品質管理でのAI活用は、大きく4つの領域に分かれる。製品の画像から傷や異物を見つける「外観検査」、設備や工程のデータから変化を知らせる「異常検知」、検査基準書や不具合報告を探す「記録の検索」、ベテランの確かめ方をもとに初動の順番を示す「判断の材料づくり」である。前の2つは画像や数値を学習させる専用のAI、後の2つは文書を扱う生成AIの領域で、生成AIが力を発揮するのは、不具合の報告を受けてから判定・報告書づくりまでの場面である。良品か不良かの判定と出荷の可否は、どの領域でも人が決める。
本記事では、4つの領域の違いを整理したうえで、生成AIを品質管理に使うときの考え方、不具合の報告から72時間の役割分担、始め方と効果の測り方を、図とあわせて解説する。
「品質管理にAIを使う」といっても、何のデータを扱い、何を助けるかによって、選ぶ仕組みはまったく違う。まず全体像を押さえておく。
画像やセンサーデータを扱う専用のAI（外観検査、異常検知・予兆）と、文書や記録を扱う生成AI（記録・規格の検索、判断の材料づくり）の4つの領域を示した図。 画像・数値のデータを学習させる専用のAI 外観検査画像認識AI 製品の画像から、傷・打痕・異物を見つける 異常検知・予兆機械学習 センサーデータから、いつもと違う変化を知らせる 文書・記録を読み解く生成AI 記録・規格の検索RAG 基準書や不具合報告から、似た事例を探す 判断の材料づくり生成AI＋判断軸 ベテランの確かめ方から、初動の順番を示す 図1：品質管理でAIが使われる4つの領域
| 領域 | 扱うデータ | 得意なこと | 導入で準備するもの |
|---|---|---|---|
| 外観検査 | 製品の画像 | 傷・打痕・異物などを画像から見つける | 良品と不良品の画像、撮影の設備 |
| 異常検知・予兆 | 設備・工程のセンサーデータ | いつもと違う変化を早めに知らせる | 設備からデータを集める仕組み、正常時のデータ |
| 記録・規格の検索 | 検査基準書、不具合報告、手順書 | 似た不具合や該当する基準を探して示す | 登録する記録の選定と整理 |
| 判断の材料づくり | ベテランの確かめ方（判断軸）と記録 | 最初に確かめる順番と、根拠の記録を示す | ベテランへの聞き取り、記録の選定 |
外観検査と異常検知は、画像やセンサーの数値を学習させる専用のAIの領域で、カメラや設備との接続を含めた導入が必要になる。一方、記録の検索と判断の材料づくりは、すでにある文書を扱う生成AIの領域で、設備に手を入れずに始められる。以下では、後者の生成AIの使い方を中心に解説する。
品質保証の部門には、検査基準書、限度見本の判定記録、不具合報告と対策書、お客様への回答書の控え、監査の指摘記録など、判断の材料がすでにそろっている。問題は、必要なときにそれを探し出し、照らし合わせるのに時間がかかることだ。生成AIは、次のような場面でこの「探して照らし合わせる」作業を助ける。
| 場面 | AIが示すもの | 根拠にする記録 |
|---|---|---|
| 不具合の初動 | 最初に確かめる項目と順番、似た過去の事例 | 検査基準書、ロット管理の手順、不具合報告 |
| 判定に迷うとき | 該当する基準、同じ限度見本で過去に判定した例、相談先 | 限度見本の写真と判定記録 |
| 報告書の提出前 | 原因の掘り下げや再発防止の書き方の抜け | お客様への回答書の控え、差し戻された指摘 |
| 監査の準備 | 同じ指摘を受けそうな手順や記録 | 過去の監査の指摘と是正の記録 |
どの場面でも、AIが示すのは判断の材料と、その根拠となった記録までである。回答に記録の名前や番号が付いていれば、担当者は元の記録をたどって確かめられる。
品質の判断は、基準書に書かれた数字だけではそろわない。ベテランは、次の3つのものさしを無意識に使い分けている。
基準（数字で決めること）、限度見本（見て決めること）、経験（過去から決めること）の3つのものさしと、それぞれでAIが手伝うことを示した図。判定そのものは人が行う。 01 基準数字で決めること AIが手伝う：該当する検査基準書の章と数字 02 限度見本見て決めること AIが手伝う：同じ見本で過去に判定した例 03 経験過去から決めること AIが手伝う：似た不具合報告と、その原因・対策 判定・出荷の可否・お客様への回答は、人が決める 図2：品質の判断を支える3つのものさし
寸法、公差、検査の抜き取り数など、検査基準書に書かれている決まり。基準書を登録すれば、AIは該当する章と数字を示せる。
傷や打痕、色むらのように、見本と見比べて境目を決める判断。基準書には書かれていないため、限度見本の写真と過去の判定記録を登録しておくと、同じ見本で過去にどう判定したかを示せる。
似た不具合の原因、効いた対策、お客様とのやりとりの記憶。不具合報告と対策書を登録しておけば、似た事例とその原因・対策を示せる。ただし、ベテランが「報告を受けたら最初に何を確かめるか」という順番は記録に残っていないことが多いため、聞き取って言葉にする必要がある。
お客様から「打痕がある」と連絡が来た、という架空の例で、担当者が迷う場面ごとにAIが返すものと、人が決めることを並べる。
お客様から打痕の報告を受けた架空の例。0時間で最初に確かめる順番、24時間で良品か不良かの判定材料、72時間で報告書の抜けの確認をAIが示し、出荷を止めるか、良品か不良か、お客様への正式な回答は人が決める。 0h 問い：打痕の報告。最初に何を確かめる？ AI：限度見本と比べる → 同じロットの在庫と AI：出荷先 → 似た過去の事例 人：出荷を止めるか 24h 問い：寸法は基準内。でも打痕がある。不良？ AI：打痕は限度見本で判定する決まり。 AI：過去の判定例と、迷ったときの相談先 人：良品か、不良か 72h 場面：報告書を出す前に AI：過去に差し戻された書き方の抜け AI：（原因の掘り下げ、再発防止の期限） 人：お客様への正式な回答 図3：不具合の報告から72時間の、担当者の問いとAI・人の役割
最初の連絡を受けた時点では、AIが確かめる順番を示し、担当者は出荷を止めるかを判断する。現品と記録を突き合わせる段階では、打痕は寸法ではなく限度見本で判定する決まりであることと、過去の判定例を示し、良品か不良かは人が決める。報告書を出す前には、過去に差し戻された書き方の抜けを確かめ、お客様への正式な回答は責任者が決める。どの項目をどの順で返すかは、品質保証部門と相談して決めておく。
外観不良の初動など、くり返し起きて担当者が迷いやすいものを1つ選ぶ。使う担当者と、回答を確かめる責任者も決めておく。
検査基準書、限度見本の判定記録、不具合報告など、根拠にする記録を選ぶ。お客様の名前や、お客様から預かった図面など扱いに決まりがある情報は、参照してよい範囲と閲覧できる人を決めてから登録する。
不具合の報告を受けてから最初の1時間に何を確かめるか、どの記録を見るか、判定に迷ったときに誰に相談するかを聞き取る。過去の判定記録を使う場合は、結論だけでなく「なぜその判定にしたのか」も確かめる。
実際に判定に迷った過去の例でAIに相談し、示した順番と記録が合っているかをベテランが確かめる。違う事例を示したときは、記録の内容・判断軸・検索の範囲のどこがずれていたかを確かめて直す。回答の確かめ方は「RAG・AIチャットボットの回答精度が低い原因と改善方法」でも解説している。
次の数字を導入の前後で比べる。不具合の件数は月によって増減するため、始める前の数か月分を記録しておく。
良品か不良かの判定、出荷の可否、お客様への正式な回答は、品質保証の責任者など権限を持つ人が決める。安全や法令に関わる不具合は、最初からベテランや責任者に回す決まりにしておく。
回答書の控えや不具合報告には、お客様の名前や預かった図面が含まれることがある。登録する前に、参照してよい範囲と閲覧できる人を決める。使うサービスが、登録した資料や入力した内容をAIの学習に使わないかも確認しておく。
文書を扱う生成AIは、製品の画像から不良を見つけたり、設備のセンサーデータを監視したりする仕組みではない。検査工程そのものを自動化したい場合は、外観検査や異常検知の専用の仕組みを別に検討する。
chai+を実運用している業種のうち、食品・飲料では、製造工場でのトラブル対応や部品に関する質問にAIチャットボットを使い、400件の問い合わせのうち331件にAIが回答した（回答率83％）。詳しくは食品・飲料メーカーの事例で紹介している。
出典：chai+公開情報（業種別の実運用データ）。社内資料を検索して答えるRAG型チャットボットとしての数値で、本記事で紹介する品質保証向けのAIエキスパートの実績ではない。
品質保証・品質管理向けのAIエキスパートは、デフィデ株式会社が提供するchai+の活用方法の一つである。品質保証のエキスパートが、不具合の報告を受けたときに何をどの順で確かめるかという判断軸と、検査基準書や過去の不具合報告などの社内資料を登録し、担当者が初動や判定、報告書づくりの前に相談できるようにする。
判断軸をAIに反映する仕組みは「社内の判断基準を生成AIに反映するには？」で、AIエキスパート全体はAIエキスパートのページで紹介している。
品質管理でのAI活用は、外観検査・異常検知・記録の検索・判断の材料づくりの4つに分かれる。検査工程を自動化したいなら画像やセンサーを扱う専用のAI、不具合の初動や判定、報告書づくりにかかる時間を減らしたいなら文書を扱う生成AIが向いている。生成AIを使う場合は、基準・限度見本・経験の3つのものさしを意識して記録とベテランの確かめ方を登録し、判定は人が行う前提で、よく起きる不具合1つから始めるのが近道である。
chai+の機能と導入の流れは、資料ダウンロードページから確認できる。
A. 大きく4つあります。製品の画像から傷や異物を見つける外観検査、設備や工程のデータから変化を知らせる異常検知、検査基準書や不具合報告を探す記録の検索、ベテランの確かめ方をもとに初動の順番を示す判断の材料づくりです。前の2つは画像や数値を学習させる専用のAI、後の2つは文書を扱う生成AIの領域です。
A. 文書を扱う生成AIが示すのは、確認の順番、該当する基準、過去の判定例など判断の材料までです。良品か不良かの判定、出荷の可否、お客様への正式な回答は、品質保証の責任者など権限を持つ人が決めます。
A. 基準書に数字で書かれていることは確かめられますが、限度見本の境目の判断や、似た不具合が過去にどう扱われたかは、基準書だけではわかりません。限度見本の判定記録や不具合報告を登録し、ベテランが確かめる順番を言葉にして加えることで、初動で何から手をつければよいかを示せるようになります。
A. 検査基準書、限度見本の写真と判定の記録、不具合報告と対策書、ロット管理の手順、お客様への回答書の控え、監査の指摘記録などが候補です。お客様の名前や預かった図面など扱いに決まりがある情報は、参照してよい範囲と閲覧できる人を決めてから登録します。
A. 文書を扱う生成AIは、製品の画像から不良を見つける仕組みではありません。検査工程そのものを自動化したい場合は、外観検査の専用の仕組みを検討してください。生成AIは、不具合が見つかったあとの初動や判定、報告書づくりを助ける役割です。
A. お客様への最初の連絡までにかかった時間、報告書の差し戻しの回数、ベテランへの問い合わせの件数、AIの回答が示した記録と実際の記録との一致などを、導入の前後で比べます。不具合の件数は月によって増減するため、始める前の数か月分を記録しておきます。
［無料相談を申し込む ］
提供：デフィデ株式会社｜戦略AIコンサルティング