工場DXを現場に届かせる方法｜スマートグラスと図面AIの実装例から見る3つの条件
工場のDX（デジタル技術で仕事のやり方そのものを変えること）は、事務所の業務からデジタル化が進み、現場の作業には届かないまま止まることがあります。この記事は、複数の地方拠点で同じ工程を持つメーカーの、生産技術・現場のDX推進担当の方に向けて書いています。大手メーカーの試作工程で稼働しているスマートグラス支援を軸に、実装例から見えた「現場に届く条件」と、1拠点の実証を全社展開につなげる進め方を解説します。
大手メーカーの試作工程で稼働している実装例
スマートグラス×AIピッキング支援（トヨタ自動車・ユニット試作工程）
トヨタ自動車のユニット（トランスミッション等）試作工程では、Quarkが開発したARピッキング支援の導入が2026年5月から始まっています。XRグラス「MiRZA」（NTTコノキューデバイス製・約125g）と画像認識AIを組み合わせ、取るべき部品の位置を視界に表示し、棚と部品の品番を照合する仕組みです。
現場の担当者からは次のコメントが公開されています。
このソリューションを活用することで、該当部分の場所マッピングにより迷いがなくなるのと、部品棚との品番照合で取出しミスがなくなり作業品質向上が見込めるところがポイントです。（トヨタ自動車 ユニット試作工程ご担当者・プレスリリースより）
作業者は手を止めず、視線を外さずに情報を受け取れます。両手がふさがる作業の場で使える形にしたことが、導入に至った理由です。試作工程という限定した範囲から始め、他工程への展開を見据えた進め方をとっています。
参考：同じ考え方を図面業務に適用した例
同じ「人の頭の中にあった作業をAIに任せる」考え方は、図面の解釈にも適用できます。2次元の図面データをAIが読み取り、3次元モデルを自動生成する仕組みを製造現場に実装した検証では、外注費を約40%削減する結果が出ました。
図面業務は多くの製造拠点に共通してあるため、1工程で成立すれば同じ仕組みを他拠点へ展開でき、削減効果は拠点数に応じて積み上がります。工程単位で成立するかを先に確かめ、それから拠点展開を判断する。この順序の実例として参照できます（1現場あたりでは手戻り工数を年間約100万円相当削減。愛媛県「TRY ANGLE EHIME」実装報告・2026年4月）。
この2例に共通する、現場に届く3つの条件
事務所の業務と違い、現場の作業は判断が人に紐づいています。上の2例が現場で使われたのは、次の3つを満たしていたからです。
条件 | 意味すること | 満たさないとどうなるか |
作業の場で使えるか | 手を止めず、視線を外さずに情報を受け取れる形になっているか | 事務所に戻らないと使えず、結局使われない |
判断の手順を説明できるか | 完全でなくてよいので、判断のルールを人が言葉で説明できるか | AIも人も再現できず、属人化が続く |
小さく試せるか | 1工程・1拠点から始め、数値を取ってから広げられるか | 全社導入の稟議で止まり、何も始まらない |
逆に、1つでも欠けている業務を最初の対象に選ぶと、途中で止まりやすくなります。タブレットの画面を見に行く必要がある仕組みや、判断基準が誰にも説明できない業務は、最初の一手には向きません。
なお、現場の人手は減り続けています。2026年版ものづくり白書によると、製造業の就業者数は2024年の1,046万人から2025年は1,033万人へ減少し、若年就業者が減って高齢就業者が増える構造も示されています。最も人手が足りない場所に技術が届かないまま時間が過ぎている、というのが多くの工場の現状です。
1拠点の実証を、全社展開の判断材料にする
複数の拠点を持つ企業の場合、1つの工程で効果が確認できた時点が出発点になります。現場で集まったデータは、次の段階の資産になります。
横展開：同じ仕組みを別工程・別部門・他拠点へ広げる。1拠点で取れた数値が、全社展開の投資判断の根拠になります
データ基盤へ接続：作業実績や検査結果を蓄積し、トレーサビリティや生産管理システム（MES）、基幹システムとの連携につなげる
フィジカルAIへ：現場で集めたデータを使い、判断や制御をAIが担う領域へ広げる
最初の1工程を選ぶときに「その先の展開に使えるデータが取れるか」「本社の生産技術部門が評価できる指標か」まで見ておくと、次の段階に進みやすくなります。
進め方と費用の目安
大規模な工場ほど、いきなり全社に入れる判断はできません。1工程で数値を取り、それを拠点展開の判断材料にする順序が現実的です。
第1段階：1工程の実証。費用の目安は300万〜800万円程度で、部門予算の範囲で始められます。ここで測るのは効果そのものより「自社の工程で成立するか」です
第2段階：他拠点・他工程への展開。第1段階の数値をもとに、本社を含めた投資判断に上げます
第3段階：データ基盤との接続。MES・基幹システムとの連携設計に入ります
第4段階：フィジカルAIへ。蓄積した現場データをもとに、判断や制御をAIが担う領域へ広げます。ここまで来ると単発の導入ではなく、継続的な開発の伴走に変わります
成果指標は第1段階の前に決めます。削減工数・エラー率・処理時間など、本社の生産技術部門が評価できる形にしておくと、第2段階の判断が速くなります。
相談の前に、次の3点を手元に用意しておくと話が早く進みます。
対象にしたい工程（1つでかまいません）
その工程の現状の手順と、使っている書類・データ
実証で確認したいこと（時間・ミス率・品質など）
よくある質問
Q. 何から着手すべきですか？
3条件を満たす業務から選びます。部品のピッキング、図面の解釈、検査の判定などが該当しやすい領域です。他拠点にも同じ業務があるものを選ぶと、展開の判断がしやすくなります。
Q. 検査の判定や技能伝承にも使えますか？
使えます。ただし「不良か否か」の判断基準をどこまで言葉にできるかで難易度が変わります。基準が数値化されている検査から始め、感覚に依存する判定は後の段階に回すのが現実的です。
Q. 既存の生産管理システムとの連携は必要ですか？
実証段階では既存システムと切り離した最小構成で始められます。MESや基幹システムとの連携設計は、実証の結果を踏まえて第3段階で検討します。
まずは1工程の実証から
工場DXが現場に届かないのは、担当者の熱意ではなく、着手する業務の選び方の問題です。ピッキング支援や図面の3次元化のように、現場で既に稼働している形から始めるのが近道です。
複数拠点への展開やデータ基盤との連携、その先のフィジカルAIについては、別記事「現場AIエージェント完全ガイド」で解説しています。
執筆：株式会社Quark 編集部／監修：風間健人（株式会社Quark 代表取締役CEO）
出典：2026年版ものづくり白書 概要（経済産業省・厚生労働省・文部科学省）／TRY ANGLE EHIME実装報告（2026年4月）／株式会社Quark「AR Picking DX」導入リリース（2026年8月）
