記事の要約
- 製造業DXが進まない理由は技術力の不足ではなく、「効率化で成果が止まる」「データを取っても使えない」「担い手が足りない」の3つで、IPAや経済産業省の公的調査の数字で裏づけられます。
- 江崎グリコ・トヨタ自動車・キーコーヒーが自ら公表した資料をもとに、基幹システムの切り替えや保守作業で起きた失敗事例と、その共通点を整理します。
- 現場が変わる4ステップ（現状把握→優先順位づけ→小さく試す→定着と横展開）と、DX銘柄2026に選ばれた製造業の先進事例を紹介します。
「DXを進めろ」とは言われたが、試しに始めたPoC（概念実証：小規模で効果を検証する取り組み）が終わっても、現場では相変わらず紙とExcelが使われている——。製造業のDX推進担当者や工場のIoT担当者から、弊社にはこうしたご相談が寄せられます。
本記事では、製造業DXが進まない理由を公的調査の数字で確かめ、企業が公表した失敗事例から共通点を取り出したうえで、現場が変わる4ステップと成功事例を整理します。
根拠は経済産業省やIPA（情報処理推進機構）の一次情報と、製造現場に伴走してきた東京大学松尾研発のAIスタートアップ・弊社の知見です。読了後には、自社のDXがどこで止まっているかが見えているはずです。
目次
製造業DXが進まない理由｜公的データで見る3つの壁
製造業DXが進まない最大の理由は、技術力の不足ではなく「業務効率化の段階で止まる設計になっている」ことです。DXに取り組む企業は75.7％、成果が出ている企業は60.8％にのぼります（IPA「DX動向2026」・国内企業1,799社回答・2026年7月公表）。
数字だけ見ればDXは順調に見えます。ところが成果の中身を見ると、現場が変わらない理由が3つの壁として浮かび上がります。
理由1：効率化で成果が止まり、収益に届かない
AI導入の効果として「業務が効率化・迅速化した」と答えた企業は91.6％と、ほとんどの企業が手応えを感じています。ところが「売上や利益が向上した」となると、わずか3.9％まで落ち込みます（同調査）。
この落差の理由は、使い道を見るとわかります。AIの用途は「文書・音声の要約・翻訳・校正」が82.5％を占める一方で、「生産・物流・サービス提供の計画支援」はわずか6.0％です。
つまり、事務作業は軽くなったものの、収益を生む本丸の生産・物流にはまだAIが届いていないのが多くの企業の現在地です。製造業でDXが「進まない」と感じられる最大の正体はここにあります。
壁を越える企業には共通点があります。経営者・IT部門・業務部門の協調が「できている」割合は、成果が出ている企業で72.9％、出ていない企業で37.1％です（同調査）。部門間の協調の有無が成果を二分していると読めます。
参照元：IPA「国内企業のDX動向・AI活用動向のポイントを公開」（2026年7月16日）https://www.ipa.go.jp/／IPA「DX動向2026」報告書（2026年7月30日）https://www.ipa.go.jp/
理由2：データは取れているのに、使える形になっていない
製造現場のデータを取得している事業者は66.0％ある一方、活用している事業者は51.4％、効果の創出まで至っている事業者は43.9％に下がります（経済産業省ほか「2026年版ものづくり白書」）。データを集めることと、使える形に整えることは別の作業です。
整えられない原因も調査に表れています。データ整備・管理の課題は「人材の確保が難しい」が51.2％で最も多く、「データの標準化が難しい」が36.8％と続きます（IPA「DX動向2026」）。
製造業では設備ごとにデータの形式が違い、紙の日報や個人のExcelに散らばっていることも珍しくありません。データの所在と形式を把握しないままツールを入れると、PoCの精度が本番で再現できず「PoC疲れ」に陥ります。
理由3：担い手が足りず、ベテラン頼みで時間を稼いでいる
DXを推進する人材の「量」が不足していると答えた企業は85.5％にのぼります（IPA「DX動向2026」）。この数字は2023年度・2024年度とほぼ同じ水準で、人材不足は3年間ほとんど改善していません。
現場の担い手も減っています。製造業の34歳以下の就業者数は、2002年の384万人から2025年には258万人へと、20年あまりで3分の2の水準まで減りました（「2026年版ものづくり白書」）。
若手が減るなかで技能をどう受け継ぐか。白書で最も多かった答えは「再雇用や勤務延長による高年齢従業員の継続勤務」（54.8％）です。つまり多くの現場は、ベテランに長く働いてもらうことで時間を稼いでいる段階にあります。
その時間が残っているうちに技能をデータと仕組みに移せるかどうかが、製造業DXの出発点になります。
参照元：経済産業省・厚生労働省・文部科学省「2026年版ものづくり白書」（2026年5月29日）https://www.meti.go.jp/
製造業DXの失敗事例3選｜公表資料から見える共通点
進まない理由を数字で確かめたところで、次は実際に何が起きたかを見ていきます。ここで取り上げるのは、各社が自ら公表した資料に基づく3つの事例です。
いずれも大手で、技術力や予算の不足が原因ではありません。だからこそ規模にかかわらず起こりうる失敗の型として読む価値があります。各社はすでに復旧・再発防止に取り組んでおり、本記事は公表内容を中立に整理するものです。
江崎グリコ：基幹システムの切り替えで冷蔵品の出荷が約2か月半停止
江崎グリコは2024年4月3日、調達・生産・物流・財務の情報を統合する基幹システムへ全面移行しました。しかし切り替え時に障害が発生し、物流センターでの出荷業務に遅滞が生じたため、4月14日からチルド食品（冷蔵品）の出荷を停止しました。
4月18日に一部再開したものの、出荷データの不整合に加えて想定を超える受注品目数に処理が追いつかず、翌19日に再び停止します。一部商品の出荷再開は6月25日からで、全品の再開は2024年12月期中にずれ込みました。
業績面では、2024年12月期の連結売上高は前期比0.4％減、営業利益は186億円から111億円へ75億円の減益でした（同社決算短信。減益にはシステム障害以外の要因も含まれます）。移行後の本番負荷を想定した検証と、切り戻しの判断基準が、ここから読み取れる教訓です。
参照元：江崎グリコ「当社基幹システム障害に伴う『チルド食品』（冷蔵品）の一時出荷再停止に関するお詫び」（2024年4月19日）https://www.glico.com/
参照元：同「チルド食品（冷蔵品）の出荷停止期間の延長について」（2024年5月1日）https://www2.jpx.co.jp/
参照元：同「2024年12月期 決算短信」（2025年2月13日）https://www2.jpx.co.jp/
トヨタ自動車：保守作業のディスク容量不足で国内工場が停止
トヨタ自動車では2023年8月28日、部品の発注処理を担う生産指示システムに不具合が起き、国内工場の稼働が止まりました。原因は前日27日の定期保守で、データの削除・整理の作業中に作業用ディスクの容量が不足してエラーが発生したことでした。
バックアップ機も同一のシステムで動いていたため同じ障害が起き、切り替えができませんでした。復旧は29日、容量の大きいサーバーへデータを移してからです。同社はサイバー攻撃ではないと説明し、保守作業の手順を見直すとしています。
この事例が示すのは、DXの成否が新しい技術よりも日々の運用・保守の設計で決まることです。データが増え続ける前提で容量と冗長化を設計していなければ、現場は止まります。
参照元：トヨタ自動車「先月の生産指示システムの不具合について」（2023年9月6日）https://global.toyota/
キーコーヒー：新基幹システムの不備で決算発表が延期
キーコーヒーは2025年1月に新たな基幹系システムを導入しましたが、その際に生じた不備により決算関連データに影響が出ました。財務報告の適切性を再確認する作業に時間を要し、2026年3月期第1四半期決算短信の開示を四半期末後45日を超えて延期しています（2025年8月8日公表）。
出荷や生産が止まったわけではなく、通期業績への影響も軽微と見込まれています。それでも外部システム業者の協力を得て基盤整備に取り組む必要が生じ、半年以上にわたり経営の手を取られました。
ここから学べるのは、切り替え後の検証を「動いているか」ではなく「数字が合っているか」まで行うことの重要性です。製造業の基幹システムは生産・在庫・会計がつながっているため、1か所のデータ不備が決算まで波及します。
参照元：キーコーヒー「2026年3月期 第1四半期決算短信の開示が四半期末後45日を超えることに関するお知らせ」（2025年8月8日）https://www2.jpx.co.jp/
3つの事例に共通するのは、問題が「導入前」ではなく「切り替えた後・運用に入った後」に表面化している点です。導入そのものより、移行計画・本番負荷の検証・撤退基準の有無が成否を分けています。
弊社にご相談いただく製造業のお客様にも、同じ型の失敗が繰り返し現れます。DX推進そのものが目的化して件数目標が先に立つ、PoCが本番運用に載らない、現場不在で手順を決めてしまう、外部に丸投げして知見が残らない、の4つです。
特に丸投げは、成果物だけを受け取る契約になるため、改善のたびに外部への依頼が要ります。詳しくはAI内製化の進め方の記事もご覧ください。
現場が変わる製造業DXの進め方4ステップ
ここからは、前章の失敗を避けて現場を変える進め方です。製造業DXは、全社改革から始めるより現状把握から小さな検証へと段階を踏むほうが早く進みます。弊社の伴走でも次の4ステップで整理しています。
ステップ1：現状把握と課題の棚卸しを行う
最初にやるべきはツール選定ではなく現在地の把握です。工程ごとに、どんなデータが誰の手元にどんな形式であるかを一覧にします。データの所在と形式の把握が、理由2で見た「取れているのに使えない」状態を防ぐ最初の一手です。
自社だけで棚卸しが難しい場合は、IPA「DX推進指標」の自己診断フォーマットが使えます。経営層と現場の認識のずれを可視化するところまでが、このステップのゴールです。
参照元：IPA「DX推進指標のご案内」https://www.ipa.go.jp/
ステップ2：経営目標と結びつけて優先順位を決める
棚卸しで出る課題はたいてい20件を超えます。「経営指標への効き方」と「実現の難易度」の2軸で並べ替え、経営層の合意を取ります。「どの指標をいつまでにどれだけ動かすか」を一文で言えるかが、DXの目的化を防ぐ分かれ目です。
ステップ3：小さく試し、撤退基準まで先に決める
優先度の高いテーマから3〜6か月程度のPoCで検証します。「この水準を超えたら本番開発に進む」「達成できなければ切り替える」という成功基準と撤退基準を着手前に文書化することが、PoC疲れを防ぎます。
失敗事例の教訓もここに入れます。検証環境の精度だけでなく、本番の受注量・データ量・保守手順まで含めて試すのがステップ3の役割です。
ステップ4：現場に定着させ、横展開する
運用開始後は利用ログで実際に使われているかを確認し、操作の手間を削る改善を続けます。製造現場は品質と安全に直結する手順変更に慎重です。要件定義から班長や保全担当を巻き込み、削減できる作業とセットで提案することが定着の条件になります。
成果が出たら別ラインへ広げます。着手前に、次のチェックリストもご活用ください。
- □ 動かしたい経営指標を1つに絞れているか
- □ 対象工程のデータの所在と形式を把握したか
- □ PoCの成功基準と撤退基準を文書化したか
- □ 本番の受注量・データ量・保守手順まで含めて検証したか
- □ 現場の担当者が検討メンバーに入っているか
- □ 運用と改善を担う社内人材を決めているか
製造業DXの成功事例｜DX銘柄2026の先進企業と技術の当て方
進め方の型が決まったら、他社がどこまで到達しているかも知っておきたいところです。公的な選定情報に基づく先進企業の取り組みと、業務を絞って効果を確かめやすい技術の当て方を見ていきます。
DX銘柄2026に学ぶ：ブリヂストン・ミスミ・オムロン・TDKの取り組み
経済産業省・東京証券取引所・IPAは、企業価値の向上につながるDXを推進する上場企業を「DX銘柄」として毎年選定しています。2026年は30社が選ばれ、DXグランプリにはブリヂストン、ミスミグループ本社、三井住友フィナンシャルグループの3社が選ばれました。
選定の軸は、AI活用を前提に変革の範囲・質・スピードを高める「AX（AIトランスフォーメーション）」です。製造業の選定企業の取り組みを公開レポートから整理します。
| 企業 | 業種 | 取り組みの要旨（DX銘柄2026レポートより） |
|---|---|---|
| ブリヂストン（DXグランプリ） | ゴム製品 | タイヤを「創って売る」から「使う段階で価値を増幅する」モデルへ転換。蓄積データをAIで活用 |
| ミスミグループ本社（DXグランプリ） | 機械部品の製造・卸売 | 特注品をECでパラメータ指定すると瞬時に型番を発行。AIによる自動見積もり・製造プログラム生成に挑戦 |
| オムロン | 電気機器 | 自社デバイスの現場データを顧客価値に転換する「GEMBA DX」。全社員向け生成AI環境「DEXTRA-GPT」を導入 |
| TDK | 電気機器 | 自社開発の生成AI基盤「TDK GenAI」を1万人以上が活用。年間約120万時間の業務改善効果を見込む（社内アンケート） |
4社に共通するのは、蓄積したデータを収益に直結する業務に当てている点です。理由1で見た「効率化で止まる」企業との差は、技術の有無ではなく、データをどの業務に向けたかにあります。
参照元：IPA「『DX銘柄2026』選定企業の先進的なDX事例を一挙公開」（2026年6月5日）https://www.ipa.go.jp/／経済産業省・東京証券取引所・IPA「DX銘柄2026」レポートhttps://www.ipa.go.jp/
業務を絞って効果を確かめる技術の当て方3つ
上場企業の全社改革をそのまま自社に当てはめるのは現実的ではありません。ここでは、弊社が製造業のお客様と取り組む機会の多い、業務を絞った3つの組み合わせを紹介します。
生成AI×設計：設計ナレッジの再利用でリードタイムを短縮。過去の図面や設計判断が社内にあるのに取り出せず、一から作り直しているケースは少なくありません。仕様条件から3D CADデータの候補を自動生成できれば、初期案の作成時間を圧縮できる可能性があります。
弊社はSOLIZE PARTNERS様と、熟練技術者の知識をシステム化した設計ナレッジの自動提案を実現しました。詳細は生成AIとCADの組み合わせの記事で整理しています。
数理最適化×工程管理：熟練工の「勘」をアルゴリズム化する。生産計画では、生成AIよりも数理最適化（制約条件のもとで最良の組み合わせを数学的に導く手法）が力を発揮する場面があります。段取り替えの順序や人員配置の根拠を数式に置き換える作業は、技能継承の受け皿になります。
候補案を提示して人が選ぶ形でも負荷軽減が期待できます。工場全体の自動化は製造業の自動化の記事もご覧ください。
LLM×マニュアル：社内ナレッジの即時検索と技術承継。作業手順書や検査基準書は、必要なときに引き出せてこそ価値を持ちます。LLM（大規模言語モデル）と社内文書を組み合わせたRAG（検索拡張生成）を使えば、根拠となる文書箇所とともに回答を得られます。
紙の記録のデジタル化から入る例もあります。全体像は製造業のAI・生成AI活用事例の記事で解説しています。
製造業DXの伴走型支援｜EQUESのPoC支援「ココロミ」と支援事例
ここまで、進まない理由・失敗事例・進め方・先進事例を見てきました。それでも多くのお客様が直面するのは「社内にAIの知見を持つ人がいない」という壁です。弊社がその壁をどう埋めているかをご紹介します。
弊社は、課題整理から実装までをご一緒する伴走型技術開発と、小さく試すPoCサービス「ココロミ」（https://kokoromi.eques.co.jp/、スタンダードプランは月々250万円から）をご提供しています。
相談から始めたい場合は「AI×DX寺子屋」（プランAは月額20万円で相談し放題、月1回のオンラインミーティング付き）もあります。
| お客様 | 業種 | 活用サービス | 取り組みと成果 |
|---|---|---|---|
| ニッセンケン品質評価センター様 | 品質評価機関 | 伴走型技術開発 | 繊維種識別手法を開発。多変量解析では難しかったサンプルの最大80％以上を判別可能に |
| SOLIZE PARTNERS様 | デジタルエンジニアリング | ココロミ | 熟練技術者の知識をシステム化し、設計ナレッジの自動提案を実現 |
| Cyto-Facto様 | 細胞・遺伝子治療CDMO | ココロミ | AI-OCRで記録を自動化。サンプル画像で100％の認識精度を達成 |
| RYODEN様（三菱電機グループ） | 総合技術商社 | AI×DX寺子屋 | 製造業向け生成AI開発の基盤を構築 |
共通するのは、業務を絞って検証し、知見を社内に残している点です。「小さく試す」と「定着させる」をお客様の社内人材と一緒に進めるのが、弊社の伴走の形です。
参照元：株式会社EQUES 実績紹介https://eques.co.jp/
製造業DXが進まない理由に関するよくある質問
製造業DXの検討を始めた担当者の方から弊社によく寄せられるご質問にお答えします。社内で企画を通す際にもご活用ください。
技術ではなく目的設定です。AI導入で売上や利益の向上につながったと答えた企業は、わずか3.9％です（IPA「DX動向2026」）。効率化の先にどの経営指標を動かすかを決めていないと、成果が頭打ちになりがちです。
問題が「切り替えた後」に出ている点です。江崎グリコ・トヨタ自動車・キーコーヒーの公表資料はいずれも、移行後の本番負荷や保守手順、データの整合性の検証が焦点でした。導入計画と同じ重さで、移行計画と撤退基準を用意してください。
可能です。従業員101人以下の企業のAI導入率は16.6％と、まだ2割に届きません（IPA「DX動向2026」）。100人以下では「自社が取り組むメリットがわからない」が54.0％で最多です。裏を返せば、経営指標と結びつけた小さな検証から始めた企業ほど差をつけやすい状況です。
まとめ：製造業DXは「進まない理由」を特定して小さく回すことから
製造業DXを前に進める鍵は、自社がどの壁で止まっているかを特定し、目的を一つに絞って小さく検証し、現場で回し続けることにあります。要点は次のとおりです。
- 進まない理由は、効率化で成果が止まる・データが使える形になっていない・担い手が足りない、の3つ
- 失敗事例に共通するのは「切り替えた後」の本番負荷・保守手順・データ整合性の検証不足
- 進め方は「現状把握→優先順位づけ→小さく試す→定着と横展開」の4ステップ。撤退基準は着手前に決める
- DX銘柄2026の先進企業は、蓄積したデータを収益に直結する業務に当てている
- 社内に知見を残す前提で外部と組むことが、継続的な改善につながる
第一歩に迷う場合は、東京大学松尾研発のAIスタートアップである弊社の伴走型技術開発やPoC支援「ココロミ」もご検討ください。最後までお読みいただき、ありがとうございました。
