です」と語っています。同社では従業員の半数以上が65歳を超え、70代の職人も現役で活躍しているといいます。長年かけて培われた技能やノウハウが個人に依存したままで、次の世代へどう引き継ぐかが経営課題になっていたわけです。

ここで重要なのは、AIが「流行っているから」ではなく、目の前の困りごとを解決する道具として選ばれたという点です。後述するように、これは規模を問わず生成AI活用を成功させる会社に共通する出発点です。

田中工業が内製した「神事例」4選

田中工業が実際に作ったツールを見ていくと、生成AIで何ができるのかが具体的にイメージできます。ビジネス＋ITの記事で紹介された代表的なものを整理します。

1. 打痕・傷検出アプリ

スマートフォンのカメラを製品にかざすと、AIが表面の傷や打痕を自動で検出してマーキングし、サビや傷の分析結果を出力するアプリです。検査は熟練の目に頼りがちな工程ですが、これを補助する仕組みを内製した形になります。技能承継という課題に、もっとも直接的に応えた事例といえます。

2. 音声で操作する3Dモデル作成ツール

音声で指示を出すと3Dモデルを生成するツールです。キーボードやマウスを使い慣れていない現場でも、話しかけるだけで形にできるという発想は、非エンジニアが自分の使い勝手を起点に作ったからこそ生まれた設計だといえます。

3. 多言語対応の動画マニュアル

作業手順を動画で解説し、多言語にも対応させたマニュアルです。文章の手順書では伝わりにくい作業の「呼吸」を動画で残せば、ベテランの動きをそのまま教材にできます。これも技能承継と、外国人を含む人材の育成という現場課題に直結しています。

4. 毎朝メールを送る「AI社員」

案件の進捗を管理し、毎朝メールで状況を知らせてくれる仕組みです。受注から請求書発行までを一元管理するアプリと組み合わせることで、人がやっていた「確認して、まとめて、報告する」という事務作業の一部をAIが肩代わりします。これがいわゆる「AI社員」と呼ばれている正体です。

いずれも、専門のシステム会社に発注すれば数十万円から数百万円かかってもおかしくない機能です。それを現場の人間が、自分の困りごとを起点に、必要な分だけ作っている点に最大の価値があります。

注目したいのは、これら4つが別々の問題を解いているように見えて、根っこでは「人に依存していた仕事を、形に残す」という一本の線でつながっていることです。傷の見分け方も、職人の手の動きも、案件の状況把握も、これまでは特定の人の頭の中にありました。それを検出アプリ・動画マニュアル・進捗メールという「目に見える仕組み」に置き換えたわけです。高齢化と人手不足に直面する中小企業にとって、これは単なる効率化ではなく、会社を続けるための備えでもあります。生成AIは、その置き換え作業を、専門家でなくても進められる速さと安さで後押しします。

なぜ「外注」ではなく「内製」だったのか

町工場が自分でアプリを作る——この選択には、生成AI時代ならではの合理性があります。従来のシステム開発と、田中工業のような内製アプローチを比べると違いがはっきりします。

比較軸	従来のシステム外注	生成AIでの内製（田中工業型）
初期費用	数十万～数百万円規模	AIツールの月額利用料が中心で低く抑えやすい
作るまでの期間	要件定義から納品まで数ヶ月単位	思いついて試すまでが速い（その日のうちに試作も）
仕様変更	追加発注・追加費用が発生しやすい	自分で直せるため微調整が即座にできる
現場との距離	現場の暗黙知が伝わりにくい	困っている本人が作るのでズレが小さい
必要なスキル	発注・要件管理のノウハウ	AIに的確に頼む力（プログラミングは必須でない）

もちろん内製がすべて優れているわけではありません。大規模な基幹システムや、止まると会社が回らない領域は、専門家に任せる判断が必要です。田中工業の事例が示しているのは、「現場の小さな困りごと」のレイヤーであれば、外注を待たずに自分たちで解決できる時代になったということです。

もう一つ見逃せないのが、内製したものが「自社の言葉」で動く点です。外注で作ったシステムは、現場の人が普段使わない用語や画面構成になりがちで、定着しないまま放置されることが珍しくありません。困っている本人が作れば、ボタンの呼び方から表示の順番まで、現場の感覚にそのまま合わせられます。田中工業の音声操作という発想も、まさに「自分たちが使いやすいように」作った結果でした。使われない高機能より、毎日使われる素朴な仕組みのほうが、実務では価値を生みます。

非エンジニアの現場が自走するための4ステップ

では、田中工業のような取り組みを自社で再現するには何から始めればよいのでしょうか。事例から読み取れる進め方を、非エンジニアでも踏み出せる形に整理します。

ステップ1. 「あったらいいな」を1つだけ書き出す

最初から大きな仕組みを目指す必要はありません。「この確認作業、毎日10分かかっていて面倒だな」という日常の小さな手間で十分です。田中工業の打痕検出アプリも、検査という具体的な困りごとが出発点でした。どの作業を選ぶか迷うときは、自動化できる業務を見極める業務棚卸しの考え方が役立ちます。まずは現場で一番多く口にされる「面倒」を1つ選びます。

ステップ2. 無料・低額で試せるAIで小さく作る

いきなり高額なツールを契約する必要はありません。ChatGPTやGoogle AI Studioのように、無料または低額の範囲で試せる生成AIから始めます。「こういう作業を楽にしたい」と日本語で相談するだけで、AIが手順やひな型を提案してくれます。ここでつまずいても、AIに「うまく動かなかった」と伝えれば修正案を出してくれます。

ステップ3. 自分が毎日使ってみて、現場の声で直す

作ったものは、まず作った本人が毎日使ってみます。使ってみて初めて「ここが使いにくい」「この表示はいらない」と分かります。田中工業の音声操作という発想も、現場の使い勝手を突き詰めた結果でした。AIに修正を頼みながら、小さく直し続けます。

ステップ4. 効果が出たら横に広げる

1つの作業で効果が出たら、似た困りごとを抱える別の工程に展開します。検査が楽になったなら次はマニュアル、その次は進捗管理、というように積み上げていく形です。田中工業が複数のアプリを持つに至ったのも、いきなり全部を作ったのではなく、1つずつ広げた結果だと考えられます。

どんな業務が「AI内製」に向いているか

田中工業の4つのアプリには共通点があります。いずれも「毎日くり返す」「判断や手順が比較的はっきりしている」「止まっても致命傷にならない」業務だという点です。自社で何から作ればよいか迷ったら、次の表で当たりをつけると選びやすくなります。

業務の性質	AI内製の向き不向き	具体例
毎日くり返す定型作業	向いている	進捗の集計と報告、検査結果の記録
手順がはっきりしている	向いている	マニュアル化、定型文の作成
判断のばらつきを減らしたい	向いている	傷の検出補助、書類のチェック
止まると会社が回らない基幹業務	慎重に（外注も検討）	会計の根幹、生産管理の中枢
法的責任が重い領域	慎重に（専門家と）	契約・労務の最終判断

つまり、最初に手をつけるべきは「毎日・定型・止まっても困らない」の三拍子がそろった作業です。田中工業がいきなり基幹システムをAIに置き換えたのではなく、検査やマニュアルといった現場寄りの作業から始めたのは、この勘所をおさえていたからだと読み取れます。逆に、責任が重い領域や会社の根幹に関わる仕組みは、生成AIで補助しつつも最終判断は人と専門家が担う形が安全です。

始める前に確認したいチェックリスト

勢いだけで進めると、情報漏洩や属人化といった落とし穴にはまります。最初の一歩を踏み出す前に、次の項目を確認しておくと安全です。

・機密情報の扱い: 図面や顧客情報など外に出せないデータを、無料AIにそのまま入力していないか
・小さく始める範囲: いきなり基幹業務ではなく、止まっても困らない作業から選んでいるか
・担当の偏り: 1人だけが作って中身を誰も知らない状態になっていないか
・効果の見える化: 「何分・何時間減ったか」を後で説明できる形で記録しているか
・会社のルール: 生成AIの利用について最低限の社内ルールを決めてあるか

特に1つ目の機密情報の扱いは、製造業では図面という重要資産があるため要注意です。社内で生成AIをどう使うかの利用ルール作りは、活用とセットで進めるのが安全です。

つまずきやすい3つの壁と乗り越え方

「自分でアプリを作る」と聞くと身構えてしまいますが、実際につまずくのは技術そのものより、進め方の部分です。非エンジニアが内製に挑むときに起きやすい3つの壁と、その越え方を整理します。なお、ここで挙げる壁はどれも「技術力が足りない」ことが原因ではなく、進め方の工夫で越えられるものばかりです。

壁1. 最初から完璧を目指してしまう

「どうせ作るならきちんとしたものを」と考えると、必要な機能が膨らみ、いつまでも完成しません。田中工業の事例が示すのは、まず動く小さなものを作り、使いながら育てる進め方です。最初の版は「とりあえず傷が分かればいい」くらいの粗さで構いません。完成度はAIに修正を頼みながら、後から上げていけます。

壁2. AIへの頼み方が漠然としている

「いい感じにして」とだけ伝えても、欲しいものは返ってきません。「誰が・どんな場面で・何をしたいか」を具体的に言葉にすることが、生成AIをうまく使うコツです。たとえば「現場の作業者が、スマホで撮った写真の傷を、赤い印で示してほしい」のように、利用者と目的をはっきりさせると、AIの回答は一気に実用的になります。

壁3. 効果を説明できず社内で広がらない

せっかく作っても、効果を数字で語れないと「遊びでは」と見られ、社内に広がりません。「確認作業が1日30分減った」「報告書の作成が半分の時間になった」といった形で、削減できた時間や手間を記録しておくことが大切です。数字があれば、次の投資や他部門への展開を説得する材料になります。

Before / After——町工場の現場はどう変わるか

田中工業の取り組みを参考に、典型的な中小製造業の現場がどう変わりうるかを整理します。

場面	Before（AI内製の前）	After（AI内製の後）
製品検査	熟練者の目に頼り、人によって判断がぶれる	スマホをかざせばAIが傷を検出し、判断の補助になる
作業の引き継ぎ	口頭とメモ中心で、ベテランの動きが残らない	動画マニュアルでベテランの作業を教材化できる
進捗の確認	担当が手作業で集計し報告する	毎朝AIが進捗をメールで知らせる
新しい仕組み	外注で数ヶ月・数十万円が前提	自分で試作し、必要な分だけ低コストで作れる

ここで強調したいのは、これらが「AIに詳しい専任エンジニアがいたから」実現したのではない、という点です。プログラミングを本業としない取締役が、困りごとを起点に手を動かした結果です。同じ構造は、業種や規模が違っても再現できます。

よくある質問（FAQ）

Q1. プログラミングの知識がまったくなくてもアプリは作れますか？

田中工業の事例が示すように、本業がエンジニアでない人でも生成AIを使えばアプリ化は可能です。重要なのはコードを書く力よりも、「何に困っていて、どうなれば嬉しいか」をAIに言葉で伝える力です。まずは日本語での相談から始められます。

Q2. どの生成AIから始めればいいですか？

田中工業はChatGPT・Claude Code・Google AI Studioを使い分けていますが、最初から複数を揃える必要はありません。まずは無料で試せるChatGPTやGoogle AI Studioで「困りごとの相談」をしてみて、物足りなさを感じたら用途に合わせて広げるのが現実的です。

Q3. 費用はどのくらいかかりますか？

正確な金額は会社ごとに異なりますが、考え方として、従来は外注で数十万円規模だった機能を、AIツールの月額利用料を中心とした低コストで内製できる点が大きな変化です。まず無料枠で試し、効果を確認してから有料に切り替える進め方が安全です。

Q4. 作ったアプリが属人化しないか心配です。

正当な懸念です。1人だけが作って中身を誰も把握していない状態は、技能承継の課題を別の形で繰り返すことになります。作る過程や使い方を簡単に記録し、複数人が触れるようにしておくことが、安定運用のカギになります。

Q5. うちは製造業ではないのですが、参考になりますか？

なります。田中工業の本質は「現場の小さな困りごとを、現場の人が生成AIで解決した」点にあります。検査やマニュアルは製造業特有でも、進捗管理や報告の自動化、確認作業の効率化はどの業種にも共通する課題です。人手不足を背景にどの業務から手をつけるかは、中小企業の人手不足をAIで解決する考え方もあわせて参考になります。

Q6. 何から手をつければ失敗しにくいですか？

止まっても会社が困らない、日常の小さな作業から始めるのが鉄則です。基幹システムのような重い領域をいきなりAIで内製しようとすると、トラブル時の影響が大きくなります。小さく作り、効果を確かめてから横に広げる順番を守ると失敗しにくくなります。

本記事のまとめ

岐阜県海津市の田中工業の事例は、「AIは大企業のもの」という思い込みを静かに覆します。従業員17名の町工場で、プログラミングを本業としない取締役が、技能承継という切実な課題を起点に、傷検出アプリから「AI社員」まで複数のツールを自分で内製しました。

ポイントは、難しい技術を学んだことではなく、現場の困りごとを1つ選び、無料・低額のAIで小さく作り、使いながら直し、効果が出たら横に広げるという順番を踏んだことです。この型は業種や規模を問わず再現できます。大切なのは、最初から立派な仕組みを目指さず、止まっても困らない小さな作業から手をつけること。そして効果を時間や手間の数字で残し、社内に広げていくことです。まずは自社の「毎日の小さな面倒」を1つ書き出すところから、はじめてみてください。生成AIは、その一歩を専門家でなくても踏み出せるところまで身近にしてくれています。

※本記事は2026年6月10日公開のビジネス＋IT連載「勝てる工場のつくり方～田中工業編～」の公開情報をもとに構成しています。各アプリの詳細仕様や費用対効果の具体的な金額は、出典元の公開範囲に基づき一般化して記載しています。