AIで解雇しない工場改革、シュナイダー流の生産性戦略を読み解く

解雇論に揺れるAI導入と製造現場の分岐点

AIは雇用を奪うのか、それとも働く人の能力を広げるのか。この問いは抽象論ではなく、すでに工場、供給網、顧客対応の設計問題になっています。フランス発のエネルギー管理・産業自動化大手Schneider Electricは、AIを人員削減の口実ではなく、現場の判断、保全、工程変更、在庫管理を支える道具として広げています。

重要なのは、同社が「AIを入れたから人を減らす」という単純な線を引いていない点です。むしろ研修、業務設計、現場データ、既存システムへの組み込みを重ね、AIが人の仕事を置き換える領域と、人の判断を強める領域を分けています。製造業でAI投資を考える企業にとって、この事例は技術導入というより、仕事の再設計の教材です。

シュナイダーが選んだ人を残すAI設計

AI Hubと現場課題から始める運用体制

Schneider Electricは2021年、初代チーフAIオフィサーを置き、グローバルAI Hubを設けました。発表資料では、この組織の目的を、社内外のAI案件を拡張可能にし、測定できる価値につなげることだと説明しています。ここで注目すべきなのは、AI部門が研究所として孤立しているのではなく、エネルギー管理、産業自動化、顧客支援、供給網といった事業部門に接続されている点です。

AI導入で失敗しやすい企業は、モデルの性能から議論を始めます。対照的にSchneider Electricの事例では、出発点は「現場の痛点」です。顧客からの問い合わせを分類する、製造ラインの歩留まりを上げる、配送遅延に備える、熟練技術者の暗黙知を保全に生かす。こうした課題が先にあり、AIはそれを解く手段として選ばれます。

この順序は、雇用への影響を考えるうえでも大きな意味を持ちます。目的が単なる人件費削減であれば、作業を細切れにして機械へ移すほど短期的な説明はしやすくなります。しかし目的が顧客対応品質、工程安定性、設備稼働率、サステナビリティを同時に高めることなら、人の判断をどこに残すかが設計の中心になります。

同社の2025年通期売上高は401億5200万ユーロで、オーガニック成長率は8.9％でした。産業、インフラ、データセンター需要の拡大を背景に成長する企業が、AIを「人員を減らして耐える技術」ではなく「複雑化する運用を支える技術」として扱っている点は見逃せません。成長局面のAI活用は、縮小局面の自動化と異なる組織設計を求めます。

研修と既存業務に埋め込む導入手順

Schneider ElectricのチーフAIオフィサー、Philippe Rambach氏は、AI変革の大半は技術そのものではなく、変更管理、研修、ソフトウェア導入だと説明しています。CDO Magazineのインタビューでは、14万人の従業員を対象にAI研修を義務化し、生産ラインの作業者も含めて理解をそろえる取り組みが紹介されています。

ここでいう研修は、単にプロンプトの書き方を教えるものではありません。AIができること、できないこと、結果を検証する必要性、精度が100％に届かない場面での使いどころを共有することです。科学技術の現場では、測定誤差やモデルの限界を理解しないまま道具を使うことが最も危険です。生成AIでも同じで、もっともらしい回答を出す能力と、産業システムとして信頼できる能力は別物です。

もう一つの特徴は、AIを「新しい別ツール」として配るのではなく、日常的に使うシステムへ埋め込む姿勢です。別画面を開いてAIに相談する仕組みは、導入直後こそ注目されても、忙しい現場では使われなくなりがちです。文書管理、顧客対応、保全、工程設計の既存フローの中にAIの機能を置くことで、働き方そのものに自然に入り込みます。

この設計は、解雇回避のための精神論ではありません。AIの価値を実際に出すための条件です。Mercerの2026年調査は、約1万2000人の経営幹部、人事責任者、投資家、従業員の回答をもとに、人とAIの組み合わせを前提に仕事を再設計する企業ほど競争優位を得やすいと示しています。投資家の72％が、人間とAIの能力を統合する企業に競争上の優位があると見ています。

供給網と工場で見えた生産性の実数

自己修復型サプライチェーンの効果

Schneider ElectricのAI活用で最も具体的な数字が見えるのは、顧客対応と供給網です。同社のAI活用ページによれば、顧客ケアセンターには年間約750万件の問い合わせチケットが届きます。従来は人が内容を読み、価格、製品範囲、接続サービスなどの問い合わせ種別へ振り分けていましたが、最初の分類をAIが担うようになりました。

ここでAIが奪っているのは、顧客と向き合う仕事そのものではありません。反復的で判断の軽い仕分け作業です。同社は、AIによって従業員が単調な作業から離れ、より価値の高い顧客関係の業務に時間を使えると説明しています。雇用を守るAI導入とは、人を残すだけでなく、人が担う仕事の密度を変えることでもあります。

供給網では、適応型機械学習、ビッグデータ、IoTを使う「自己修復型」プラットフォームが成果を出しています。同社は、在庫日数を6日短縮し、全体在庫を10％減らし、一部製造ラインで平均15％の歩留まり改善を得たとしています。さらに、1億ユーロ超の価値創出と3000万ユーロの生産性改善も示されています。

この数字が示すのは、AIの価値が単一工程の省人化だけに閉じないということです。需要予測、在庫、製造スケジュール、物流、顧客納期がつながると、現場の人員を減らさずとも、同じ人数でより少ない滞留、より高い納期信頼性、より低い欠品リスクを実現できます。生産性とは「人を削る力」だけではなく、システム全体の摩擦を減らす力でもあります。

Gartnerは2025年のGlobal Supply Chain Top 25で、Schneider Electricを3年連続の首位に置きました。評価の中では、従業員から出るAI活用のアイデアと、供給網リーダーによる優先順位付けが、顧客、売上、生産性の改善へ結びついている点が取り上げられています。ここでも中心にあるのは、現場から問題を集め、経営側が投資順を決め、使える形にして戻す循環です。

2026年4月には、MicrosoftのAzure AIと組み合わせた産業向けコパイロットの成果も発表されました。制御設定や文書作成などのエンジニアリング作業で最大50％の時間短縮が報告され、以前は数週間かかった生産ライン変更が数時間で完了する例も示されています。これは熟練エンジニアを不要にするというより、変更の検証、文書化、再利用を速める仕組みです。

ライトハウス工場に広がる技能更新

AIの効果は、単なるコスト低下だけでは測れません。世界経済フォーラムのGlobal Lighthouse Networkは、先進的な製造拠点を、生産性、供給網の強靱性、顧客中心性、サステナビリティ、人材の観点で評価しています。2026年の発表では、220超のライトハウス拠点の知見をもとに、AIを生産と価値連鎖に組み込み、パイロットから全社展開へ進む重要性が強調されました。

Schneider Electricの武漢拠点は、人材面のライトハウスとして紹介されています。同拠点では自動化が55％増え、製品ポートフォリオは239％拡大しました。一方で、当初は自動化スキルを持つ従業員が20％にとどまり、オンボーディングに75日かかり、技術者の離職率は48％に達していました。

そこで同拠点は、学校と共同設計したデジタル実習、AIによる個別最適化されたリスキリング、生成AIで補強した保全業務を導入しました。結果として、オンボーディングは15日に短縮され、従業員の56％がスキルを更新し、技術者の離職率は5年間で42％低下しました。AI導入が人材不足を深刻化させるだけでなく、訓練期間を短縮し、定着率を高める可能性を示す事例です。

サステナビリティ面でも、AIは人員削減とは別の価値を生みます。米ケンタッキー州レキシントンのスマート工場は、IoT接続、電力メーター、予測分析を使い、エネルギー使用量を26％、二酸化炭素排出量を30％、水使用量を20％削減したと発表されています。中国無錫のキャンパスでは、AIによるエコデザイン、サプライヤーとのCO2追跡、機械学習によるエネルギー最適化により、Scope 1・2排出を90％、Scope 3排出を65％、水使用を15％減らしたと世界経済フォーラムが示しています。

これらの成果は、AIを「雇用か効率か」という二者択一で見る限界を示します。製造業の競争力は、工程の速さだけでなく、品質、エネルギー、技能継承、納期、規制対応の総合力で決まります。AIがそれらを同時に支えるなら、人の仕事は消えるだけでなく、監督、改善、教育、例外処理へ移ります。

AI解雇を避ける企業統治の落とし穴

ただし、Schneider Electricの事例を「AIは雇用に悪影響を与えない」と一般化するのは危険です。IMFは、世界の雇用の約40％がAIにさらされ、先進国では約60％に達すると分析しています。露出した仕事の半分はAIで生産性を高める可能性がありますが、残り半分では労働需要の低下や採用減につながるおそれがあります。

国際労働機関の2025年更新版も、世界の労働者の4人に1人が生成AIに何らかの形でさらされる職種にいると示しました。ただし、人間の入力が引き続き必要なため、多くの仕事は消滅より変容に向かうとしています。ここで重要なのは、変容が自動的に良い結果を生むわけではないことです。教育、労使対話、評価制度がなければ、AIは一部の熟練者だけを強化し、ほかの従業員を周辺化します。

世界経済フォーラムのFuture of Jobs Report 2025は、2030年までに1億7000万の新しい仕事が生まれる一方、9200万の仕事が置き換わり、差し引き7800万の純増になると予測しています。同時に、仕事で求められるスキルの約40％が変わり、雇用主の63％がスキルギャップを変革の主要な障壁として挙げています。AI時代の雇用問題は、仕事の数だけでなく、移れる技能を誰にどう渡すかの問題です。

Gartnerは2026年の人事トレンドで、AI投資の期待を理由に人員削減を急ぐ企業がある一方、2025年上半期のレイオフのうち、AIによる生産性向上が直接理由だったものは1％にとどまると指摘しました。これは、AIで削減できるという経営ストーリーが、実際の生産性改善に先行している可能性を示します。先に人を減らし、後からAIで補う発想は、現場知識の喪失、再雇用コスト、品質低下を招きます。

OECDの調査も、製造業と金融業の労使はAIの性能や労働条件への効果をおおむね前向きに見ている一方、雇用喪失への懸念は監視すべき課題だとしています。さらに、研修と従業員への相談が、より良い労働者側の結果に結びつくと整理しています。つまり、AI解雇を避ける鍵は、技術選定ではなく企業統治です。どの業務を自動化し、どの判断を人に残し、浮いた時間をどの仕事へ移すのかを、経営が明示する必要があります。

経営者がAI投資で確認すべき三条件

Schneider Electricの事例から、AIを解雇の装置にしないための条件は三つに整理できます。第一に、AI案件を業務課題から始めることです。モデルの新しさではなく、在庫、保全、顧客対応、技能継承、エネルギー効率という現場の制約から逆算する必要があります。

第二に、研修と業務設計をAI予算の中心に置くことです。生成AIを導入しても、従業員が精度の限界を理解せず、日常システムから切り離されたままなら、効果は一部の試験利用で止まります。AIを使う人、AIの出力を検証する人、AIで空いた時間を新しい仕事へ移す人を同時に設計することが欠かせません。

第三に、成果指標を人員削減だけにしないことです。納期、歩留まり、在庫、オンボーディング日数、離職率、エネルギー使用量、顧客満足度を並べて見ると、AIの価値はより立体的になります。AI時代の経営者が問うべきなのは「何人減らせるか」ではなく、「人と機械を組み合わせて、どの能力を増やすか」です。

参考資料:

AIで解雇しない工場改革、シュナイダー流の生産性戦略を読み解く

解雇論に揺れるAI導入と製造現場の分岐点

シュナイダーが選んだ人を残すAI設計

AI Hubと現場課題から始める運用体制

研修と既存業務に埋め込む導入手順

供給網と工場で見えた生産性の実数

自己修復型サプライチェーンの効果

ライトハウス工場に広がる技能更新

AI解雇を避ける企業統治の落とし穴

経営者がAI投資で確認すべき三条件

関連記事

中国ロボット導入が映す昆山工場労働者の再就職難と技能格差の深層

ジャグド・インテリジェンスが変えるAI能力論と雇用論点の再整理

AI訓練バブルが揺らす米ホワイトカラー雇用と専門職ギグ市場の行方

AI経済効果を測れない米雇用統計と企業調査・生産性指標の盲点

AI社員が職場を変える生産性神話と隠れた副作用の最新深層分析

最新ニュース

アルツハイマー病血液検査が拓く早期診断と発症予測の臨床最前線

米住宅危機が老後資金を直撃し退職不安を広げる米国資産格差の構図

NY州データセンター停止令が問うAI投資と電力政治の歴史的転換点

米EV後退が揺らすデトロイト自動車産業と中国EVの低価格戦略

米国人口減少が早まる理由と社会保障危機を左右する移民政策の行方