製造業における「暗黙知」の形式知化：スモールスタートで始める現場AI活用【切削加工の事例】

製造業の現場において、ベテランの頭の中や指先にある「暗黙知」をいかに若手へ継承するかは喫緊の課題です。品質は最終検査で弾くのではなく、日々の工程の中で作り込むものですが、その要となる熟練者の「気づき」や「微調整」は、従来の紙のマニュアルにはなかなか表現できません。

多額のシステム投資を必要としない「スモールスタート」で身近なAIツールを活用し、切削加工現場の属人的な技術を組織の財産へと変換していく4つのプロセスを解説します。

1. 見える化：動画とVLMによる「カン・コツ」の抽出
切削加工における熟練者の技術は、削り出しの音、切り粉（切削屑）のつながり方、刃先のわずかな角度調整などに現れます。

まずはベテランと若手の作業風景をスマートフォン等で撮影し、画像認識に優れたVLM（視覚言語モデル）に読み込ませます。（たとえばGemini，Chat-GPT）

両者の「バイト（切削工具）の当て方」「切削油を注ぐタイミング」「機械を止めて表面のつやを確認する頻度」の違いをAIに比較分析させることで、無意識に行われている「品質を作り込むための急所」を客観的なテキストとして洗い出します。

2. VLMとは何か？
VLM（Vision-Language Model：視覚言語モデル）は、テキスト（言語情報）と画像・動画（視覚情報）の両方を同時に理解し、組み合わせて処理できるAIモデルのことです。

主な特徴
画像から文脈を読み取る: 単なる物体認識にとどまらず、「このグラフの売上傾向はどうなっているか」「この写真の状況から推測される危険は何か」といった深い意味や状況まで推論できます。

複合的な指示への対応: 「この写真の材料で作れるレシピを考えて」「手書きのメモをテキストの表形式に整理して」といった、視覚と文字をまたぐ複雑なタスクをこなせます。

代表的なAIモデル: 現在のGeminiをはじめ、ChatGPT（GPT-4o）やClaude 3などがVLMに該当します。

従来の言語モデル（LLM）との違い
LLM（大規模言語モデル）: テキストデータのみを読み書きするAI。
VLM（視覚言語モデル）: 人間のように「目」で見た情報を「脳」で解釈し、それを「言葉」として説明・分析できるAI。

3. 蓄積：関連情報と結びつける社内固有のナレッジベース構築
言語化されたテキスト単体では、現場の文脈に欠けてしまいます。NotebookLMのようなセキュアなRAG（検索拡張生成）ツールを活用し、抽出した暗黙知と「過去の寸法不良やびびり傷の報告書」「QC工程表」をセットにして一元的にアップロードします。

これにより、「工具の突き出し量の確認動作を怠ると、過去のどの『びびり（振動）』トラブルに直結するか」という背景知識を持ったデータベースが完成します。

4. 標準化：マニュアルの自動生成と動的なアップデート
蓄積された情報をもとにAIへ指示を出し、初心者向けのステップ別動画マニュアルや手順書のベースを作成させます。

さらに、日々の現場で若手が「いつもより切削音が高い」「指定の送り速度だと削り面が少し粗い」と感じた違和感を音声入力等で手軽にメモして追加していくことで、標準書が特定の材質やロットの癖に合わせて常に進化する仕組みを作ります。

5. 参照：若手が自ら引き出せる「対話型」の技術伝承
若手が作業前やトラブル時に、「SUS304（ステンレス）の加工で細かいむしれが出たが、過去のベテランはどう条件を微調整していた？」と自然な言葉でAIに問いかける環境を整えます。

一方的にマニュアルを読ませるのではなく、必要な時に必要な知見を対話形式で引き出せるため、現場の課題解決スピードと加工精度が劇的に向上します。

現場の成功体験を小さく積み重ねていくことが、品質を作り込む製造業DX定着の鍵となります。

具体的な手順、プロンプトの詳細等を知りたい方は遠慮なくお問い合わせください。