全国の製造業現場担当者412名調査 ―「導入ハードルの低さ」の認知に課題

AI CROSS株式会社（東京都港区、代表取締役CEO：原田典子、以下「AI CROSS」）は、株式会社マクロミルに委託し、全国の製造業に従事する現場担当者412名を対象に「AI需要予測に関する認知・印象・業務実態調査」を実施しました。

本調査の結果、発注・在庫管理を担うAI需要予測に対して、5つの「印象の壁」がいずれも過半数を超えて存在する一方、現実的な条件が示されれば82.8%が興味あり以上の反応を示す実態が明らかになりました。背景には、製造業の「受注・発注・在庫の管理」工程のデジタル活用率が35.2%にとどまるという、既存業務のデジタル化の遅れがあります（※1）。次のステップであるAI需要予測にも「印象の壁」が立ちはだかる構造が浮き彫りになりました。

調査の背景 ─ 受発注・在庫のデジタル化遅れと、期待されるAI需要予測

経済産業省「2025年版ものづくり白書」は、日本の製造業が直面するデジタル化の課題を指摘しています。同白書によれば、製造業における「受注・発注・在庫の管理」工程のデジタル活用率はわずか35.2%にとどまり、事務工程（43.9%）や生産管理工程（43.7%）と比べても最も遅れた領域の一つとなっています。約65%の企業では、依然として発注・在庫管理業務が非デジタル環境で運用されており、業務の属人化・非効率が構造的な課題として残っています。

こうした業務のデジタル化を大きく前進させる手段として期待されるのが、需要予測・在庫管理・発注計画といった業務領域におけるAIの活用です。AI CROSSは、製造業向けAI需要予測・運用サービス「Deep Predictor」の提供を通じて多くの現場担当者と対話する中で、「AI需要予測は高価で、専門家がいないと運用できない」という印象が現場に根強く存在することを実感してきました。

本調査は、業務のデジタル化さえ道半ばの中、次のステップとして期待されるAI需要予測に対して、製造業の現場担当者が実際にどのような認識・印象を持っているかを定量化し、普及を阻む構造課題を明らかにすることを目的としています。

調査結果① AI需要予測が「よく分からない」が半数以上

AI需要予測をどの程度知っているかを聞いたところ、「名称も含めて全く知らない」「名称を聞いたことはある（概要は知らない）」を合わせた未認知層が52.0%、「概要は知っている」以上の理解層は48.0%でした。そのうち、自社で検討・テスト運用の経験があるのは7.5%、自社で本番運用に至っている現場担当者は4.6%にとどまります。

→ 未認知層：52.0% ／ 概要以上に理解：48.0% ／ 検討・テスト運用以上：12.1% ／ 本番運用：4.6%

調査結果② 5つの「印象の壁」、いずれも過半数 ─ 価格・期間・人材だけでなく「精度」「効果」への懐疑にも及ぶ

AI需要予測に対する印象を5段階評価で聞いたところ（※2）、「導入・運用には外部の専門家／データサイエンティストが必要」が60.7%、「期待する精度が出るか、半信半疑だ」が58.7%、「導入から運用定着まで6ヶ月以上かかる」が56.8%、「業務の改善に繋がるか、半信半疑だ」が53.9%、「初期費用は1,000万円以上かかる」が51.5%と、いずれも過半数を超える結果となりました。製造業の現場におけるAI需要予測への「印象の壁」は、価格・期間・人材といった条件面だけでなく、「精度」「業務改善効果」といった技術そのものに対する懐疑にまで及んでいることが、定量的に確認されています。

→ 上位5項目はいずれも過半数。AI需要予測に対する強い印象の壁が定量的に確認された。

調査結果③ Excel等での在庫管理・需要予測業務、月10時間以上が58.7%

Excel等を用いた在庫管理や発注・需要予測作業に1ヶ月でどの程度の時間を費やしているかを聞いたところ、「10時間以上」費やしている現場担当者は58.7%、「20時間以上」は33.5%、「40時間以上」は14.1%にのぼりました。

→ 月10時間以上：58.7% ／ 月20時間以上：33.5% ／ 月40時間以上：14.1%

調査結果④ 本格導入が進まない理由、「費用が高い」38.2%でトップ

「貴社でAI需要予測の本格導入が進まない（あるいは検討に至らない）と思う理由」を複数回答で聞いたところ（n=393）、「初期費用・運用費用が高い」が38.2%でトップ、次いで「期待する精度が出るか、半信半疑だ」が32.8%、「自社業務に合うか不明」が32.6%、「業務の改善に繋がるか、半信半疑だ」が28.2%、「運用できる人材がいない」が27.0%が続きました。本格導入を阻む要因は、設問2の「印象」と直結する項目で構成されています。

→ 阻害要因の上位はすべて、設問2の「印象」と直結する項目。

調査結果⑤ 現実的な条件が示されれば、56.8%が前向き ─ 「ぜひ試したい」も23.5%

「ゼロから自社専用に開発するのではなく製品として導入できる／製品でありながら自社業務に合わせて調整できる柔軟性がある／現場担当者だけで操作・運用が可能／予測結果の根拠を説明できる／導入後、運用定着から業務効果の実感まで継続的なサポート・伴走支援が受けられる」── これらの条件をすべて満たすAI需要予測ツールが提供される場合、「ぜひ試してみたい」が23.5%、「興味があり、情報を集めたい」が33.3%にのぼり、両者を合わせた前向き層は56.8%に達しました。「条件次第で検討したい」を含めると82.8%が興味あり以上と回答し、「試したいと思わない」はわずか6.8%です。印象の壁が解ければ、現場担当者の8割超が興味を示す実態が明らかになっています。

→ 前向き（試したい＋情報を集めたい）：56.8% ／ 興味あり以上：82.8% ／ 否定的：6.8%

調査結果からの示唆 ─ 「印象の壁」を解くことが普及の鍵

本調査で明らかになった5つの「印象の壁」は、いずれも「AI需要予測は導入ハードルが高い」という一つの認識に集約されます。しかし、製品化・パッケージ化が進んだ現在のAI需要予測サービスにおいて、これらの多くは必ずしも現実を反映していない可能性があります。

事実、「Excelなど既存のツールで十分だ」と感じている現場担当者は35.4%にとどまり、残る65%は現状の業務環境に改善余地を感じています。さらに、「製品として導入できる」「現場担当者だけで運用できる」「業務効果の実感まで継続的にサポートを受けられる」── これら現実的な条件が示されれば、82.8%が興味あり以上の反応を示します。AI需要予測は、すでに大規模スクラッチ開発ではなく、製品として現場に届けられる段階に入っています。

「現実的な選択肢の存在を正しく知ること」── これがAI需要予測の普及を進める一つの鍵であり、製造業のデジタル化・AX推進に寄与する道筋であると、本調査は示唆しています。

AI CROSSが考える「現場で使えるAI」と今後の展望

AI CROSSは「Smart Work, Smart Life」をコーポレート理念に掲げ、AIやテクノロジーを通じて企業の業務効率化と生産性向上を支援しています。「Deep Predictor」においては、単に高精度な予測を提供するだけでなく、その予測結果が現場の業務判断や運用の定着に直結して初めて価値を持つという考え方を軸に、開発・機能強化を続けています。

AI需要予測は「導入して終わり」ではなく、業務効果を実感できるまで、ベンダーがお客様の現場に伴走し続け、共に課題解決へ取り組むことが重要となります。AI CROSSは、「Deep Predictor」の提供を通じて、こうした伴走型のパートナーであり続けることを重視しています。

本調査で明らかになった「印象の壁が解ければ8割超が興味を示す」という現場の声は、AI CROSSが「現場で使えるAI」を差別化要素として続けてきた開発・伴走の方向性を裏付けるものです。今後も「Deep Predictor」を通じて、製造業の現場におけるAI需要予測の認知拡大と運用定着支援に取り組み、製造業AX（AIトランスフォーメーション）の推進に貢献してまいります。

Deep Predictor とは

AI需要予測・運用サービス「Deep Predictor（ディープ・プレディクター）」は、『あらゆる予測を、誰でも簡単に』をコンセプトに、専門知識がない現場の担当者でも保有データを活用し、高精度な予測と意思決定を支援するサービスです。

単なる予測にとどまらず、業務に直結するアウトプットを生成できる点が特長で、『定着する、現場のためのAI』として設計されています。

詳細はこちら：https://aicross.co.jp/deep-predictor/category/demand/

調査概要

・調査名：製造業のAI需要予測に関する認知・印象・業務実態調査

・調査対象：全国の製造業に従事する一般社員〜課長クラス（経営層・部長以上は除外）（※6）

・有効回答数：412名

・調査委託先：株式会社マクロミル

・調査方法：インターネットリサーチ

・調査期間：2026年6月19日〜6月20日

・実施主体：AI CROSS株式会社

※1：「受注・発注・在庫の管理」工程のデジタル活用率（35.2%）は、経済産業省・厚生労働省・文部科学省「2025年版ものづくり白書」（本編p.54／2025年公表）に基づく。原典データは（独）労働政策研究・研修機構（JILPT）「ものづくり産業におけるDXと人材育成に関する調査」（2024年）。本編PDF：https://www.meti.go.jp/report/whitepaper/mono/2025/pdf/all.pdf

※2：Q3「AI需要予測への印象」は5段階評価（そう思う／ややそう思う／あまりそう思わない／そう思わない／わからない）で取得し、本文の数値は「そう思う」と「ややそう思う」の合算値です。

※3：本調査は製造業の現場担当者・管理職412名が自社の状況を回答したものであり、企業単位の導入率を直接示すものではありません。

※4：「AI需要予測」は、過去の販売・在庫・出荷データ等を活用して将来の需要を予測するAIツールを指します。

※5：本格導入が進まない理由（設問4）は、Q2で「自社で本番運用している」と回答した方を除いた393名を分母としています。

※6：調査対象者は、以下の条件をすべて満たす方に限定しています。（1）在庫管理や発注、需要予測に関する業務に、週1日以上従事している方。（2）勤務先企業の生産体制について「受注生産10割」「その他」「わからない」を除く方。