OECD1位から19位へ転落：日本の製造業がAI・デジタル時代に競争力を失う構造的課題とマッキンゼーが提示する3つの要諦

はじめに：日本の製造業が直面する課題

日本の製造業は、長年にわたりGDP、雇用、輸出、研究開発などを支える日本経済の基盤でした。しかし、その「稼ぐ力」は近年低下傾向にあります。

2000年にはOECD38カ国中1位だった日本の製造業の労働生産性は、2022年には19位まで後退しました。また、2000年から2024年にかけて国内の総就業者数が約300万人増加する一方で、製造業従事者は約145万人、16%減少しています。

マッキンゼーが公開した最新インサイト「AI/デジタル時代のものづくり」

マッキンゼーは、日本の製造業がAI・デジタル技術を個別の実証実験（PoC）やツール導入に留めず、全社的な競争力向上につなげるための条件を分析したインサイト「AI/デジタル時代のものづくり」を公開しました。

本インサイトは、世界経済フォーラム（WEF）のグローバル・ライトハウス・ネットワーク（GLN）における先進企業の取り組みを分析し、日本企業がAI/デジタル変革を「試す」段階から「成果を出し続ける」段階へ引き上げるための具体策を整理しています。

本稿は、住川武人氏（シニアパートナー、東京オフィス）、鍵谷美宏氏（パートナー、東京オフィス）、山家洸氏（準パートナー、関西オフィス）、山川詠太郎氏（マネージャー、東京オフィス）が執筆しました。詳細については、「AI/デジタル時代のものづくり」をご覧ください。

世界の先進工場「ライトハウス」とは？日本との差

WEFは2018年から、AIやIoT、先進解析、デジタルツインなどを製造現場に展開し、生産性、サプライチェーンのレジリエンス、持続可能性などで卓越した成果を上げた拠点を「ライトハウス」として認定しています。ライトハウスは単なる最新設備やAIツールを導入した「スマート工場」ではなく、データ、業務プロセス、人材、組織、テクノロジーを一体で変革し、複数のAI・デジタルユースケースを横展開することで経営成果に繋げています。

グローバル・ライトハウス・ネットワークの拠点では、AI/デジタル活用によって平均で、労働生産性53%向上、加工原価26%削減、新製品導入リードタイム50%短縮、材料廃棄30%削減、エネルギー・水消費25%削減といった成果が確認されています。これは、世界の先進企業ではAI・デジタルが「実験」ではなく、すでに経営レバーとして活用されていることを示しています。

しかし、世界に238拠点あるライトハウスのうち、日本は3拠点に留まっています。

なぜ日本は「PoC止まり」から抜け出せないのか

日本企業においてもAIやデジタル技術の導入は進んでおり、需要予測、画像認識による品質検査、予知保全、生産計画の最適化など、さまざまなPoC（概念実証）が進められています。それでも、個々の取り組みが工場全体、事業全体、企業全体の変革につながらないケースが多く、マッキンゼーはこの背景に以下の構造的課題を指摘しています。

• AI・デジタルツールの導入そのものが目的化している

• 個別工場で成果が出ても、他拠点へ横展開されない

• IT部門主導となり、事業側が変革のオーナーになっていない

• 外部ベンダーへの依存によって、AI・デジタルの能力が社内に蓄積されにくい

• 工場や部門ごとにデータ、KPI、業務プロセスが異なり、成功モデルを複製できない

日本企業が強みとしてきた「カイゼン」は今後も重要ですが、AI・デジタル時代には、既存プロセスを部分的に効率化するだけでなく、データとAIを前提に業務や意思決定そのものを再設計することが求められます。

中国のライトハウス：Mideaの事例

ライトハウスの地域分布を見ると、中国に所在する拠点はネットワーク全体の40%超を占めています。

中国企業の特徴は、単発のAIツール導入ではなく、システムやデータの標準化、人材育成、組織改革まで含めた変革を長期的に進めている点です。代表例の一つであるMideaは、2012年以降、バリューチェーン全体のデジタル化、DXプラットフォームの構築を段階的に進め、AIを経営・現場の「意思決定」そのものに組み込む段階へと移行しています。Mideaの順徳工場では、AIやデジタルツインを研究開発から製造まで展開することで、単位生産原価24%低減、リードタイム41%短縮、研究開発リードタイム30%短縮、不良率51%低減といった成果を上げています。

AIはDXの「加速装置」であり、近道ではない

生成AIの急速な普及により、「これまでのDXを飛び越え、AIから変革を始めればよいのではないか」という期待も高まっています。しかし、本インサイトでは、AIはDXの代替ではなく、その上に成立する「加速装置」であると指摘しています。

業務プロセスの標準化、マスターデータの整備、データ接続、高品質な履歴データ、KPIの統一が行われていなければ、AIもPoCから先へ進みにくくなります。また、AIが生産計画、品質判定、保全判断、さらには設備やロボットの実行まで担うようになれば、どの判断をAIに委ね、どの判断に人が関与し、最終責任を誰が持つのかといった新たな問いが生まれます。特にフィジカルAIでは、誤作動が人身事故につながる可能性もあるため、安全性、責任分界、サイバーセキュリティ、ガバナンスの設計が重要になります。

日本の製造業が「パイロットの罠」を脱する3つの要諦

本インサイトでは、先進企業の共通項をもとに、日本企業がAI/デジタル変革を成果につなげるための3つの要諦を提示しています。

1. 事業価値から逆算して、変革対象を絞る
   AIのユースケースを無数に立ち上げるのではなく、企業業績や競争力に直結する20～30程度のコアプロセスに変革活動を集中します。財務KPIと業務KPIを結びつけながら、プロセスそのものを再設計することが求められます。
2. 「全社展開できる形」に組織・人材を再編する
   IT部門ではなく事業部門がオーナーシップを持ち、現場、IT、経営企画、データ・AI専門人材による横断チームを構築します。競争力の源泉となる領域については、外部活用と並行して計画的な内製化を進めることが重要です。
3. スケールと柔軟性を両立するテクノロジー基盤をつくる
   レガシーシステムの全面刷新を待つのではなく、API、クラウド、疎結合型アーキテクチャを活用し、短期的な成果を取り込みながら、中長期的にはデータ・システム基盤を標準化します。

「成功事例」から「横展開可能な企業資産」へ

AIは設備投資型の自動化と異なり、ソフトウェアとして複製しやすく、本来は複数拠点へ迅速に横展開できる可能性があります。しかし、工場ごとに設備名称、データ定義、KPI、標準作業、権限、業務フローが異なれば、ある工場で成功したAIモデルを別の工場へコピーしても、同じ成果は再現できません。

日本企業が「PoC止まり」を脱するためには、発想を「成功するAIユースケースをつくる」から「横展開可能な企業資産をつくる」へ転換する必要があります。コードだけでなく、データモデル、運用手順、教育コンテンツ、セキュリティ設定までを再利用可能な形に設計することが、AI時代のスケールの鍵となります。

主なポイント

• 日本の製造業の労働生産性順位は、2000年のOECD38カ国中1位から2022年には19位まで後退しました。

• 2000～2024年に、日本の製造業従事者は約145万人、16%減少しています。

• WEFのグローバル・ライトハウス・ネットワークは世界238拠点まで拡大する一方、日本国内は3拠点に留まっています。

• ライトハウス拠点では、平均で労働生産性+53%、加工原価-26%、新製品導入リードタイム-50%などの成果が見られます。

• 中国に所在する拠点はライトハウス全体の40%超を占めています。

• 日本企業ではツール導入の目的化、縦割り組織、ITベンダー依存、レガシーシステムなどが重なり、PoCから全社展開へ移行できないケースがあります。

• AIはDXを飛び越える近道ではなく、標準化された業務・データ基盤の上に成立する「加速装置」です。

• 成功の鍵は、①事業価値起点のコアプロセス再設計、②事業主導の組織・人材、③スケール可能なテクノロジー基盤の3つです。

• 今後は「AIの導入件数」ではなく、成果を他工場・他事業へ再現できる仕組みを構築できるかが競争力を左右するでしょう。

AI Workstyle Lab編集部コメント

今回のマッキンゼーのインサイトは、日本の製造業がAI時代に直面する根本的な課題を浮き彫りにしています。AIやデジタル技術の導入は進んでいるものの、「PoC止まり」という現象は、技術導入が目的化し、真の事業価値創出に繋がっていない現状を示唆します。企業がAIを単なるツールとしてではなく、経営戦略の中核に据え、全社的な視点でデータ基盤や組織体制を再構築することが、競争力回復への鍵となるでしょう。特に、成功事例を横展開可能な「企業資産」として捉え、組織全体で知見を共有・活用する仕組み作りが、今後のビジネス成長に不可欠と考えられます。

生成AI学習に取り残されないために…
ChatGPTなどの生成AIを使いこなして、仕事・収入・時間の安定につながるスキルを身につけませんか？

AI Workstyle LabのAIニュースをチェックしているあなたは、すでに一歩リードしている側です。あとは、 実務で使える生成AIスキルを身につければ、「知っている」から「成果を出せる」状態へ一気に飛べます。

PR｜生成AIスクール

🧠 実践型 生成AIスクール「スタートAI」

講師：栗須俊勝（AI総研）
30社以上にAI研修・業務効率化支援を提供。“大阪の生成AIハカセ”として企業DXを牽引しています。

• 日々の業務を30〜70％時短する、実務直結の生成AI活用法を体系的に学べる
• 副業・本業どちらにも活かせる、AI時代の「稼ぐためのスキルセット」を習得
• 文章・画像・資料作成など、仕事も趣味もラクになる汎用的なAIスキルが身につく

ニュースを読むだけで終わらせず、
「明日から成果が変わるAIスキル」を一緒に身につけましょう。

無料セミナーに今すぐ参加する 編集部レビューを見る