原価が増えているのに、どこで増えているか分からない
製造業の原価管理でよく起きる状況があります。月次の集計を見ると前月より原価率が上がっている。しかし何が原因かを追いかけると、担当者の感覚か月次報告書しか手がかりがない。
データは存在しています。発注書・日報・設備の稼働記録──どの現場にも何らかの記録が残っています。問題は、それがバラバラに存在していて、コストの動きとひも付けられていないことです。
AIを使った原価管理の実践は、この状況を変えます。散在するデータを集め、コストの傾向を素早く把握する。現場の人が「どこで増えているか」を確認できる状態を、現実的なステップで作ります。
製造現場の「原価データ」はどこにある
原価追跡に使えるデータは、多くの現場にすでに存在しています。
材料費のデータは発注書・納品書・仕入伝票にあります。品種・ロット・数量・単価が記録されているはずです。これをCSVやExcelに書き出せれば、「どの品種の材料費がいつ増えたか」を追いかけられます。
工数のデータは日報・工程記録・タイムカードにあります。「誰がどの工程を何時間担当したか」が残っていれば、工程別の人件費を算出できます。
設備費のデータは稼働ログ・修繕記録・電力使用量にあります。設備の稼働率と修繕コストを組み合わせると、「この設備のコストが全体に占める割合」が見えてきます。
多くの現場では、この3種類のデータが別々のシステムや紙帳票に分散しています。AIで分析できる状態にするために、まずこれらを1か所に集めることが出発点です。
AIで原価追跡を変える3つの切り口
原価管理へのAI活用には、大きく3つの切り口があります。
① 材料費の品種・ロット別追跡
仕入伝票のデータをAIに渡すと、「どの品種でいつ材料費が上がったか」を自動で集計します。月次の手作業集計を置き換えるだけでなく、異常な価格変動を素早く検出できます。「このロットだけ単価が高い」「この時期から材料費が増え始めた」という変化を、大量の伝票データの中からAIが見つけます。
② 工数の工程別見える化
日報データを集計すると、工程ごとの実際の所要時間が分かります。見積もりと実績のズレが大きい工程、工数が増えている時間帯の傾向──AIはこれらを素早く集計します。「どの工程が採算を圧迫しているか」を数字で示せるようになります。
③ 工程別原価の分解と比較
材料費・工数・設備費のデータを工程ごとに集約すると、工程別の原価が見えます。受注品種ごとの採算性、過去実績との比較、見積原価と実績のギャップ──これらを定期的に可視化することで、次の受注判断や工程改善の根拠が出てきます。
実践ステップ ── どう始めるか
STEP 1 データを1か所に集める
最初の作業は、3種類のデータをCSVやExcelに書き出して1か所に置くことです。全システムを統合する必要はありません。「この3か月分の材料費・日報・稼働記録」を集めるだけで始められます。
データの範囲を絞ることが重要です。最初から全品種・全期間を扱おうとすると、整理だけで終わります。特定の品種群、特定の工程、直近3か月──まずその範囲で試します。
STEP 2 AIで集計・傾向を把握する
集めたデータをAI（生成AIやPythonのデータ分析ツール）に読み込ませ、集計と傾向把握を行います。「月ごとの材料費の推移」「工程別の平均工数と変動」「高コストが集中している条件」──こうした集計を、AIが短時間で処理します。
人が手作業でクロス集計するには半日かかる作業が、AIなら数分で完了します。ここで注目するのは「傾向」です。AIが示すのはデータの相関関係であり、原因の仮説です。
STEP 3 現場知識と照合して対策を判断する
AIが示した傾向を、現場の知識と照合します。「この時期に材料費が増えているが、同時期に仕入先を変えたのではないか」「この工程の工数が増えているのは、担当者が交代した時期と重なる」──AIはデータの傾向を出しますが、原因の確定は現場知識を持つ人が行います。
この照合作業を通じて、コスト増加の原因候補が絞り込まれます。確定した原因に対して、仕入先交渉・工程改善・作業標準の見直しといった具体的な対策を検討できます。
AIが担う部分、人が判断する部分
AIは「大量のデータを処理して、コスト増加の傾向を素早く見つける」ことを担います。人が何時間もかける集計・クロス分析をAIが短時間で行う点が最大の価値です。
一方、「なぜそのコストが増えているのか」の工学的・経営的な判断は人が行います。仕入先の事情、現場の工数増加の背景、設備のコンディション──これらはデータだけでは分からず、現場知識が不可欠です。
AIが「どこを調べるか」を絞り込み、人が「なぜそうなのか」を確定する。この分業が、原価管理の精度を上げながら、現場担当者の作業量を減らします。
まず「データの現状確認」から始める
私たちは、現場にどんな原価データがどの形で存在するかを整理するところから始めます。「Excelで管理しているが、バラバラで使えていない」という状況が最も多く、何を集めれば分析できる状態になるかを一緒に確認します。
長野・岡谷の製造現場の実態に合わせて、製造業 AI 原価管理の切り口を明確にします。効果が見込めない──データの品質や量が分析に不十分な──場合には、その旨をはっきりお伝えします。どのステップから手をつければ現実的に進められるかを、現場の状況に合わせて整理します。