品質管理とAI：検査・記録・改善のどこに使うか

自社の「ユースケースと効果」の準備度は？10問・約3分で確かめる（無料・登録不要）

品質管理は、製造業に限らず、食品、建設、サービス業の点検など、多くの現場に関わる仕事です。検査員の目に頼る作業が多く、ベテランが引退すると判断の基準が受け継がれにくい、という悩みもよく聞きます。この記事では、品質管理のどこにAIを使うとよいか、始める前に何を整えるとよいかを整理します。

品質管理のどこにAIを使えますか？

品質管理の仕事は、大まかに「検査する」「記録する」「原因を調べて改善する」の流れで回っています。AIはそれぞれの段階で、次のように役立ちます。

検査の自動化は目立つ使い方ですが、実は「記録する」「改善する」の段階のほうが、生成AIで手軽に始められることが多くあります。たとえば、過去の不具合報告書をAIに読ませて、似た事例を探したり、原因の分類をそろえたりするだけでも、品質会議の準備の時間を短くできます。

経済産業省・厚生労働省・文部科学省が2026年5月にまとめた「2026年版ものづくり白書」の概要では、AI・デジタル技術の活用にあたって、知識・ノウハウや人材確保の難しさが課題とされています。また、製造業の能力開発・人材育成の問題点として「指導する人材が不足している」が62.8%で多く挙げられています。品質の判断基準を言葉や記録にしておくことは、AIの活用と技能の継承の両方の土台になります。

成果を左右するデータの質とは？

AIは、学んだデータや読ませた記録の範囲でしか判断できません。品質管理のデータで、次のような状態がよく見られます。

• 不良の呼び方が人や時期によって違う（「キズ」「傷」「スリ傷」が混ざっている）
• 良品の画像は多いが、不良の画像がほとんどない
• 点検表が紙のままで、日付や担当者が抜けている
• 判定の結果だけが残り、なぜそう判断したかが書かれていない

AIセーフティ・インスティテュート（AISI）は、AIを安心して使うために必要なデータの品質を、継続して確保するための考え方を「データ品質マネジメントガイドブック」にまとめています。ガイドブックでは、データの品質がAIの信頼性の基礎になるという位置づけが示されています。

品質管理の現場では、まず次の3つから整えると進めやすくなります。

① 不良の分類と呼び方を一覧にしてそろえる
② 記録に残す項目（日付・製品・工程・担当者・判定・理由）を決める
③ 紙の記録は、新しく記入する分からデジタルにする

人が最終判断する段取りはどう決めますか？

品質の判断を誤ると、お客様の安全や信頼に直結します。AI事業者ガイドラインでも、適切なタイミングで人間の判断を介在させる利用を検討することや、人がAIの判断を承認するときに自ら理由や根拠を考えることが挙げられています。

品質管理では、次のような段取りから始めると安心です。

1. AIは候補を挙げる役にする：AIが「不良の疑いあり」とした品物を、人が確かめて判定する
2. 見逃しと誤検出の両方を測る：不良を見逃した割合と、良品を不良とした割合の両方を記録し、どちらをどこまで許せるかを決める
3. 条件が変わったら見直す：材料、設備、照明、季節などが変わると、AIの判定がずれることがあります。定期的に人の判定と比べて確かめます

AIで検査の一部を補助できるようになっても、判定基準を決め、結果に責任を持つのは人です。この役割分担をはっきりさせておくと、現場も安心してAIを使えます。