「AIでムダを30%削減」——7種類のムダを知らないと、この数字に根拠はない
提案書に「AIでムダを30%削減します」という一文があったとき、あなたはどう評価しますか？
「30%」という数字と「AI」という言葉が組み合わさると、具体性があるように見えてしまいます。審査会でも「数値が出ているし、AI活用なら時代に合っている」という空気になりがちです。
しかし**「何のムダを」「なぜAIが」「どうやって削減するのか」**が示されていない提案書は、投資の根拠が存在しないのと同じです。この記事を読むと、その「なんとなく説得力がある」感覚の正体がほどけます。
忙しい人はここだけ読んでください
製造業で言う「ムダ」には7種類あり、種類によって有効な対策はまったく異なります。
AIが効くムダと、AIより先に設計・レイアウトの見直しが必要なムダがあります。この区別なしに「AIでムダ削減」と言われても、投資根拠を判断できません。
「7つのムダ」——なぜ分類を知らないと判断を誤るか
トヨタ生産方式（TPS：Toyota Production System）が整理した「7つのムダ」は、工場で発生する非付加価値活動を7つに分類したものです。
**「付加価値」とは、顧客が対価を払う変化・品質向上のこと。**それ以外はすべてムダ、というのがTPSの基本的な考え方です。
7種類は以下のとおりです：
つくり過ぎのムダ ── 必要量以上に作ること
手待ちのムダ ── 機械・部品・情報を待つ時間
運搬のムダ ── 不必要な物の移動
加工のムダ ── 必要以上の精度・処理
在庫のムダ ── 売れない・使われない在庫の保有
動作のムダ ── 作業者の無駄な動き・姿勢
不良・手直しのムダ ── 検査・修正・廃棄にかかるコスト
一見するとすべて「AIで解決できそう」に見えますが、実際はそうではありません。
AIが有効なムダと、先に設計を直すべきムダ
需要予測・在庫系には効く
**「つくり過ぎのムダ」と「在庫のムダ」**は、需要予測の精度が低いことが主因です。何がどれだけ売れるかを見誤って作りすぎたり、過剰に部品を抱えたりする。ここには需要予測AIが有効で、活用事例も積み重なっています。
「手待ちのムダ」は2種類ある
「手待ちのムダ」には、機械の段取り替えを待つ物理的な待ちと、情報の調整を待つ情報系の待ちがあります。後者にはAIの明確な効果が出ています。
NECは2025年12月、調達交渉を自動化するAIエージェントの提供を開始しました。従来は数時間〜数日かかっていた部品の納期・数量調整を約80秒に短縮し、約1,300品目で自動合意達成率95%という数字を公式プレスリリースで公表しています。情報系の「手待ちのムダ」にAIが直接効いた事例です。
「加工のムダ」と「動作のムダ」には注意が必要
**「加工のムダ」**とは、顧客が求めていないのに設計仕様が過剰な精度を要求する問題です。ミクロン単位の寸法精度を要求しているが、実際の機能には不要だった、という典型例があります。設計や工程の見直しが先決であり、どれだけAIを重ねても根本解決しません。
**「動作のムダ」**は作業者の不要な動きのことで、原因の多くは設備の配置（レイアウト）にあります。トヨタはKarakuri（重力やバネを活用した機構改善）や協働ロボットで動作・運搬のムダを削減しており、物理起因のムダには物理的な機構改善を選ぶという判断が示されています。
「不良・手直しのムダ」が最も誤解されやすい
「AI外観検査を入れると不良が減る」と思われがちですが、正確には**「不良品の流出を防ぐ（発見する）」**のがAIの役割です。
**「不良が発生する件数そのもの」**を減らすには、工程設計やポカヨケ（ミスが物理的に起きない仕組み）、材料管理など上流の改善が必要です。
MDPI Sustainabilityに掲載された繊維産業の研究（2025年）では、AIコンピュータビジョンによる外観検査が不良の**「検出」に有効**であることが示されており、廃棄量・CO2・エネルギー消費の削減への貢献が報告されています。一方、不良の「発生件数削減」には、工程設計やポカヨケなど上流の改善が別途必要であり、解決すべき場所がまるで異なります。
「AI検査を入れたのに不良率が下がらない」という声が現場で出るのは、この2つが根本的に違う問題だからです。
トヨタが示す「AIと非AIの使い分け」
トヨタは2023〜2024年にかけて**AIプラットフォーム（機械学習モデル作成基盤）**を製造現場に展開し、年間1万時間超の業務削減を達成しています。一方、物理的なラインの動作のムダや運搬のムダには、Karakuriや設備配置改善を選んでいます。AIと非AIを目的別に使い分ける設計が、ここでも一貫しています。
トヨタは2025年にTPSをデジタル化時代向けに再解釈しましたが、7つのムダ分類という判断軸は廃棄せず、AIを「ムダ排除の触媒」として位置づけています。
AIが「ムダ削減の主体」ではなく「手段の一つ」という設計思想は、TPS発祥のトヨタでも変わりません。
よくある3つの誤解
誤解1：「AIはすべてのムダに効く」
「AI導入でムダを削減」とあっても、どの種類のムダかが明示されていない場合、投資根拠がないに等しいです。ストックマークが2025年10月に実施した製造業従事者445人への調査（MONOist、2026年1月掲載）では、AI・DX導入による業務効率化を実感している人がわずか28%にとどまります。ムダの種類を区別しないまま投資が進んでいることが、その背景のひとつです。
誤解2：「AI外観検査を入れれば不良・手直しのムダは解決する」
AI検査は「不良の流出防止（発見）」には有効ですが、「不良の発生件数削減」には直接寄与しません。この2つを混同した提案書は、期待する効果と実際の効果がずれたまま承認が進みます。この区別は、Cpk（工程能力指数）やポカヨケといった工程設計の話と深くつながっています。
誤解3：「動作・運搬のムダもAIで改善できる」
動作のムダや運搬のムダは、設備の物理的な配置（レイアウト）が主因であることが多く、AIより工程設計の見直しが先決です。AIを重ねてもレイアウト起因のムダは根本解決しません。
なぜ今この知識が必要か
IPA「DX動向2025」の日米独比較（2025年6月公表）では、日本企業のDXが「コスト削減・製品提供日数削減」という内向きの部分最適に偏り、米国・ドイツの「売上増・顧客満足度向上」という外向き志向と対照的であることが示されています。「ムダ削減」という言葉は、この内向き志向を象徴しています。
7種類のムダを区別しないままAI投資を進めると、間違ったムダに間違ったツールを当てる事態になります。経産省「中堅・中小企業等向けDX推進の手引き2025」は、業務課題を先に整理し、解決に適したツールを選ぶプロセスの重要性を示しています。**「AIありき」ではなく「解決すべきムダの種類の特定が先」**というプロセスが、同ガイドラインの基本姿勢です。
経産省「DX調査2026」（2025年11月）では、AI投資の評価軸として「付加価値創出」を据える方向性が打ち出されており、「ムダ削減30%」という単一指標だけでは、この評価軸をクリアできない段階に移行しています。MONOistの2025年版調査が示すように、製造業AIはまだPoC（概念実証：小規模な実証実験）段階が多く、2025〜2026年が本格展開の移行期です。どのムダ種別にAIを当てるかの選択眼が、この段階で投資の成否を分けます。
7つのムダを「提案書への問い返し」の軸にする
7つのムダの分類を知ることは、「AIでムダを削減します」という提案書の中身を問い返す軸を持つことです。
提案書を受け取ったとき、確認すべき問いは3つです：
どの種類のムダへの施策か（7種の中のどれか）
そのムダの根本原因は何か（需要予測の問題か、設計上の問題か、レイアウトの問題か）
AIはその原因に直接作用するか（発見・検知まで効くのか、発生削減にも効くのか）
この3つを問うだけで、根拠のある提案と根拠のない提案を区別できるようになります。
「不良・手直しのムダ」の発生削減を本気で進めるには、**工程能力（Cpk：工程が仕様内に収まる安定性の指標）**の改善やポカヨケ設計が不可欠です。AI検査が「ムダ削減の完成形」ではなく「発見層の補完ツール」にすぎないことが、さらに明確になります。
製造業DXの判断に関わる方に向けて、「ツールより先に概念」という視点で前提知識を継続発信しています。この記事が参考になった方は、ぜひフォローしてください。
