私は普段、ITエンジニアの立場から生産現場の改善に関わっています。
特に機械加工の現場が多く、その規模は複数の工場を抱える企業から数名の家族で切り盛りしている町工場まで様々です。
規模は違えど共通して言えることは、加工現場では業務内容やノウハウだけでなく自分自身のスキルでさえも感覚だけで捉えていることが多いということです。
これは加工者に限らず、事務処理の担当者や、現場を指揮する管理者の場合も同様です。
感覚を可視化・数値化することで人的リソースの最適化を図るため、生成AIを使ってみたことの記録です。
なぜ可視化・数値化に至ったのか
感覚と事実のギャップ
現場の改善にあたって、まず現状を把握するための調査から開始します。
通常ヒアリングをもとに業務フローを作っていくことが多いです。
このとき直面するのが、当人の感覚と事実のギャップの大きさです。
ここでいう事実とは、「この工程ではどんな作業をしているか」ですが、正確には動作単位までブレイクダウンした作業を指します。
当人が1つと認識して行なっている作業工程は、実際は非常に多くの作業の集まりです。
一例を挙げます。
注文受付スタッフに「あなたはここでどういう作業を行なっていますか？」と聞いて
「注文内容が正しいかチェックして、問題なければ受注しています」と返ってきたとします。
この「注文内容のチェック」がまるで1ステップの作業のように聞こえてしまいますが、実際は大変複雑です。
材料のチェックだけに絞っても、以下のような複数の判断をしています。
なお、これでもかなり簡略化して紹介しています。
事前チェック項目の1つでこれだけの判断が発生しているわけです。
現場でモノを作っている加工者は、完成までに極めて多くの判断を繰り返しながら作業をしています。
業務フロー作成の段階で、当人の認識する作業工程と第三者視点で見た事実に大きなギャップを感じることは珍しくありません。
これの何が問題かというと、1つだと認識されている作業はこれ以上改善の余地がないように思われてしまうことです。
感覚で捉えられている業務は、正しい現状把握を困難にし、改善を阻害する危険があります。
そうならないためにも、業務を自らの言葉で正しく把握しておくことは重要です。
言語化を活性化したい
このようなギャップは、事実より感覚を優先している現場でより多く生じます。
これは業務を言語化する機会が少ないことが原因の一つと考えられます。
あくまでも経験則ですが、自身のスキルを自発的に言葉で説明できる加工者はなかなかいません。
しかしスキルがないわけではなく、引き出せば出てくるのです。
「自分は（もしくは誰が）・どんな仕事を・どういうレベルで・どのくらいこなせるか」を表現する機会がそもそもないために「お互いになんとなくわかっている」という感覚で業務を進めている印象があります。
残念ながらこのような感覚を、改善効果の数値目標や、根拠としての実績値に使うことはできません。
現場を正しく把握し改善を続けていくためにも、業務・ノウハウ・スキルをきちんと言語化していきたい、その機会を増やすことで感覚頼りの業務設計から抜け出したいと考えました。
生成AIを活用する
とはいえ、現場の加工者一人一人に経験やスキルをヒアリングすることは現実的ではありません。
かといって画一的なヒアリングシートを配布しても表面的な情報しか拾い上げられないでしょう。
そこで、生成AIでエージェントを作ってヒアリングをしてもらうことにしました。
AIエージェントの目標
AIエージェントに設定する主な目標は以下の通りです。
- スキルの見える化
- 加工者スキルの数値化
- スキルマップの作成
利用場面
以下の場面で利用することを想定しています。
- 加工者自身がスキルアップを目指すために現在のスキルの棚卸しをしたい時
- 管理者が人員配置を最適化するために現場加工者のスキルを把握したい時
- 加工経験者の採用にあたって、事前チェックしたい時
成果物
GitHubにClaudeのSkills用Markdownファイルを格納しています。
機械加工スキル・ヒアリングアシスタント
注意点
- 現時点では検証段階である点にご注意ください
- Claude用に作成しているため、「Claude」のテキストは適宜「ChatGPT」や「生成AI」などに置き換えてください
- 現場の要望やフィードバックを受けて更新していく予定です