現場がまず問う AIはどこまで

香料倉庫で7分で終わった仕事

ソウルのある香料製造業者で在庫を合わせる作業は、元々1か月の半分を費やしていた。香料ごとに特性が異なり、賞味期限もまちまちな上、ある原料は別の原料で代替できる。担当者がこの変数を一つ一つ手作業で計算し適正在庫を算出すると、月15日かかっていた。この会社が国内スタートアップDeepflowのAI在庫管理システムを導入した後、同じ作業は7分に短縮された。需要予測精度は70パーセントから80パーセントに向上した。

同じソリューションを使った電子製品メーカーでは、在庫不足が49パーセント、在庫過剰が70パーセント減少し、月間在庫コスト約11億ウォンを削減したという数値が報告された。足で確認した最初の事実はこうだ。最も劇的な数字を生み出した事例は、厳密に言えば「生成AI」ではなく需要予測に特化した機械学習だった。ChatGPTのような対話型モデルではなく、リードタイムの変動性と季節性を学習した予測エンジンだ。現場で本当にコストを削減したAIと、最近誰もが口にする生成AIは同じ言葉でくくられるが、別物だという意味だ。

ソンドン区のカフェオーナーがデザイナーを呼ばなくなった理由

生成AIが実際に小さな店舗に入り込んだ場面は、マーケティング分野でより鮮明だ。ソウル・ソンドン区でデザートカフェを運営する30代のキム某氏は、イベントの広報物を作るたびにデザイナーに外注していて、その費用が負担だった。今はAIでメニュー写真を補正し、ポスターを作り、短い広報動画まで自ら解決している。「マーケティング費用が大幅に減った」というのが彼の言葉だ。オンラインショッピングモールを運営する別の自営業者は、商品説明文の作成、顧客問い合わせへの返答草案、レビュー分析にAIを使いながら「業務効率が目に見えて高まった」と述べた。

大掛かりなシステムではない。NAVERプレイスのレビューへの返信をChatGPTベースのツールで受け取り、10秒以内に投稿するといった、手に取れる自動化だ。政府もここに資金を投入している。小商工人市場振興公団は2025年2月「小商工人知識学習プラットフォーム」を改編し、生成AIで講義の要点を要約する機能を追加し、小規模事業者の生成AI活用教育とデジタル転換も支援事業として拡大している。

しかし製造現場の半数はまだ入口に立っている

小規模事業者側の状況が速く動いているのに対し、中小製造業の現場ははるかに慎重だ。中小企業中央会が2025年10月19日に発表した調査を見ると雰囲気が掴める。最近5年間に大・中小共生型スマート工場事業に参加した502の中小製造業者に尋ねたところ、製造工程へのAI導入が「必要だ」と答えた企業は47.4パーセントだった。「普通」まで加えると78.5パーセントが肯定的だ。必要性は認識しているということだ。

問題はその次だ。AI導入が難しい理由としては「初期費用負担」を挙げた企業が44.2パーセントで圧倒的に多く、「専門人材不足」が20.5パーセントで続いた。政府に望む支援も抽象的なものではなく「直接的な資金支援」(72.3パーセント)が1位で、次が「AI専門コンサルティング」(21.9パーセント)だった。スマート工場の運営においても専門運営人材不足(43.8パーセント)、高い維持・管理費用(25.9パーセント)が足かせとなり、工程データを分析できない理由としても担当者・専門人材不足(50.4パーセント)が1位だった。香料倉庫の7分の成功談とこのアンケートの間の距離が、韓国中小製造業が立っている真の位置だ。モデルケースはあるが、それを移植する人材と資金がない。

驚くべき逆説 時間は減ったが生産は増えなかった

ここで取材の方向を一度転換する必要がある。導入事例だけを集めれば「AIは無条件にメリット」という結論に流れやすい。しかし韓国銀行が出したデータは正反対の警告をしている。韓国銀行のイシューノートがChatGPTリリース約3年を分析したところ、生成AIを使った労働者の平均業務時間は3.8パーセント減少した。週40時間基準で週約1.5時間が消えた計算だ。

驚くべきは、その減少した時間がより多くの産出につながらなかった点だ。労働者単位で業務時間削減率と業務処理量増加率の間の相関係数はゼロだった。韓国銀行はこれを「生産性の断絶」と呼ぶ。「AIが個別作業レベルの効率は高めたが、業務フローの改善や組織構造の変化、人材再配置に拡張されなかったため」時間だけが空いて成果は据え置きだったというのだ。生産性が実際に上がった集団は例外的に自営業者、専門職、AIを非常に強力に使う少数のみだった。

この部分が重要だ。ソンドン区のカフェのキム氏のように1人がすべての決定を握る自営業者は、削減した時間を直ちにより多くの広報や売上に変えることができる。一方、組織が介在すると、減った1.5時間は報告と会議の間に蒸発する。同じ生成AIでも小規模事業者でより効果を発揮する構造的理由がデータで説明される形だ。

できなかったこと、そして一つの反対意見

何ができなかったのかも正直に記すべきだ。生成AIの持病であるハルシネーション、つまり事実でない情報を確信に満ちた口調で作り出す問題は、小さな店舗でもそのまま危険だ。海外事例だがカナダの航空会社は自社AIチャットボットが誤った割引情報を案内して消費者補償判決を受け、マイクロソフトが支援したニューヨーク市の事業者案内チャットボット「MyCity」は従業員のチップを横取りしてもよいといった違法行為を助長する回答を出した。顧客対応をAIに丸ごと任せた小規模事業者なら他人事ではない。そのため現場で推奨される方式は、よくある問い合わせのみAIが受け、複雑なものは人間に回すハイブリッドだ。

反対意見も明確にある。韓国IDCが2024年10月に出した調査で、国内組織の78パーセントが生成AIで生産性が改善されたと答え、LG電子はIT知識なしでも数百テラのデータを分析できるようSQLコードを書いてくれる社内AIを作った。AI懐疑論は誇張だという見方だ。しかしこの78パーセントは「導入した組織が自ら体感した改善」であり、韓国銀行の相関係数ゼロは「実際の産出物で測定した結果」だ。同じ技術をめぐって体感と実測が分かれる。中小製造業の社長がコンサルティング請求書の前で躊躇する理由は、まさにこの2つの数字の間の隔たりを本能的に知っているからかもしれない。香料倉庫の7分は本物だが、その7分を誰もが買えるわけではない。