ROI事件ファイル No.440『二日間の沈黙が生む行列』
二日間の沈黙が生む行列
第一章：作り終わる頃には次が来る
「一つの製品を作るために、まず資料を作る。その資料作成に、平均二日かかるのです」
TechNova社の製造部長は、分厚いファイルを三冊、テーブルの上に並べた。一冊目は「作業標準書」、二冊目は「手順書」、三冊目は「品質チェックシート」。いずれも製品ごとに異なる内容が記されている。
「当社は精密金属加工の専門メーカーです。年間売上は約32億円。特徴は、多品種少量生産——年間の製品種類は約800品目。そのうち、同じ製品を二回以上連続で製造するケースは全体の15%に過ぎません」
製造部長がファイルの一冊を開いた。12ページの作業標準書だ。加工手順、使用工具、品質基準、安全注意事項が細かく記されている。
「800品目のそれぞれに、この作業標準書と手順書が必要です。ページ数は製品の複雑さによって5ページから30ページまで幅がある。新規製品の場合はゼロから作成し、リピート品でも前回からの変更点を反映して改訂します」
「年間の資料作成量は」と私は尋ねた。
「新規作成が約320件、改訂が約480件。合計で年間約800件です。一件あたりの平均作成時間が約16時間——二営業日。年間では約12,800時間。これを製造技術課の7名で分担しています」
「一人あたり年間約1,830時間」とClaudeが計算した。「年間の総労働時間が約2,000時間ですから、業務時間の実に91%が資料作成に費やされている」
「ええ。本来、製造技術課の仕事は、加工条件の最適化や工程改善、品質向上の施策立案です。しかし現実には、資料作成に追われて、改善活動に充てる時間がほとんどありません」
「そして」と製造部長の声が重くなった。「資料の作成が間に合わないと、製造ラインが待機状態になる。作業標準書がなければ、作業者は加工を始められません。月に平均4回、資料の完成待ちでラインが半日止まっています。一回の停止で約120万円の機会損失。月間で約480万円、年間で約5,800万円です」
「生成AIを活用した資料作成の効率化を検討している、と」とGeminiが確認した。
「はい。しかし、800品目の資料は、それぞれ内容が異なります。テンプレートを用意するにも、多品種すぎて標準化が難しい。AIに何を入力すれば、正確な作業標準書が出力されるのか——その設計が見えないのです」
それは、AIの問題でも資料作成の問題でもなかった。多品種少量という環境の中で、800品目の資料に潜む「共通構造」を見つけ出し、標準化の糸口を掴む必要がある案件だった。
第二章：記録し、確認し、動く
「AIに何を入力するかを設計する前に、現在の資料作成プロセスを解剖しましょう」
Geminiがホワイトボードに三つの大きな文字を書いた。R、C、D。Record、Check、Do——RCDモデルだ。
「RCDモデルとは」と私は説明を始めた。「業務改善を、三つの段階で進めるフレームワークです。Record——現状を徹底的に記録する。Check——記録したデータを分析し、課題とパターンを確認する。Do——分析結果に基づいて具体的な施策を実行する。PDCAと似て見えますが、RCDはPlanを排除しています。計画から入るのではなく、まず記録から入る。記録が先、計画は後。これが、現場の実態を正確に把握するための鉄則です」
「資料作成の改善に、なぜ記録から始めるのですか」と製造部長が尋ねた。
「なぜなら」とClaudeが答えた。「800品目の資料が『それぞれ違う』というのは、現場の感覚です。しかし、本当に800通りの全く異なる資料なのか。記録を取って分析すれば、共通する構造やパターンが見えてくるかもしれない。感覚ではなくデータで確認することが、改善の出発点です」
[Record：現状を記録する]
「第一段階、Record——まず、資料作成の実態を記録します」と私が説明した。
「具体的に、何を記録するのですか」と製造部長が尋ねた。
「三つのデータを、二週間かけて収集してください」とGeminiが提案した。「一つ目——作成時間の内訳。16時間のうち、情報収集に何時間、文書の骨格作成に何時間、詳細記述に何時間、図面・写真の挿入に何時間、校正・承認に何時間かかっているか。作業者に、30分単位でタイムログを付けてもらいます」
「二つ目」とClaudeが続けた。「過去一年間に作成された800件の資料から、ランダムに50件を抽出し、構造を比較してください。目次構成、章立て、記載項目、ページ数——これらが製品カテゴリーごとにどの程度共通しているかを調べます」
「三つ目」と私が加えた。「資料作成の際に、作成者が参照している情報源のリスト。過去の類似製品の資料、設計図面、加工条件データベース、品質基準書——何を見て、何を転記し、何を新たに書いているか。この情報の流れを記録します」
「二週間、記録を取るだけで、改善は進まないのでは」と製造部長が焦りを見せた。
「記録こそが最初の改善です」と私は答えた。「多くの組織が、現状を正確に把握しないまま解決策に飛びつく。AIツールを導入しても、何をAIに任せるべきかが分からないから、効果が出ない。二週間の記録が、その後の数ヶ月を加速させます」
[Check：パターンを確認する]
「第二段階、Check——収集したデータを分析し、パターンを確認します」とClaudeが説明した。
「まず、タイムログの分析から」とGeminiが進めた。「16時間の内訳が分かれば、最もインパクトの大きい改善ポイントが特定できます」
製造部長が、過去に試しに計測した概算データを共有した。「大まかな感覚ですが——情報収集に約4時間、骨格作成に約2時間、詳細記述に約6時間、図面・写真の挿入に約2時間、校正・承認に約2時間です」
「詳細記述の6時間が最大です」と私が指摘した。「この6時間の中身をさらに分解する必要がありますが、まずは仮説を立てましょう。多品種少量とはいえ、精密金属加工には共通する工程——切削、研削、穴あけ、表面処理——があるはずです。これらの工程ごとの記述は、製品が変わっても大きくは変わらないのではありませんか」
製造部長が目を見開いた。「確かに——加工工程の基本記述は、製品が違っても七割方は同じです。変わるのは、寸法公差、使用工具の型番、加工速度の設定値といったパラメータ部分です」
「そこが発見です」とClaudeが強調した。「800品目の資料は、800通りに『全て違う』のではない。共通する骨格構造の上に、製品固有のパラメータが載っている。記録を取って確認すれば、この構造が数字として裏付けられるはずです」
「50件の構造比較でも」とGeminiが予測した。「おそらく、資料の構成要素の60〜70%は製品カテゴリー内で共通していることが確認できるでしょう。この共通部分こそが、AIテンプレートの骨格になります」
[Do：記録と確認に基づいて実行する]
「第三段階、Do——分析結果に基づいて、具体的な施策を実行します」と私が説明した。
「Checkの段階で『資料の七割が共通構造』と確認できたとすれば」とClaudeが設計を始めた。「AIの活用方法は明確です。製品カテゴリーごとに、共通構造のテンプレートをAIに学習させる。作成者は、製品固有のパラメータ——寸法、工具型番、加工条件——だけを入力する。AIが共通構造にパラメータを埋め込み、作業標準書のドラフトを自動生成する」
「16時間の内訳で言えば」とGeminiが計算した。「情報収集4時間は、加工条件データベースとの自動連携で2時間に短縮。骨格作成2時間は、テンプレート自動生成で0.5時間に。詳細記述6時間は、共通部分の自動記述とパラメータ差し込みで2時間に。合計で16時間が約6.5時間——約60%の削減が見込めます」
「ただし」と私が念を押した。「これは仮説です。Record段階のデータで仮説を検証してから、実装に進んでください。記録なき実行は、また感覚に戻ることを意味します」
第三章：記録が設計図になる
製造部長は、RCDの三段階が描かれたホワイトボードを見つめていた。
「800品目が全て違うと思い込んでいました。しかし、記録を取って確認すれば、共通構造が見えてくる。その共通構造がAIのテンプレートになる——この順番が重要なのですね」
「RCDモデルの本質は」と私が応じた。「記録という事実を起点にすることです。多くの改善プロジェクトが、現場の感覚や経営層の仮説を起点にPlanを立てる。しかし、感覚は往々にして偏っている。『800品目が全て違う』という感覚が、記録によって『七割は共通構造』と覆されるかもしれない。逆に、『AIで簡単に自動化できる』という楽観も、記録によって『パラメータの例外パターンが想定以上に多い』と覆されるかもしれない。どちらの場合でも、記録が正しい判断を導きます」
「実装のステップとしては」とClaudeが提案した。「まず二週間のRecord。次に一週間のCheck——データ分析と仮説検証。その結果を持って、まず最も生産頻度の高い製品カテゴリー一つを対象に、AIテンプレートのプロトタイプを構築してください。三件の資料作成で試用し、従来の手作業との品質差と時間差を計測する」
「パイロットの三件で効果が確認できたら」とGeminiが付け加えた。「同じカテゴリー内の全製品に展開し、三ヶ月間の実績データを蓄積する。そのデータを持って、次のカテゴリーのテンプレート設計に進む。一つのカテゴリーで得たRecordが、次のカテゴリーのCheckを加速させる——この連鎖がRCDの力です」
「そして」と私が強調した。「AIが生成したドラフトを、作成者がどの箇所をどう修正したか——その修正記録を必ず蓄積してください。この修正記録こそが、AIテンプレートの精度を向上させる最良の学習データです。RCDのRecordは、最初の二週間で終わるものではありません。業務の中に記録の仕組みを埋め込み、改善のサイクルを永続的に回し続けるのです」
製造部長が立ち上がり、深く頭を下げた。「ありがとうございます。明日から、まず七名全員にタイムログの記録を開始してもらいます」
第四章：行列が消えた製造ライン
彼が去った後、Claudeが言った。「RCDモデルは、PDCAからPlanを外した形ですが、その意味は大きいですね」
「ああ」と私は答えた。「Planを外したのは、計画を軽視しているからではない。計画の前に記録を置くことで、計画の精度を上げるためだ。多くの改善プロジェクトが失敗するのは、現状を正確に把握しないまま解決策を計画するからだ。『AIを導入しよう』という計画は、現状の記録なしには、どこに適用すべきかも、どれだけの効果が見込めるかも分からない。Record——記録が全ての起点であり、全ての改善の品質を決める」
Geminiが付け加えた。「そして、RCDの三段階は一巡で終わりではない。Doの結果を再びRecordし、新たなCheckを行い、次のDoに進む。この螺旋構造が、改善を一回限りのイベントではなく、組織に定着する習慣に変える。記録し続けること自体が、再現性の基盤なのです」
窓の外では、工場の搬入口にフォークリフトが静かに列を成していた。
五ヶ月後、TechNova社から報告が届いた。
二週間のRecord段階で、驚くべきデータが得られた。50件の資料構造を比較した結果、同一製品カテゴリー内での記載項目の共通率は平均73%。製造部長の「七割は同じ」という直感が、数字で裏付けられたのだ。さらに、タイムログの分析から、詳細記述6時間のうち4.1時間は共通構造部分の記述——つまり、毎回ほぼ同じ内容を書き直していることが判明した。
この記録を基に、最も生産頻度の高い「精密切削加工品」カテゴリーのAIテンプレートを構築。製品固有のパラメータ（寸法、材質、加工条件）を入力すると、作業標準書のドラフトが自動生成される仕組みだ。
パイロット三件の結果——資料作成時間は平均16時間から5.8時間に短縮。作成者による修正箇所は全体の約12%に留まり、品質基準も従来と同等を確認した。
五ヶ月間で、三つの製品カテゴリーへの展開を完了。対象品目は全800品目の約45%をカバーし、資料作成待ちによるライン停止は月間平均4回からゼロに——この五ヶ月間、一度も発生していないという。
製造技術課の7名は、資料作成から解放された時間を、本来の業務——加工条件の最適化と工程改善——に充て始めた。ある技術者は、長年気になっていた表面処理工程のサイクルタイム短縮に取り組み、工程時間を8%削減する改善を実現した。
製造部長は報告書の末尾にこう記していた。「RCDの『R』を、業務に組み込んだことが最大の変化です。AIが生成したドラフトに対する修正内容を全件記録し、月次でCheckしています。先月のCheckで、ある工具型番の記述パターンに改善の余地が見つかり、テンプレートを更新しました。この記録→確認→実行のサイクルが回り続ける限り、テンプレートの精度は上がり続けます。七名のメンバーが口を揃えて言うのは、『記録するのが習慣になったら、改善のネタが尽きない』ということです」
二日間の沈黙——資料の完成を待つ製造ラインの静寂——は消えた。その代わりに、記録という静かな習慣が、改善の連鎖を生み続けていた。
「改善の起点は、計画ではなく記録にある。RCDモデルが示すのは、Record——まず現状を記録し、Check——記録を分析してパターンを見つけ、Do——パターンに基づいて実行するという、事実起点の改善サイクルだ。感覚が『全て違う』と言う時、記録は『七割が共通している』と教えてくれるかもしれない。その発見が、改善の方向を根本から変える。そして、RCDの真の力は、Doの結果を再びRecordすることで生まれる。記録し、確認し、実行し、また記録する。この螺旋を回し続けることで、一回限りの改善は組織の習慣になり、習慣は再現性になる」
関連ファイル
