日本のAI基本計画は製造業に何を求めているか

日本の人工知能基本計画が製造業に求めているのは、AI を「まず使ってみて」、その結果と現場の暗黙知をデータとして残すことです。計画は罰則を伴う義務ではなく国の方針ですが、補助金や支援の向きを読むうえで、経営者も情報システム担当も現場の責任者も一度は本文に当たっておく価値があります。

以下は、内閣府が公開している令和8年（2026年）7月14日閣議決定の本文を、2026年10月14日に読んだ内容にもとづきます。計画は、AI 推進法（第18条第1項）に定める日本初の基本計画として2025年12月23日に閣議決定され、2026年7月に現行版へ改められました。今回は前の版との差分を読み比べていないので、「何が変わったか」は書きません。計画自身が、技術の動きが速いので当面は毎年変更すると述べています。

計画は何を「日本の勝ち筋」としているか

計画が重点に置くのは、産業や行政の現場で使う領域特化型の「バーティカル AI」と、現実の空間で機械や装置を動かす「フィジカル AI」です。順序も書かれています。先に導入が進むバーティカル AI が、暗黙知を含む各現場の経験や知識をデータとして集め、続くフィジカル AI がそのデータと AI の判断を機械や装置で実行する、という流れです。

製造業は、その名前が挙がっている分野の一つです。AI の導入と社会実装を進める分野として、食品産業や造船・舶用工業を始めとした製造業が並び、素材産業や造船業のように暗黙知が豊富な現場へのバーティカル AI の開発・実装と、その輸出の促進も具体策に入っています。

数字も添えられています。2026年6月24日の経済財政諮問会議などの資料として、AI の導入が進むと全要素生産性の上昇率が0.2ポイント上がる見込みと書かれ、バーティカル AI、フィジカル AI（特に AI ロボット）、その中核になる半導体への官民投資額は、2040年度までにそれぞれ23.1兆円、10.5兆円、68.0兆円を想定しています。これは政府の想定で、個々の工場に降りてくる金額ではありません。

経営の立場：支援の向きと、人材の見方

計画は、中堅・中小企業や地方部を含めて、ほとんどの国民が AI を日常的に使う社会を目指すと述べ、「まず使ってみる」という姿勢を広めるとしています。中堅・中小企業への具体策としては、「大規模成長投資補助金」や「デジタル化・AI 導入補助金」を始めとする AI 導入の支援、地域ごとの支援ネットワークの構築、伴走する支援機関の AI 支援レベルの底上げが挙がっています。経済産業省と内閣府は、中堅・中小企業の DX・AI 利活用の取組状況を可視化することにも取り組みます。

ここで気をつけたいのは、計画に補助金の名前が出ていることと、自社が補助金の対象になることは別だという点です。対象や条件は、各制度の公募要領で確かめるものです。計画から読み取れるのは、国が AI の導入を支援する方向を当面は続けそうだ、というところまでです（これは推測です）。

人材については、計画が五つの像を整理しています。全員が目指す「AI 適正活用人材」のほか、研究開発、ガバナンス、イノベーションの担い手があり、製造業の経営者にいちばん関係が深いのは「AI 実装人材」です。計画の脚注は、汎用の AI ソリューションではなく現場に適合したものを提供する人で、産業の現場と AI の双方を理解することが求められると説明しています。社内に置くか、外部の支援機関やベンダーに頼むかを問わず、現場の言葉が分かる人を確保できるかが問われます。

情報システムの立場：依存を避ける設計と、リスクの見方

計画の第2節は、AI の「戦略的自律性」を掲げ、特定の国や企業への過度な依存を避けるため、複数のモデルを統御しながら利用するなどして、継続的に運用できるようにするとしています。また、オープンソースやオープンウェイトのモデルを含む、信頼性の高い AI のエコシステムを作るとも書いています。国の話ですが、社内システムにもそのまま当てはまる考え方です。1社のモデルや API だけに業務を結びつけないこと、モデルを差し替えられる設計にしておくことが、ここでの実務になります（中国のオープンモデルは日本の製造業で使えるか）。

データの扱いでは、組織を越えたデータの共有を進める一方で、営業秘密などの機微情報が国外へ流出するリスクへの対応も含めて、データの安全性を確保するとしています。入力してよい情報を決める作業は、計画の側からも求められている方向です。

リスクの見方も具体的です。第3節は、エージェント型 AI の登場でリスクが複雑になったとして、不具合の連鎖による大規模障害、責任の所在の曖昧化、自律型のサイバー攻撃を挙げています。対応は三つに分けられています。制度を見直し続ける「制度による対応」、モデルの設計に制御を組み込む「技術による対応」、動向を把握して組織全体でリテラシーを上げる「組織管理による対応」です。企業の側でも、AI の出力を使う業務に、制度（社内規程）、技術（権限と記録）、組織（教育と点検）の三つを揃える見方は流用できます。

個別の規制や指針は、この計画とは別の文書です。AI 推進法の中身と、AI 事業者ガイドラインについては AI規制と製造業の実務 にまとめました。

現場の立場：暗黙知を、使いながらデータにする

計画の第1節に、現場に関わる一文があります。現場で AI をまず使うという経験を積み重ね、業務の改善効果を実感するとともに、暗黙知を含めたデータの精製と集積につなげる。AI の利活用と必要なデータの整備を、好循環にする、という趣旨です。

これを現場の言葉に直すと、ベテランが頭で判断している受入検査の基準や、不具合の原因を絞り込む手順を、AI を使う過程で言葉と記録に残していく、ということになります。AI の導入が先でも、データ整備が先でもなく、両方を同時に回すという順序です。不具合報告や作業日報から始める方法は、不具合報告と作業日報をデータに変える に書いています。

フィジカル AI は、計画では工場やインフラの管理、人との協働を実現する自律型ロボットなどの開発・導入として扱われ、国産のロボットメーカーやシステムインテグレーターの育成も施策に入っています。ただし、計画の文面から、中小製造業が近く手を動かす場面を読み取ることはできません。現場にとっての当面の仕事は、フィジカル AI の手前にあるバーティカル AI、つまり記録と判断の側のデータづくりだと読めます（これは推測です）。

人の責任についても触れておきます。計画の脚注は、AI のタスクの流れに人が直接関わる「Human in the loop」、実行は AI に任せて全体の設計と監視を人が担う「Human on the loop」、AI を道具として統制し人が主導権を握る「Human in the lead」という三つの考え方が議論されていると紹介しています。品質に関わる判断を AI に任せるとき、どの形で人が責任を持つのかを決めておく必要があります。

製造業の実務で決めておくこと

計画を読んだうえで、社内で決めておくとよいことを四つに絞ります。

1. 誰が「AI 実装人材」の役を担うかを決める。社内の担当者か、外部の支援機関かを問わず、現場と AI の両方を分かる窓口を一人置く。
2. AI を使った結果を、データとして残す場所を決める。使いっぱなしにせず、不具合報告や検査記録の形に戻す。
3. 1社のモデルや API に業務を縛らない。差し替えられる設計と、入力してはいけない情報の線引きを文書にする。
4. 補助金や支援策は、計画の文言ではなく各制度の公募要領で条件を確かめる。

計画は毎年改められる前提です。次の改訂が出たときに、この記事の「製造業の名前が挙がる箇所」「中堅・中小企業の支援策」「リスクの整理」の三か所を見比べれば、国の向きの変化をつかめます。