# 製造業AI化の壁は「暗黙知」にあり？最新特許動向から見えた日本の勝機 - 出典: fture-scope（https://future-scope.net/） - URL: https://future-scope.net/2026/08/28/%e8%a3%bd%e9%80%a0%e6%a5%adai%e5%8c%96%e3%81%ae%e5%a3%81%e3%81%af%e3%80%8c%e6%9a%97%e9%bb%99%e7%9f%a5%e3%80%8d%e3%81%ab%e3%81%82%e3%82%8a%ef%bc%9f%e6%9c%80%e6%96%b0%e7%89%b9%e8%a8%b1%e5%8b%95%e5%90%91/ - カテゴリ: テックニュース - 公開日: 2026-08-28 - 更新日: 2026-08-28 --- ### 製造業AI化の3つの主要課題 調査の結果、ロボット・FA産業におけるバーティカルAI実装には、「現場データの不足・不統一」、「熟練者の暗黙知のデータ化」、「AI判断の説明可能性・信頼性」という3つの主要な技術課題が存在することが明らかになりました。 ![ロボット・FA産業におけるバーティカルAI開発の技術課題と国内特許動向](/wp-content/uploads/2026/08/4af21b1c9a9656f5c0efa1441da7793b.webp) #### 1. 現場データの不足・不統一 工場では、設備メーカーごとにデータ形式や通信仕様が異なるため、工場全体のデータをAIが利用できる形で統合することが難しい現状があります。また、古い設備が稼働しているケースも多く、AI学習に必要な高品質なデータを収集するには大きなコストがかかります。中小製造業では、センサーやデータ基盤の整備がまだ進んでいない場合もあります。 この課題を解決する技術として、エッジコンピューティング（データを生成する機器の近くで処理を行う技術）、OPC-UA（産業機器間で安全かつ信頼性の高いデータ通信を行うための国際的な標準プロトコル）などの標準プロトコル、マルチベンダー機器のデータ連携（異なるメーカーの設備やシステム間でデータをやり取りできるようにすること）が挙げられます。ファナック株式会社は「FIELD system」による工場データの収集・連携、三菱電機株式会社は「e-F@ctory」によるエッジ処理と既存設備との連携、オムロン株式会社は「i-Automation」によるセンサーデータの統合に取り組んでいます。 #### 2. 熟練者の暗黙知のデータ化 製造現場の技能には、手の動き、力加減、作業音、加工状態の見極めなど、言葉では表現しにくい「暗黙知」（経験に基づく知識や技能のこと）が含まれています。熟練者の高齢化や人手不足が進む中で、これらの技能をモーションデータやセンサーデータとして収集し、ロボットやAIへ移転する技術の重要性が高まっています。 関連技術として、動作模倣学習（ロボットが人間の動きを観察し、それを真似て学習する技術）、モーションキャプチャ（人や物の動きをデジタルデータとして記録する技術）、強化学習（AIが試行錯誤を繰り返しながら、最適な行動を自ら学習していく方法）、VR・AR（VRは仮想現実、ARは拡張現実）を用いた技能伝承が挙げられます。株式会社安川電機はロボットの動作教示と模倣学習、川崎重工業株式会社は「Successor」による遠隔操作と自律動作の融合、パナソニックは溶接・組立作業に特化した技能伝承に取り組んでいます。 #### 3. AI判断の説明可能性・信頼性 製造現場でAIが異常や不良を判定する際、現場担当者はその判定理由を確認する必要があります。AIの判断過程が分からない「ブラックボックス型AI」（AIの判断プロセスが複雑すぎて、人間がその根拠を理解しにくい状態のこと）は、品質保証、安全管理、設備保全における検証を困難にし、導入の障壁となります。 この課題に対応する技術として、注意機構（AIが特定の判断をする際に、データのどの部分に注目したかを可視化する仕組み）による判断根拠の可視化、ルールベースとAIを組み合わせた手法、不確実性の定量化（AIの判断がどれくらいの確実性を持っているかを数値で示すこと）などが挙げられます。株式会社日立製作所は異常検知と判断根拠の可視化、富士通株式会社は「Wide Learning」による少量データでの説明可能性、日本電気株式会社（NEC）は異種混合学習による予測と説明に取り組んでいます。 ### 直近5年間の特許出願動向と主要企業の技術比較 今回の推定分析では、2021年から2025年にかけて、「暗黙知のデータ化」と「説明可能AI」に関する国内出願が増加する傾向が示されました。現場データ統合は基盤技術として成熟しつつあり、標準化やマルチベンダー連携に関する出願が安定して続いている可能性があります。 ![直近5年間の出願増減傾向と主要出願人の技術アプローチ比較](/wp-content/uploads/2026/08/da380691a61e39e6882007cf302e5185.webp) ### 今後注目される3つの技術領域 今後、特に注目される技術領域としては以下の3つが挙げられます。 - **中小製造業向けの低コストデータ収集技術**：古い設備にも後付けできるセンサー、データ形式の自動変換、クラウドへ接続せず現場で処理できるエッジAIなど。大規模工場向けのデータ基盤に比べ、導入負担を抑えた中小工場向けの技術には開発・知財化の余地がある可能性があります。 - **特定工程に特化した技能伝承AI**：溶接、研磨、塗装、組立などの工程ごとに、熟練者の動作、力、音、画像、作業結果を組み合わせて学習する技術。日本企業が蓄積してきた現場データと工程ノウハウを、独自の学習データや知財につなげられる可能性があるでしょう。 - **品質保証・安全管理に対応した説明可能AI**：AIの判定根拠、不確実性、使用したデータの範囲を、現場担当者や品質保証担当者が確認できる形で示す技術。自動車部品、医療機器、精密機器など、高い品質と安全性が求められる製造分野への展開が期待されます。 これらは「特許が存在しない領域」や「完全なホワイトスペース」を示すものではなく、今回の調査範囲に基づき、関連出願が増加している、または相対的に限定されている可能性がある領域として整理されたものです。 ### 特許調査・発明抽出プラットフォーム「MyTokkyo.Ai」について 「MyTokkyo.Ai」は、特許調査、発明内容の整理、関連特許の要約・比較、発明提案書や出願準備資料の作成を支援する、特許調査・発明抽出プラットフォームです。調査目的や技術内容を自然文で入力することで、AIエージェントが特許データベースを参照し、関連特許の検索、要約、比較、技術資料との対比などを支援します。 主な機能： - 自然文による特許調査 - 関連特許の検索、要約、比較 - 技術資料と特許公報の対比 - 発明の課題、解決手段、効果の整理 - 発明提案書や出願準備資料の作成支援 詳細については、以下の製品ページをご覧ください。 - [MyTokkyo.Ai 製品ページ](https://www.tokkyo.ai/pvt/) ### 調査方法と留意事項 このレポートは日本国内の公開特許・登録特許を対象としており、ロボット、FA、工場自動化、製造データ、センサーデータ、技能伝承、動作教示、異常検知などの技術キーワードと、AI、機械学習、エッジコンピューティング、OPC-UA、模倣学習、説明可能AIなどの関連キーワードを組み合わせ、IPC分類を参照しながら定性分析が行われました。 なお、本レポートは特許データファイルに基づく定量分析ではなく、本文に記載された出願動向と企業・技術領域の関係は、公開情報と一般的な技術動向に基づく推定を含みます。個別の特許番号、出願件数、権利状況については、特許データベースでの追加確認が必要です。また、本調査は関連するすべての特許を網羅するものではなく、海外特許や国際比較は調査対象に含まれていません。 ### リーガルテック株式会社 概要 - 会社名：リーガルテック株式会社 - 設立：2021年3月 - 資本金：4億9,300万円（資本準備金含む） - 代表取締役CEO：平井 智之 - 所在地：東京都港区虎ノ門5-13-1 虎ノ門40MTビル4F - URL：[https://www.legaltech.co.jp/](https://www.legaltech.co.jp/) - 事業概要： 特許調査・発明抽出プラットフォーム「MyTokkyo.Ai」の提供・開発 - 知の資産化ナレッジベース「IPGenius」の提供・開発 - 秘密情報の共有データルーム「リーガルテックVDR」の提供・開発