入れ替えない AI 導入
既存の生産管理システムに生成AIを追加する方法
要点
生産管理システムを入れ替えなくても、データベースの参照や帳票出力をつなぐことで、生成AIを後付けできます。基幹は変えず、問い合わせ、要約、文書検索の層だけを追加するのが、最も低リスクな進め方です。
「生成AIを使いたいが、基幹システムの入れ替えは考えていない」という相談は、中小製造業で特に多く聞かれます。古いパッケージや自社開発のシステムでも、AI を付けられるかどうかは、システムの新旧ではなく、データを安全に読み出せるかで決まります。
後付けの AI は、基幹の外側に置きます。基幹の挙動や性能に影響を与えないよう、読み取り専用で、必要に応じて夜間の複製を使います。ここを守れば、導入の失敗が日々の業務に波及しません。
本ページでは、後付けの手順、必要な条件、そして失敗しやすい点を整理します。
後付けできるかを判断する三つの条件
第一に、データが取り出せることです。データベースを直接参照できるか、定期的に CSV やデータの出力ができるかを確認します。画面操作しかできないシステムは、対象外か、別の手段が必要になります。
第二に、データの意味が分かることです。テーブルや項目名が略称ばかりで、設計資料が残っていない場合、項目の意味を整理する作業が先に必要です。第三に、保守契約上、参照が許されることです。
- データベースの直接参照、または定期出力が可能
- 主要テーブルと項目の意味を説明できる人がいる
- ベンダーや保守契約が参照を妨げない
構成：基幹の外に置く三つの層
一つ目は読み取り層で、読み取り専用のアカウントまたは複製データベースから、必要な表だけを取り込みます。二つ目は意味付けの層で、項目名に日本語の説明を付け、よく使う結合を定義します。
三つ目が言語モデルの層です。オープンウェイトのモデルを社内のサーバーまたは国内のプライベート環境で動かし、問い合わせを SQL に変換し、結果を文章で返します。文書やマニュアルは、別途検索の仕組みで参照します。
最初に効きやすい用途
最初に効果が出やすいのは、担当者が毎回同じ集計を手で行っている業務です。受注残の確認、在庫の滞留、工程の遅れの一覧などがこれに当たります。
文書の検索も有効です。作業標準書、不具合報告、過去の見積書を横断して検索し、根拠のある回答を返せば、ベテランに聞く回数を減らせます。
- 受注残、在庫、工程遅れの日本語での問い合わせ
- 不具合報告と是正処置の検索
- 作業標準書やマニュアルの横断検索
- 会議資料の下書き
失敗しやすい点
最も多い失敗は、データの意味付けを省略することです。項目の意味が曖昧なまま AI を動かすと、もっともらしいが誤った数字を返します。最初の数週間は、この整理に時間を使うべきです。
次に多いのは、範囲を広げすぎることです。全業務を一度に対象にせず、問い合わせを三つ程度に絞り、精度を確認してから広げます。また、AI の回答に根拠を示さない設計は、現場の信頼を得られません。
セキュリティとデータの扱い
データを社外のサービスに送らない構成にすれば、取引先情報や原価を守りながら利用できます。利用者ごとの権限、アクセスログ、回答の根拠表示は、運用の前提として設計します。
個人情報を含むデータを扱う場合は、個人情報保護法の安全管理措置に沿って、取り扱う項目を最小限にします。本ページは法的助言ではないため、具体的な判断は社内の法務や専門家と確認してください。
進め方と費用感の考え方
進め方は、評価、読み取り専用での試験、限定公開、拡大の順です。評価の段階で、後付けが適さないと分かった場合は、その旨をお伝えします。
費用は、サーバー（GPU を含む）、意味付けの作業、運用の三つで決まります。同時利用人数とモデルの大きさで差が大きいため、概算は評価後にお出しします。
よくある質問
古い自社開発の生産管理でも後付けできますか。
データベースの参照や定期出力ができ、項目の意味を説明できる人がいれば可能です。設計資料がない場合は、意味付けの作業に時間がかかります。
基幹システムの動作が遅くなりませんか。
読み取り専用で、重い問い合わせは夜間の複製に対して行う設計にすれば、基幹への影響を抑えられます。事前に負荷の見積もりを行います。
ChatGPT のような外部サービスを使うのは問題ですか。
取引先情報や原価を外部に送れない場合は、社内設置のモデルが適します。外部サービスの利用可否は、自社のセキュリティ方針と契約条件で判断してください。
どのくらいの期間で試せますか。
環境とデータの状態によりますが、評価と読み取り専用の試験で、数週間が一つの目安です。データの意味付けの量で前後します。
AI が間違えた場合の責任はどうなりますか。
回答は根拠のデータとクエリを併記し、人が確認する前提で運用します。重要な判断や基幹への書き込みは、必ず人が承認します。
関連ガイド
TPiCS・生産革新 Wun に生成AIを追加する方法
中小製造業向け生産管理パッケージ TPiCS や生産革新 Wun に、データを社外に出さず生成AIで問い合わせと分析を足す方法を解説します。
GRANDIT / SAP Business OneGRANDIT と SAP Business One で始める生成AI活用
GRANDIT と SAP Business One を使う中堅・中小製造業が、データを社内に置いたまま生成AIで問い合わせと分析を行う方法を解説します。
図面・見積システム図面からの見積を生成AIで支援する方法
受注生産型の中小製造業が、図面から見積を作る作業を、過去の見積と生産管理のデータを使って支援する仕組みと限界を解説します。
生産管理・会計 (インボイス制度 / 電子帳簿保存法)インボイス制度・電子帳簿保存法への備えと生成AI
インボイス制度と電子帳簿保存法に、生産管理・購買・会計のデータをどう結び付けて備えるか。生成AIで確認作業を支援する方法も解説。
SAP ERP 6.0(ECC)/ SAP S/4HANASAP 2027年問題とAI:移行を急ぐ前に、社内の知識を読めるようにする
SAP ERP 6.0の保守終了(2027年問題)に向け、アドオン棚卸しや移行判断に生成AIをどう使うか。データを社外に出さない構成と注意点を解説。
ERP全般(オンプレミス生成AI)オンプレミス生成AIをERPにつなぐ:データを社内に置いたまま使う方法
ERPのデータを社外に出さずに生成AIを使うには。ローカルLLM、RAG、権限連携、承認フローまで、情報システム部門向けに構成と注意点を整理。